BAB 2
LANDASAN TEORI
2.1
Pendekatan Umum
2.1.1
Pengertian Data
Menurut
Inmon
(2002,
p388),
dikemukakan bahwa
“Data
is
a
recording
of
facts,
concepts,
or
instructions on
a
storage
medium
for
communication, retrieval,
and
processing
by
automatic
means
and
presentation as information that is understandable by human being” yang
dapat
diartikan
bahwa data
adalah sebuah rekaman
fakta,
konsep, atau
instruksi pada sebuah media penyimpanan untuk komunikasi, pencarian,
dan
pemrosesan
secara otomatis
dan
dapat
memberikan
informasi
yang
mudah dimengerti oleh pemiliknya atau pihak yang bersangkutan.
Menurut
Laudon (2006,
p13),
data
adalah
kumpulan
fakta
yang
masih
mentah
yang
menjelaskan aktivitas-aktivitas yang
terjadi
dalam
organisasi atau lingkungan fisik, sebelum terorganisir dan diubah menjadi
bentuk yang dimengerti dan dapat digunakan.
Berdasarkan
definisi
di
atas,
dapat dilihat
bahwa
data
merupakan
suatu
bentuk dasar
dari
rekaman
fakta
yang belum
diolah
atau
dimanipulasi. Data
yang
didapatkan
pada
suatu
perusahaan
umumnya
diperoleh dari hasil kegiatan operasi sehari-hari atau
hasil dari
transaksi
yang  dilakukan,  yang 
nantinya 
dapat  digunakan  untuk  kepentingan
perusahaan.
7
  
8
3.   RDBMS  (Relational
Database  Management  System),
merupakan
sistem database untuk jumlah user yang besar dengan integritas data
2.1.2
Pengertian Database
Menurut
Connolly dan
Begg
(2005,
p15),
database
merupakan
kumpulan
dari
data
logical
yang
berhubungan dan
deskripsi
dari
data
tersebut yang dirancang untuk kebutuhan informasi suatu perusahaan.
Sedangkan 
menurut 
Inmon 
(2002, 
p388), 
”a
database 
is 
a
collection
of
interrelated data
stored
(often
with
controlled,
limited
redudancy) according to a schema” yang dapat diartikan bahwa database
adalah sekumpulan penyimpanan data yang berhubungan (sering
dengan
pengontrolan, redudansi yang terbatas) yang berdasarkan suatu skema.
Berdasarkan
hal
diatas,
dapat
disimpulkan
bahwa database
merupakan kumpulan dari data yang saling berhubungan dan terintegrasi
yang mana dapat digunakan untuk
memenuhi kebutuhan informasi suatu
organisasi.
Database terbagi dalam beberapa kategori umum, sebagai berikut:
1.
Paper-based,
merupakan  database yang 
paling  sederhana  yang
disimpan
dalam    bentuk    kumpulan    kertas    dokumen    yang
terorganisasi.
2.
Legacy
Mainframe,
biasa
dikenal dengan
database
VSAM (Virtual
Storage
Access    Method).   Legacy    Mainframe    menggunakan
kemampuan mainframe
untuk
melakukan
proses
penyimpanan
dan
pengaksesan data.
  
9
yang
lebih
baik.
RDBMS
memiliki
kemampuan untuk
menjaga
integritas
data.
Oleh
sebab
itu skripsi
ini
memakai sistem
database
tersebut. 
Struktur 
perintahnya  disebut 
dengan 
SQL  (Structured
Query Language).
4.
Object-oriented   Database,  menggunakan  sistem  objek  dalam
penyimpanan data.
Data
disimpan
bukan
dalam
bentuk
tabel
melainkan dalam bentuk objek-objek yang terpisah.
5.
DBase,
mengandung ISAM (Index Sequential Access Method)
yang
merupakan metode pengaksesan data secara berurutan yang memiliki
indeks. Pada umumnya menggunakan file yang terpisah untuk setiap
tabelnya. Contoh database yang menggunakan sistem ini antara lain
DBase, FoxPro, Microsoft Access dan Paradox.
6.
SQL
(Structured
Query
Language)
merupakan
suatu
bahasa
akses
data atau sub-bahasa data dan dalam pengertian itu SQL
merupakan
bahasa yang sangat terbatas yang hanya mampu mengatur bagimana
tabel data
dapat
dimanipulasi. SQL
terbagi
menjadi tiga
komponen
utama,
yaitu
DDL
(Data
Definition Language)
yang
mencakup
perintah
create,  alter,  dan  drop.  DML  (Data   Manipulation
Language) yang
mencakup perintah select, insert, delete, dan update
dan
yang
terakhir adalah
DCL
(Data
Control
Language) yang
mencakup perintah grant, revoke.
  
