68 BAB 4
SISTEM YANG DIUSULKAN
4.1 Modifikasi Sistem yang Berjalan
Berdasarkan kebijakan perrusahaan, Hotel Four Seasons Jakarta tidak memberikan akses penuh untuk melihat bentuk fisik sistem Basis Data dan Data Warehouse yang sedang berjalan. Oleh karena itu, berdasarkan gambaran kebutuhan informasi yang dibutuhkan untuk melakukan reservasi, dilakukan perancangan sistem berupa modifikasi dari sistem Basis Data dan Data Warehouse yang sedang berjalan.
4.1.1 Sistem Basis Data dan Data Warehouse yang Berjalan
Untuk menggambarkan sistem Basis Data yang berjalan pada Hotel Four Seasons Jakarta, dapat dilihat hubungan antar tabel pada Gambar 4.1 di bawah ini.
69
Gambar 4.1 Entity Relationship Diagram
4.1.2 Tabel-Tabel pada Sistem Basis Data 1. Tabel Sources
Primary Key : Source_No
Keterangan : Digunakan untuk menyimpan semua data identitas source.
Field Tipe Data Panjang Penjelasan Source_No varchar 10 Nomor source Source_Name varchar 20 Nama source Address varchar 50 Alamat source
70
Company varchar 20 Nama perusahaan source AR_Number varchar 10 Accept/Refuse
VIP_Code varchar 10 Kode status VIP Rate_Code varchar 10 Kode rate kamar yang
tersedia
Next_Stay date 8 Tanggal kapan source akan menginap di hotel lagi Last_Agent varchar 10 Nama agent yang terakhir
kali merekomendasikan source
Last_Group varchar 10 Nama group yang terakhir kali merekomendasikan source
Last_Room varchar 10 Nomor kamar yang terakhir kali di-book oleh source
Country varchar 20 Negara source Tabel 4.1 Tabel Sources
2. Tabel Agents
Primary Key : Agent_No
Keterangan : Digunakan untuk menyimpan semua data identitas agent.
71
Field Tipe Data Panjang Penjelasan Agent_No varchar 10 Nomor agent
Agent_Name varchar 20 Nama agent Address varchar 50 Alamat agent
City varchar 20 Kota agent
Company varchar 20 Nama perusahaan agent AR_Number varchar 10 Accept/Refuse
VIP_Code varchar 10 Kode status VIP Rate_Code varchar 10 Kode rate kamar yang
tersedia
Next_Stay date 8 Tanggal kapan agent akan menginap di hotel lagi Last_Room varchar 10 Nomor kamar yang
terakhir kali di-book oleh agent
Last_Group varchar 10 Nama group yang terakhir kali merekomendasikan agent
Last_Source varchar 10 Nama source yang terakhir kali merekomendasikan agent
Country varchar 20 Negara agent Tabel 4.2 Tabel Agents
72 3. Tabel Groups
Primary Key : Group_No
Keterangan : Digunakan untuk menyimpan semua data identitas group.
Field Tipe Data Panjang Penjelasan Group_No varchar 10 Nomor group Group_Name varchar 20 Nama group Address varchar 50 Alamat group
City varchar 20 Kota group
Company varchar 20 Nama perusahaan group AR_Number varchar 10 Accept/Refuse
VIP_Code varchar 10 Kode status VIP Rate_Code varchar 10 Kode rate kamar yang
tersedia
Next_Stay date 8 Tanggal kapan group akan menginap di hotel lagi Last_Agent varchar 10 Nama agent yang terakhir
kali merekomendasikan group
Last_Room varchar 10 Nomor kamar yang terakhir kali di-book oleh group
73
kali merekomendasikan group
Country varchar 20 Negara group Tabel 4.3 Tabel Groups
4. Tabel Companies
Primary Key : Company_No
Keterangan : Digunakan untuk menyimpan semua data identitas perusahaan.
Field Tipe Data
Panjang Penjelasan
Company_No varchar 10 Nomor perusahaan Company_Name varchar 20 Nama perusahaan
Address varchar 50 Alamat perusahaan
City varchar 20 Kota perusahaan
AR_Number varchar 10 Accept/Refuse
VIP_Code varchar 10 Kode status VIP Rate_Code varchar 10 Kode rate kamar yang
tersedia
Next_Stay date 8 Tanggal kapan perusahaan akan menginap di hotel lagi Last_Agent varchar 10 Nama agent yang terakhir
74
kali merekomendasikan perusahaan
Last_Group varchar 10 Nama group yang terakhir kali merekomendasikan perusahaan
Last_Room varchar 10 Nomor kamar yang terakhir kali di-book oleh perusahaan
Last_Source varchar 10 Nama source yang terakhir kali
merekomendasikan perusahaan
Country varchar 20 Negara perusahaan Tabel 4.4 Tabel Companies
5. Tabel VIP_Status
Primary Key : VIP_Code
Keterangan : Digunakan untuk menyimpan semua data status VIP tiap customer.
Field Tipe Data
Panjang Penjelasan
VIP_Code varchar 10 Kode status VIP
75
VIP Tabel 4.5 Tabel VIP_Status
6. Tabel Rate_Codes
Primary Key : Rate_Code
Keterangan : Digunakan untuk menyimpan semua data rate kamar yang tersedia.
