40 BAB 4
PERANCANGAN DAN IMPLEMENTASI
4.1. Identifikasi Kebutuhan Informasi
Kebutuhan informasi dari PT. Corfina Capital adalah untuk dapat memproyeksikan hal – hal berikut:
1. Jalannya investasi dari proses bisnis yang berjalan pada perusahaan Untuk dapat menampilkan pergerakan investasi dari proses bisnis, dibutuhkan data investasi nasabah berupa data subscribe, redeem, balance dan juga waktu investasi dilakukan agar dapat dilakukan pengukuran dan perbandingan sebagai bentuk pergerakan investasi.
2. Pergerakan Profit perusahaan
Menampilkan pergerakan profit perusahaan dapat dilakukan dengan mengetahui data nasabah beserta transaksinya berupa nilai dari setiap transaksi dan biaya transaksi dari masing – masing nasabah dalam kurung waktu tertentu, serta total dari setiap biaya transaksi dalam kurung waktu tertentu.
3. Perbandingan hasil kerja yang dilakukan oleh karyawan dari divisi marketing
Perbandingan hasil kerja karyawan divisi marketing dapat dilihat melalui nilai transaksi yang dilakukan oleh nasabah dari masing – masing marketing.
41
4.2. Perancangan Data warehouse
4.2.1. Memilih Proses(Choosing the process)
Proses bisnis yang akan digunakan untuk perancangan data warehouse ini adalah sebagai berikut:
- Transaksi Nasabah
Hal ini meliputi subscribe dan redeem yang dilakukan oleh nasabah dan ditangani oleh divisi marketing. Pada transaksi nasabah dapat terlihat keuntungan perusahaan melalui biaya transaksi dan juga investasi nasabah berdasarkan nilai subscribe, redeem, dan balance dari nasabah.
Tabel 4.1 Tabel Proses Bisnis
4.2.2. Memilih Grain(Choosing the grain)
Setelah proses dipilih maka langkah berikutnya adalah memilih grain. Grain merupakan data dari calon fakta yang dapat dianalisis.
Proses Bisnis Deskripsi
Subscribe
Proses yang berkaitan dengan penyetoran nasabah ke account reksa dana. Data yang terlibat adalah data transaksi.
Redeem
Proses yang berkaitan dengan penarikan nasabah dari account reksa dana. Data yang terlibat adalah data transaksi.
42 Tabel 4.2 Tabel Identifikasi dan Penyusunan Dimensi
Grain /Fakta Deskripsi Proses Bisnis Yang Terkait Nilai Transaksi
Data yang dianalisis adalah berapa nilai transaksi sebagai informasi pergerakan investasi nasabah untuk masing-masing proses subscribe dan redeem berdasarkan jenis nasabah dan tipe reksadana pada periode (kuartal atau tahun) tertentu. Hal ini juga dapat menjadi tolak ukur untuk kinerja karyawan marketing.
Subscribe, Redeem
Biaya Transaksi
Data yang dianalisis adalah berapa nilai biaya transaksi sebagai informasi pergerakan profit perusahaan untuk masing-masing proses subscribe dan redeem berdasarkan jenis nasabah dan tipe reksadana pada periode (kuartal atau tahun) tertentu.
Subscribe, Redeem
Jumlah Unit
Data yang dianalisis adalah berapa jumlah unit dari yang diterima nasabah setiap transaksi yang dilakukan. Hal ini guna melihat pergerakan investasi nasabah.
Subscribe, Redeem
Balance Daya yang dianalisis adalah berapa hasil balance atau sisa saldo yang dimiliki oleh nasabah setelah melakukan subscribe atau redeem berdasarkan jenis nasabah dan tipe reksadana pada periode (kuartal atau tahun) tertentu. Hal ini juga dapat menjadi tolak ukur untuk kinerja karyawan marketing.
Subscribe, Redeem
43 4.2.3. Identifikasi dan Penyusunan Dimensi
Setelah memilih grain, maka dilakukan identifikasi tabel dimensi apa yang akan dibuat. Berikut adalah tabel dimensi yang diidentifikasi:
Tabel 4.3 Tabel Identifikasi dan Penyusunan Dimensi
Dimensi Keterangan Grain
Waktu Transaksi
Waktu terjadinya transaksi dengan hierarki tahun, bulan, hari
Nilai Transaksi, Biaya Transaksi, Jumlah Unit, Balance Nasabah Pelanggan yang terlibat dengan
proses bisnis Nilai Transaksi, Biaya Transaksi, Jumlah Unit, Balance Nasabah Individu
Pelanggan yang terlibat dengan proses bisnis mengatas
namakan pribadi itu sendiri
Nilai Transaksi, Biaya Transaksi, Jumlah Unit, Balance Nasabah Badan Hukum
Pelanggan yang terlibat dengan proses bisnis mengatas
namakan suatu perusahaan.
Nilai Transaksi, Biaya Transaksi, Jumlah Unit, Balance Marketing Karyawan yang melayani
transaksi
Nilai Transaksi, Balance
44
4.2.4. Menentukan Fakta(Choosing the fact)
Setelah menetukan dimensi yang terkait. Langkah selanjutnya adalah memastikan tabel fakta yang dapat diperoleh dalam proses grain. Fakta pada perusahaan ini adalah:
Tabel 4.4 Tabel Fakta
4.2.5. Menyimpan Pre-Calculation pada Tabel Fakta
Di tabel fakta terdapat kalkulasi data yang dapat di hitung. Pada fakta transaksi kalkulasi awal yang ada antara lain:
1. Total Subscribe merupakan total dari penyetoran yang dilakukan oleh nasabah
Total Subscribe = SUM(NilaiTransaksi Subscribe) Jenis
Reksadana
Produk dari PT. Corfina Capital Nilai Transaksi, Biaya Transaksi, Balance Fakta Dimensi Transaksi
Dimensi Waktu, Dimensi Nasabah, Dimensi Nasabah Individu, Dimensi Nasabah Badan Hukum, Dimensi Jenis Reksadana, Dimensi Marketing
45 2. Total Redeem merupakan total dari penarikan yang dilakukan oleh
nasabah
Total Redeem = SUM(NilaiTransaksi Redeem)
3. Biaya Transaksi merupakan biaya yang dikenakan perusahaan pada setiap transaksi dari nasabah.
Biaya Transaksi = NilaiTransaksi * BiayaDalamPersen
4. Jumlah Unit adalah jumlah yang akan ditambahkan pada saldo nasabah setelah dibagi dengan Nett Asset Value(NAV) atau disebut juga dengan Nilai Aktiva Bersih(NAB)