10
Berdasarkan Connolly (2005, p1151), “Data warehouse is a subject
oriented, integrated, time variant and non-volatile collection of data in
2.1.3
Pengertian OLTP (Online Transaction Processing)
Menurut
Vieira
(2000,
p892),
OLTP
(On-Line Transaction
Processing) adalah sistem operasional yang didasarkan pada proses dan
fungsi bisnis.
OLTP
(Online
Transaction Processing)
adalah suatu
proses
yang
menyediakan mekanisme transaksi pada suatu database. Pada proses
ini,
desain
pada
database
harus
bersifat
cepat
untuk transaction
(insert,
update,
delete).
Hal
ini
bisa
didapatkan dengan
cara
melakukan
normalisasi terhadap tabel-tabel pada database.
Keuntungan  dari  normalisasi  adalah  mengurangi  redudansi  data
yang
terdapat pada
tabel-tabel.
Hal
ini
memungkinkan
proses
transaksi
yang cepat,
karena
data
yang
perlu
di-update
pada
tabel
menjadi
lebih
sedikit.
Proses
peng-update-an data-datanya
pun
bersifat
real
time
situation.
Dengan kata
lain
setiap
kali
ada
data
baru
yang
bukan
merupakan redudansi dari data yang pernah ada, akan di-update seketika.
OLTP
memungkinkan
banyak
pengguna
mengakses sumber
data
yang
sama
pada
saat
yang
bersamaan
dan
melaksanakan proses
yang
diperlukan.
Sistem
ini
memungkinkan
transaksi-transaksi dilaksanakan
dalam database, pada saat proses bisnis berlangsung.
2.1.4
Pengertian Data Warehouse
  
11
support
of
management’s
decision-making process”.
Dapat
diartikan
bahwa
data
warehouse adalah
koleksi
data
yang
mempunyai
sifat
berorientasi  pada  subjek,  terintegrasi, 
memiliki  rentang 
waktu,  dan
koleksi
datanya
tidak
mengalami
perubahan
dalam
mendukung proses
pengambilan keputusan di tingkatan manajerial.
Menurut Inmon (2002,
p31),
data
warehouse
adalah
gabungan
teknologi-teknologi yang
bertujuan
mengefektifkan
integrasi
database
operasional ke
dalam
lingkungan
yang
memungkinkan penggunaan data
secara strategis.
Sedangkan 
menurut 
Creative  Data 
(www.credata.com/research/
terminology.html)
menyebutkan bahwa data
warehouse dibangun
untuk
mendukung
akses
informasi. Data
memerlukan pembersihan
dan
strukturisasi ulang untuk mendukung queries, summaries, dan analisis.
Berdasarkan 
pengertian-pengertian 
di   atas, 
dapat 
disimpulkan
bahwa data
warehouse
merupakan
kumpulan-kumpulan dari
data
yang
dapat mendukung proses pengambilan keputusan dalam suatu organisasi.
2.1.5
Data Mart
Data
mart
merupakan
bagian
dari
data data
warehouse,
yang
mendukung kebutuhan
informasi bagian departemen
atau
fungsi
bisnis
tertentu (Connoly dan Begg, 2005, p1171).
  
12
Berikut
karakteristik
yang
membedakan antara data
mart dengan
data warehouse:
1.
data  mart
berfokus
pada
kebutuhan
pengguna
yang  berhubungan
dengan satu bagian departemen atau fungsi bisnis.
2.
data mart tidak berisi data operasional yang bersifat detail.
3.
data mart lebih mudah dimengerti dan digunakan.
2.1.6
Perbandingan Data Warehouse dan OLTP
Data
warehouse
dapat
dibandingkan
dengan
OLTP
(Data
Operasional) sebagai berikut:
Tabel 2.1 Perbandingan OLTP (Data Operasional) dan OLAP (Data Warehouse)
OLTP
(Data Operasional)
OLAP
(Data Warehouse)
Berorientasi Aplikasi
Berorientasi Subjek
Menyimpan detailed data
Menyimpan summarized data
Dapat diupdate dan didelete
Tidak dapat di update
Transaction driven
Analysis driven
Strukturnya tetap
Strukturnya fleksibel
Jumlah data yang diproses kecil
Jumlah data yang diproses besar
Non-redundancy (normalisasi)
Redundancy (denormalisasi)
Untuk komunitas karyawan
Untuk komunitas manajerial
Current value data
Historical data
Mendukung keputusan day-to-day
Mendukung keputusan strategis
  
13
2.1.7
Karakteristik Data Warehouse
Menurut Inmon (2002, p31), data warehouse mempunyai sifat-sifat
antara lain:
1.
Subject Oriented
Data warehouse disusun berdasarkan subjek-subjek yang ada
dalam
sebuah
perusahaan,
dimana
setiap
area
subjek
secara
fisik
diimplementasikan sebagai kumpulan dari tabel yang berhubungan di
dalam data warehouse dan tidak berorientasi pada proses atau fungsi
aplikasi
tertentu.
Dalam
pengaksesan data
pengguna
pun
harus
berorientasi pada subjek tertentu.
Informasi
pada
data
warehouse ditampilkan
berdasarkan
subjek-subjek atau area
peminatan
yang
spesifik.
Data-datanya pun
dimanipulasi sedemikian
rupa
sehingga
menyediakan
informasi
mengenai sebuah subjek secara khusus.
2.
Integrated
Dari semua aspek data warehouse, integrasi merupakan salah
satu
karakteristik
yang
paling
penting.
Data
dikumpulkan dari
beragam
sumber-sumber
yang
terpisah
ke
dalam
sebuah data
warehouse.
Sebelumnya data
tersebut
harus
dikonversi,
diformat
kembali,
disusun
kembali,
diringkas.
Integrasi
akan
terjadi
ketika
  
