656| Universitas Multi Data Palembang
PERANCANGAN DATA WAREHOUSE ONLINE ANALYTICAL PROCESSING (OLAP) DATA HASIL KERJA PT. ABC
Tasya Angelya1*), Abdul Rahman 2, & Iis Pradesan3
1,3Program Studi Sistem Informasi, 2Informatika, Fakultas Ilmu Komputer dan rekayasa, Universitas Multi Data Palembang
1[email protected], 2[email protected], 3[email protected]
Kata kunci:
data warehouse; star schema;
nine step kimball; etl
Abstract: PT. ABC is one of the service companies engaged in Industrial Plantation Forests. This company has many teams spread across all work sites so that more and more data is entered, these data certainly need to be stored, processed, and analyzed to produce information that is useful for the company, and reported to managers to find out the state of the company in a certain period of time. Thus, a Data Warehouse is needed that is used to support data that can be used as a source of information when analyzing data. Designing this Data Warehouse uses the Nine Step Kimball method with a Star Schema diagram model. In supporting the design of a data warehouse, tools are needed, namely Pentaho data Integration and Tableau. Using these tools, a Team Data Warehouse can be built by collecting work data including job type, work location, date, work plot and work team name that comes from Ms. Excel and then entered into the MySQL database. The result of this study is an Online Analytical Processing (OLAP) dashboard that comes from the MySQL database and then processed into various information needed, thus forming a dashboard that provides information to the executive.
Abstrak: PT. ABC merupakan salah satu perusahaan jasa yang bergerak dibidang Hutan Tanaman Industri. Perusahaan ini memiliki banyak tim yang tersebar di semua lokasi kerja sehingga data yang masuk semakin banyak pula, data-data tersebut tentunya perlu disimpan, diolah, dan dianalisis untuk menghasilkan suatu informasi yang berguna bagi perusahaan, dan dilaporkan kepada manajer untuk mengetahui keadaan perusahaan pada periode waktu tertentu. Dengan demikian dibutuhkanlah Data Warehouse yang digunakan untuk mendukung data yang dapat dimanfaatkan sebagai sumber informasi ketika menganalisis data. Perancangan Data Warehouse ini menggunakan metode Nine Step Kimball dengan model diagram Star Schema. Dalam mendukung perancangan data warehouse maka dibutuhkan tools yaitu Pentaho data Integration dan Tableau. Dengan menggunakan tools tersebut dapat dibangun sebuah Data Warehouse hasil tim dengan mengumpulkan data-data hasil kerja meliputi jenis pekerjaan, lokasi kerja, tanggal, petak kerja dan nama tim kerja yang berasal dari Ms. Excel lalu dimasukan kedalam database MySQL.
Hasil dari penelitian ini adalah sebuah dashboard Online Analytical Processing (OLAP) yang berasal dari database MySQL lalu diolah ke berbagai informasi yang butuhkan, sehingga membentuk sebuah dashboard yang memberikan informasi kepada pihak eksekutif.
Angelya, dkk (2023). Perancangan Data Warehouse Online Analytical Processing (Olap) Data Hasil Kerja PT. ABC.
MDP Student Conference 2023
Universitas Multi Data Palembang | 657 PENDAHULUAN
Latar Belakang
Teknologi semakin hari semakin maju, hal ini mendorong terus tumbuh pula keahlian manusia dalam mengumpulkan serta mengelola data yang dihasilkan. Data yang banyak dalam perusahaan bisa menimbulkan kesulitan dalam mengelola informasi didalamnya padahal data sangat penting dalam mendukung rencana strategis perusahaan karena sistem operasional saja tidak cukup untuk menghasilkan informasi strategis dalam mendukung pertumbuhan bisnis kedepannya [1]. Semakin hari data yang dihasilkan dari kegiatan operasional akan semakin banyak sehingga membuat data menjadi menumpuk. Hal tersebut memunculkan kebutuhan terdapatnya teknologi yang bisa dimanfaatkan dalam menggali pengetahuan-pengetahuan baru dalam data tersebut sehingga bisa membantu perusahaan dalam mengatur rencana bisnisnya karena data merupakan harta perusahaan [2].
