86
BAB IV
PERANCANGAN DATA WAREHOUSE
4.1 Arsitektur Data Warehouse
Berdasarkan penelitian yang dilakukan pada PT. Makmur Pangan Kharisma, arsitektur data warehouse yang cocok digunakan adalah bentuk data warehouse yang terpusat (Centralized Data Warehouse). Data Warehouse ini dapat berguna sebagai database yang bertujuan untuk pembuatan laporan atau dasar dari sistem pengambilan keputusan. Data Warehouse ini letaknya terpisah dari database OLTP agar kinerja sistem operasional tidak menjadi berat atau terganggu.
Berikut ini adalah beberapa alasan mengapa data warehouse terpusat cocok untuk PT.MPK :
a. Arsitektur data warehouse terpusat merupakan bentuk yang paling umum digunakan oleh perusahaan-perusahaan yang sedang berkembang, dimana database berada di satu tempat terpusat.
b. Pengawasan dan pemeliharaan data dalam aplikasi data warehouse menjadi lebih mudah.
c. Rancangan data warehouse menjadi lebih mudah untuk dikembangkan dengan harga yang relatif murah jika dibandingkan dengan data warehouse terdistribusi. d. PT. MPK belum mempunyai cabang sehingga pusat kegiatan yang berhubungan
87
Karena pertimbangan-pertimbangan diatas maka kami mengusulkan arsitektur data warehouse terpusat. Berikut adalah gambaran dari arsitektur data warehouse PT. MPK :
Gambar 17 Arsitektur Data Warehouse PT. Makmur Pangan Kharisma Komponen-komponen yang terdapat pada data warehouse terpusat diusulkan antara lain :
1. Sumber Data (Data Source)
Sumber data dari data warehouse berasal dari data-data yang terdapat pada tabel-tabel master dan transaksi database operasional. Data yang diambil
88
adalah data yang bersangkutan dengan proses pembelian, persediaan, dan penjualan.
2. Transformasi Data
Sumber-sumber data yang bersangkutan dengan proses pembelian, persediaan dan penjualan akan diubah dengan proses transformasi ke dalam bentuk yang konsisten dan terintegrasi sehingga dapat menghasilkan data yang benar-benar akurat dan terpercaya.
3. Data Warehouse
Komponen ini merupakan tempat dimana data yang telah tersaring dan telah ditransformasi dikumpulkan pada tempat tertentu untuk dipergunakan sebagai sumber penganalisaan laporan pembelian, persediaan barang dan penjualan oleh para top Manajemen perusahaan.
4. OLAP
OLAP berfokus pada konsep multidimensional database, sehingga user dapat menganalisis data-data dari laporan pembelian, persediaan barang dan penjualan dari sudut pandang yang berbeda-beda.
5. User
Director, Finance and Administration Manager, dan Warehouse Supervisor menggunakan dan mengakses data yang ada di dalam data warehouse melalui aplikasi yang dibuat. Aplikasi ini bertujuan untuk mempermudah dan juga mempercepat user untuk memperoleh data yang dibutuhkan untuk mengambil keputusan.
89
6. Front-End Tools
Komponen ini adalah sebuah interface dimana interface ini yang menghubungkan data warehouse dengan user. Dengan interface, memudahkan user untuk mengambil data dari data warehouse untuk dibuat menjadi sebuah laporan.
4.2 Perancangan Data Warehouse
Metode Perancangan data warehouse yang digunakan didasarkan pada metodologi sembilan tahap (nine-step methodology) Ralph Kimball.
4.2.1 Memilih Proses (Choosing The Process)
Berdasarkan pada ruang lingkup dan ketentuan yang diberikan oleh perusahaan maka beberapa proses yang akan digunakan dalam data warehouse antara lain adalah sebagai berikut :
1. Pembelian
Yang dimaksud dengan pembelian pada PT. Makmur Pangan Kharisma adalah pembelian bahan-bahan kimia dan makanan. Dokumen yang digunakan pada proses ini adalah Faktur Pembelian. Sedangkan data yang digunakan adalah Supplier, Barang, JenisBarang, Karyawan, Waktu, dan Negara.
2. Persediaan
Yang dimaksud dengan persediaan pada PT. Makmur Pangan Kharisma adalah persediaan bahan-bahan kimia dan makanan. Dokumen yang digunakan pada proses ini adalah Surat Masuk Barang (SMB) dan Surat
90
Keluar Barang (SKB). Sedangkan data yang digunakan adalah Barang, JenisBarang, Waktu.
3. Penjualan
Yang dimaksud dengan penjualan pada PT. Makmur Pangan Kharisma adalah penjualan langsung bahan-bahan kimia dan makanan. Dokumen yang digunakan pada proses ini adalah Faktur Penjualan. Sedangkan data yang digunakan adalah Customer, Barang, JenisBarang, Karyawan, Waktu dan Kota.
4.2.2 Memilih Grain (Choosing The Grain)
Pemilihan grain pada perancangan data warehouse perusahaan mencakup : 1. Pembelian
Analisis yang dapat dilakukan pada proses pembelian adalah barang yang paling banyak dibeli, jenis barang yang paling sering dibeli, supplier yang paling banyak membeli barang, jumlah pembelian barang, total pembelian sebelum pajak, total pembelian setelah pajak dan rata-rata pembelian yang dapat dilihat berdasarkan supplier, barang, jenisbarang, waktu, negara dan karyawan.
2. Persediaan
Analisis yang dapat dilakukan pada proses persediaan adalah jumlah barang awal, jumlah barang keluar, dan jumlah barang masuk dan jumlah barang akhir berdasarkan barang, jenisbarang dan berdasarkan waktu.
91
3. Penjualan
Analisis yang dapat dilakukan pada proses penjualan adalah barang yang paling banyak terjual, jenis barang yang paling banyak terjual, customer yang paling banyak membeli barang, kota asal customer yang paling banyak membeli, jumlah penjualan barang, total penjualan sebelum pajak, total penjualan setelah pajak, dan rata-rata penjualan yang dapat dilihat berdasarkan barang, jenisbarang, customer, waktu, karyawan dan kota.