14
data
berasal dari
lingkungan operasional
yang
berorientasi aplikasi
ke data warehouse.
Data  dalam
data  warehouse disimpan
dalam  suatu  format
yang 
konsisten 
(penamaan 
variabel, 
ukuran 
dan  atribut 
fisik).
Sebagai
contoh,
kita
mempunyai
data
yang
berasal
dari
tiga
order
yang
berbeda.
Pada
order entry
pertama
berisi
kode
produk
yang
terdiri
dari
7
buah digit
angka (87654321), pada order
entry
kedua
berisi
kode
sistem
outlet
yang
terdiri
dari
9 digit
alphanumeric
(BM67KI897) dan order
entry
terakhir
berisi
sistem
catalog
yang
terdiri dari empat digit alphabet dan empat digit angka (KKLU5421).
Untuk
membuat subjek area
yang berguna dalam perancangan data
warehouse
maka sumber
data
yang
ada
harus terintegrasi.
Hal
ini
berarti
bahwa
tiga
jenis
tipe
pengkodean diatas
harus
dapat
dimodifikasikan sesuai
dengan
aturan
pengkodean
yang
berlaku
dalam data warehouse tersebut.
Data
warehouse
menyediakan
beragam
kemampuan dari
berbagai
sumber
informasi
tunggal agar
dapat
dimengerti
area-area
peminatan
yang
banyak
sehingga
menampung
informasi ragam
subjek.
3.
Time Variant
Setiap unit data dalam data warehouse hanya akurat dan tepat
dalam
periode
waktu
tertentu.
Dalam
beberapa
kasus,
record-nya
  
15
berupa time stamped. Tapi dalam kasus lain, record memiliki tanggal
transaksi. 
Tetapi  dalam  setiap  kasus  ada 
beberapa  bentuk  dari
penanda
waktu
untuk
menunjukkan
waktu
sepanjang
record
yang
akurat.
Lingkungan
yang
berbeda
memiliki horizon
waktu
yang
berbeda. Horizon
waktu
merupakan parameter
dari
waktu
yang
direpresentasikan
dalam
suatu
lingkungan. Horizon
waktu
yang
normal   untuk   sistem   operasional   adalah   sekitar   60-90   hari,
sedangkan
untuk
data
warehouse adalah
sekitar
5-10
hari.
Oleh
karena
perbedaan dalam
horizon
waktu
inilah,
data
warehouse
mengandung
histori
lebih
banyak dibandingkan
dengan
lingkungan
lainnya.
Data
yang
terdapat
dalam data
warehouse
berhubungan
dengan
suatu titik atau poin pada periode
waktu tertentu
(semester,
tahun fiskal, atau kuartal). Data tersebut merupakan hasil ringkasan.
Hal
ini
membantu
dalam
menentukan
kinerja
dari query
data
warehouse,
serta  dalam 
membentuk 
pengertian  bisnis. 
Sebagai
contoh, data
hasil
penjualan produk X
pada kuartal pertama tahun
2001 di kota B.
Data
warehouse
mengandung histori
sebuah
subjek
sama
seperti 
informasi  terkini, 
informasi 
yang 
bersifat 
historikal
merupakan komponen yang penting dari data warehouse.
  
16
4.
Non-volatile
Data
dari
data
warehouse di-load
dan
diakses,
tetapi tidak
diupdate
(dirubah).
Ketika
data
dalam data
warehouse
di-load,
datanya
di-load dalam
bentuk snapshot, dengan
format
yang
statis.
Record
snapshot baru
ditulis
ketika
perubahan
terjadi.
Sehingga
sejarah data akan tersimpan di dalam data warehouse.
Data
warehouse bersifat read-only.
Pengguna tidak
bisa
mengubah data
yang
terdapat
di
dalamnya. Tidak
seperti
sistem
database
operasional
yang
bersifat
mengumpulkan data
(data
capture),
Data
warehouse
berfungsi
mendukung system
reporting.
Pada sistem database operasional terdapat tiga operasi
yaitu insert,
update
dan
delete,
sedangkan pada
data
warehouse
hanya
bisa
membaca saja (read-only).
Informasi
yang
stabil
tidak
akan
berubah
begitu
saja
setiap
kali
eksekusi
proses
operasional
terjadi.
Informasi
pada data
warehouse tetap konsisten tanpa terpengaruh kapan data warehouse
diakses.
2.1.8
Struktur Data Warehouse
Menurut Inmon(2002, p35), ada tiga tingkatan detail data, yaitu:
1.
Current Detail Data
Current
detail data
berisi
data
yang
mencerminkan keadaan
yang   sedang   berjalan   saat   ini   yang   diperoleh   dari 
database
  
17
operasional.
Data
tersebut
mempunyai ukuran
sangat
besar
karena
merupakan tingkatan terendah dan
menyimpan semua
informasi dan
data yang ada dalam perusahaan.
Current   detail   data   selalu  menjadi   perhatian   utama,  hal  ini
disebabkan karena:
a.
Jumlah  datanya  sangat  banyak  dan  disimpan  pada  tingkatan
penyimpanan terendah.
b.
Merefleksikan kejadian
yang sedang berlangsung dalam sebuah
perusahaan.
c.
Digunakan
untuk
merekapitulasi data,
sehingga
current
detail
data harus akurat.
d.
Disimpan
dalam
media penyimpanan
agar
cepat diakses, tapi
membutuhkan biaya yang mahal dan pengaturan yang kompleks.
2.
Old Detail Data
Merupakan history data dari perusahaan yang
merupakan hasil
backup yang disimpan dalam media penyimpanan yang terpisah dan
dapat
diakses
kembali
pada
saat
tertentu.
Old
detail data
biasanya
disimpan
pada
media
penyimpanan
seperti tape
disc
karena
pengaksesannya  relatif 
jarang. 
Namun 
penyusunan 
direktorinya
harus
mencerminkan umur data sehingga dapat memudahkan dalam
pengaksesannya. Data
ini
dapat
digunakan
untuk
memudahkan
melakukan analisis trend.
  