Jumlah Unit =
(Nilai Transaksi – (NilaiTransaksi * BiayaDalamPersen)) / NAV
5. Balance adalah saldo dari nasabah yang ada setelah proses subscribe atau redeem.
46 4.2.6. Rounding Out The Dimension Table
Pada tahap ini kita menambahkan keterangan selengkap-lengkapnya pada tabel dimensi. Berikut adalah dimensi yang sudah ditambahkan keterangannya:
1. Dimensi Waktu
Tabel 4.5 Tabel Dimensi Waktu
2. Dimensi Reksa Dana
Tabel 4.6 Tabel Dimensi Reksa Dana
3. Dimensi Nasabah Badan Hukum
Tabel 4.7 Tabel Dimensi Nasabah Badan Hukum Atribut Tipe Data Panjang
sKWaktu smallint 3
Kuartal tinyint 1
Tahun smallint 4
Atribut Tipe Data Panjang
sKReksaDana tinyint 1
jenisReksaDana tinyint 1
Deskripsi tinyint 1
Atribut Tipe Data Panjang skNasabahBadanHukum mediumint 6
47
4. Dimensi Nasabah Individu
Tabel 4.8 Tabel Dimensi Nasabah Individu
5. Dimensi Marketing
Tabel 4.9 Tabel Dimensi Marketing
karakteristikPerusahaan varchar 50 asetTahun1 double 20,0 asetTahun2 double 20,0 asetTahun3 double 20,0 labaOperasiTahun1 double 20,0 labaOperasiTahun2 double 20,0 labaOperasiTahun3 double 20,0
Atribut Tipe Data Panjang skNasabahIndividu mediumint 6
Pendidikan varchar 3
Pekerjaan varchar 50
pendapatanPerTahun double 20,0
Atribut Tipe Data Panjang
skMarketing tinyint 2
idMarketing varchar 5
namaMarketing varchar 50 targetPencapaian double 20, 0
48 4.2.7. Memilih Durasi dalam Database(Choosing The Duration of The
Database)
Menentukan durasi database adalah menetukan data yang akan dimasukkan ke dalam data warehouse. Database yang akan digunakan sebagai sumber data bagi data warehouse yang akan dibuat dipilih dari database pada tahun 2008 – 2012
Tabel 4.10 Tabel Durasi Database
Start Year Range data in Data warehouse Number of Year
2008 2008 – 2012 5 tahun
4.2.8. Melacak Perubahan Dimensi Secara Perlahan(Tracking Slowly Changing Dimension)
Dalam perancangan ini dipilih tipe kedua dari perubahan atribut dimensi yaitu perubahan atribut dimensi akan menimbulkan alternatif sehingga nilai atribut lama dan yang baru dapat diakses secara bersama pada dimensi yang sama. Hal ini dilakukan untuk menjaga data yang lama tetap ada agar diketahui perubahan dimensi yang terjadi dari data lama ke data baru. Atribut dimensi yang mengalami perubahan pada functional data warehouse PT. Corfina Capital adalah sebagai berikut:
49 Tabel 4.11 Tabel Changing Dimension
Dimensi
Atribut yang Dapat Mengalami Perubahan
Nasabah sumberDana
Nasabah Individu pendapatanPerTahun, Pendidikan, Pekerjaan Nasabah Badan
Hukum
namaDireksi,
Marketing targetPencapaian Reksa Dana jenisReksaDana
50
4.2.8.1. Metadata Fakta Transaksi
1. Nama Database : star_schema
Nama Tabel : fact_transaksi_reksa_dana
Deskripsi Tabel : Tabel fact_transaksi_reksa_dana berisi informasi mengenai data transaksi investasi nasabah dimana data tersebut di ETL dari tabel dimensi terkait
Tabel 4.12. Tabel Fakta
No. Field Name Data Type Length Key Description Process
Data Source
Table Field Data Type
1 kodeTransaksi varchar 20 *
Merupakan kode unik dari masing – masing
transaksi
transform transaksi kodeTransaksi varchar (20)
2 skMarketing tinyint 2 -
Surrogate Key Marketing di dapat dari tabel dimensi Marketing dengan cara lookuo
database
51
3 skNasabahIndividu mediumint 6 -
Surrogate Key Nasabah Individu di dapat dari tabel dimensi Nasabah dengan cara lookup database copy dim_nasabah_ individu skNasabah Individu mediumint (6) 4 skNasabahBadanHukum mediumint 6 - Surrogate Key Nasabah Badan Hukum di dapat dari tabel dimensi Nasabah dengan cara lookup database copy dim_nasabah_ badan_hukum skNasabah BadanHukum mediumint (6) 5 skReksaDana tinyint 1 - Surrogate Key Reksa Dana di dapat dari tabel dimensi Reksa Dana dengan cara lookup database
copy dim_reksa_dana skReksaDana tinyint (1)
6 skWaktu smallint 3 -
Surrogate Key Waktu di dapat dari tabel dimensi Waktu dengan cara lookup database
copy dim_waktu skWaktu smallint (3)
7 nilaiTransaksi double 20, 4 -
Merupakan nilai dalam Rupiah atau Dollar dari setiap transaksi
52
8 biayaTransaksi double 20, 4 -
Merupakan biaya dalam Rupiah atau Dollar untuk masing-masing transaksi.
copy detil_transaksi biayaTransaksi double(20, 4)
9 jumlahUnit double 10, 4 -
Merupakan jumlah unit yang dimiliki oleh nasabah. Didapat dari jumlah nett nilai transaksi dan dibagi dengan NAV
copy detil_transaksi jumlahUnit double(10, 4)
10 balance double 20, 4 -
Merupakan saldo dari investasi nasabah dalam bentuk unit.
53
Berikut adalah tabel-tabel dimensi yang berhubungan dengan tabel fakta transaksi
Dimensi Marketing
1. Nama Database : star_schema
Nama Tabel : dim_marketing
Deskripsi Tabel : Tabel dim_marketing berisi informasi mengenai data marketing yang melayani pendaftaran nasabah serta mengenai target pencapaian marketing dari tiap nasabah
Tabel 4.13. Tabel Dimensi Marketing
No. Field Name Data Type Length Key Description Process
Data Source
Table Field Data Type
1 skMarketing tinyint 2 * Surrogate Key Marketing create - - -
2 idMarketing varchar 5 -
Merupakan kode unik yang dimiliki oleh setiap marketing
54
3 namaMarketing varvarchar 50 - Nama dari Marketing copy marketing namaMarketing varvarchar(50)
4 targetPencapaian double 20, 0 -
Target Pencapaian nilai Trasaksi yang harus dipenuhi oleh Marketing
copy marketing targetPencapaian double(20, 0)
Dimensi Nasabah Individu
2. Nama Database : star_schema
Nama Tabel : dim_nasabah_individu
Deskripsi Tabel : Tabel dim_nasabah individu berisi secara spesifik informasi mengenai data nasabah individu yang telah mendaftarkan diri pada PT. Corfina Capital
55
Tabel 4.14. Tabel Dimensi Nasabah Individu
No. Field Name Data Type Length Key Description Process
Data Source
Table Field Data Type
1 skNasabahIndividu mediumint 6 * Surrogate Key Nasabah Invdividu create - - - 2 Pendidikan varvarchar(3) - - Pendidikan nasabah untuk nasabah Individu
copy nasabah pendidikan varvarchar(3)
3 Pekerjaan varvarchar(50) - - Pekerjaan nasabah untuk nasabah Individu
copy nasabah pekerjaan varvarchar(50)
4 pendapatan_per_tahun double 20, 0 -
Pendapatan nasabah individu per tahun
56
Dimensi Nasabah Badan Hukum 3. Nama Database : star_schema
Nama Tabel : dim_nasabah_badan_hukum
Deskripsi Tabel : Tabel dim_nasabah_badan_hukum berisi secara spesifik informasi mengenai data nasabah badan hukum yang telah mendaftarkan diri pada PT. Corfina Capital
Tabel 4.15. Tabel Dimensi Nasabah Badan Hukum
No. Field Name Data Type Length Key Description Process Data Source
Table Field Data Type
1 skNasabahBadanHukum mediumint 6 * Surrogate Key Nasabah Badan Hukum create - - - 2 namaDireksi varvarchar(50) - - Nama direksi yang bertanggung jawab atas dibukanya account nasabah atas suatu account
57 dengan jenis nasabah Badan Hukum 3 karakteristikPerusahaan varvarchar(50) - - Karakteristik perusahaan nasabah untuk nasabah Badan Hukum
copy nasabah karakteristikPerusahaan varvarchar(50)
4 asetTahun1 double 20, 0 - Aset tahun pertama untuk nasabah Badan Hukum
copy nasabah asetTahun1 double(20, 0)
5 asetTahun2 double 20, 0 - Aset tahun kedua untuk nasabah Badan Hukum
copy nasabah asetTahun2 double(20, 0)
6 asetTahun3 double 20, 0 - Aset tahun ketiga untuk nasabah Badan Hukum
58 7 labaOperasiTahun1 double 20, 0 - Laba operasi tahun pertama untuk nasabah Badan Hukum
copy nasabah labaOperasiTahun1 double(20, 0)
8 labaOperasiTahun2 double 20, 0 - Laba operasi tahun kedua untuk nasabah Badan Hukum
copy nasabah labaOperasiTahun2 double(20, 0)
9 labaOperasiTahun3 double 20, 0 - Laba operasi tahun ketiga untuk nasabah Badan Hukum
59
Dimensi Reksa Dana
1. Nama Database : star_schema
Nama Tabel : dim_reksa_dana
Deskripsi Tabel : Tabel dim_reksa_dana berisi informasi mengenai data dari jenis reksa dana maupun deskripsi dari reksa dana itu, apakah melakukan subscribe atau redeem
Tabel 4.16. Tabel Dimensi Reksa Dana
No. Field Name Data Type Length Key Description Process
Data Source
Table Field Data Type
1 skReksaDana tinyint 1 * Surrogate Key Reksa
Dana create - - -
2 jenisReksaDana tinyint 1 -
Jenis dari produk Reksa Dana yang dimiliki oleh PT. Corfina Capital
transform detilTransaksi jenisReksaDana tinyint (1)
3 deskripsi tinyint 1 -
Jenis dari transaksi yang dilakukan oleh nasabah.