PT. ABC merupakan salah satu perusahaan jasa yang bergerak dibidang kehutanan. Perusahaan ini memiliki banyak pekerja yang tersebar di semua lokasi kerja. Perusahaan ini memiliki pekerja sebanyak 80 kepala rombongan. Saat ini PT. ABC belum memanfaatkan teknologi informasi untuk membantu kegiatan operasionalnya padahal SI/TI menjadi dasar langkah strategis yang baik untuk masa depan perusahaan [3].
Data transaksi masih di input ke Microsoft Excel yang terdiri dari jenis kegiatan, harga, luas, lokasi kerja, tanggal, total upah dan nama tim. Data-data tersebut tidak dimanfaatkan perusahaan sehingga hanya menumpuk saja dari awal perusahaan berdiri sampai sekarang. Maka dari itu dibutuhkan teknologi yang dapat mengelola data untuk mendapatkan informasi yang akurat selaras dengan pertumbuhan data yang cepat.
Berdasarkan penelitan terdahulu yang telah dilakukan menyatakan bahwa OLAP digunakan untuk mengintegrasikan data sehingga dapat membantu pengguna dalam menggali data operasional dan dapat membantu dalam memecahkan masalah bisnis [4]. Penelitian terkait lainnya menyatakan bahwa OLAP dapat membantu mengolah data menjadi bentuk digital dengan cepat sehingga perusahaan dapat lebih tepat dalam mengambil keputusan [5]. Penelitian terdahulu berikutnya menyatakan bahwa dengan semakin banyaknya data yang dimiliki maka semakin sulit dalam menganalisis data sehingga waktu pembuatan laporan relative lama dan informasi yang disajikan masih sangat terbatas. Hal ini berdampak pada pengambilan keputusan yang diambil dinilai masih kurang maksimal. Maka dibutuhkan data warehouse untuk mengintegrasikan serta menggali informasi dari data yang dimiliki untuk mendukung dalam pengambilan keputusan [6].
Pada penelitian ini dilakukan pengembangan data warehouse untuk melakukan analisis dan mendapatkan informasi dari data histori perusahaan yang tersimpan. Penerapan data warehouse ini dapat memberikan informasi yang mempermudah pengambilan keputusan bagi para manajer [7]. Data warehouse merupakan tempat menyimpan informasi yang dikhususkan untuk membantu pengambilan keputusan [8][9].
Selain itu data warehouse memiliki konsep yaitu dapat mengintegrasikan data dari berbagai departemen sehingga dapat membantu perusahaan dalam peningkatan produktivitas dari kegiatan operasional yang semakin bertumbuh pesat [10]. Membangun data warehouse dapat memberikan manfaat strategis bagi bisnis.
Hal ini dikarenakan data warehouse dapat mengakses data dalam jumlah besar, memiliki data yang konsisten, dan kemampuan analisis yang cepat sehingga dengan keunggulan tersebut dapat memberikan informasi yang dibutuhkan organisasi [11]. Data warehouse merupakan bagian dari perencanaan strategis Sistem Informasi dan Teknologi Informasi (SI/TI), dimana perencanaan strategis SI/TI akan melakukan pengambilan data histori yang mempengaruhi organisasi dan menetukan langkah-langkah strategis organisasi [12][13][14].
Data yang akan digunakan dalam penelitian ini untuk membangun data warehouse berasal dari data operasional dalam bentuk file Microsoft Excel dalam kurun waktu 3 tahun yaitu dari Januari 2019 hingga September 2022. Sumber data ini dilakukan proses Extraction, Transformation, dan Loading (ETL) dengan menggunakan tools Pentaho Data Integration yang kemudian di load ke dalam database MySQL dan dirancang dengan menggunakan model dimensional Star Schema. Data yang telah diintegrasikan ke dalam database MySQL divisualisasikan ke dalam sebuah dashboard menggunakan tools Tableau.