Field Tipe Data
Panjang Penjelasan
Rate_Code varchar 10 Kode rate kamar yang tersedia
Description varchar 50 Penjelasan dari rate kamar yang tersedia
Tabel 4.6 Tabel Rate_Codes
7. Tabel Rate_Classes
Primary Key : Rate_Class
Keterangan : Digunakan untuk menyimpan semua data kelas kamar yang tersedia.
Field Tipe Data
Panjang Penjelasan
Rate_Class varchar 10 Kode tiap kelas kamar yang tersedia
76
Description varchar 50 Penjelasan tiap kelas kamar yang tersedia Tabel 4.7 Tabel Rate_Classes
8. Tabel Rate_Categories
Primary Key : Rate_Category
Keterangan : Digunakan untuk menyimpan semua data kategori dari kelas kamar yang tersedia.
Field Tipe Data Panjang Penjelasan Rate_Category varchar 10 Kategori dari kelas kamar
yang tersedia
Description varchar 50 Penjelasan tiap kategori dari kelas kamar yang tersedia
Tabel 4.8 Tabel Rate_Categories
9. Tabel MsRoom
Primary Key : Room_ID
Keterangan : Digunakan untuk menyimpan semua data kamar yang tersedia.
Field Tipe Data Panjang Penjelasan Room_ID varchar 10 ID setiap kamar
77
yang tersedia
Description varchar 50 Penjelasan dari kamar-kamar yang tersedia Price int 4 Harga dari kamar-kamar
yang tersedia Tabel 4.9 Tabel MsRoom
10. Tabel Block_Codes
Primary Key : Block_Code
Keterangan : Digunakan untuk menyimpan semua data customer yang akan melakukan blocking.
Field Tipe Data Panjang Penjelasan Block_Code varchar 20 Kode dari tiap customer
yang akan melakukan blocking
Name varchar 20 Nama dari customer yang akan melakukan blocking Start_Date datetime 8 Tanggal mulai melakukan
blocking
End_Date datetime 8 Tanggal akhir melakukan blocking
78
dilakukan Tabel 4.10 Tabel Block_Codes
11. Tabel MsCustomer
Primary Key : Customer_No
Keterangan : Digunakan untuk menyimpan semua data customer.
Field Tipe Data Panjang Penjelasan Customer_No varchar 10 Kode customer
Last_Name varchar 20 Nama belakang customer First_Name varchar 20 Nama depan customer
Language char 5 Bahasa
Address varchar 50 Alamat customer Company_Address varchar 20 Alamat perusahaan
City varchar 20 Kota asal
Postal_Code varchar 10 Kode pos
State varchar 20 Wilayah/propinsi
Company_Name varchar 20 Nama perusahaan Profession varchar 20 Profesi
Title char 5 Mr/Mrs/Ms
Spouse varchar 20 Suami/istri
Currency char 5 Mata uang yang dipakai Date_of_Birth datetime 8 Tanggal lahir
79
Passport char 10 Nomor paspor
Nationality varchar 20 Kewarganegaraan
Gender char 1 Jenis kelamin
Allow_Mailing char 1 Kepastian pemberitahuan Mail_Action varchar 10 Cara pemberitahuan
Notes varchar 50 Catatan tambahan
VIP_Code varchar 10 Kode status VIP Tabel 4.11 Tabel MsCustomer
12. Tabel MsEmployee
Primary Key : Employee_No
Keterangan : Digunakan untuk menyimpan semua data karyawan.
Field Tipe Data Panjang Penjelasan Employee_No varchar 10 Kode karyawan Last_Name varchar 20 Nama belakang karyawan First_Name varchar 20 Nama depan karyawan
Language char 5 Bahasa
Address varchar 50 Alamat karyawan
City varchar 20 Kota asal
Postal_Code varchar 10 Kode pos
State varchar 20 Wilayah/propinsi
80
Salary int 4 Gaji karyawan
Title char 5 Mr/Mrs/Ms
Spouse varchar 20 Suami/istri
Date_of_Birth datetime 8 Tanggal lahir
Nationality varchar 20 Kewarganegaraan
Gender char 1 Jenis kelamin
Communication varchar 20 Nomor/alamat komunikasi
Notes varchar 50 Catatan tambahan
Tabel 4.12 Tabel MsEmployee
13. Tabel Credit_Card
Primary Key : Customer_No dan Credit_Card_Ctr
Keterangan : Digunakan untuk menyimpan semua data kartu kredit customer.
Field Tipe Data Panjang Penjelasan Customer_No varchar 10 Kode customer
Credit_Card_Ctr int 4 Counter kartu kredit Card_Type varchar 20 Tipe kartu kredit Credit_Card_No varchar 20 Nomor kartu kredit Expiration_Date datetime 8 Tanggal kadaluarsa
81 14. Tabel ComDetail
Primary Key : Customer_No dan ComDetail_Ctr
Keterangan : Digunakan untuk menyimpan semua data komunikasi customer.
Field Tipe Data Panjang Penjelasan Customer_No varchar 10 Kode customer
ComDetail _Ctr int 4 Counter komunikasi ComDetail _Type varchar 20 Tipe komunikasi
ComDetail_No varchar 20 Nomor komunikasi Tabel 4.14 Tabel ComDetail
15. Tabel Reservation
Primary Key : Reservation_ID
Keterangan : Digunakan untuk menyimpan semua data reservasi customer.