60
Dimensi Waktu
2. Nama Database : star_schema
Nama Tabel : dim_waktu
Deskripsi Tabel : Tabel dim_waktu berisi informasi mengenai data waktu yang tersimpan pada transaksi reksa dana dari segi jenis reksa dana, maupun status subscribe atau redeem nya investasi seorang nasabah atau suatu badan hukum
Tabel 4.17 Tabel Dimensi Waktu
No. Field Name Data Type Length Key Description Process
Data Source
Table Field Data Type
1 skWaktu smallint 3 * Surrogate Key Waktu create - - -
2 kuartal tinyint 1 - Kuartal/periode dari
setiap transaksi transform transaksi periodeTransaksi tinyint (1)
3 tahun smallint 4 - Tahun dari setiap
61
4.2.9. Memutuskan Prioritas dan Mode dari Query (Deciding the Query Priorities and The Query Modes)
4.2.9.1. Transformasi Dimensi Marketing
Input table : marketing Output table : dim_marketing
Gambar 4.1 ETL Tabel dim_marketing • Extract
Proses extract pada dim_marketing terdapat pada “input marketing” dimana pada tahap ini dilakukan pengambilan data dari tabel marketing pada database sumber, yaitu database “skripsi” dengan SQL query sebagai berikut:
62 • Transform
Proses transform pada tabel marketing terdapat pada “sk_marketing” dimana pada tahap ini dilakukan pembuatan Surrogate Key (SK) untuk dim_marketing berupa value urutan angka yang dimulai dari angka 1.
Gambar 4.3. Marketing “Get Value From Sequence”
Kemudian dilakukan pemilihan dan pencocokan field antara “table input” dengan tabel dim_marketing, (disebut Mapping) pada snowflake schema yang telah dibuat. Jika fieldname antara “table input” dengan field tabel dim_marketing berbeda, maka field tersebut akan di-rename sesuai dengan field pada tabel dim_marketing.
63
Gambar 4.4. Mapping Marketing
• Loading
Proses loading dalam dim_marketing terdapat pada “ouput dim_marketing” dimana pada tahap ini dilakukan proses insert dan update pada tabel dim_marketing. Jika sk_marketing belum ada, maka akan dilakukan proses insert guna menyimpan record baru pada tabel dim_marketing. Namun, jika sk_marketing ditemukan pada tabel dim_marketing, maka kolom-kolom lain untuk sk_marketing tersebut akan diperiksa. Jika terdapat kolom yang berbeda, maka akan dilakukan proses update pada record tersebut.
64
Gambar 4.5. Output dim_marketing
4.2.9.2. Transformasi Dimensi Nasabah Individu
Input table : nasabah
Output table : dim_nasabah_individu
65 • Extract
Proses extract pada dim_nasabah_individu terdapat pada “input nasabah individu” dimana pada tahap ini dilakukan pengambilan data dari tabel nasabah pada database sumber, yaitu database “skripsi” dengan SQL query sebagai berikut:
Gambar 4.7. Nasabah Individu “Table input”
• Transform
Proses transform pada tabel nasabah terdapat pada “sk_nasabah_individu” dimana pada tahap ini dilakukan pembuatan Surrogate Key (SK) untuk dim_nasabah_individu berupa value urutan angka yang dimulai dari angka 1.
66
Gambar 4.8. Nasabah Individu “Get Value From Sequence”
Kemudian dilakukan pemilihan dan pencocokan field antara “table input” dengan tabel dim_nasabah, (disebut Mapping) pada snowflake schema yang telah dibuat. Jika fieldname antara “table input” dengan field tabel dim_nasabah berbeda, maka field tersebut akan di-rename sesuai dengan field pada tabel dim_nasabah.
67
Gambar 4.9. Mapping Nasabah Individu
• Loading
Proses loading dalam dim_nasabah terdapat pada “ouput dim_nasabah” dimana pada tahap ini dilakukan proses insert dan update pada tabel dim_nasabah_individu. Jika skNasabahIndividu belum ada, maka akan dilakukan proses insert guna menyimpan record baru pada tabel dim_nasabah_individu. Namun, jika skNasabahIndividu ditemukan pada tabel dim_nasabah_individu, maka kolom-kolom lain untuk skNasabahIndividu tersebut akan diperiksa. Jika terdapat kolom yang berbeda, maka akan dilakukan proses update pada record tersebut.
68
Gambar 4.10. Output dim_nasabah_individu
4.2.9.3. Transformasi Dimensi Nasabah Badan Hukum
Input table : nasabah
Output table : dim_nasabah_badan_hukum
Gambar 4.11. ETL Tabel dim_nasabah_badan_hukum • Extract
Proses extract pada dim_nasabah_badan_hukum terdapat pada “input nasabah badan hukum” dimana pada tahap ini dilakukan pengambilan data dari tabel nasabah pada database sumber, yaitu database “skripsi” dengan SQL query sebagai berikut:
69
Gambar 4.12. Nasabah Badan Hukum “Table input”
• Transform
Proses transform pada tabel nasabah terdapat pada “sk_nasabah_badan_hukum” dimana pada tahap ini dilakukan
pembuatan Surrogate Key (SK) untuk
dim_nasabah_badan_hukum berupa value urutan angka yang dimulai dari angka 1.
70
Gambar 4.13. Nasabah Badan Hukum “Get Value From Sequence”
Kemudian dilakukan pemilihan dan pencocokan field antara “table input” dengan tabel dim_nasabah_badan_hukum, (disebut Mapping) pada snowflake schema yang telah dibuat. Jika fieldname antara “table input” dengan field tabel dim_nasabah_badan_hukum berbeda, maka field tersebut akan di-rename sesuai dengan field pada tabel dim_nasabah_badan_hukum.