4.2.3 Identifikasi dan membuat dimensi yang sesuai (Identifying and Conforming the dimensions)
Dimensi yang dipilih adalah waktu, barang, jenisbarang, karyawan, supplier, negara, customer dan kota. Berikut adalah dimensi yang dipilih untuk masing-masing proses bisnis adalah :
1. Pembelian
Dimensi yang digunakan dalam analisis Pembelian adalah waktu, barang, jenisbarang, supplier, negara dan karyawan.
92
Tabel 31 Tabel Grain vs Dimensi pada analisis pembelian
Dimensi Grain
Waktu Barang Jenis Barang Supplier Karyawan Negara
Barang yang paling banyak dibeli X X Jenis Barang yang paling sering dibeli X X
Supplier yang paling sering dibeli X X
Jumlah Beli Barang X X X X X X
Total Pembelian sebelum pajak X X X X X X Total Pembelian setelah pajak X X X X X X
Rata-rata Pembelian X X X X X X
2. Persediaan
Dimensi yang digunakan dalam analisis persediaan adalah waktu, barang, dan jenisbarang.
Tabel 32 Tabel Grain vs Dimensi pada analisis persediaan
Dimensi Grain
Waktu Barang Jenis Barang
Jumlah Barang Awal X X X
Jumlah Barang Masuk X X X
Jumlah Barang Keluar X X X
93
3. Penjualan
Dimensi yang digunakan dalam analisis penjualan adalah waktu, barang, jenisbarang, customer, karyawan, dan kota.
Tabel 33 Tabel Grain vs Dimensi pada analisis penjualan
4.2.4 Memilih Fakta (Choosing The Facts)
Berikut adalah fakta yang diperlukan oleh pengguna : 1) FaktaPembelian
Fakta yang berkaitan dengan analisis pembelian adalah barang yang paling sering dibeli, jenis barang yang paling sering dibeli, supplier yang paling banyak dibeli, jumlah barang yang dibeli, total pembelian sebelum pajak, total pembelian setelah pajak dan rata-rata pembelian.
Dimensi Grain
Waktu Barang Jenis Barang Customer Karyawan Kota
Barang paling banyak dijual X X
Jenis Barang paling banyak dijual X X Customer yang paling banyak membeli X X
Kota asal customer yang sering membeli X X
Jumlah Jual Barang X X X X X X
Total Penjualan sebelum pajak X X X X X X Total Penjualan setelah pajak X X X X X X
94
2) FaktaPersediaan
Fakta yang berkaitan dengan analisis persediaan adalah jumlah barang awal, jumlah barang yang masuk, jumlah barang yang keluar, jumlah barang akhir. 3) FaktaPenjualan
Fakta yang berkaitan dengan analisis penjualan adalah barang yang paling banyak terjual, jenis barang yang paling banyak terjual, customer yang paling banyak membeli, jumlah barang yang dijual, kota asal customer yang banyak melakukan penjualan, total penjualan sebelum pajak, total penjualan setelah pajak dan rata-rata penjualan.
4.2.5 Menentukan data pre-kalkulasi dari tabel Fakta (Storing pre-calculation in
the fact table)
Fakta-fakta hasil kalkulasi yang digunakan adalah sebagai berikut : 1) FaktaPembelian meliputi :
- JumlahBeliBarang = SUM (Qty)
- TotalPembelianSebelumPajak = SUM (Qty * HargaBeli)
- TotalPembelianSetelahPajak = SUM ((PPN * (Qty * HargaBeli)) + (Qty * HargaBeli))
- RataRataPembelian = AVG ((PPN * (Qty * HargaBeli)) + (Qty * HargaBeli))
2) FaktaPersediaan meliputi :
- JumlahBarangAwal = SUM (Jumlah_Awal) - JumlahBarangKeluar = SUM (Jumlah_Keluar)
95
- JumlahBarangMasuk = SUM (Jumlah_Masuk) - JumlahBarangAkhir = SUM (Jumlah_Sisa) 3) FaktaPenjualan meliputi :
- JumlahJualBarang = SUM (Qty)
- TotalPenjualanSebelumPajak = SUM (Qty * HargaJual)
- TotalPenjualanSetelahPajak = SUM ((PPN *(Qty * HargaJual)) + (Qty * HargaJual))
- RataRataPenjualan = AVG ((PPN *(Qty * HargaJual)) + (Qty * HargaJual))
Berikut adalah tabel-tabel fakta yang digunakan : 1) FaktaPembelian
Tabel 34 Tabel FaktaPembelian
Atribut Tipe Data
WaktuID Int BarangID Int JenisBarangID Int SupplierID Int KaryawanID Int NegaraID Int JumlahBeliBarang Num TotalPembelianSebelumPajak Num TotalPembelianSetelahPajak Num RataRataPembelian Num
96
2) FaktaPersediaan
Tabel 35 Tabel FaktaPersediaan
Atribut Tipe Data
WaktuID Int BarangID Int JenisBarangID Int JumlahBarangAwal Int JumlahBarangMasuk Int JumlahBarangKeluar Int JumlahBarangAkhir Int 3) FaktaPenjualan
Tabel 36 Tabel FaktaPenjualan
Atribut Tipe Data
WaktuID Int BarangID Int JenisBarangID Int CustomerID Int KaryawanID Int KotaID Int JumlahJualBarang Num TotalPenjualanSebelumPajak Num TotalPenjualanSetelahPajak Num RataRataPenjualan Num
97
4.2.6 Melengkapi table dimensi (Rounding out the dimension Tabels) Berikut adalah tabel dimensi yang ada pada data warehouse :
1. DimensiWaktu
Tabel 37 Tabel DimensiWaktu Atribut Tipe Data Constraint WaktuID Int Primary key
Bulan Int -
Kuartal Int -
Tahun Int -
2. DimensiBarang
Tabel 38 Tabel DimensiBarang Atribut Tipe Data Constraint BarangID Int Primary key KdBarang Char (5) Not null NamaBarang Varchar (30) - 3. DimensiJenisBarang
Tabel 39 Tabel DimensiJenisBarang Atribut Tipe Data Constraint BarangID Int Primary key KdJenisBarang Char (5) Not null
JenisBarang Varchar (20) - 4. DimensiKaryawan
Tabel 40 Tabel DimensiKaryawan Atribut Tipe Data Constraint
KaryawanID Int Primary key
KdKaryawan Char (5) Not null NamaKaryawan Varchar (20) Not null JenisKelamin Varchar(10) -
98
5. DimensiSupplier
Tabel 41 Tabel DimensiSupplier Atribut Tipe Data Constraint SupplierID Int Primary key KdSupplier Char (5) Not null NamaSupplier Varchar (20) -
Alamat Varchar (30) -
6. DimensiNegara
Tabel 42 Tabel DimensiNegara Atribut Tipe Data Constraint NegaraID Int Primary key KdNegara Char (5) Not null NamaNegara Varchar (20) - 7. DimensiCustomer
Tabel 43 Tabel DimensiCustomer Atribut Tipe Data Constraint
CustomerID Int Primary key
KdCustomer Char (5) Not null NamaCustomer Varchar (20) -
Alamat Varchar (30) -
8. DimensiKota
Tabel 44 Tabel DimensiKota
Atribut Tipe Data Constraint KotaID Int Primary key KdKota Char (5) Not null
99
4.2.7 Memilih durasi dari basis data (Choosing the duration of the database)
Berdasarkan kebutuhan PT. MPK, maka data yang akan dianalisis merupakan data dari Januari 2005 sampai dengan Desember 2009.