Field Tipe Data Panjang Penjelasan Reservation_ID varchar 10 Kode reservasi Customer_No varchar 10 Kode customer
Employee_No varchar 10 Kode karyawan Agent_No varchar 10 Kode agent
Company_No varchar 10 Kode perusahaan Group_No varchar 10 Kode group
82
Arrival datetime 8 Tanggal kedatangan
Nights int 4 Jumlah malam
Departure datetime 8 Tanggal kepergian
Adults int 4 Jumlah dewasa
Child int 4 Jumlah anak-anak
No_of_Rooms int 4 Jumlah kamar
Room_ID varchar 10 Kode kamar
Room char 10 Nomor kamar
Rate_Code varchar 10 Kode rate kamar
Rate_Class varchar 10 Kode kelas kamar Rate_Category varchar 10 Kode kategori dari kelas
kamar
Rate_USD float 8 Rate dalam dolar
Block_Code varchar 20 Kode customer yang akan melakukan blocking Reservation_Type char 10 Tipe reservasi
Payment char 10 Cara pembayaran
Credit_Card_No varchar 20 Nomor kartu kredit
Expiration_Date datetime 8 Tanggal kadaluarsa Cardholder varchar 20 Nama pemegang kartu CRS_Res_No varchar 10 Kode booking online
83
4.1.3 Rancangan Skema Snowflake Data Warehouse
Skema Snowflake menunjukkan kegiatan reservasi pelanggan hotel. Dengan adanya tabel-tabel dimensi Dim_Agents, Dim_Groups, Dim_Companies, Dim_Cust, Dim_Rate_Categories, Dim_Rate_Classes, Dim_Rate_Code, Dim_Room, Dim_Time, dan Dim_VIP, data-data reservasi dapat dilihat berdasarkan kategori yang diinginkan.
Gambar 4.2 Rancangan Skema Snowflake
4.1.4 Transformasi Data Warehouse
Untuk menuju ke sistem Data Warehouse, proses yang mutlak untuk dilaksanakan adalah proses transformasi data. Transformasi data merupakan sekumpulan operasi yang dilakukan pada sumber data sebelum ditulis ke lokasi tujuan. Adapun tahapan–tahapan dalam proses transformasi data itu adalah sebagai berikut:
84
1. Data–data dari berbagai sumber seperti data reservasi dan lain sebagainya dikumpulkan untuk kemudian diproses lebih lanjut.
2. Data–data yang telah terkumpul tersebut kemudian dilakukan proses transformasi yaitu dengan melakukan penyeragaman atribut dari data–data tersebut.
3. Setelah dilakukan proses transformasi maka data–data yang telah diproses tersebut akan disalurkan ke Data Warehouse yang berfungsi sebagai tempat penampungan seluruh data–data.
Proses transformasi ini menggunakan Analysis Manager, yaitu sebuah pilihan program yang terdapat pada program Microsoft SQL Server. Proses ini dimulai dari tabel Dim_Agents, Dim_Groups, Dim_Companies, Dim_Cust, Dim_Rate_Categories, Dim_Rate_Classes, Dim_Rate_Codes, Dim_Room, Dim_Time, Dim_VIP_Status dan Fact_Reservasi yang akan dijabarkan berikut ini:
85
Gambar 4.3 Transformasi Data untuk Tabel Dim_Agents
Gambar 4.3 menunjukkan adanya proses transformasi data dari tabel Agents ke tabel Dim_Agents. Field-field yang ditransformasikan yaitu Agent_No, Agent_Name, City, Company, AR_Number, VIP_Code, Rate_Code, Country, Type.
86
Gambar 4.4 Transformasi Data untuk Tabel Dim_Groups
Gambar 4.4 menunjukkan adanya proses transformasi data dari tabel Groups ke tabel Dim_Groups. Field-field yang ditransformasikan yaitu Group_No, Group_Name, City, Company, AR_Number, VIP_Code, Rate_Code, Country, Type.
87
Gambar 4.5 Transformasi Data untuk Tabel Dim_Companies
Gambar 4.5 menunjukkan adanya proses transformasi data dari tabel Companies ke tabel Dim_Companies. Field-field yang ditransformasikan yaitu Company_No, Company_Name, City, AR_Number, VIP_Code, Rate_Code, Country, Type.
88
Gambar 4.6 Transformasi Data untuk Tabel Dim_Customer
Gambar 4.6 menunjukkan adanya proses transformasi data dari tabel MsCustomer ke tabel Dim_Customer. Field-field yang ditransformasikan yaitu Customer_No, Last_Name, First_Name, Language, City, Postal_Code, State, Company_Name, Profession, Salutation, Spouse, Currency, Nationality, Gender, Allow_Mailing, Mail_Action, dan VIP_Code.
89
Gambar 4.7 Transformasi Data untuk Tabel Dim_Rate_Categories
Gambar 4.7 menunjukkan adanya proses transformasi data dari tabel Rate_Categories ke tabel Dim_Rate_Categories. Field-field yang ditransformasikan yaitu Rate_Category, dan Description.
90
Gambar 4.8 Transformasi Data untuk Tabel Dim_Rate_Classes
Gambar 4.8 menunjukkan adanya proses transformasi data dari tabel Rate_Classes ke tabel Dim_Rate_Classes. Field-field yang ditransformasikan yaitu Rate_Class, dan Description.
91
Gambar 4.9 Transformasi Data untuk Tabel Dim_Rate_Code
Gambar 4.9 menunjukkan adanya proses transformasi data dari tabel Rate_Code ke tabel Dim_Rate_Code. Field-field yang ditransformasikan yaitu Rate_Code, dan Description.