71
Gambar 4.14. Mapping Nasabah Badan Hukum
• Loading
Proses loading dalam dim_nasabah terdapat pada “ouput dim_nasabah_ badan_hukum” dimana pada tahap ini dilakukan proses insert dan update pada tabel dim_nasabah_ badan_hukum. Jika skNasabahBadanHukum belum ada, maka akan dilakukan proses insert guna menyimpan record baru pada tabel
dim_nasabah_badan_hukum. Namun, jika
skNasabahBadanHukum ditemukan pada tabel dim_nasabah_badan_hukum, maka kolom-kolom lain untuk skNasabahBadanHukum tersebut akan diperiksa. Jika terdapat kolom yang berbeda, maka akan dilakukan proses update pada record tersebut.
72
Gambar 4.15. Output dim_nasabah_badan_hukum
4.2.9.4. Transformasi Dimensi Reksa Dana
Input table : none
Output table : dim_reksa_dana
73 • Transform
- Generate Rows Reksa Dana
Pada tahap ini dibuat baris untuk menampung jenis dan status/deskripsi reksa dana yang akan dibuat. Baris yang terbentuk pada tahap ini sebanyak delapan baris, di antaranya adalah jenisReksaDana1, deskripsi1, jenisReksaDana2, deskripsi2, jenisReksaDana3, deskripsi3, jenisReksaDana4, dan deskripsi4.
Gambar 4.17. Generate Rows Reksa Dana
- Row Normaliser
Pada tahap ini akan membentuk field, yaitu jenisReksaDana dan deskripsi untuk menampung jenisReksaDana dan deskripsi yang telah di definisikan sebelumnya.
74
Gambar 4.18. Row Normaliser
- Get Value From Sequence
Pada tahap ini dilakukan pembuatan Surrogate Key (SK) untuk dim_reksa_dana berupa value urutan angka yang dimulai dari angka 1.
75
Gambar 4.19. Reksa Dana “Get Value From Sequence”
- Mapping
Pada tahap ini dilakukan pemilihan dan pencocokan field. Jika salah satu fieldname dengan field tabel dim_reksa_dana berbeda, maka field tersebut akan di-rename sesuai dengan field pada tabel dim_reksa_dana.
76
Gambar 4.20. Mapping Reksa Dana
• Loading
Proses loading dalam dim_reksa_dana terdapat pada “ouput dim_reksa_dana” dimana pada tahap ini dilakukan proses insert dan update pada tabel dim_ reksa_dana. Jika sk_ reksa_dana belum ada, maka akan dilakukan proses insert guna menyimpan record baru pada tabel dim_reksa_dana. Namun, jika sk_reksa_dana ditemukan pada tabel dim_reksa_dana, maka kolom-kolom lain untuk sk_reksa_dana tersebut akan diperiksa. Jika terdapat kolom yang berbeda, maka akan dilakukan proses update pada record tersebut.
77
Gambar 4.21. Ouput dim_reksa_dana
4.2.9.5. Transformasi Dimensi Waktu
Input table : none Output table : dim_waktu
78 • Transform
- Generate rows
Proses transform pada dim_waktu terdapat pada “3000 days: 9+ years” dimana pada tahap ini menyediakan kapasitas 3000 hari dimulai dari awal tahun 2007.
Gambar 4.23. Generate jangka waktu yang ingin ditentukan
- Get Value From Sequence
Kemudian kita membuat variabel “Days_since” agar tanggal dapat di-increment dari angka 1 untuk mendapatkan tanggal selanjutnya.
79
Gambar 4.24. Increment Tanggal
- Calculator
Membuat field-field yang dibutuhkan untuk dim_waktu seperti date, year, month, dan sebagainya.
80 - Script Values / Mod
Membuat perhitungan untuk mendapatkan minggu dalam suatu bulan dengan menggunakan fungsi Calendar.WEEK_OF_MONTH.
Gambar 4.26. Modified Java Script Value
- Value Mapper
Membuat perhitungan kuartal (quarter) dalam tahun, dimana bulan pertama sampai bulan ketiga masuk ke dalam quarter 1, dan seterusnya.
81
Gambar 4.27. Membuat Quarter
- Generate rows
Generate rows kali ini untuk membuat penamaan hari dalam minggu, dimana sebagai contoh DayNr7 menunjukkan hari tersebut dalam angka, yaitu hari Minggu sebagai “1”. Untuk variabel DayDesc7 menunjukkan hari Minggu sebagai “Minggu”, sedangkan untuk DayDescShort hari Minggu adalah “MIN”.
82
Gambar 4.28. Generate deskripsi hari dalam satu minggu
- Row Normaliser
Membuat penamaan dari satu minggu dimana data yang sebelumnya masih berbentuk baris, diubah ke dalam bentuk kolom agar sesuai dengan format tabel pada umumnya dalam suatu database.
83
Gambar 4.29. Normaliser “DayOfWeekDesc”
- Stream Value Lookup
Menggabungkan penamaan hari yang telah dibuat melalui field DayNr.
84
Gambar 4.30. DayOfWeekDesc
- Generate Rows
Generate Rows kali ini untuk membuat penamaan bulan dengan membuat variabel-variabel penampung terlebih dahulu. Sebagai contoh, desc1 untuk menampung bulan “Januari”, short1 untuk “JAN”, dan seterusnya.
85
Gambar 4.31. Generate deskripsi bulan dalam satu tahun
- Row normaliser
Row normaliser kali ini yaitu untuk membuat penamaan bulan dimana variabel tersebut diisi dengan angka yang sesuai.
86
87
- Stream Value Lookup
Stream Value Lookup kali ini yaitu untuk menggabungkan dengan penamaan bulan yang telah dibuat melalui field “MonthNr”.
Gambar 4.33. MonthDesc
- Get Value From Sequence
Pada tahap ini dilakukan pembuatan Surrogate Key (SK) untuk dim_waktu berupa nilai urutan angka yang dimulai dari angka 1.
88
Gambar 4.34. Waktu “Get Value From Sequence”
- Mapping
Memilih field-field yang dibutuhkan yaitu DayofWeekDesc, Date, Year , quarter, sk_time, MonthDesc, dan WeekofMonth.
89
Gambar 4.35. Mapping dim_waktu
• Loading
Proses loading dalam dim_waktu terdapat pada “Insert/Update” dimana pada tahap ini dilakukan proses insert dan update pada tabel dim_waktu. Jika sk_time belum ada maka akan dilakukan proses insert untuk menyimpan record baru pada tabel dim_waktu. Namun jika sk_time ditemukan pada tabel dim_waktu, maka kolom-kolom lain untuk sk_time tersebut akan diperiksa. Jika terdapat kolom yang berbeda, maka akan dilakukan proses update pada record tersebut.
90
Gambar 4.36. Output dim_waktu
4.2.9.6. Transformasi Fakta Transaksi Reksa Dana
Input : transaksi, detil_transaksi Output : fact_transaksi_reksa_dana
91 • Extract
Proses extract dalam fact_transaksi_reksa_dana terdapat pada “input_transaksi” dan “input_detiltrans” dimana pada tahap “input_transaksi” dilakukan pengambilan data dari tabel transaksi pada database sumber, yaitu database “skripsi” dengan query sebagai berikut:
92 Dan pada tahap “input_detil_trans” juga dilakukan pengambilan data dari tabel “detailTransaksi” pada database sumber, yaitu database “skripsi” dengan query sebagai berikut:
93 • Transform
- Stream Value Lookup
Pada tahap ini dilakukan penggabungan antara input dari tabel “transaksi” dengan input dari tabel “detailTransaksi” melalui field “kodeTransaksi” dari tabel “detailTransaksi” dan me-retrieve penggabungan itu melalui idMarketing, tanggalTransaksi, periodeTransaksi yang terdapat pada tabel “transaksi”.