Tabel 45 Durasi database untuk data warehouse PT. MPK
Database Database ada
sejak tahun
Data yang masuk ke Data
Warehouse
Data dalam
Data Warehouse MPK 2005 Januari 2005 – Desember 2009 5 Tahun
4.2.8 Melacak dimensi yang berubah secara perlahan (Tracking slowly changing
dimension)
Atribut dari tabel dimensi tidak selamanya memiliki nilai yang tetap atau bersifat relatif statis. Perubahan nilai atribut dalam dimensi dapat terjadi dalam waktu yang cukup lama. Oleh karena itu perlu dilakukan update jika perlu untuk menjaga kekonsistenan dan ke-akuratan data. Dimensi-dimensi yang ada kemungkinan berubah terdapat pada tabel di bawah ini :
Tabel 46 Atribut yang mungkin berubah
Untuk mengatasi masalah ini, dipilih tipe kedua dari tiga tipe yang telah dijelaskan oleh Kimball dan Ross dalam rangka memantau perubahan yang terjadi dalam dimensi (Kimball dan Ross, 2002, p97). Tipe kedua ini adalah dimana atribut dimensi yang diubah menyebabkan record dimensi baru diciptakan dengan surrogate key yang berbeda. Berikut adalah contoh penerapannya :
Nama Dimensi Atribut yang mungkin berubah
DimensiSupplier NamaSupplier DimensiCustomer NamaCustomer
100
Data pada DimensiSupplier sebelum berubah :
SupplierID KdSupplier NamaSupplier
1 KU001 Capol GmbH
2 KU002 Cargill Incorporated
Data pada DimensiSupplier setelah terjadi perubahan nama pada Supplier dengan SupplierID 1:
SupplierID KdSupplier NamaSupplier
1 KU001 Capol GmbH
2 KU002 Cargill Incorporated
3 KU001a Calex GmbH
4.2.9 Menentukan prioritas dan mode dari query (Deciding the query priorities and
the query modes)
Dalam tahapan ini yang dilakukan adalah mempertimbangkan pengaruh pada perancangan fisikal, seperti keberadaan dari ringkasan (summaries) dan penjumlahan (aggregate). Selain itu, masalah ETL (Extract, Transformation, Loading), backup, dan keamanan (Security) yang memberikan batasan privilege kepada user juga merupakan faktor yang harus diperhatikan. Adapun analisis pengguna dari laporan atau kebutuhan informasi yang disediakan oleh data warehouse adalah sebagai berikut :
101
Tabel 47 Pengguna informasi Data Warehouse
User Informasi Komisaris dan Director - Informasi digunakan untuk menganalisis
perencanaan pembukaan cabang baru perusahaan. - Informasi digunakan untuk menganalisis keuntungan
dari perusahaan. Finance dan
Administration Manager
- Informasi digunakan untuk menganalisis pendapatan dari penjualan dan pengeluaran untuk pembelian perusahaan.
Warehouse Supervisor - Informasi digunakan untuk menganalisis
perencanaan pengadaan barang untuk persediaan di gudang.
4.3 Metadata
Seperti yang dibahas sebelumnya pada landasan teori, metada bukanlah data fisik dari data maupun sekedar kamus data mengenai data yang ada pada data warehouse. Metadata merupakan ensiklopedi lengkap mengenai keberadaan data dan sumber daya informasi penghubung pada data warehouse.
Metadata yang dibuat merupakan metadata setiap tabel yang ada pada data warehouse, mulai dari tabel fakta, dimensi, maupun logging. Metadata yang disajikan dilengkapi juga dengan nama asal tabel dan field pada database source hingga keterangan mengenai field bersangkutan.
102
103
104
105
106
107
108
109
4.4 Skema Bintang
Dari perancangan data warehouse PT. Makmur Pangan Kharisma dihasilkan skema Bintang. Skema yang dihasilkan adalah sebagai berikut :
1. Skema Bintang Data Warehouse
110
2. Skema Bintang Fakta_Pembelian
111
3. Skema Bintang Fakta_Persediaan
112
4. Skema Bintang Fakta_Penjualan
Gambar 21 Skema Bintang Fakta_Penjualan 4.5 Pengimplementasian Data Warehouse
4.5.1 Menentukan Database Sumber dan Tujuan Data warehouse
Database sumber dari data warehouse adalah database yang digunakan dalam operasi harian, yaitu database OLTP PT. Makmur Pangan Kharisma, dalam hal ini database dengan schema MPK. Dan Database tujuan adalah database baru yang dibuat untuk implementasi data warehouse.