658 | Universitas Multi Data Palembang
METODE
Metode penelitian yang digunakan dalam penelitian ini terdiri dari beberapa tahap yang ditunjukkan pada gambar 1
Mulai
Wawancara Studi Literatur
Perancangan Data Warehouse
Selesai Pengumpulan
Data
Gambar 1. Diagram Alir
Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data, data yang diperlukan untuk penelitian ini adalah informasi dan data yang akurat sehingga dapat mendukung penulisan ini. Adapun metode pengumpulan data adalah (1) Wawancara. Proses ini dilakukan melalui wawancara langsung dengan pihak perusahaan untuk mendapatkan penjelasan tentang sistem yang berjalan dan serta untuk mendapatkan data yang objektif tentang sistem penyimpanan data dan pengelolaan data yang terdapat pada perusahaan yang diperlukan dalam melakukan analisis dan desain data warehouse. (2) Studi literatur. Proses ini dilakukan pengumpulan data dengan menggali informasi dari data yang diperbolehkan oleh perusahaan dalam menunjang penelitian.
Perancangan Data Warehouse
Pada tahap ini dilakukan perancangan Data Warehouse menggunakan metodologi nine steps Kimball yang terdiri dari Sembilan tahap yang dapat dilihat pada gambar 2.
Universitas Multi Data Palembang | 659
Start
Pemilihan proses (membangun data mart)
Pemilihan sumber (untuk memustuskan apa yang diwakili tabel
fakta)
Mengidentifikasi dimensi
Pemilihan fakta
Menyimpan pre- kalkulasi di tabel fakta
Melengkapi tabel dimensi
Pemilihan durasi basis data
Menelusuri perubahan dimensi secara perlahan
Menentukan prioritas dan mode query
End
Gambar 2 Alur Perancangan Data Warehouse [15] [16]
Sembilan langkah tersebut dijelaskan sebagai berikut. (1) Pemilihan Proses. Pada tahap ini dilakukan pemilihan proses berdasarkan hasil wawancara yang telah dilakukan kepada manager perusahaan untuk mendapatkan gambaran proses bisnis yang berjalan. Proses yang dipilih dalam perancangan data warehouse ini ialah proses pemilihan tim kerja pada PT. ABC. (2) Pemilihan Sumber. Proses ini meliputi pemilihan data yang diperlukan untuk kebutuhan data fakta data warehouse. Berdasarkan proses bisnis yang ada maka dapat menentukan sumber data. Sumber data yang dipilih adalah data perekapan hasil kerja tim. (3) Mengidentifikasi Dimensi. Pada tahap ini dilakukan identifikasi dan penyesuaian dimensi yang terkait dengan fakta yang ditampilkan dalam bentuk matriks. Adapun dimensi yang digunakan dalam data warehouse ini adalah seperti terlihat pada Tabel 1.
Tabel 1. Dimensi
Nama Dimensi Deskripsi
DimPekerjaan Berisi informasi tentang jenis-jenis kegiatan yang dilakukan.
DimLokasi Berisi informasi mengenai lokasi mana yang dikerjakan tim.
DimTeam Berisi informasi mengenai nama-nama tim.
DimWaktu Berisi informasi tentang skala waktu, yaitu tanggal, bulan dan tahun
(4) Pemilihan Fakta. Setelah ditentukannya dimensi, tahap selanjutnya dilakukan pemilihan fakta. Tabel fakta yang dirancangd apat dilihat pada Tabel 2.