18
3.
Summarized Data
Suatu
kelompok
data
yang
dikelompokkan
berdasarkan
suatu
hubungan tertentu dari data besar, sehingga menjadi data
yang lebih
kecil,
yang
dapat
digunakan untuk
pembuatan
laporan
di
tingkat
eksekutif,
analisa trend
dan
pembuatan keputusan. Ada
dua
jenis
summarized data, yaitu:
Lightly Summarized Data
Merupakan ringkasan dari
data detail pada tingkatan
menengah
tapi
belum
bersifat
total summary,
biasanya data
ini
disimpan
pada
media
penyimpanan seperti
disk.
Data-data
ini
memiliki
tingkatan
detail 
yang
lebih
tinggi
dan 
mendukung
kebutuhan
data
warehouse pada
tingkat
departemen.
Tingkatan
data
ini
disebut
juga data
mart.
Akses
terhadap data
jenis
ini
banyak
digunakan
untuk
view
dari
kondisi
yang
sedang
maupun
yang
sudah berjalan.
Highly Summarized Data
Merupakan ringkasan
yang
bersifat
totalitas,
solid
dan
mudah
diakses.
Highly
summarized data
digunakan
untuk
melakukan
analisa perbandingan
data
berdasarkan
waktu
dan analisa
yang
menggunakan database multidimensi.
  
19
2.1.9
Arsitektur Data Warehouse
Berdasarkan Connolly dan
Begg (2005, p1156), komponen utama
data warehouse terdiri dari:
a.
Operational  Data 
Source,
sumber 
data 
ini  didapat  dari 
data
operasional yang dilakukan pada database awal.
b.
Operational  
Data  
Store   (ODS),  tempat 
penyimpanan   data
operasional
yang
sedang
terjadi
dan
yang
terintegrasi yang
digunakan untuk analisis.
c.
Load  Manager  (sering  
juga   disebut   komponen   front-end),
menampilkan semua
operasi
yang
diasosiasikan
dengan
data
yang
telah diekstrak dan di-load ke dalam warehouse.
d.
Warehouse    Manager,  
menampilkan    semua   
operasi   
yang
diasosiasikan dengan manajemen data dalam warehouse.
e.
Query   Manager   (disebut  juga  dengan  komponen  backend),
menampilkan semua operasi yang diasosiasikan dengan manajemen
dari user queries.
f.
Detailed Data,
Meta-data, Lightly
and
Hightly Summarized Data,
untuk
komponen
ini
sudah
dijelaskan
pada
bagian
struktur data
warehouse.
g.
Archive/Backup Data,
area warehouse
yang
menyimpan
detailed
dan summarized data yang bertujuan sebagai arsip dan backup data.
h.
End-User
Access
Tools,
dapat  dikategorikan
menjadi  lima  grup
utama:
data
reporting and
query
tools,
application
development
  
20
tools, executive information systems (EIS) tools, online analytical
processing (OLAP) tools and data mining tools.
Sumber : Conolly, 2005, p1157
Gambar 2.1 Gambar Arsitektur Data Warehouse
2.1.10 Data Flow Dalam Data Warehouse
Menurut  Connolly  dan  Begg  (2005,  p1161),  manajemen  data
warehouse berfokus pada lima data flow utama, yaitu:
1.
Inflow, merupakan proses
untuk
memasukkan data dari sumber data
ke
dalam
data
warehouse. Ada
beberapa
proses
yang
dilakukan,
seperti extraction, cleansing, dan loading.
2.
Upflow, merupakan proses untuk
menambah nilai pada data dalam
data
warehouse
dengan
tahap-tahap
summarizing,
packaging, dan
  
21
distributing
data.
Yang
dilakukan
pada
tahap
summarizing adalah
memilih,
memproyeksikan,
menggabungkan,
dan
mengelompokkan
data
dari
relational
menjadi view,
yang
berguna
untuk
pengguna
akhir. Hasil summarizing akan diubah ke dalam format tertentu untuk
mudah didistribusikan kepada pengguna akhir pada tahap packaging.
Formatnya dapat dalam bentuk spreadsheet, dokumen teks, diagram,
dan
animasi.
Kemudian
data
tersebut
didistribusikan dalam
kelompoknya
yang
sesuai
untuk
meningkatkan ketersediaan
dan
pengaksesan data.
3.
Downflow,  merupakan  proses  untuk  backup   data  pada  data
warehouse.
4.
Outflow,
proses
untuk
mendistribusikan
data
dari
data
warehouse
kepada
pengguna
akhir
sesuai
dengan
kebutuhan dari
pengguna
tersebut.
5.
Meta-flow, proses
yang berhubungan dengan
manajemen metadata
dalam data warehouse.
2.1.11 Skema Data Warehouse
2.1.11.1
Tabel Fakta
Tabel
fakta
adalah
tabel utama
pada
pemodelan
dimensional
yang berisi data
yang akan dianalisis dan bersifat
numerik, dimana
data tersebut disebut dengan measure.
Tabel
fakta  terdiri  dari  measure dan  foreign key dari  table-tabel
  