4.5.2 Implementasi ETL (Extract, Transformation, Loading) Proses ETL akan dilakukan 6 Bulan sekali.
113
Tabel 59 Tabel Keterangan Proses ETL
Pelaku ETL Proses Keterangan
IT Manager 6 Bulan Sekali Memilih dan mentransformasikan data operasional ke dalam data
warehouse
4.5.2.1 Transformasi Data
Proses transformasi data dimulai dari DimensiBarang, DimensiWaktu, DimensiJenisBarang, DimensiKaryawan, DimensiSupplier, DimensiNegara, DimensiKota, DimensiCustomer, FaktaPembelian, FaktaPersediaan, FaktaPenjualan yang dijabarkan sebagai berikut :
114
115
Saat proses transformasi dijalankan :
Gambar 22 Proses Transformasi Dimensi
116
117
Saat proses transformasi dijalankan :
Gambar 23 Proses Transformasi Dimensi Waktu c. Fakta
118
119
Saat proses transformasi dijalankan :
Gambar 24 Proses Transformasi Fakta 4.5.3 Penerapan Data Warehouse
Pada tahap ini akan dilakukan perancangan aplikasi desktop yang dapat digunakan oleh eksekutif perusahaan untuk melihat informasi yang terdapat dalam data warehouse. Aplikasi tersebut dirancang dengan menggunakan Microsoft Visual Studio 2008 dan komponen pendukung seperti Crystal Report.
Penggunaan piranti lunak (software) untuk pembuatan aplikasi tersebut didasarkan pada pertimbangan faktor kemudahan user dalam menggunakan aplikasi serta tampilan yang bersifat user friendly.
4.5.4 Rencana Backup
Backup akan dilakukan oleh bagian IT Manager. Backup pada data warehouse dilakukan setiap sebelum menjalankan proses ETL. Backup dilakukan untuk menanggulangi jika ada kegagalan dalam proses ETL. Backup dilakukan dengan disimpan ke media harddisk portable yang berbeda.
120
4.5.5 Analisis Kapasitas Media Penyimpanan
Dalam pengolahan data, kapasitas media penyimpanan menjadi salah satu aspek yang perlu dipertimbangkan. Transaksi yang terjadi pada OLTP mempengaruhi pertumbuhan data secara terus menerus. Oleh karena itu, diperlukan analisis kapasitas media penyimpanan sehingga mampu menampung pertumbuhan data yang terus-menerus selama beberapa tahun ke depan.
Rumus yang akan digunakan untuk perhitungan kebutuhan penyimpanan record dalam SQL Server 2008 (SQL Server Books Online) adalah :
a. Num_Row = Jumlah Baris/Jumlah Record. b. Num_Col = Jumlah kolom dalam tabel.
c. Fixed_Data_Sized = Jumlah bytes yang dibutuhkan oleh semua kolom yang mempunyai tipe data dengan ukuran pasti.
d. Num_Variable_Cols = Jjumlah kolom yang mempunyai tipe data dengan ukuran tidak pasti seperti varchar, nvarchar, varbinary.
e. Max_Var_Size = Ukuran byte terbesar dari semua kolom yang mempunyai tipe data dengan ukuran yang tidak pasti.
f. Variable_Data_Size = Jumlah bytes yang dibutuhkan untuk semua kolom variable = 2 + (Num_Variable_Cols x 2) + Max_Var_Size.
g. Null_Bitmap = Bit status null kolom = 2 + ((Num_Col + 7) / 8).
h. Row_Size = Fixed_Data_Size + Variable_Data_Size + Null_Bitmap + 4 Nilai 4 merepresentasikan data row header
i. Rows_per_Page = 8096 / (Row_Size + 2). j. Num_of_Pages = Num_Row / Rows_per_Page.
121
k. Num_of_Bytes = 8192 x Num_of_Pages.
l. Num_of_Kbytes = 8192 / 1024 x Num_of_Pages = 8 x Num_of_Pages. Analisis perkiraan kapasitas media penyimpanan data pada data warehouse PT. MPK untuk perhitungan fakta adalah sebagai berikut :
Rn = R x (n + (1 + i)n)
n = Tahun ke- R = Jumlah Record
i = Presentase pertumbuhan record per Tahun
Perhitungan untuk dimensi yang mengalami pertumbuhan data adalah sebagai berikut :
n = Tahun ke- R = Jumlah Record
i = Presentase pertumbuhan record per Tahun
Berikut adalah analisis perkiraan kapasitas media penyimpanan untuk 5 Tahun mendatang dengan asumsi presentase pertumbuhan sebesar 10% per Tahun.