92
Gambar 4.10 Transformasi Data untuk Tabel Dim_Room
Gambar 4.10 menunjukkan adanya proses transformasi data dari tabel MsRoom ke tabel Dim_Room. Field-field yang ditransformasikan yaitu Room_ID, Room_Class, Description, dan Price.
93
Gambar 4.11 Transformasi Data untuk Tabel Dim_Time
Gambar 4.11 menunjukkan adanya proses transformasi data dari tabel Reservation ke tabel Dim_Time. Field-field yang ditransformasikan yaitu Arrival, Year, dan Month.
94
Gambar 4.12 Transformasi Data untuk Tabel Dim_VIP
Gambar 4.12 menunjukkan adanya proses transformasi data dari tabel VIP_Status ke tabel Dim_VIP. Field-field yang ditransformasikan yaitu VIP_Code, dan Description.
95
Gambar 4.13 Transformasi Data untuk Tabel Fact_Reservasi
Gambar 4.13 menunjukkan adanya proses transformasi data dari tabel Reservation ke tabel Fact_Reservasi. Field-field yang ditransformasikan yaitu Room_ID, Customer_No, Company_No, Agent_No, Group_No, Source_No, No_of_Rooms, Rate_Code, Rate_Class, Rate_Category, Adults, Child, Block_Code, Arrival, Reservation_Type, Payment, dan Rate_USD.
96 4.1.5 Meta Data dari Data Marts
1. Tabel Dim_Agents Primary Key: Agent_ID
Field Tipe Data Panjang Source Table Source Field Keterangan Agent_ID varchar 10 Agents Agent_No Transform Agent_Name varchar 20 Agents Agent_Name Transform Address varchar 50 Agents Address Transform
City varchar 20 Agents City Transform
Company varchar 20 Agents Company Transform AR_Number varchar 10 Agents AR_Number Transform VIP_Code varchar 10 Agents VIP_Code Transform Rate_Code varchar 10 Agents Rate_Code Transform Next_Stay date 8 Agents Next_Stay Transform Last_Room varchar 10 Agents Last_Room Transform Last_Group varchar 10 Agents Last_Group Transform Last_Source varchar 10 Agents Last_Source Transform Country varchar 20 Agents Country Transform
Type char 1 Agents Type Transform
Tabel 4.16 Tabel Dim_Agents
2. Tabel Dim_Groups Primary Key: Group_ID
97
Group_ID varchar 10 Groups Group_No Transform Group_Name varchar 20 Groups Group_Name Transform Address varchar 50 Groups Address Transform City varchar 20 Groups City Transform Company varchar 20 Groups Company Transform AR_Number varchar 10 Groups AR_Number Transform VIP_Code varchar 10 Groups VIP_Code Transform Rate_Code varchar 10 Groups Rate_Code Transform Next_Stay date 8 Groups Next_Stay Transform Last_Room varchar 10 Groups Last_Room Transform Last_Agent varchar 10 Groups Last_Agent Transform Last_Source varchar 10 Groups Last_Source Transform Country varchar 20 Groups Country Transform
Type char 1 Groups Type Transform
Tabel 4.17 Tabel Dim_Groups
3. Tabel Dim_Companies Primary Key: Company_ID
Field Tipe Data Panjang Source Table Source Field Keterangan Company_ID varchar 10 Companies Company_No Transform Company_Name varchar 20 Companies Company_Name Transform Address varchar 50 Companies Address Transform City varchar 20 Companies City Transform
98
AR_Number varchar 10 Companies AR_Number Transform VIP_Code varchar 10 Companies VIP_Code Transform Rate_Code varchar 10 Companies Rate_Code Transform Next_Stay date 8 Companies Next_Stay Transform Last_Room varchar 10 Companies Last_Room Transform Last_Agent varchar 10 Companies Last_Agent Transform Last_Source varchar 10 Companies Last_Source Transform Country varchar 20 Companies Country Transform
Type char 1 Companies Type Transform
Tabel 4.18 Tabel Dim_Companies
4. Tabel Dim_Customer Primary Key: Customer_ID
Field Tipe Data Panjang Source Table Source Field Keterangan Customer_ID varchar 10 MsCustomer Customer_No Transform Last_Name varchar 20 MsCustomer Last_Name Transform First_Name varchar 20 MsCustomer First_Name Transform Language char 5 MsCustomer Language Transform City varchar 20 MsCustomer City Transform Postal_Code varchar 10 MsCustomer Postal_Code Transform State varchar 20 MsCustomer State Transform Company_Name varchar 20 MsCustomer Company_Name Transform Profession varchar 20 MsCustomer Profession Transform
99
Title char 5 MsCustomer Title Transform
Currency char 5 MsCustomer Currency Transform Nationality varchar 20 MsCustomer Nationality Transform Gender char 1 MsCustomer Gender Transform Allow_Mailing char 1 MsCustomer Allow_Mailing Transform Mail_Action varchar 10 MsCustomer Mail_Action Transform VIP_Code varchar 10 MsCustomer VIP_Code Transform
Tabel 4.19 Tabel Dim_Customer
5. Tabel Dim_Rate_Categories Primary Key: Rate_Category
Field Tipe Data Panjang Source Table Source Field Keterangan Rate_Category varchar 10 Rate_Categories Rate_Category Transform Description varchar 50 Rate_Categories Description Transform