660 | Universitas Multi Data Palembang
Tabel 2. Fakta
Nama Fakta Deskripsi
Id_Pekerjaan Berisi jenis-jenis pekerjaan Id_Lokasi Berisi lokasi-lokasi kerja
Id_Team Berisi tim kerja
Id_Waktu Berisi waktu setiap pekerjaan
FaktaLuas Berisi informasi jumlah luas lahan yang dikerjakan
FaktaHarga Berisi informasi harga per jenis kegiatan
(5) Menyimpan pre-kalkulasi di tabel fakta. Analisis terhadap fakta-fakta yang ada, tidak didapati kondisi pre-kalkulasi. (6) Melengkapi tabel dimensi. Pada tahap ini yang dilakukan adalah menambahkan keterangan selengkapnya pada tabel dimensi. Tabel dimensi tersebut dilengkapi dengan atribut (a) DimPekerjaan berisi informasi mengenai jenis-jenis kegiatan yang dikerjakan. Yang didalamnya terdapat field: IDPekerjaan, Pekerjaan. (b) DimLokasi berisi informasi mengenai lokasi kerja tim. Di dalamnya terdapat field: IDlokasi, Lokasi, dan Blok. (c) DimTeam berisi informasi mengenai nama-nama tim yang melakukan pekerjaan. Di dalamnya terdapat field: IDTeam, NamaTeam. (d) DimWaktu berisi waktu kegiatan dikerjakan. Di dalamnya terdapat field: IDWaktu, tanggal, bulan, dan tahun. (7) Pemilihan durasi basis data. Durasi mengukur waktu dari pembatasan data yang diambil dan dipindahkan ke tabel fakta. Pada penelitian ini, durasi yang akan diambil adalah dari Januari 2019 sampai September 2022. (8) Menelusuri perubahan dimensi secara perlahan.
Dari analisa penulis terhadap dimensi-dimensi yang telah ada, dan juga berdasarkan hasil analisa record yang ada selama beberapa tahun ini, maka disimpulkan tidak ada data yang berubah baik sekarang ataupun nantinya. (9) Menentukan prioritas dan mode query. Langkah terakhir adalah langkah yang berhubungan dengan fisikal terutama dengan pengurutan data dan juga pencarian data melalui indexing. Tahap perancangan fisik ini menghasilkan data warehouse yang siap diimplementasi. Untuk itu perlu sebuah sistem yang didalamnya berisi query yang digunakan untuk menampilkan data yang diinginkan oleh pengguna.
HASILDANPEMBAHASAN
Model dimensional yang digunakan untuk membuat data warehouse pada penelitian ini adalah menggunakan star schema, karena sesuai dengan karakteristik sumber data yang digunakan. Dalam membuat data warehouse ini terdapat satu tabel fakta dan beberapa tabel dimensi, data yang digunakan adalah data laporan hasil kerja dari periode Januari 2019 sampai dengan September 2022. Proses ETL data dijelaskan sebagai berikut:
Proses Input Data
Dalam proses ini akan mengimport data hasil kerja dari Januari 2019 sampai September 2022 dalam bentuk Microsoft Excel. Proses ini dilakukan dengan memilih file yang akan digunakan dalam proses pembuatan data warehouse, setelah itu file akan ditambahkan ke dalam tools pentaho. Lalu memilih sheet serta menginput nomor baris dan kolom yang akan digunakan. Proses input data dapat dilihat pada Gambar 3.
Universitas Multi Data Palembang | 661 Gambar 3. Proses Input Data
Pembentukan Tabel Dimensi
Gambar 4. Pembentukan Tabel Dimensi
Gambar 4 merupakan proses pemindahan data dari sumber data hasil kerja menjadi tabel dimensi ke dalam database. Langkah pembentukan tabel dimensi dimulai dari mengambil sumber data hasil kerja yang mempunyai format file Microsoft Excel. Pada tahap transformation menggunakan fitur Select values untuk memilih nama kolom dari sumber data hasil kerja, pada tahap ini akan dipilih fields mana saja yang dianggap penting berdasarkan kebutuhan dari data warehouse yang akan dibangun. Lalu pada saat akan melakukan Load ke dalam Database MySql maka harus membuat connection dengan database server.