22
dimensi   yang   menjelaskan   lebih   lanjut   data   yang   akan
dianalisis.
2.1.11.2
Tabel Dimensi
Tabel dimensi adalah tabel yang berisi deskripsi bisnis.
Tabel dimensi digunakan
untuk
mnjelaskan table
fakta secara
tekstual, dimana terdiri dari satu primary key dan atribut-atribut
lainnya yang berisi deskripsi bisnis.
2.1.11.3
Pemodelan Dimensional
Menurut Connolly dan Begg (2005, p1183), pemodelan
dimensional atau dimensionality modeling adalah teknik desain
logical
yang
bertujuan
untuk
merepresentasikan data,
dimana
desain
ini
memungkinkan pengaksesan
data
dengan
kinerja
yang tinggi.
2.1.11.4
Skema Bintang
Menurut
Connolly dan
Begg
(2005, p1183),
skema
bintang
adalah
struktur
logical
yang
mempunyai table
fakta
yang
berisi
data
aktual,
dimana
tabel
fakta
dikelilingi tabel-
tabel dimensi. Contoh gambar skema bintang dapat dilihat pada
gambar 2.2.
  
23
Sumber : www.dmreview.com
Gambar 2.2 Skema Bintang
2.1.11.5
Skema Snowflake
Menurut Connolly dan
Begg (2005, p1184), snowflake
schema adalah variasi dari skema bintang dimana table dimensi
tidak berisi data yang di-denormalisasi. Lihat Gambar 2.3.
  
24
Sumber : www.msdn.microsoft
Gambar 2.3 Skema Snowflake
2.1.11.6
Keuntungan dari Penggunaaan Pemodelan Dimensional
Menurut
Connolly dan
Begg
(2005,
p1185),
berikut
merupakan
beberapa
keuntungan
dari
penggunaan pemodelan
dimensional yaitu:
1.
Pengaksesan data lebih efisien.
2.
Menggambarkan keadaan bisnis.
  
25
2.1.12
Meta-data
Meta-data
merupakan
salah
satu
aspek
penting
di
dalam data
warehouse. Menurut Imhoff (2003, p15), metadata merupakan salah satu
aspek yang penting dalam sebuah data warehouse.  Metadata merupakan
data
yang
menjelaskan
data
lainnya. Metadata
ini
berisi
lokasi
dan
deskripsi dari
komponen sistem
warehouse
mengenai
nama,
definisi,
struktur dan isi dari data warehouse dan view untuk pengguna akhir (end-
user).  Selain  itu,  metadata   berisi  identifikasi   sumber  data  yang
berwenang, aturan
integrasi dan transformasi
yang digunakan untuk data
warehouse, sejarah
perubahan data
warehouse,
matriks
yang
digunakan
untuk
menganalisa kinerja
warehouse,
otorisasi
keamanan
serta
masih
banyak lagi lainnya.
Meta-data
memuat
informasi
yang
penting
mengenai
data
dalam
data warehouse yang berfungsi sebagai:
a. 
Direktori
yang
akan
dipakai oleh
pengguna
data warehouse
dalam
mencari lokasi data dalam data warehouse.
b. 
Merupakan penuntun pemetaan (mapping) dalam proses transformasi
dari data operasi ke data warehouse.
c.
Merupakan
suatu panduan
untuk
proses
summary
data
dari
detail
menjadi lightly kemudian menjadi highly.
  
26
Sumber : Inmon, 2002, p36
Gambar 2.4 Struktur Data Warehouse (Inmon, 2002, p36)
2.1.13 Granularity
Salah satu faktor penting yang harus diperhatikan oleh pengembang
data warehouse adalah granularity. Granularity
mempengaruhi efisiensi
dari
penggunaan
data
dalam
analisis
yang
dilakukan. Menurut
Inmon
(2002,
p43),
granularity
merupakan
sebuah
tingkatan kedetilan
atau
summarization dari
unit
data yang
ada
dalam data warehouse. Semakin
tinggi
tingkat
kedetilan
data
maka
semakin
rendah
tingkat
granularity
dan  juga  sebaliknya.  Tingkatan  dari  granularity juga  mempengaruhi
  