94 - Select values
Pada tahap ini dilakukan pemilihan field antara tabel “transaksi” dan tabel “detailTransaksi” yang sesuai dengan measure yang sudah dibuat dalam snowflake schema.
Gambar 4.41. fact_transaksi_reksa_dana Select values
- Database Value Lookup
Pada Database Value Lookup kedua ini melibatkan proses pencarian “skNasabahIndividu” pada tabel dim_nasabah. Proses pencarian skNasabahIndividu dilakukan dengan mencocokkan “idNasabah” pada tabel dim_nasabah dengan “idNasabah” yang ada pada tabel nasabah.
95
Gambar 4.42. Lookup Database Nasabah Individu
- Database Value Lookup
Pada Database Value Lookup kedua ini melibatkan proses pencarian “skNasabahIndividu” pada tabel dim_nasabah. Proses pencarian skNasabahIndividu dilakukan dengan mencocokkan “idNasabah” pada tabel dim_nasabah dengan “idNasabah” yang ada pada tabel nasabah.
96
Gambar 4.43. Lookup Database Nasabah Badan Hukum
- Database Value Lookup
Pada Database Value Lookup ke-tiga ini melibatkan proses pencarian “sk_waktu” pada tabel dim_waktu. Proses pencarian sk_waktu dilakukan dengan mencocokkan “tanggal” pada tabel dim_waktu dengan “tanggalTransaksi” yang ada pada tabel transaksi.
97
Gambar 4.44. Lookup Database Waktu
- Database Value Lookup
Pada Database Value Lookup ke-empat ini melibatkan proses pencarian “sk_reksaDana” pada tabel dim_reksa_dana. Proses pencarian sk_reksaDana dilakukan dengan mencocokkan “jenisReksaDana” pada tabel dim_reksa_dana dengan “jenisReksaDana” yang ada pada tabel detailTransaksi dan mencocokkan “deskripsi” pada tabel dim_reksa_dana dengan “deskripsi” yang ada pada tabel detailTransaksi.
98
Gambar 4.45. Lookup Database Reksa Dana
- Mapping
Pada tahap ini dilakukan pemilihan dan pencocokan field
antara “Select values” dengan tabel
“fact_transaksi_reksa_dana” berdasarkan snowflake schema yang telah dibuat. Jika fieldname antara “Select values” dengan field tabel fact_transaksi_reksa_dana berbeda, maka field tersebut akan di-rename sesuai dengan field pada tabel fact_transaksi_reksa_dana.
99
Gambar 4.46. Mapping fact_transaksi_reksa_dana
• Loading
Proses loading dalam fact_transaksi_reksa_dana terdapat pada “ouput fact_transaksi_reksa_dana” dimana pada tahap ini dilakukan proses insert dan update pada tabel fact_transaksi_reksa_dana. Pada tabel fakta, terdapat perbedaan dimana tidak terdapat Surrogate Key (SK), namun tetap dilakukan proses proses insert jika fieldname antara “Database Value Lookup” yang terdapat pada tabel-tabel dimensi yang berkaitan dengan tabel fact_transaksi_reksa_dana guna menyimpan record baru pada tabel fact_transaksi_reksa_dana tersebut. Namun, jika key-key tersebut ditemukan pada tabel fact_transaksi_reksa_dana, maka kolom-kolom lain untuk key-key tersebut akan diperiksa.
100 Jika terdapat kolom yang berbeda, maka akan dilakukan proses update pada record tersebut.
101 4.2.10. Perancangan Star-Scheme
Berikut ini adalah rancangan star-scheme untuk fakta transaksi. Di mana satu tabel fakta transaksi memiliki 5 buah dimensi yaitu dim_marketing, dim_reksa_dana, dim_waktu, dim_nasabah_individu, dan dim_nasabah badan_hukum.
Gambar 4.48 Rancangan Star-scheme Functional Data Warehouse PT.Corfina Capital
102 4.3. Perancangan Anatomi Functional Data Warehouse PT.Corfina Capital
Gambar 4.49 Rancangan Anatomi Functional Data Warehouse PT.Corfina Capital
4.3.1. Operational Data Source
Data yang terdapat pada operational data source adalah data operasional dari Nasabah, Transaksi, dan Marketing. Pada bagian ini, masing-masing data operasional di-update apabila terdapat perubahan. Penampung operational data source menggunakan MySQL yang disesuaikan dengan database dari PT. Corfina Capital. Data pada level operasional ini kemudian akan Extract dan kemudian masuk pada Data Staging Area.
103 4.3.2. Data Staging Area
Pada tahapan inilah, proses kedua dari ETL dilakukan, yaitu Transform. Data yang diperoleh dari operational datastore dirubah melalui proses transform yang bertujuan untuk mengolah dan mengkondisikan data agar bisa langsung dipergunakan nantinya. Hasil dari Data Staging Area kemudian akan di-load ke dalam data presentation area yaitu pada data mart atau functional data warehouse.
4.3.3. Data Presentation Area
Untuk rancangan data mart(functional data warehouse) PT. Corfina Capital menggunakan Pentaho sebagai tools-nya. Data yang sudah mengalami proses transform dari Data Staging Area kemudian diload ke dalam data mart yang merupakan tempat dimana data disusun, disimpan, dan dikondisikan agar bisa langsung dipakai oleh user melalui query, membuat laporan ataupun digunakan oleh aplikasi analytical
4.3.4. Data Access Tools
Untuk menyediakan informasi bisnis kepada user guna melakukan pengambilan keputusan secara cepat dan tepat, user ini berinteraksi dengan warehouse melalui data access tools.
Berikut adalah data access toolsyang digunakan dalam rancangan functional data warehouse PT. Corfina Capital:
104 • Online Analytical Processing (OLAP) tools
OLAP tools berdasarkan kepada konsep multidimensional basis data dan memungkinkan pengguna yang berpengalaman untuk menganalisa data menggunakan tampilan
multidimensional. Tools yang digunakan dalam rancangan ini adalah Pentaho.
4.4. Hasil Proyeksi Data
4.4.1. Pengukuran Jalannya Investasi dari Proses Bisnis PT. Corfina Capital
• Pergerakan Investasi Semua Nasabah untuk Subscribe dengan Sistem Kuartal
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idJenisReksadana, nilaiTransaksi, Deskripsi, dan Balance.
105 Berdasarkan bar chart di atas dapat dilihat bahwa untuk transaksi subscribe dari seluruh nasabah terbanyak pada kuartal ketiga, sedangkan untuk transaksi subscribe terendah berada pada kuartal keempat.
• Pergerakan Investasi Semua Nasabah untuk Redeem dengan Sistem Kuartal
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idJenisReksadana, nilaiTransaksi, Deskripsi, dan Balance.
Gambar 4.51 Redeem Nasabah per Kuartal
Berdasarkan bar chart redeem di atas, nasabh melakukan redeem terbanyak pada kuartal ketiga, namun untuk redeem terendah berada pada kuartal pertama.
106
• Pergerakan Investasi Semua Nasabah untuk Balance dengan Sistem Kuartal
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idJenisReksadana, nilaiTransaksi, Deskripsi, dan Balance.
Gambar 4.52 Balance Nasabah per Kuartal Berdasarkan bar chart di atas dapat dilihat perbandingan nilai transaksi dalam rupiah dan balance dalam unit dari seluruh nasabah terbanyak pada kuartal ketiga, sedangkan untuk nilai transaksi dan balance terendah berada pada kuartal keempat.