1. Fakta Pembelian Asumsi :
Jumlah transaksi dalam 1 Bulan = 120 x 20 = 2400 transaksi Jumlah record dalam satu transaksi sekitar 3 record
Jumlah record dalam 1 Bulan = 2400 x 3 = 7200 Jumlah record dalam 1 Tahun = 7200 x 12 = 86400
122
Maka dapat dihitung jumlah record sampai tahun ke-5 yaitu : R5 = 86400 x (5 + (1 + 0.1)5)
= 571149
Jumlah record FaktaPembelian pada tahun ke-5 adalah 571149
Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah :
• Num_Row = 571149 rows • Num_Col = 10 columns
• Fixed_Data_Sized = 4+4+4+4+4+4+4+15+15+15 = 73 bytes • Num_Variable_Cols = 0
• Null_Bitmap = Bit status null kolom = 2 + ((10 + 7) / 8) = 4.125 • Row_Size = 73 + 4.125 + 4 = 81.125 bytes
• Rows_per_Page = 8096 / (81.125 + 2) = 98 rows • Num_of_Pages = 571149/98 = 5828 pages • Num_of_Bytes = 8192 x 5828 = 47742976 bytes
• Num_of_Kbytes = 8 x 5828 = 46624 Kbytes = 45.53 Mbytes 2. Fakta Persediaan
Asumsi :
Jumlah transaksi dalam 1 Bulan = 300 x 20 = 6000 transaksi Jumlah record dalam satu transaksi sekitar 3 record
Jumlah record dalam 1 Bulan = 6000 x 3 = 18000 Jumlah record dalam 1 Tahun = 18000 x 12 = 216000
123
R5 = 216000 x (5 + (1 + 0.1)5) = 1427870
Jumlah record FaktaPembelian pada tahun ke-5 adalah 1427870
Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah :
• Num_Row = 1427870 rows • Num_Col = 7 columns
• Fixed_Data_Sized = 4+4+4+15+15+15+15 = 72 bytes • Num_Variable_Cols = 0
• Null_Bitmap = Bit status null kolom = 2 + ((7 + 7) / 8) = 3.75 • Row_Size = 72 + 3.75 + 4 = 79.75 bytes
• Rows_per_Page = 8096 / (79.75 + 2) = 99 rows • Num_of_Pages = 1427870/99 = 14423 pages • Num_of_Bytes = 8192 x 14423 = 118153216 bytes
• Num_of_Kbytes = 8 x 14423 = 115384 Kbytes = 112.68 Mbytes 3. Fakta Penjualan
Jumlah transaksi dalam 1 Bulan = 180 x 20 = 3600 transaksi Jumlah record dalam satu transaksi sekitar 3 record
Jumlah record dalam 1 Bulan = 3600 x 3 = 10800 Jumlah record dalam 1 Tahun = 10800 x 12 = 129600 Maka dapat dihitung jumlah record sampai tahun ke-5 yaitu :
R5 = 129600 x (5 + (1 + 0.1)5) = 856722
124
Jumlah record FaktaPembelian pada tahun ke-5 adalah 856722
Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah :
• Num_Row = 856722 rows • Num_Col = 10 columns
• Fixed_Data_Sized = 4+4+4+4+4+4+4+15+15+15 = 73 bytes • Num_Variable_Cols = 0
• Null_Bitmap = Bit status null kolom = 2 + ((10 + 7) / 8) = 4.125 • Row_Size = 73 + 4.125 + 4 = 81.125 bytes
• Rows_per_Page = 8096 / (81.125 + 2) = 98 rows • Num_of_Pages = 571149/98 = 8742 pages • Num_of_Bytes = 8192 x 8742 = 71614464 bytes
• Num_of_Kbytes = 8 x 8742 = 69936 Kbytes = 68.30 Mbytes 4. Dimensi Waktu
• Num_Row = 1825 rows • Num_Col = 4 columns
• Fixed_Data_Sized = 4+4+4+4= 16 bytes • Num_Variable_Cols = 0
• Null_Bitmap = Bit status null kolom = 2 + ((4 + 7) / 8) = 3.375 • Row_Size = 16 + 3.375 + 4 = 23.375 bytes
• Rows_per_Page = 8096 / (23.375 + 2) = 319 rows • Num_of_Pages = 1825/319 = 5 pages
125
• Num_of_Bytes = 8192 x 5 = 40960 bytes • Num_of_Kbytes = 8 x 5 = 40 Kbytes 5. Dimensi Barang
Jumlah Barang saat ini = 294 R5 = 294 x (1 + 0.1)5) = 474
Jumlah record DimensiBarang pada tahun ke-5 adalah 474.
Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : • Num_Row = 474 rows • Num_Col = 3 columns • Fixed_Data_Sized = 4+5 = 9 bytes • Num_Variable_Cols = 1 • Max_Var_Size = 30
• Variable_Data_Size = Jumlah bytes yang dibutuhkan untuk semua kolom variable = 2 + (1 x 2) + 30 = 34
• Null_Bitmap = Bit status null kolom = 2 + ((3 + 7) / 8) = 2.5 • Row_Size = 9 + 34 + 2.5 + 4 = 49.5 bytes • Rows_per_Page = 8096 / (49.5 + 2) = 158 rows • Num_of_Pages = 474/158 = 3 pages • Num_of_Bytes = 8192 x 3 = 24576 bytes • Num_of_Kbytes = 8 x 5 = 24 Kbytes 6. Dimensi JenisBarang
126
Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : • Num_Row = 2 rows • Num_Col = 3 columns • Fixed_Data_Sized = 4+5 = 9 bytes • Num_Variable_Cols = 1 • Max_Var_Size = 20
• Variable_Data_Size = Jumlah bytes yang dibutuhkan untuk semua kolom variable = 2 + (1 x 2) + 20 = 24
• Null_Bitmap = Bit status null kolom = 2 + ((3 + 7) / 8) = 2.5 • Row_Size = 9 + 24 + 2.5 + 4 = 39.5 bytes • Rows_per_Page = 8096 / (39.5 + 2) = 195 rows • Num_of_Pages = 2/195 = 0.01 pages • Num_of_Bytes = 8192 x 0.01 = 81.92 bytes • Num_of_Kbytes = 8 x 0.01 = 0.08 Kbytes 7. Dimensi Karyawan
Jumlah Karyawan saat ini = 376 R5 = 376 x (1 + 0.1)5) = 606
Jumlah record DimensiKaryawan pada tahun ke-5 adalah 606.
Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah :
• Num_Row = 606 rows • Num_Col = 4 columns
127
• Fixed_Data_Sized = 4+5 = 9 bytes • Num_Variable_Cols = 2
• Max_Var_Size = 20 + 10 = 30
• Variable_Data_Size = Jumlah bytes yang dibutuhkan untuk semua kolom variable = 2 + (2 x 2) + 30 = 36
• Null_Bitmap = Bit status null kolom = 2 + ((4 + 7) / 8) = 3.375 • Row_Size = 9 + 36 + 3.375 + 4 = 52.375 bytes • Rows_per_Page = 8096 / (52.375 + 2) = 149 rows • Num_of_Pages = 606/149 = 4.07 pages • Num_of_Bytes = 8192 x 4.07 = 33341.44 bytes • Num_of_Kbytes = 8 x 4.07 = 32.56 Kbytes 8. Dimensi Supplier
Jumlah Supplier saat ini = 108 R5 = 108 x (1 + 0.1)5) = 174
Jumlah record DimensiSupplier pada tahun ke-5 adalah 174.
Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : • Num_Row = 174 rows • Num_Col = 4 columns • Fixed_Data_Sized = 4+5 = 9 bytes • Num_Variable_Cols = 2 • Max_Var_Size = 20 + 30 = 50
128
• Variable_Data_Size = Jumlah bytes yang dibutuhkan untuk semua kolom variable = 2 + (2 x 2) + 50 = 56
• Null_Bitmap = Bit status null kolom = 2 + ((4 + 7) / 8) = 3.375 • Row_Size = 9 + 56 + 3.375 + 4 = 72.375 bytes • Rows_per_Page = 8096 / (72.375 + 2) = 109 rows • Num_of_Pages = 174/109 = 1.60 pages • Num_of_Bytes = 8192 x 1.60 = 13107.2 bytes • Num_of_Kbytes = 8 x 1.60 = 12.8 Kbytes 9. Dimensi Negara
Jumlah Negara saat ini = 10 R5 = 10 x (1 + 0.1)5) = 16
Jumlah record DimensiNegara pada tahun ke-5 adalah 16.
Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : • Num_Row = 16 rows • Num_Col = 3 columns • Fixed_Data_Sized = 4+5 = 9 bytes • Num_Variable_Cols = 1 • Max_Var_Size = 20
• Variable_Data_Size = Jumlah bytes yang dibutuhkan untuk semua kolom variable = 2 + (1 x 2) + 20 = 24
• Null_Bitmap = Bit status null kolom = 2 + ((3 + 7) / 8) = 2.5 • Row_Size = 9 + 24 + 2.5 + 4 = 39.5 bytes
129 • Rows_per_Page = 8096 / (39.5 + 2) = 195 rows • Num_of_Pages = 16/195 = 0.08 pages • Num_of_Bytes = 8192 x 0.08 = 655.36 bytes • Num_of_Kbytes = 8 x 0.08 = 0.64 Kbytes 10. Dimensi Customer
Jumlah Customer saat ini = 502 R5 = 502 x (1 + 0.1)5) = 809
Jumlah record DimensiCustomer pada tahun ke-5 adalah 809.
Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : • Num_Row = 809 rows • Num_Col = 4 columns • Fixed_Data_Sized = 4+5 = 9 bytes • Num_Variable_Cols = 2 • Max_Var_Size = 20 + 30 = 50
• Variable_Data_Size = Jumlah bytes yang dibutuhkan untuk semua kolom variable = 2 + (2 x 2) + 50 = 56
• Null_Bitmap = Bit status null kolom = 2 + ((4 + 7) / 8) = 3.375 • Row_Size = 9 + 56 + 3.375 + 4 = 72.375 bytes
• Rows_per_Page = 8096 / (72.375 + 2) = 109 rows • Num_of_Pages = 809/109 = 7.42 pages
130
• Num_of_Kbytes = 8 x 7.42 = 59.36 Kbytes 11. Dimensi Kota
Jumlah Kota saat ini = 25 R5 = 25 x (1 + 0.1)5) = 40
Jumlah record DimensiKota pada tahun ke-5 adalah 40.
Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : • Num_Row = 40 rows • Num_Col = 3 columns • Fixed_Data_Sized = 4+5 = 9 bytes • Num_Variable_Cols = 1 • Max_Var_Size = 20
• Variable_Data_Size = Jumlah bytes yang dibutuhkan untuk semua kolom variable = 2 + (1 x 2) + 20 = 24
• Null_Bitmap = Bit status null kolom = 2 + ((3 + 7) / 8) = 2.5 • Row_Size = 9 + 24 + 2.5 + 4 = 39.5 bytes
• Rows_per_Page = 8096 / (39.5 + 2) = 195 rows • Num_of_Pages = 40/195 = 0.21 pages
• Num_of_Bytes = 8192 x 0.21 = 1720.32 bytes • Num_of_Kbytes = 8 x 0.21 = 1.68 Kbytes
131
Tabel 60 Hasil Analisis Perkiraan Kapasitas Media Penyimpanan lima (5) tahun kedepan
Nama Tabel Besar Record (Bytes) Jumlah Current Record Jumlah record 5 tahun mendatang Jumlah (Kbytes) DimensiWaktu 23.375 - 1825 40 DimensiBarang 49.5 294 474 24 DimensiJenisBarang 39.5 2 2 0.08 DimensiKaryawan 52.375 376 606 32.56 DimensiSupplier 72.375 108 174 12.8 DimensiNegara 39.5 10 16 0.64 DimensiCustomer 72.375 502 809 59.36 DimensiKota 39.5 25 40 1.68 FaktaPembelian 81.125 86400 571149 46624 FaktaPersediaan 79.75 216000 1427870 115384 FaktaPenjualan 81.125 129600 856722 69936 Total : 232115.04
4.6 Perancangan Layar Aplikasi 1. Layar Login
Pada Rancangan layar login, user akan diminta untuk memasukkan inputan berupa username dan password. Tombol login digunakan untuk verifikasi username dan password. Bila user memasukkan username dan password dengan benar, maka user akan dialihkan ke halaman menu.
132
Gambar 25 Rancangan Layar Halaman Login
Jika user tidak memasukkan username, maka muncul pesan sebagai berikut :
Gambar 26 Rancangan Layar Halaman Login dengan username kosong Jika user tidak memasukkan password, maka muncul pesan sebagai berikut :
Gambar 27 Rancangan Layar Halaman Login dengan password kosong
Logo PT. Makmur Pangan Kharisma
Username : Password :
Logo PT. Makmur Pangan Kharisma
Logo PT. Makmur Pangan Kharisma
Login
Please fill your Username!
133
Jika user salah memasukkan username dan password, maka muncul pesan sebagai berikut :
Gambar 28 Rancangan Layar Halaman Login dengan username yang salah
Logo PT. Makmur Pangan Kharisma
Username or Password is incorrect!
134
2. Layar Menu Utama
Pada layar ini terdapat empat (4) menu utama yaitu Menu, Pivot, Report dan Windows.