27
jumlah
data
yang
akan
disimpan
dalam
data
warehouse (berdasarkan
sumber
data
yang
digunakan) dan
analisi
data
yang
dapt
dilakukan.
Misalnya,
ada
sebuah
analisis
tentang
penggunaan
telepon dari
seorang
pelanggan yang dilihat dari transaksi penggunaan teleponnya. Jika tingkat
granularity  rendah maka dapat dianalisis bahwa seorang pelanggan
paling  sering 
menelepon  kemana  saja.  Tapi  jika  tingkat  granularity
tinggi,
maka
hanya dapat
dianalisis
jumlah
pemanggilan telepon
yang
dilakukan oleh pelanggan.
2.1.14 Agregasi
Menurut
Inmon
(2002,
p114),
agregasi
merupakan proses
pengelompokkan
beberapa record
operasional
menjadi
satu
record
berdasarkan beberapa kejadian. Record
ini disebut dengan profile record
atau
aggregate
record,
dimana
berisi
nilai
dari
hasil
perhitungan dari
beberapa
record
operasional
yang
dikelompokkan. Untuk
melakukan
agregasi,
nilai
dari
data
operasional
yang
dikelompokkan harus
dapat
dikenakan fungsi agregasi, seperti count dan sum. Sebagai contoh, sebuah
perusahaan telekomunikasi
ingin
menghitung jumlah aktivasi pemakaian
telepon seorang pelanggannya dalam kurun waktu per bulan.
2.1.15 Denormalisasi
Denormalisasi adalah
proses
penggabungan tabel-tabel
untuk
meningakatkan
kecepatan  dalam  pengaksesan
database. Menurut Sid
  
28
Adelman
(2000,
p244),
denormalisasi
adalah
suatu
prosedur
menyusun
kembali data yang telah dinormalisasi untuk menspesifikasikan kumpulan
proses
sehingga
membuat proses
menjadi
lebih
efisien.
Proses
denormalisasi  ini  sangat  berlawanan  dengan  proses  normalisasi  yang
biasa dilakukan dalam pembuatan database.
2.1.16 DTS (Data Transformation Service)
Menurut
Vieira
(2000,
p901-903), banyak
organisasi
yang
melakukan sentralisasi data dengan
tujuan
mendapatkan
informasi
yang
akurat.
Data bisa
disimpan pada
berbagai
macam
format dalam
sumber
yang berbeda. Sebelum disimpan ke dalam data warehouse, data tersebut
perlu divalidasi, dibersihkan, digabungkan, dan kemudian ditransformasi.
Proses DTS meliputi:
1.    Data Validation
Validasi data
perlu
dilakukan
sebelum
data tersebut
ditransfer dari
database OLTP
ke
data
warehouse.
Jika
data
tidak
benar,
maka
integritas  dari 
analisis 
bisnis 
yang  dilakukan  akan 
meragukan.
Sebagai contoh, ada field currency yang menyimpan nilai
mata uang
USD500,
dan
kemudian
data
tersebut akan
disimpan
dalam
data
warehouse
dengan
nilai
rupiah.
Jika tidak dilakukan
validasi
maka
nilai
yang didapat akan
menjadi
tidak valid,
sehingga
laporan
yang
dihasilkan menjadi salah.
  
29
2.  Data Scrubbing
Rekonsiliasi
data
harus
berlangsung
antar
sumber
data
yang
sama.
Proses ini dikenal sebagai data scrubbing. Sebagai contoh, jika suatu
buku digolongkan di
dalam
database OLTP
dalam
kategori
“ilmu
komputer”, dan di database OLTP yang lain di bawah suatu kategori
“teknologi
informatika”, pengumpulan data
yang
menyertakan
kategori ini akan
menghasilkan hasil tidak akurat kecuali
jika kedua
data sumber
telah direkonsiliasi sepanjang perubahan bentuk proses
data.
3.
Data Migration
Data
yang
dipindahkan dari
database
OLTP
ke
data
warehouse,
sebelumnya
disimpan
terlebih
dahulu
ke
sebuah intermediate
database. Pada
bagian
ini,
data
akan divalidasi dan
direkonsiliasi.
Proses 
migrasi 
data 
sebaiknya  dilakukan 
pada  saat 
rendahnya
aktivitas dari sistem OLTP
sehingga tidak
mempengaruhi pengguna
yang
menggunakan sistem
tersebut.
Jika
migrasi
dilakukan dari
beberapa sumber
data
yang
terlibat
dalam
proses
replikasi,
maka
migrasi  harus  dilakukan  pada  saat  semua  sumber  di-sinkronisasi
untuk
memastikan
bahwa
data
yang konsisten telah
disalin
dari
sumbernya.
4.
Data Transformation
Ketika
data
dipindahkan dari
database
OLTP
ke
data
warehouse,
dilakukan
banyak
perubahan
bentuk
dari
data  yang
ada  sehingga
  
30
menjadi
lebih
praktis
dan
operasional. Di
bawah
ini
merupakan
contoh-contoh
transformasi
data 
yang  harus
dipertimbangkan
sebelum data dipindahkan dari database OLTP ke data warehouse:
 
Membagi  satu  field menjadi  beberapa  field,  seperti  field date
dibagi menjadi beberapa field yaitu day, moth, quarter, dan year.
 
Menggabungkan beberapa field yang satu nilai
menjadi satu field,
seperti
menggabungkan
field
first_name
dan
last_name
menjadi
name.
Membuat
suatu field
yang
baru
jika
query
yang
dihasilkan
melibatkan operasi perlindungan seperti membuat field total_price
yang
dihasilkan
dari
hasil
perkalian
nilai pada
field
unit_price
dengan quantity_sold.
2.1.17 Metodologi Perancangan Data Warehouse
Menurut
Connolly
dan
Begg
(2005,
p1187),
metodologi
perancangannya adalah sebagai berikut:
1.
Menentukan proses
Proses
yang
ditentukan diambil dari
fungsi
bisnis
suatu
perusahaan,
dimana proses tersebut disesuaikan dengan kebutuhan informasi
yang
diinginkan perusahaan.
  