Tabel 4.20 Tabel Dim_Rate_Categories
6. Tabel Dim_Rate_Classes Primary Key: Rate_Class
Field Tipe Data Panjang Source Table Source Field Keterangan Rate_Class varchar 10 Rate_Classes Rate_Class Transform Description varchar 50 Rate_Classes Description Transform
100 7. Tabel Dim_Rate_Code
Primary Key: Rate_Code
Field Tipe Data Panjang Source Table Source Field Keterangan Rate_Code varchar 10 Rate_Codes Rate_Code Transform Description varchar 50 Rate_Codes Description Transform
Tabel 4.22 Tabel Dim_Rate_Code
8. Tabel Dim_Room Primary Key: Room_ID
Field Tipe Data Panjang Source Table Source Field Keterangan Room_ID varchar 10 MsRoom Room_ID Transform Room_Class varchar 20 MsRoom Room_Class Transform Description varchar 50 MsRoom Description Transform
Price int 4 MsRoom Price Transform
Tabel 4.23 Tabel Dim_Room
9. Tabel Dim_Time Primary Key: Time_ID
Field Tipe Data Panjang Source Table Source Field Keterangan Time_ID datetime 8 Reservation Arrival Transform
Year int 4 - - Create
Month int 4 - - Create
101 10. Tabel Dim_VIP
Primary Key: VIP_Code
Field Tipe Data Panjang Source Table Source Field Keterangan VIP_Code varchar 10 VIP_Status VIP_Code Transform Description varchar 50 VIP_Status Description Transform
Tabel 4.25 Tabel Dim_VIP
11. Tabel Fact_Reservasi
Primary Key: Customer_ID, Agent_ID, Company_ID, Source_ID, Group_ID, Time_ID
Keterangan: Untuk melihat jumlah reservasi berdasarkan dimensi customer, agent, company, source, group, waktu.
Field Tipe Data Panjang Source Table Source Field Keterangan Customer_ID varchar 10 Reservation Customer_No Transform Room_ID varchar 10 Resevertion Room_No Transform Num_Room int 4 Reservation No_of_Rooms Transform Rate_Code varchar 10 Reservation Rate_Code Transform Rate_Class varchar 10 Reservation Rate_Class Transform Rate_Category varchar 10 Reservation Rate_Category Transform
Adult int 4 Reservation Adult Transform
Child int 4 Reservation Child Transform
Block_Code varchar 20 Reservation Block_Code Transform Reservation_Type char 10 Reservation Reservation_Type Transform
102
Payment char 10 Reservation Payment Transform Rate_USD float 8 Reservation Rate_USD Transform Agent_ID varchar 10 Reservation Agent_No Transform Group_ID varchar 10 Reservation Group_No Transform Company_ID varchar 10 Reservation Company_No Transform Source_ID varchar 10 Reservation Source_No Transform Time_ID datetime 8 Reservation Arrival Transform Jumlah_Res numeric 10 Reservation - Create
Tabel 4.26 Tabel Fact_Reservasi
4.2 Rancangan Data Mining
Rancangan Data Mining pada Hotel Four Seasons Jakarta dimulai dengan melakukan pencarian data yang berhubungan dengan pembuatan laporan bagi pihak eksekutif perusahaan, kemudian data tersebut disaring dan hasilnya ditransformasikan sehingga pada saat dimasukkan ke suatu tempat media penyimpanan, data-data tersebut menjadi konsisten dan terintegrasi.
Pengumpulan data tersebut menjadi terpusat pada suatu tempat dan pada tempat itu pula tersedia cadangan data yang dapat digunakan dalam pemakaian Data Mining untuk mengakses data yang berhubungan dengan pembuatan laporan bidang marketing yang akan dianalisa oleh pimpinan perusahaan.
Di bawah ini merupakan gambaran arsitektur Data Mining yang akan digunakan pada Hotel Four Seasons Jakarta:
103
Gambar 4.14 Arsitektur Data Mining Hotel Four Seasons Jakarta
Alasan-alasan untuk menggunakan arsitektur di atas adalah sebagai berikut:
1. Arsitektur terpusat ini sesuai dengan struktur Hotel Four Seasons Jakarta, di mana pihak manajerial tingkat atas yang menjadi pengguna dari Data Mining berada di pusat.
2. Bentuk arsitektur terpusat memudahkan dalam melakukan pengawasan dan pemeliharaan data yang akan digunakan untuk aplikasi Data Mining. Sedangkan komponen-komponen untuk mendukung perancangan Data Mining pada Hotel Four Seasons Jakarta adalah sebagai berikut:
1. Sumber data
Memiliki sumber data internal, karena data yang diperoleh berasal dari keseluruhan data operasional pada bagian marketing Hotel Four Seasons Jakarta.
2. Transformasi data
Karena data yang diperoleh berasal dari berbagai platform yang berbeda sehingga digunakan proses transformasi. Proses ini menyaring data yang
104
tidak dibutuhkan kemudian mengkonversikan data kedalam bentuk yang diinginkan agar menjadi konsisten dan terintegrasi.
3. Data Warehouse
Merupakan media penyimpanan hasil dari proses transformasi untuk digunakan sebagai sarana pendukung proses analisa oleh pimpinan pada bagian marketing.
4. Data Mining
Merupakan proses penemuan pola-pola yang tersembunyi pada data-data yang tersimpan dalam Data Warehouse.