Logo PT. Makmur Pangan Kharisma
Menu Pivot Report Windows
Change Password
Pembelian Pembelian Logout Persediaan Persediaan
Penjualan Penjualan
Gambar 29 Rancangan Layar Halaman Menu Utama
Pada Halaman ini, user dapat mengubah password dengan memasukkan username, password lama, password baru, dan verifikasi password baru.
Logo PT. Makmur Pangan Kharisma
Change Password
Username : Old Password : New Password:
Verify New Password :
Gambar 30 Rancangan Layar Halaman Change Password
135
Pada halaman ini ditampilkan pivot pembelian, persediaan, dan penjualan. User dapat menampilkan informasi yang diinginkan dalam bentuk tampilan multidimensional.
Logo PT. Makmur Pangan Kharisma
Pivot Pembelian
Analisis : Bulan : Kuartal : Tahun : Group By :
Content of Pivot
Gambar 31 Rancangan Layar Halaman Pivot Pembelian
Logo PT. Makmur Pangan Kharisma
Pivot Persediaan
Analisis : Bulan : Kuartal : Tahun : Group By :
Content of Pivot
Gambar 32 Rancangan Layar Halaman Pivot Persediaan Select one Select one Select one Select one
Select one
View
Select one Select one Select one Select one
Select one
136
Logo PT. Makmur Pangan Kharisma
Pivot Penjualan
Analisis : Bulan : Kuartal : Tahun : Group By :
Content of Pivot
Gambar 33 Rancangan Layar Halaman Pivot Penjualan
Pada halaman ini akan ditampilkan report mengenai pembelian, persediaan dan penjualan. User dapat menampilkan informasi yang diinginkan dengan memilih pengelompokkan informasi tersebut berdasarkan parameter Bulan, Kuartal dan Tahun. User juga dapat menampilkan grafik dalam bentuk Pie, Bar, atau Line.
Logo PT. Makmur Pangan Kharisma
Report Pembelian
Analisis : Bulan : Kuartal : Tahun : Group By :
Chart Type :
Content of Report
Gambar 34 Rancangan Layar Halaman Report Pembelian Select one Select one Select one Select one
Pie Bar Line Select one
View
Select one Select one Select one Select one
Select one
137
Logo PT. Makmur Pangan Kharisma
Report Persediaan
Analisis : Bulan : Kuartal : Tahun : Group By :
Chart Type :
Content of Report
Gambar 35 Rancangan Layar Halaman Report Persediaan
Logo PT. Makmur Pangan Kharisma
Report Penjualan
Analisis : Bulan : Kuartal : Tahun : Group By :
Chart Type :
Content of Report
Gambar 36 Rancangan Layar Halaman Report Penjualan Select one Select one Select one Select one
Pie Bar Line Select one
View
Select one Select one Select one Select one
Pie Bar Line Select one
138
4.7 Kebutuhan Sumber Daya
Dalam mendukung perancangan aplikasi data warehouse ini, aspek yang harus diperhatikan adalah sumber daya pendukung berupa piranti lunak (Software) dan perangkat keras (Hardware). Untuk senantiasa menjaga dan meningkatkan performansi dari data warehouse dan aplikasi yang telah dirancang, secara berkesinambungan perlu dilakukan peningkatan mutu dan spesifikasi dari perangkat keras (Hardware). Berikut diuraikan kebutuhan yang diperlukan baik dari segi teknologi maupun personil yang dianggap memegang peranan penting. 4.7.1 Kebutuhan Spesifikasi Perangkat Keras (Hardware)
Beberapa perangkat keras yang digunakan dalam pengimplementasian sistem antara lain server, dengan pertimbangan tingkat penanganan query dalam jumlah yang besar yang akan dilakukan terhadap data warehouse. Disini spesifikasi dari server sangat menentukan tingkat performansi dari data warehouse.
Perangkat keras yang disarankan untuk digunakan dalam pengimplementasian data warehouse agar tingkat optimalisasi performance dapat dicapai antara lain :
a. Server dengan spesifikasi :
1. Intel Pentium Core 2 Duo processor 2.40 GHz 2. Memori 4 GB
3. Hard Disk 250 GB b. Client dengan spesifikasi :
1. Processor Intel Pentium Dual Core processor 1.80 GHz 2. Memori 1 GB
139
4.7.2 Kebutuhan Spesifikasi Perangkat Lunak (Software)
Piranti lunak yang digunakan sebagai back end tool dari aplikasi data warehouse menggunakan.
Berikut ini adalah piranti lunak yang disarankan dalam penggunaan aplikasi data warehouse pada PT. Makmur Pangan Kharisma :
a. Server 1. Windows Server 2003 2. Microsoft SQL Server 2008 b. Client 1. Microsoft Windows 7 2. Visual Basic 2008 3. Crystal Report
4.7.3 Kebutuhan Sumber Daya Manusia (SDM)
Untuk pengembangan aplikasi dan pemeliharaannya, diperlukan seorang Database administrator (DBA) untuk melakukan maintenance dari data warehouse yang merupakan fondasi utama dari aplikasi yang telah dirancang. 4.8 Jadwal Implementasi Sistem pada PT. Makmur Pangan Kharisma
Implementasi data warehouse diawali dengan instalasi software dan aplikasi yang dibutuhkan untuk pengimplementasian sistem baru pada hardware yang sudah terinstalasi. Setelah itu dilakukan proses konversi data operasional perusahaan dengan proses data transformation service (ETL). Setelah proses tersebut selesai, maka akan dilakukan uji coba sistem awal. Selanjutnya berfokus kepada pelatihan user, hal ini dimaksudkan agar user dapat memahami system yang akan diterapkan.