107 • Pergerakan Investasi Semua Nasabah untuk Subscribe
dengan Sistem Tahunan
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idJenisReksadana, nilaiTransaksi, Deskripsi, dan Balance.
Gambar 4.53 Subscribe Nasabah per Tahun Pada bar chart di atas, dapat dilihat bahwa jumlah transaksi subscribe terbanyak berada pada tahun 2009, dan terendah pada tahun 2011.
• Pergerakan Investasi Semua Nasabah untuk Redeem dengan Sistem Tahunan
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idJenisReksadana, nilaiTransaksi, Deskripsi, dan Balance.
108
Gambar 4.54 Redeem Nasabah per Tahun
Sementara untuk transaksi redeem, terbanyak dilakukan pada tahun 2009 dan berada pada titik terendah di tahun 2010.
• Pergerakan Investasi Semua Nasabah untuk Balance dengan Sistem Tahunan
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idJenisReksadana, nilaiTransaksi, Deskripsi, dan Balance.
109
Gambar 4.55 Balance Nasabah per Tahun Sementara untuk nilai dari transaksi seluruh nasabah berada tertinggi pada tahun 2008. Dan untuk balance mengalami penurunan dari tahun 2008 ke 2009. Kemudian dari tahun 2010 terus naik sampai berada di puncak tertinggi pada tahun 2012
• Pergerakan Investasi Semua Nasabah dengan jenis Reksadana RDPT untuk Balance dengan Sistem Kuartal Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idJenisReksadana, nilaiTransaksi, Deskripsi, dan Balance.
110
Gambar 4.56 Balance Nasabah RDPT per Kuartal Untuk nilai transaksi nasabah dengan jenis reksadana RDPT, berada pada titik tertinggi pada kuartal ketiga dan nyaris sama untuk kuartal lainnya. Sementara untuk balance nasabah dengan jenis reksadana RDPT cukup fluktuatif dengan adanya penurunan pada kuartal kedua, kemudian turun pada kuartal ketiga yang menjadi titik tertinggi dan setelah itu turun di titik terendah pada kuartal keempat.
• Pergerakan Investasi Semua Nasabah dengan jenis Reksadana RDPT untuk Balance dengan Sistem Tahunan Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idJenisReksadana, nilaiTransaksi, Deskripsi, dan Balance.
111
Gambar 4.57 Balance Nasabah RDPT per Tahun Sementara untuk nilai dari transaksi seluruh nasabah dengan jenis reksa dana RDPT berada tertinggi pada tahun 2009 dan terendah di tahun 2010. Dan untuk balance mengalami penurunan dari tahun 2008 ke 2009. Kemudian dari tahun 2010 terus naik sampai berada di puncak tertinggi pada tahun 2012.
• Pergerakan Investasi Semua Nasabah dengan jenis Reksadana Reksa Dana untuk Balance dengan Sistem Kuartal
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, jenisReksadana, nilaiTransaksi, dan Balance.
112
Gambar 4.58 Balance Nasabah Reksa Dana per Kuartal
Untuk jenis reksadana Reksa Dana, balance tidak bisa terlihat dikarenakan nilai dari transaksi yang kurang. Namun untuk pergerakan nilai transaksi dapat dilihat bahwa dari kuartal pertama ke kuartal kedua memiliki penurunan, dan kemudian menanjak ke posisi tertinggi pada kuartal ketiga dan
mengalamipenurunan kembali pda kuartal keempat.
• Pergerakan Investasi Semua Nasabah dengan jenis Reksadana Reksa Dana untuk Balance dengan Sistem Tahunan
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idReksadana, jenisReksadana, nilaiTransaksi, dan Balance.
113
Gambar 4.59 Balance Nasabah Reksa Dana per Tahun
Sama seperti penjelasan sebelumnya bahwa untuk jenis reksadana Reksa Dana, balance tidak bisa terlihat dikarenakan nilai dari transaksi yang kurang. Namun untuk pergerakan nilai transaksi dapat dilihat pada tahun 2008 ke 2009 mengalami kenaikkan hingga puncak tertinggi dan kemudian selama dua tahun
mengalam penurunan sampai pada titik terendah yakni pada tahun 2011. Namun pada tahun 2012, mengalami kenaikka untuk balance nasabah Reksa Dana.
114 4.4.2. Profit Perusahaan
• Pergerakan Biaya Transaksi untuk Nasabah Individu pada jenis Reksadana RDPT dengan Sistem Kuartal
Analisis profit perusahaan berdasarkan biaya transaksi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas jenisNasabah, dan biayaTransaksi.
Gambar 4.60 Biaya Transaksi RDPT Nasabah Individu per Kuartal
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi RDPT yang dilakukan oleh seluruh nasabah dengan jenis nasabah individu terdapat penurunan dari kuartal ke kuartal. Sedangkan untuk perbandingan masing-masing kuartal, maka kurtal 1 yang biaya transaksi nya paling tinggi dibanding kuartal lain.
115 • Pergerakan Biaya Transaksi untuk Nasabah Individu pada jenis
Reksadana RDPT dengan Sistem Tahunan
Gambar 4.61 Biaya Transaksi RDPT Nasabah Individu per Tahun
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi RDPT yang dilakukan oleh seluruh nasabah dengan jenis nasabah individu terdapat penurunan dari tahun ke tahun. Sedangkan untuk perbandingan masing-masing tahun, maka tahun 2008 yang biaya transaksi nya paling tinggi dibanding tahun lain.
116 • Pergerakan Biaya Transaksi untuk Nasabah Individu pada jenis
Reksadana Reksa Dana dengan Sistem Kuartal
Gambar 4.62 Biaya Transaksi Reksa Dana Nasabah Individu per Kuartal
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi Reksa Dana yang dilakukan oleh seluruh nasabah dengan jenis nasabah individu terdapat penurunan dari kuartal ke kuartal. Sedangkan untuk perbandingan masing-masing kuartal, maka kurtal 1 yang biaya transaksi nya paling tinggi dibanding kuartal lain.
117 • Pergerakan Biaya Transaksi untuk Nasabah Individu pada jenis
Reksadana Reksa Dana dengan Sistem Tahunan
Gambar 4.63 Biaya Transaksi Reksa Dana Nasabah Individu per Tahun
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi Reksa Dana yang dilakukan oleh seluruh nasabah dengan jenis nasabah individu terdapat penurunan dari tahun ke tahun. Sedangkan untuk perbandingan masing-masing tahun, maka tahun 2008 yang biaya transaksi nya paling tinggi dibanding tahun lain.
118 • Pergerakan Biaya Transaksi untuk Nasabah Individu dengan Sistem
Kuartal
Gambar 4.64 Biaya Transaksi Nasabah Individu per Kuartal
Pada stacked area chart diatas, dapat dijelaskan bahwa dari keseluruhan biaya transaksi yang dilakukan oleh seluruh nasabah dengan jenis nasabah individu terdapat penurunan dari kuartal ke kuartal. Sedangkan untuk perbandingan masing-masing kuartal, maka kurtal 1 yang biaya transaksi nya paling tinggi dibanding kuartal lain.
119 • Pergerakan Biaya Transaksi untuk Nasabah Individu dengan Sistem
Tahunan
Gambar 4.65 Biaya Transaksi Nasabah Individu per Tahun
Pada stacked area chart diatas, dapat dijelaskan bahwa dari keseluruhan biaya transaksi yang dilakukan oleh seluruh nasabah dengan jenis nasabah individu terdapat penurunan dari tahun ke tahun. Sedangkan untuk perbandingan masing-masing tahun, maka tahun 2008 yang biaya transaksi nya paling tinggi dibanding kuartal lain.