5. Aplikasi
Penggunaan data yang telah tersimpan pada Data Mining ini, umumnya dilakukan dengan menggunakan aplikasi sebagai sarana untuk pengambilan data harus diberikan kinerja yang lebih tinggi sehingga pengambilan data yang dapat dilakukan dengan cepat.
Berdasarkan hasil analisis yang telah dilakukan sebelumnya dan penentuan arsitektur Data Mining yang akan dibangun, rancangan Data Mining yang akan diimplementasikan ini merupakan Data Mining reservasi, yang merupakan ruang lingkup kegiatan perusahaan. Perancangan Data Mining reservasi pada Hotel Four Seasons Jakarta meliputi:
1. Penganalisaan dan pengamatan permasalahan yang ada pada perusahaan Pada tahap ini dilakukan wawancara pada pihak yang terkait di bagian marketing dan disertai pengamatan mengenai masalah yang ada.
105
Kemudian berdasarkan hasil analisa dan wawancara akan diberikan suatu usulan pemecahan masalah.
2. Penentuan kebutuhan informasi sesuai dengan masalah yang ada
Pada tahap ini dilakukan penentuan informasi apa saja yang sesuai dengan kebutuhan perusahaan sehingga informasi yang dimasukkan ke dalam Data Mining dapat memenuhi kebutuhan informasi perusahaan. 3. Perancangan skema snowflake
Berdasarkan analisa dan informasi-informasi yang dikumpulkan, maka dapat diketahui data-data yang diperlukan dalam tabel fakta dan dimensi dengan menggunakan bantuan skema snowflake.
4. Pentransformasian data ke dalam Data Warehouse
Semua data yang ada dari seluruh bagian diseragamkan terlebih dahulu, kemudian dilakukan proses transformasi data sehingga data yang ada menjadi terintegrasi dan konsisten pada suatu media penyimpanan.
5. Pentransformasian data ke dalam Data Mining
Semua data yang telah ada pada Data Warehouse dianalisa untuk menghasilkan sebuah mining model.
6. Perancangan aplikasi
Perancangan aplikasi dapat dilakukan setelah perancangan Data Mining sesuai dengan yang diharapkan. Aplikasi ini digunakan agar user dapat dengan mudah berinteraksi dengan data yang tersedia sehingga membantu proses pengambilan keputusan.
106
Setelah melakukan transformasi ke dalam Data Warehouse, proses selanjutnya adalah transformasi ke Data Mining. Transformasi ini juga dilakukan dengan menggunakan Analysis Manager.
Gambar 4.15 Transformasi Data Mining
Gambar 4.15 menunjukkan adanya proses untuk melakukan refresh data pada mining model. Setelah melakukan transformasi, masih dengan menggunakan Analysis Manager dilakukan beberapa kali percobaan untuk membuat mining model untuk menentukan field apa saja yang saling mempengaruhi berdasarkan data-data yang dimasukkan sehingga dapat menjelaskan keuntungan Data Mining.
107 4.2.1 Perancangan Aplikasi Data Mining
Setelah melakukan proses transformasi ke dalam Data Mining, kemudian dirancang sebuah aplikasi menggunakan Microsoft Visual Basic yang dihubungkan dengan Microsoft SQL Server sehingga di dalamnya mampu menampung aplikasi Data Warehouse berupa cube dan aplikasi Data Mining berupa mining model.
Berikut adalah State Transition Diagram (STD) dari aplikasi Data Mining yang dibuat pada Hotel Four Seasons Jakarta:
108
Gambar 4.16 State Transition Diagram
Sedangkan di bawah ini adalah State Transition Diagram (STD) untuk menu utama pilihan ‘Reservasi’:
109
Gambar 4.17 State Transition Diagram Menu Reservasi
4.2.2 Tampilan Layar
Tampilan layar Data Mining untuk Hotel Four Seasons Jakarta terbagi dalam beberapa bagian, yaitu :
• Tampilan Layar Login
Gambar 4.18 Tampilan Layar Login
Penjelasan :
1. User akan melakukan input ‘Username’ dan ‘Password’ pada textbox yang telah tersedia kemudian mengklik tombol ‘Login’.
110
2. Jika ’Username’ dan ’Password’ benar maka akan muncul tampilan layar ’Welcome’.
3. Jika ’Username’ dan ’Password’ salah maka akan muncul tampilan layar pesan kesalahan yaitu berupa message box yang memberitahu user bahwa ’Username’ dan ’Password’ yang dimasukkan salah, kemudian text box ’Username’ dan ’Password’ akan dikosongkan. 4. Jika tombol ’Exit’ diklik maka menu ditutup.
• Tampilan Layar Welcome
Gambar 4.19 Tampilan Layar Welcome
Penjelasan:
1. Merupakan tampilan untuk menyatakan bahwa ‘Username’ dan ‘Password’ yang dimasukkan benar.
111 • Tampilan Layar Pesan Kesalahan
Gambar 4.20 Tampilan Layar Pesan Kesalahan
Penjelasan :
1. Merupakan tampilan layar untuk menampilkan pesan kesalahan. Kesalahan tersebut dapat terjadi apabila user salah menginput ‘Username’ dan atau ‘Password’.