140
Berikut jadwal rencana kegiatan yang dilakukan dalam perencanaan implementasi sistem data warehouse yang telah dirancang :
Tabel 61 Jadwal Rencana Kegiatan Implementasi
No. Rencana Kegiatan Minggu
6 7 8 9 10 11 12 13 1. Install dan Setup Data Warehouse
2. ETL (Extract, Transformation, Loading) 3. Uji coba sistem Aplikasi
4. Pelatihan User
5. Evaluasi
4.9 Layar Tampilan Informasi dan Analisis Informasi yang dibutuhkan
Pada layar Login, user akan memasukkan Username dan Password. Tombol Login akan digunakan untuk mem-verifikasi Username dan Password. Tampilan layar halaman Login adalah sebagai berikut :
141
Jika user tidak memasukkan username, maka akan muncul error message box :
Gambar 38 Tampilan layar Halaman Warning_Username_Null Jika user tidak memasukkan password, maka akan muncul error message box :
142
Jika user salah memasukkan username dan password, maka akan muncul error message box :
Gambar 40 Tampilan layar Halaman Warning_Username_Wrong Jika user sudah melakukan login dengan username dan password yang cocok, maka akan masuk menuju ke halaman Menu Utama. Di dalamnya terdapat Menu bar yang terdiri dari File, Pivot, Report, Windows, dan About.
143
Pada menu ‘File’ terdapat submenu Change Password yang apabila ditekan maka windows akan berpindah menuju ke tampilan form untuk mengubah password, submenu logout yang apabila ditekan maka user akan keluar dari system dan windows akan berpindah menuju ke Layar Login dan submenu Exit yang apabila ditekan maka akan mengeluarkan user dari system.
Gambar 42 Tampilan layar halaman Menu_File
Pada halaman change password ini, maka user dapat mengubah password dengan memasukkan username, password lama, password baru, dan verifikasi password baru. Tampilan halaman dari change password adalah sebagai berikut :
144
Apabila user salah memasukkan password lama, maka akan muncul error message box sebagai berikut :
Gambar 44 Tampilan layar halaman Change Password_WarningOldPass
145
Pada menu ‘Pivot’ terdapat submenu Pembelian, Persediaan dan Penjualan.
Gambar 46 Tampilan layar halaman Menu_Pivot
Pada halaman pivot pembelian ini user dapat menampilkan informasi yang diinginkan dalam bentuk tampilan multidimensional. User dapat menentukan analisis, bulan, kuartal, tahun, group by yang ingin ditampilkan. Juga terdapat tombol view yaitu untuk menampilkan pivot yang telah ditentukan oleh user. Tampilan layar halaman Pivot Pembelian sebagai berikut :
146
Gambar 48 Tampilan layar halaman View_Pivot_Pembelian
Begitu juga pada halaman pivot persediaan. Tampilan layar halaman Pivot Persediaan sebagai berikut :
Gambar 49 Tampilan layar halaman Pivot Persediaan
147
Begitu juga pada halaman pivot penjualan. Tampilan layar halaman Pivot Penjualan sebagai berikut :
Gambar 51 Tampilan layar halaman Pivot Penjualan
148
Pada menu ‘Report’ terdapat submenu Pembelian, Persediaan dan Penjualan.
Gambar 53 Tampilan layar halaman Menu_Report
Pada halaman report pembelian ini user dapat menampilkan informasi dalam bentuk grafik/chart sesuai keinginan masing-masing user. User dapat menentukan analisis, bulan, kuartal, tahun, group by dan bentuk grafik/chart yang ingin ditampilkan. Juga terdapat tombol view yaitu untuk menampilkan report yang telah ditentukan oleh user. Tampilan layar halaman Report Pembelian sebagai berikut :
149
Gambar 55 Tampilan layar halaman View_Report_Pembelian Begitu juga pada halaman report persediaan. Tampilan layar halaman Report Persediaan sebagai berikut :
150
Gambar 57 Tampilan layar halaman View_Report_Persediaan Begitu juga pada halaman report penjualan. Tampilan layar halaman Report Penjualan sebagai berikut :
151
152
Pada menu ‘Windows’ terdapat submenu Cascade, Tile Horizontal dan Tile Vertical. Submenu Cascade untuk menampilkan semua windows yang terbuka, Submenu Tile Horizontal untuk mengatur windows-windows secara horizontal, Submenu Tile Vertical untuk mengatur windows-windows secara vertical dan Submenu Close all untuk menutup semua windows yang terbuka.
Gambar 60 Tampilan layar halaman Menu_Windows
153
Gambar 62 Tampilan layar halaman Menu_Windows_TileHorizontal
Gambar 63 Tampilan layar halaman Menu_Windows_TileVertical
4.10 Evaluasi Sistem
Setelah perancangan dan implementasi aplikasi data warehouse pada PT. MPK dilaksanakan maka dapat diperoleh hasil evaluasi dari aplikasi ini yang
154
dilakukan secara langsung kepada user, dengan cara memperhatikan bagaimana aplikasi ini dapat membantu user di dalam menyediakan informasi yang dibutuhkan oleh perusahaan seperti mengetahui total penjualan barang tertinggi di kota mana dalam kurun waktu yang lebih singkat dibandingkan dengan sebelumnya. Adapun aspek-aspek aplikasi yang di-evaluasi meliputi kemudahan penggunaan aplikasi sistem yang diterapkan, kelengkapan data, tampilan laporan dalam aplikasi dan keakuratan data yang dihasilkan.
Bagian yang melakukan evaluasi terhadap aplikasi ini adalah bagian IT Manager. Setelah melakukan evaluasi terhadap aplikasi yang diusulkan, maka kesimpulan yang didapat dari wawancara evaluasi berlangsung yaitu :
• Keakuratan data yang dihasilkan oleh laporan sudah benar dan lengkap. Hal ini dapat dibandingkan dengan kurangnya keakuratan data yang ada sebelumnya karena tidak adanya proses ETL yang menjamin integritas data dan konsistensi data.
• Terdapatnya fitur chart/grafik dalam report yang memudahkan user dalam melakukan penganalisa-an data yang ada pada data warehouse dan lebih cepat dalam mengambil keputusan.
• Kemudian dari sisi kemudahan penggunaan aplikasi, dapat dirasakan kemudahan dalam penggunaan aplikasinya, karena user hanya perlu menentukan data apa yang ingin dilihat dan dimensi apa saja yang dibutuhkan.