120 • Pergerakan Biaya Transaksi untuk Nasabah Badan Hukum pada
jenis Reksadana RDPT dengan Sistem Kuartal
Gambar 4.66 Biaya Transaksi RDPT Nasabah Badan Hukum per Kuartal
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi RDPT yang dilakukan oleh seluruh nasabah dengan jenis nasabah badan hukum terdapat penurunan dari kuartal ke kuartal. Sedangkan untuk perbandingan masing-masing kuartal, maka kurtal 1 yang biaya transaksi nya paling tinggi dibanding kuartal lain.
121 • Pergerakan Biaya Transaksi untuk Nasabah Badan Hukum pada
jenis Reksadana RDPT dengan Sistem Tahunan
Gambar 4.67 Biaya Transaksi RDPT Nasabah Badan Hukum per Tahun
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi RDPT yang dilakukan oleh seluruh nasabah dengan jenis nasabah badan hukum terdapat penurunan dari tahun ke tahun. Sedangkan untuk perbandingan masing-masing tahun, maka tahun 2008 yang biaya transaksi nya paling tinggi dibanding tahun lain.
122 • Pergerakan Biaya Transaksi untuk Nasabah Badan Hukum pada
jenis Reksadana Reksa Dana dengan Sistem Kuartal
Gambar 4.68 Biaya Transaksi Reksa Dana Nasabah Badan Hukum per Kuartal
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi Reksa Dana yang dilakukan oleh seluruh nasabah dengan jenis nasabah badan hukum terdapat penurunan dari kuartal ke kuartal. Sedangkan untuk perbandingan masing-masing kuartal, maka kurtal 1 yang biaya transaksi nya paling tinggi dibanding kuartal lain.
123 • Pergerakan Biaya Transaksi untuk Nasabah Badan Hukum pada
jenis Reksadana Reksa Dana dengan Sistem Tahunan
Gambar 4.69 Biaya Transaksi Reksa Dana Nasabah Badan Hukum per Tahun
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi Reksa Dana yang dilakukan oleh seluruh nasabah dengan jenis nasabah badan hukum terdapat penurunan dari tahun ke tahun. Sedangkan untuk perbandingan masing-masing tahun, maka tahun 2008 yang biaya transaksi nya paling tinggi dibanding tahun lain.
124 • Pergerakan Biaya Transaksi untuk Nasabah Badan Hukum dengan
Sistem Kuartal
Gambar 4.70 Biaya Transaksi Nasabah Badan Hukum per Kuartal
Pada stacked area chart diatas, dapat dijelaskan bahwa dari keseluruhan biaya transaksi yang dilakukan oleh seluruh nasabah dengan jenis nasabah badan hukum terdapat penurunan dari kuartal ke kuartal. Sedangkan untuk perbandingan masing-masing kuartal, maka kurtal 1 yang biaya transaksi nya paling tinggi dibanding kuartal lain.
125 • Pergerakan Biaya Transaksi untuk Nasabah Badan Hukum dengan
Sistem Tahunan
Gambar 4.71 Biaya Transaksi Nasabah Badan Hukum per Tahun
Pada stacked area chart diatas, dapat dijelaskan bahwa dari keseluruhan biaya transaksi yang dilakukan oleh seluruh nasabah dengan jenis nasabah badan hukum terdapat penurunan dari tahun ke tahun. Sedangkan untuk perbandingan masing-masing tahun, maka tahun 2008 yang biaya transaksi nya paling tinggi dibanding kuartal lain.
126 • Pergerakan Biaya Transaksi untuk Seluruh Nasabah pada Jenis
Reksadana RDPT dengan Sistem Kuartal
Gambar 4.72 Biaya Transaksi RDPT seluruh Nasabah per Kuartal
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi RDPT yang dilakukan oleh seluruh nasabah terdapat penurunan dari kuartal ke kuartal. Sedangkan untuk perbandingan masing-masing kuartal, maka kurtal 1 yang biaya transaksi nya paling tinggi dibanding kuartal lain.
127 • Pergerakan Biaya Transaksi untuk Seluruh Nasabah pada Jenis
Reksadana RDPT dengan Sistem Tahunan
Gambar 4.73 Biaya Transaksi RDPT seluruh Nasabah per Tahun
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi RDPT yang dilakukan oleh seluruh nasabah terdapat penurunan dari tahun ke tahun. Sedangkan untuk perbandingan masing-masing tahun, maka tahun 2008 yang biaya transaksi nya paling tinggi dibanding tahun lain.
128 • Pergerakan Biaya Transaksi untuk Seluruh Nasabah dengan Jenis
Reksadana Reksa Dana dengan Sistem Kuartal
Gambar 4.74 Biaya Transaksi Reksa Dana seluruh Nasabah per Kuartal
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi Reksa Dana yang dilakukan oleh seluruh nasabah terdapat penurunan dari kuartal ke kuartal. Sedangkan untuk perbandingan masing-masing kuartal, maka kurtal 1 yang biaya transaksi nya paling tinggi dibanding kuartal lain.
129 • Pergerakan Biaya Transaksi untuk Seluruh Nasabah dengan Jenis
Reksadana Reksa Dana dengan Sistem Tahunan
Gambar 4.75 Biaya Transaksi Reksa Dana seluruh Nasabah per Tahun
Pada stacked area chart diatas, dapat dijelaskan bahwa dari biaya transaksi Reksa Dana yang dilakukan oleh seluruh nasabah terdapat penurunan dari tahun ke tahun. Sedangkan untuk perbandingan masing-masing tahun, maka tahun 2008 yang biaya transaksi nya paling tinggi dibanding tahun lain.
130 4.4.3. Kinerja Karyawan dari Divisi Marketing
• Transaksi Subscribe Nasabah Berdasarkan Marketing dengan Sistem Kuartal
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idMarketing, nilaiTransaksi, Deskripsi, dan
Balance.
Gambar 4.76 Subscribe Nasabah Berdasarkan Marketing Kuartal 1
Pada kuartal pertama, marketing yang memiliki nilai transaksi subscribe paling tinggi adalah marketing dengan kode M002 disusul dengan M007, sementara pada posisi terendah adalah marketing dengan kode M005.
131
Gambar 4.77 Subscribe Nasabah Berdasarkan Marketing Kuartal 2
Pada kuartal kedua, marketing yang memiliki nilai transaksi subscribe paling tinggi adalah marketing dengan kode M010 disusul dengan M007, sementara pada posisi terendah adalah marketing dengan kode M008.
Gambar 4.78 Subscribe Nasabah Berdasarkan Marketing Kuartal 3
132 Pada kuartal ketiga, marketing yang memiliki nilai transaksi subscribe paling tinggi adalah marketing dengan kode M010 disusul dengan M002, sementara pada posisi terendah adalah marketing dengan kode M007.
Gambar 4.79 Subscribe Nasabah Berdasarkan Marketing Kuartal 4
Pada kuartal keempat, marketing yang memiliki nilai transaksi subscribe paling tinggi adalah marketing dengan kode M002 disusul dengan M010, sementara pada posisi terendah adalah marketing dengan kode M007.
133 • Transaksi Redeem Nasabah Berdasarkan Marketing dengan
Sistem Kuartal
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idMarketing, nilaiTransaksi, Deskripsi, dan Balance.
Gambar 4.80 Redeem Nasabah Berdasarkan Marketing Kuartal 1 Pada kuartal pertama, marketing yang memiliki nilai transaksi redeem paling tinggi adalah marketing dengan kode M002 disusul dengan M007, sementara pada posisi terendah adalah marketing dengan kode M003.