31
2.
Menentukan grain
Proses  ini  mendeklarasikan
apa  yang  sebenarnya
direpresentasikan
oleh
tiap
baris
dari
sebuah
table
fakta,
dimana grain
tersebut
berhubungan dengan dimensi dan measure dari suatu table fakta.
3.
Menentukan dimensi
Proses ini
menentukan dimensi apa
yang akan digunakan dalam data
warehouse dimana dimensi tersebut disesuaikan dari grain yang sudah
ditentukan dan
mendeskripsikan tiap baris dalam table
fakta. Dimensi
yang memiliki isi atribut yang sama atau mencerminkan hal yang sama
harus
digabung
jadi
satu.
Misalnya pada
fakta
penjualan terdapat
dimensi
produk,
dan
pada
fakta
promosi
terdapat
dimensi produk.
Kedua dimensi menjelaskan hal yang sama yaitu produk, maka kedua
fakta tersebut mengakses satu dimensi yang sama, yaitu produk.
4.
Menentukan fakta
Setelah
dimensi
ditentukan,
maka
dapat
ditentukan
fakta
mana
yang
terpilih atau
yang digunakan oleh data mart. Fakta dalam suatu tabel
fakta dapat memiliki satu atau lebih measure, dimana measure tersebut
berupa angka numerik dan bisa dijumlah (additive).
  
32
5.
Menentukan pre-calculation measure dalam table fakta
Pada tahap ini dilakukan suatu perhitungan dengan menambahkan satu
atau
lebih
measure
yang
masih
dibutuhkan pada
suatu
table
fakta,
dimana
measure
yang
ditambahkan tersebut
merupakan
hasil
perhitungan dari measure-measure lainnya pada tabel fakta tersebut.
6.
Menambahkan atribut yang dibutuhkan dalam tabel dimensi
Pada
tahap
ini
kita
melakukan
penyesuaian terhadap
tabel
dimensi
dengan menambahkan satu atau
lebih atribut dari tabel dimensi sesuai
kebutuhan.
7.
Menentukan durasi database
Perhitungan durasi
disesuaikan dengan
seberapa
jauh
tabel
fakta
mengambil
data
histories.
Bila
menggunakan durasi
yang
panjang,
maka
akan
menimbulkan
dua 
masalah
yaitu
terdapat
permasalahan
pada saat pembacaan data dari hardware yang lama dan
menimbulkan
masalah perubahan pada tabel dimensi (slowly changing dimension).
8.
Memantau perubahan yang terjadi dalam dimensi
Perubahan
dalam
dimensi
yang dimaksud terjadinya perubahan
data
(update) 
dari 
dimensi. 
Untuk 
memantau  perubahan  tersebut,
digunakan tipe-tipe slowly changing dimension (SCD) yaitu:
  
33
Tipe
1.
Menulis ulang
dimensi
yang
berubah (hanya
mengubah
langsung
isi
atribut
yang
ada
pada
dimensi,
sehingga keterangan
atribut
dimensi
pada
data
histories
menggunakan atribut
yang
terbaru).
 
Tipe 2. Menambah baris baru pada tabel dimensi dengan surrogate
key yang baru, tetapi
masih menggunakan id
yang sama, dan pada
tabel
fakta
tidak
dilakukan
perubahan,
tetapi
bila
ada
data
baru
yang
masuk
pada
tabel
fakta
maka
akan
menggunakan surrogate
key yang baru.
 
Tipe
3.
Adanya
penambahan atribut alternatif
yang baru
sehingga
penggunaan record
yang
lama
dan
baru
bisa
digunakan
secara
bersamaan pada satu record dimensi yang sama.
9.
Menentukan prioritas query dan tipe query
Pada
tahap
ini
kita
menentukan
masalah
desain
fisik
dari data
warehouse yaitu dengan menentukan urutan fisik dari tabel
fakta pada
media penyimpanan dan adanya penggunaan agregasi. Selain itu tahap
ini  juga
membahas
masalah
seperti
indexing,
backup,
dan
security
data warehouse.
  
34
2.1.18 Keuntungan Data Warehouse
Berdasarkan Connolly
(2005,
p1048),
pengimplementasian
yang sukses
dari
sebuah
Data
Warehouse dapat
memberikan
keuntungan
besar
bagi
perusahaan, yaitu:
a.   Keuntungan potensial yang besar dalam investasi.
Suatu organisasi
harus
memiliki
sumber daya
dalam
jumlah
besar
untuk
kesuksesan
pengimplementasian
data
warehouse
dan
jumlah
biaya
yang
dikeluarkan
bervariasi
besarnya
tergantung dari
solusi
teknis
yang
tersedia.
Tetapi
investasi
dalam
data
warehouse
dapat
memberikan keuntungan yang besar setelah pengimplementasiannya.
b.   Keuntungan yang kompetitif.
Keuntungan
kompetitif didapatkan
dengan
memperbolehkan
para
pengambil keputusan
untuk
mengakses data
yang
dapat
mengungkapkan data-data
yang
sebelumnya
tidak
tersedia,
tidak
diketahui dan informasi yang tidak tercatat.
c.   Meningkatnya produktivitas dari pengambil keputusan perusahaan.
Dengan
mentransformasikan data
menjadi
informasi
yang
berarti,
data
warehouse
memungkinkan para
manajer
bisnis
melakukan
analisis yang lebih konsisten, akurat dan substantive sehingga terjadi
peningkatan produktivitas dari pengambilan keputusan
perusahaan.
  