Kemudian dilanjutkan dengan menentukan target table yang akan digunakan. Target table diisi sesuai nama tabel dimensi yang sudah ditentukan sebelumnya, dan selanjutnya dipilih menu Get Fields untuk menampilkan field yang telah dipilih pada langkah select values. Setelah memilih field yang digunakan, langkah selanjutnya melakukan query sesuai dengan tabel dimensi yang dibuat.
Pembentukan Tabel Fakta (fact_tabel)
Gambar 8. Fact_Tabel.Ktr
Gambar 8 merupakan proses pemindahan data dari data hasil kerja ke tabel fact_tabel dalam database. Langkah pembentukan fact_tabel sama seperti proses pembentukan tabel dimensi.
662 | Universitas Multi Data Palembang Star Schema
Dari hasil ETL tabel-tabel dimensi dan tabel fakta maka dibentuklah sebuah model diagram yaitu star schema. Perancangan ini menunjukkan relasi antara tabel fakta dan dimensi pekerjaan, dimensi petak, dimensi waktu, serta dimensi tim yang dapat dilihat pada Gambar 9
Gambar 9. Star Schema
Implementasi Data Warehouse
Pada tahap ini dilakukan pembuatan dashboard PT. Musi Nauli Lestari secara intuitif dari data yang telah diproses ETL yang digunakan untuk membuat visualisasi data berdasarkan transformasi data yang telah dilakukan. Data yang sudah di ETL akan masuk ke dalam database MySQL lalu database harus dihubungkan ke Tableau agar bisa dikelola dengan membuat berbagai jenis laporan visualisasi. Hasil visualisasi menggunakan tools Tableau dapat dilihat pada Gambar 10.
Gambar 10. Dashboard Hasil Visualisasi Menggunakan Tools Tableu
Universitas Multi Data Palembang | 663 Dashboard Gambar 10 menunjukkan persebaran tim pada semua lokasi dengan hasil kegiatan perawatan tanam tertinggi dan terendah. Pendapatan (omset) dan lokasi kerja terluas PT. ABC di setiap lokasi kerja per tahun juga tervisualisasi pada dashboard Gambar 10. Visualisasi ini dimaksudkan dapat memberikan informasi mengenai tim yang kompeten dan yang kurang kompeten, sehingga dapat menjadi pertimbangan perusahaan dalam memilih tim untuk pekerjaan yang akan datang.
SIMPULAN
Penelitian ini dilakukan untuk merancang data warehouse dari data operasional PT.ABC yaitu terkait data hasil tim yang berasal dari sumber data dalam format Ms. Excel yang kemudian diintegrasikan kedalan database MySQL. Dimensional Modelling Star schema yang digunakan sangat membantu dalam proses perancangan data warehouse. Proses ETL menggunakan Tools Pentaho Data Integration serta tools Tableau.
Pada penelitian ini dihasilkan sebuah dashboard yang dapat menampilkan rangkuman data hasil kerja seperti omset perusahaan per tahun, lokasi kerja terluas per tahun, 10 team terbaik dan lain-lain. Perusahaan tidak perlu melakukan query terlebih dahulu ketika menampilkan data di dashboard sehingga dapat mempermudah perusahaan serta dapat memberikan informasi dalam pengambilan keputusan bagi para manajer.
DAFTARPUSTAKA
[1] H. T. Sherly, Yosef Stephen, “Analisis dan Perancangan Data Warehouse pada Koperasi IPEKA,”
Encycl. Geogr. Inf. Sci., pp. 1–6, 2018, doi: 10.4135/9781412953962.n41.
[2] H. Lubis and D. B. Srisulistiowati, “Implementasi Sistem Data Mining Untuk Menentukan Stock Accuracy pada Warehouse PT Coca-Cola Amatil Indonesia Cibitung–Plant,” J. Media Inform.
Budidarma, Vol. 4, No. 1, p. 72, 2020, doi: 10.30865/mib.v4i1.1795.