2. Jika tombol ’OK’ diklik, maka akan kembali ke menu login dan textbox ’Username’ dan ’Password’ akan dikosongkan.
• Tampilan Layar Menu Utama
112 Penjelasan:
1. Merupakan menu utama pada aplikasi Data Mining pada Hotel Four Seasons Jakarta.
2. Terdapat 3 (tiga) buah menu pilihan utama yaitu menu ’File’, menu ’Reservation’, dan menu ’Help’.
• Tampilan Layar Menu Utama untuk Pilihan Session
Gambar 4.22 Tampilan Layar Menu Utama untuk Pilihan ‘Session’
Penjelasan:
1. Terdapat 3 pilihan pada menu ‘Session’ yaitu ‘Log Out’, ‘Change Password’, dan ‘Exit’.
2. Pilih ‘Log Out’ untuk logout.
3. Pilih ‘Change Password’ untuk merubah password. 4. Pilih ‘Exit’ untuk keluar dari aplikasi.
113
• Tampilan Layar Session untuk Pilihan Change Password
Gambar 4.23 Tampilan Layar Session untuk Pilihan ‘Change Password’
Penjelasan:
1. Merupakan menu bagi user untuk merubah password lama dengan password yang baru.
2. Isi ‘Password’, dan ‘Password Confirmation’, kemudian klik tombol ‘Save’ untuk menyimpan password baru.
3. Klik ‘Reset’ untuk mengosongkan kembali menu Change Password. 4. Klik ‘Cancel’ untuk keluar dari layar ini tanpa merubah password.
114
•
Tampilan Layar Menu Utama untuk Pilihan ReservationGambar 4.24 Tampilan Layar Menu Utama untuk Pilihan ‘Reservation’
Penjelasan:
1. Terdapat 2 (dua) pilihan pada menu ‘Reservation’ yaitu ‘Cube’, dan ‘Mining Model’
2. Pilih ‘Cube’ untuk melihat cube dari Data Warehouse berdasarkan kategori yang diinginkan.
3. Pilih ‘Mining Model’ untuk melihat mining model dari reservasi.
115
• Tampilan Layar Menu Utama untuk Pilihan Cube
Gambar 4.25 Tampilan Layar Reservation untuk Pilihan ‘Cube’
Penjelasan:
1. Cube terdiri dari beberapa bagian menu: ‘Custom Reservation’, ‘Reservation by Rate’, ‘Reservation by VIP Status’, ‘Reservation by Name’, dan ‘Reservation by Income’.
2. Pilih ‘Custom Reservation’ untuk melihat cube berdasarkan kebutuhan user
116
• Tampilan Layar Cube untuk Pilihan Custom Reservation
Gambar 4.26 Tampilan Layar Cube untuk Pilihan ‘Custom Reservation’
Penjelasan:
1. Pilih tombol bergambar disket untuk menyimpan tampilan cube yang diinginkan.
2. Pilih tombol bergambar folder untuk membuka tampilan cube yang sebelumnya telah disimpan.
3. Pilih tombol ‘Transform’ untuk meng-update tampilan cube berdasarkan data yang terbaru.
4. Setiap tampilan cube, dapat disimpan ke dalam format Microsoft Excel dengan memilih tombol ‘Export to Excel’.
117
Gambar 4.27 Tampilan Layar Cube untuk Pilihan ‘Export to Excel’
5. Setiap tampilan cube, dapat ditampilkan ke dalam chart dengan memilih tombol ‘Chart’.
118
Gambar 4.28 Tampilan Layar Cube untuk Pilihan ‘Chart’
6. Dari tiap tampilan cube, dapat dicetak dengan memilih tombol ‘Print’ untuk mencetak print preview.
119
120
• Tampilan Layar Cube untuk Pilihan Reservation by Rate
Gambar 4.30 Tampilan Layar Cube untuk Pilihan ‘Reservation by Rate’
Penjelasan:
Pilihan ‘Reservation by Rate’ untuk menampilkan cube berdasarkan rate class dan rate category.
121
• Tampilan Layar Cube untuk Pilihan Reservation by VIP Status
Gambar 4.31 Tampilan Layar Cube untuk Pilihan ‘Reservation by VIP Status’
Penjelasan:
Pilihan ‘Reservation by VIP Status’ untuk menampilkan cube berdasarkan VIP status.
122
• Tampilan Layar Cube untuk Pilihan Reservation by Name
Gambar 4.32 Tampilan Layar Cube untuk Pilihan ‘Reservation by Name’
Penjelasan:
Pilihan ‘Reservation by Name’ untuk menampilkan cube berdasarkan company, agent dan group.
123
• Tampilan Layar Cube untuk Pilihan Reservation by Income
Gambar 4.33 Tampilan Layar Cube untuk Pilihan ‘Reservation by Income’
Penjelasan:
Pilihan ‘Reservation by Income’ untuk menampilkan cube yang menunjukkan pendapatan.
Pilihan ‘Mining Model’ menampilkan mining model dari reservasi untuk melihat pola-pola yang terdapat di dalamnya, yang dapat dibagi berdasarkan field, seperti ‘Allow_Mailing’, ‘Payment’, ‘Rate_Category’, ‘Rate_Classes’, ‘Rate_Code’, dan ‘Reservation Type’.
124
• Tampilan Layar Mining Model Allow_Mailing
Gambar 4.34 Mining Model ‘Allow_Mailing’
Penjelasan:
Dari mining model di atas diketahui bahwa field ‘Allow_Mailing’ dipengaruhi oleh ‘Rate_Classes’. Sehingga yang dapat disimpulkan untuk menunjang DSS (Decision Support System) di antaranya:
“Untuk ‘Rate_Class’ tertentu, beberapa kasus memenuhi field ‘Allow_Mailing’, sehingga dapat dilakukan promosi dari ‘Rate_Class’ tersebut melalui bentuk surat-menyurat.”