134
Gambar 4.81 Redeem Nasabah Berdasarkan Marketing Kuartal 2 Pada kuartal kedua, marketing yang memiliki nilai transaksi redeem paling tinggi adalah marketing dengan kode M002 disusul dengan M010, sementara pada posisi terendah adalah marketing dengan kode M003 dan M005.
135 Pada kuartal ketiga, marketing yang memiliki nilai transaksi redeem paling tinggi adalah marketing dengan kode M002 disusul dengan M010, sementara pada posisi terendah adalah marketing dengan kode M007.
Gambar 4.83 Redeem Nasabah Berdasarkan Marketing Kuartal 4 Pada kuartal pertama, marketing yang memiliki nilai transaksi redeem paling tinggi adalah marketing dengan kode M002 disusul dengan M010, sementara pada posisi terendah adalah marketing dengan kode M007 dan M008 yang tidak memiliki transaksi redee sama sekali.
136 • Balance Nasabah Berdasarkan Marketing dengan Sistem
Kuartal
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idMarketing, nilaiTransaksi, Deskripsi, dan Balance.
Gambar 4.84 Balance Nasabah Berdasarkan Marketing Kuartal 1 Pada kuartal pertama, marketing yang memiliki nilai balance paling tinggi adalah marketing dengan kode M010 disusul dengan M002, sementara pada posisi terendah adalah marketing dengan kode M001, M005, dan M009.
137
Gambar 4.85 Balance Nasabah Berdasarkan Marketing Kuartal 2 Pada kuartal kedua, marketing yang memiliki nilai balance paling tinggi adalah marketing dengan kode M007 disusul dengan M010, sementara pada posisi terendah adalah marketing dengan kode M003, M005, M008, dan M009.
138 Pada kuartal ketiga, marketing yang memiliki nilai balance paling tinggi adalah marketing dengan kode M005 disusul dengan M002, sementara pada posisi terendah adalah marketing dengan kode M003 dan M004.
Gambar 4.87 Balance Nasabah Berdasarkan Marketing Kuartal 4 Pada kuartal keempat, marketing yang memiliki nilai balance paling tinggi adalah marketing dengan kode M002 disusul dengan M010, sementara pada posisi terendah adalah marketing dengan kode M003, M004, M005, M006, M007 dan M009
• Transaksi Subscribe Nasabah Berdasarkan Marketing dengan Sistem Tahunan
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idMarketing, nilaiTransaksi, Deskripsi, dan Balance.
139
Gambar 4.88 Transaksi Subscribe Nasabah Berdasarkan Marketing Tahun 2008
Pada tahun 2008, marketing yang memiliki transaksi subscribe paling tinggi adalah marketing dengan kode M002 disusul dengan M005, sementara pada posisi terendah adalah marketing dengan kode M008.
Gambar 4.89 Transaksi Subscribe Nasabah Berdasarkan Marketing Tahun 2009
140 Pada tahun 2009, marketing yang memiliki transaksi subscribe paling tinggi adalah marketing dengan kode M010 disusul dengan M002, sementara pada posisi terendah adalah marketing dengan kode M005.
Gambar 4.90 Transaksi Subscribe Nasabah Berdasarkan Marketing Tahun 2010
Pada tahun 2010, marketing yang memiliki transaksi subscribe paling tinggi adalah marketing dengan kode M010 disusul dengan M002, sementara pada posisi terendah adalah marketing dengan kode M003.
141
Gambar 4.91 Transaksi Subscribe Nasabah Berdasarkan Marketing Tahun 2011
Pada tahun 2011, marketing yang memiliki transaksi subscribe paling tinggi adalah marketing dengan kode M002 disusul dengan M006, sementara pada posisi terendah adalah marketing dengan kode M003 dan M005.
Gambar 4.92 Transaksi Subscribe Nasabah Berdasarkan Marketing Tahun 2012
142 Pada tahun 2012, marketing yang memiliki transaksi subscribe paling tinggi adalah marketing dengan kode M002 disusul dengan M004, M006, dan M010, sementara pada posisi terendah adalah marketing dengan kode M007
• Transaksi Redeem Nasabah Berdasarkan Marketing dengan Sistem Tahunan
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idMarketing, nilaiTransaksi, Deskripsi, dan Balance.
Gambar 4.93 Transaksi Redeem Nasabah Berdasarkan Marketing Tahun 2008
Pada tahun 2008, marketing yang memiliki transaksi redeem paling tinggi adalah marketing dengan kode M002 disusul dengan M005, sementara pada posisi terendah adalah marketing dengan kode M003 dan M007.
143
Gambar 4.94 Transaksi Redeem Nasabah Berdasarkan Marketing Tahun 2009
Pada tahun 2009, marketing yang memiliki transaksi redeem paling tinggi adalah marketing dengan kode M009, sementara pada posisi terendah adalah marketing dengan kode M010 yang tidak memiliki transaksi redeem.
Gambar 4.95 Transaksi Redeem Nasabah Berdasarkan Marketing Tahun 2010
144 Pada tahun 2010, marketing yang memiliki transaksi redeem paling tinggi adalah marketing dengan kode M002 disusul dengan M007, sementara pada posisi terendah adalah marketing dengan kode M004, M008, M009 dan M010.
Gambar 4.96 Transaksi Redeem Nasabah Berdasarkan Marketing Tahun 2011
Pada tahun 2011, marketing yang memiliki transaksi redeem paling tinggi adalah marketing dengan kode M002 disusul dengan M010, sementara pada posisi terendah adalah marketing dengan kode M008.
145
Gambar 4.97 Transaksi Redeem Nasabah Berdasarkan Marketing Tahun 2012
Pada tahun 2012, marketing yang memiliki transaksi redeem paling tinggi adalah marketing dengan kode M004 disusul dengan M002 dan M010, sementara pada posisi terendah adalah
marketing dengan kode M003.
• Balance Nasabah Berdasarkan Marketing dengan Sistem Tahunan
Analisis pergerakan untuk investasi dianalisis dari dimensi waktu dan atribut yang digunakan terdiri atas idNasabah, kodeTransaksi, idMarketing, nilaiTransaksi, Deskripsi, dan Balance.
146
Gambar 4.98 Balance Nasabah Berdasarkan Marketing Tahun 2008
Pada tahun 2008, marketing yang memiliki nilai balance nasabah tertinggi adalah M005 dan disusul oleh M002, M006, dan M004. Sementara nilai balance nasabah marketing lainnya masih terlihat jelas.
Gambar 4.99 Balance Nasabah Berdasarkan Marketing Tahun 2009
147 Pada tahun 2009, marketing yang memiliki nilai balance
nasabah tertinggi adalah M005 dan disusul oleh M010, M002, dan M006. Dan berada di titik terendah adalah M003, M004, M005 dan M007.
Gambar 4.100 Balance Nasabah Berdasarkan Marketing Tahun 2010
Pada tahun 2010, marketing yang memiliki nilai balance
nasabah tertinggi adalah M010 dan disusul oleh M002. Sementara berada di titik terendah adalah M001, M004, M005, M007 dan M009.
148
Gambar 4.101 Balance Nasabah Berdasarkan Marketing Tahun 2011
Pada tahun 2011, marketing yang memiliki nilai balance
nasabah tertinggi adalah M002 dan disusul oleh M010. Sementara berada di titik terendah adalah M001, M003, M004, M005, M008 dan M009.
Gambar 4.102 Balance Nasabah Berdasarkan Marketing Tahun 2012
149 Pada tahun 2012, marketing yang memiliki nilai balance
nasabah tertinggi adalah M010 dan disusul oleh M006. Sementara berada di titik terendah adalah M003, M005, dan M009.