[3] dan P. F. T. Edy Kurniawan, Yani Rahardja, “Perencanaan Strategis SI/TI pada Aplikasi Gudang Menggunakan Metode Ward and Peppard di CV. Ribka Furniture,” J. Tek. Inform. dan Sist. Inf., Vol.
8, No. 1, pp. 141–151, 2021.
[4] B. Yusuf Bakhtiar, A. Bima Murti Wijaya, and H. Dwi Cahyono, “Pengembangan Sistem Analisis Akademis Menggunakan Olap dan Data Clustering Studi Kasus: Akademik Universitas Sebelas Maret Surakarta,” J. Teknol. Inf. ITSmart, Vol. 4, No. 1, p. 01, 2016, doi: 10.20961/its.v4i1.1748.
[5] R. Ahmad Cucus, “Implementasi OLAP Untuk Efektivitas Pelaporan Data (Study Kasus Data Dosen dan Karyawan),” Sist. Inf. dan Telemat., 2017.
[6] J. Purwanto and R. Renny, “Perancangan Data Warehouse Rumah Sakit Berbasis Online Analytical Processing (OLAP),” J. Teknol. Inf. dan Ilmu Komput., Vol. 8, No. 5, p. 1077, 2021, doi:
10.25126/jtiik.2021854232.
[7] M. Kusmawaty, “Perancangan dan Implementasi Data Mining Dalam Proses Penerimaan Siswa Baru Dengan Metode Quantitative Association Rule,” J. Tek. Komput., 2017.
[8] G. Satyanarayana Reddy, R. Srinivasu, M. Rao Poorna Chander, and S. R. Rikkula, “Data Warehousing, Data Mining, Olap and Oltp Technologies Are Essential Elements To Support Decision- Making Process in Industries,” Int. J. Comput. Sci. Eng., 2010.
664 | Universitas Multi Data Palembang
[9] A. Rahman, Ermatita, and D. Budianta, “Data Warehouse Design for Soil Nutrients with IoT Based Data Sources,” Proc. - 1st Int. Conf. Informatics, Multimedia, Cyber Inf. Syst. ICIMCIS 2019, pp.
181–186, 2019, doi: 10.1109/ICIMCIS48181.2019.8985209.
[10] A. F. Karami, “Perancangan Arsitektur Data Warehouse pada Industri Perkebunan Kelapa Sawit,”
JATISI (Jurnal Tek. Inform. dan Sist. Informasi), Vol. 9, No. 2, pp. 973–983, 2022, doi:
10.35957/jatisi.v9i2.1834.
[11] A. P. Nugraha, “Perancangan Data Warehouse Penjualan Untuk,” semnasIF, pp. 350–359, 2020.
[12] E. Kurniawan, Y. Rahardja, dan P. Fiodinggo Tanaem, “Perencanaan Strategis SI dan TI pada Aplikasi Gudang Menggunakan Metode Ward and Peppard pada CV.Ribka Furniture,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), Vol. 8, No. 1, Hal. 141–151, Mar 2021, doi:
10.35957/jatisi.v8i1.618.
[13] A. Lah, Y. Rahardja, dan M. N. N. Sitokdana, “Perencanaan Strategis Sistem Informasi Menggunakan Metode Ward and Peppard pada PT. Serasi Autoraya,” Sebatik, Vol. 23, No. 1, Hal.
185–191, 2019, doi: 10.46984/sebatik.v23i1.467.
[14] W. Ferry dan A. Wijaya, “Perencanaan Strategis SI/TI Menggunakan Metode Ward and Peppard (Studi Kasus: Sinode GKJ),” Semin. Nas. Sist. Inf. Indones., No. November, hal. 39–44, 2018.
[15] R. Kimball and M. Ross, The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling, Third Edition, 3rd ed. John Wiley & Sons, Inc: John Wiley & Sons, Inc, 2013.
[16] R. Trendiansyah, M. Wahidin, and A. Rahman, “Perancangan Data Warehouse Pelanggan TV Kabel pada PT SriwijayaA Mitra Media Palembang”.