125
• Tampilan Layar Mining Model Payment
Gambar 4.35 Mining Model ‘Payment’
Penjelasan:
Dari mining model di atas diketahui bahwa field ‘Payment’ dipengaruhi oleh ‘Rate_Category’. Sehingga yang dapat disimpulkan untuk menunjang DSS (Decision Support System) di antaranya:
“Untuk ‘Rate_Category’ tertentu, beberapa kasus memenuhi field ‘Payment’ dengan Credit Card, sehingga dapat dilakukan promosi dari Rate_Category tersebut dengan mengadakan kerjasama dengan perusahaan yang mengeluarkan kartu kredit.”
126
• Tampilan Layar Mining Model Rate_Category
Gambar 4.36 Mining Model ‘Rate_Category’
Penjelasan:
Dari mining model di atas diketahui bahwa field ‘Rate_Category’ dipengaruhi oleh ‘Rate_Classes’. Sehingga yang dapat disimpulkan untuk menunjang DSS (Decision Support System) di antaranya:
“Untuk ‘Rate_Classes’ tertentu, beberapa kasus memilih ‘Rate_Category’ yang sama, sehingga dapat dilakukan promosi berupa potongan harga untuk customer yang melakukan reservasi dengan bentuk seperti itu dengan tujuan menarik lebih banyak lagi customer.”
127
• Tampilan Layar Mining Rate_Classes
Gambar 4.37 Mining Model ‘Rate_Classes’
Penjelasan:
Dari mining model di atas diketahui pola yang sama seperti sebelumnya bahwa field ‘Rate_Classes’ dipengaruhi oleh ‘Rate_Category’. Sehingga dapat disimpulkan keputusan yang sama untuk menunjang DSS (Decision Support System).
128
• Tampilan Layar Mining Model Rate_Code
Gambar 4.38 Mining Model ‘Rate_Code’
Penjelasan:
Pola yang sama juga dapat dilihat dari mining model di atas bahwa field ‘Rate_Code’ dipengaruhi oleh ‘Rate_Classes’. Sehingga dapat disimpulkan keputusan yang sama untuk menunjang DSS (Decision Support System).
129
• Tampilan Layar Mining Model Reservation_Type
Gambar 4.39 Mining Model ‘Reservation_Type’
Penjelasan:
Dari mining model di atas diketahui bahwa field ‘Reservation_Type’ dipengaruhi oleh ‘Payment’. Sehingga yang dapat disimpulkan untuk menunjang DSS (Decision Support System) di antaranya:
“Untuk ‘Reservation_Type’ tertentu, beberapa kasus memilih ‘Payment’ dengan kartu kredit, sehingga dapat dilakukan lebih banyak lagi kerjasama dengan perusahaan kartu kredit yang dapat lebih menguntungkan customer.”
130
•
Tampilan Layar Menu Utama untuk Pilihan HelpGambar 4.40 Tampilan Layar Menu Utama untuk Pilihan ‘Help’
Penjelasan:
1. Terdapat 2 (dua) pilihan pada menu ‘Help’ yaitu ‘Information’, dan ‘About’.
131
Gambar 4.41 Tampilan Layar Help untuk Pilihan ‘Information’
3. Pilih ‘About’ untuk melihat data-data penyusun aplikasi Data Mining.
132 4.3 Dukungan Perangkat
4.3.1 Dukungan Perangkat Keras
Untuk perancangan aplikasi Data Mining ini, dibutuhkan dukungan perangkat keras dengan spesifikasi minimum sebagai berikut: 1. Untuk Server
Processor : Pentium 3-700 MHz Memori : 256 MB
Hardisk : 20 GB 2. Untuk Client
Processor : Intel Pentium 3 Memori : 64MB
Hardisk : 10 GB
4.3.2 Dukungan Perangkat Lunak
Sedangkan untuk perangkat lunak aplikasi Data Mining ini, diperlukan sebuah perangkat lunak untuk menjalankan sistem pada server maupun client. Perangkat–perangkat lunak yang dibutuhkan itu seperti Microsoft Windows 2000 Advanced Server dan Microsoft SQL 2000 untuk server sedangkan untuk client, perangkat–perangkat lunak yang dibutuhkan adalah Microsoft Windows XP Professional Edition sebagai sistemnya dan Microsoft Office XP Professional guna membuat laporan– laporan yang dibutuhkan.
133 4.4 Evaluasi Aplikasi Data Mining
Untuk mengetahui hasil aplikasi Data Mining pada Hotel Four Seasons Jakarta, maka dilakukan evaluasi terhadap hasil pengaplikasian sistem tersebut. Evaluasi tersebut dilakukan dengan melakukan demonstrasi program di depan pihak Hotel Four Seasons Jakarta. Dari hasil evaluasi yang ada maka dapat diketahui bahwa:
• Dengan adanya Data Mining, laporan yang dihasilkan akurat dan cepat, karena data–data disimpan dalam tempat penyimpanan tertentu dan telah terintegrasi.
• Data–data perusahaan lebih terjamin keamanannya dengan penggunaan Data Mining, karena tidak semua orang dapat mengakses data yang disimpan. • Pemakaian aplikasi Data Mining pada perusahaan dapat mengoptimalkan
penggunaan data–data yang diperlukan bagi pengambilan keputusan yang penting sehingga mendukung DSS (Decision Support System) dan EIS (Executive Information System).