35
2.1.19 OLAP (On-Line Analytical Processing)
Online
Analytical
Processing (OLAP)
adalah
istilah
yang
mendeskripsikan
teknologi 
yang 
menggunakan
multidimensional
view
dari data aggregate untuk menyediakan akses yang cepat bagi informasi
strategis yang bertujuan untuk proses analisa.
Menurut
Berson dan
Smith
(2001,
p122),
OLAP adalah
suatu
teknologi
yang
berbasis
pada
konsep database
yang
bersifat
multidimensional dan
memberikan
akses
kepada
pengguna
untuk
menganalisa data. Pada OLAP, data
yang telah diagregasi dan diringkas
akan disimpan
dalam
bentuk
cube.
Menurut
Kimbal
(2002, p13),
cube
adalah
struktur
multidimensional
yang
diimplementasikan
pada
OLAP.
Sebuah cube terdiri atas beberapa dimensi dan measure.
OLAP
memungkinkan user
untuk
memperoleh
pengertian
yang
mendalam dan pengetahuan
mengenai berbagai aspek dalam perusahaan
secara
cepat,
konsisten, dan
akses
yang
interaktif
untuk
memperluas
kemungkinan dalam
berbagai
sudut
pandang
data
(Connolly,
2005,
p1205).
Ada 3 kategori dari OLAP, yaitu:
a.
MOLAP (Multidimendional OLAP)
Ketika MOLAP digunakan, detail data
dan
aggregations disimpan
dalam format analysis server cube. Karakteristik dari MOLAP:
Cube dari MOLAP mempunyai performa query yang paling cepat.
  
36
 
Karena detail data dari fact table di masukkan ke dalam analysis
server untuk penyimpanan, di sini terjadi duplikasi data.
 
MOLAP lebih efisien dalam penggunaan media penyimpanan.
Query ke
analysis
server tidak
mengakses Relational
Database
Management
System   (RDBMS).  Jadi  jika  server  RDBMS
dimatikan pada
saat run
time tidak akan
mempengaruhi analysis
server.
b.
ROLAP (Relational OLAP)
Ketika
ROLAP
digunakan,
detailed
data dan
aggregation disimpan
di RDBMS. Yang disimpan di RDBMS
hanya hirarki dimensional,
maka dianggap dimensi
ROLAP tidak digunakan. Karakteristik dari
ROLAP:
Analysis
server
menyediakan
sebuah
multidimensional tingkat
menengah antara client dan RDBMS.
 
Semua query
selain
dari  yang
memenuhi
data  oleh
client
dan
server harus mengakses dari tabel RDBMS.
 
ROLAP lebih lambat dalam pencarian query dibandingkan dengan
MOLAP.
  
37
c.
HOLAP (Hybrid OLAP)
Ketika
HOLAP digunakan,
detailed
data
disimpan dalam
RDBMS
dan
aggregation disimpan
dalam
format
multidimensional.
Karakteristik dari HOLAP:
 
HOLAP
merupakan
gabungan
dari
MOLAP
dan
ROLAP
dalam
performa dan pengunaan disk.
 
HOLAP 
menggunakan  media  penyimpanan 
yang 
lebih  kecil,
karena tidak adanya penduplikasian data.
 
Query tidak selambat ROLAP, tetapi juga tidak secepat MOLAP.
 
Waktu proses dengan HOLAP hampir sama dengan MOLAP.
Berikut ini beberapa keuntungan yang diperoleh dengan menerapkan
OLAP (Connolly, 2005, p1208), yaitu :
a.
Meningkatkan    produktivitas    dari    end-users   bisnis    dan
pengembang teknologi informasi.
b.
Meningkatkan  penghasilan  dan  keuntungan  potensial  dengan
memungkinkan perusahaan
untuk
merespon
permintaan
pasar
lebih cepat.
c.
Mengurangi
back-log  dari pengembangan
aplikasi  untuk  staf
teknologi
informasi
dengan
membuat end-users
bebas
untuk
membuat perubahan skema dan memungkinkan organisasi untuk
merespon permintaan pasar lebih cepat.
  
38
d.
Mengurangi lalu lintas jaringan dalam sistem OLTP atau dalam
data warehouse.
2.1.20 Analysis Services
Analysis
services
merupakan tool
untuk
menganalisa
data
yang
dikeluarkan  oleh 
Microsoft.  Analysis services
menyediakan 
fasilitas
untuk
membuat dan
mengatur cube
untuk on-line analytical processing
(OLAP) dan juga mendukung dalam  membuat model untuk data mining.
Tipe
penyimpanan
OLAP
yang didukung
oleh
Analysis
Services,
yaitu
MOLAP, ROLAP, dan HOLAP.
2.1.21 Extract Transform Load (ETL)
Operational Data Store atau
ODS digunakan sebagai dasar
untuk
membangun
sebuah data
warehouse.
Proses
yang
dilalui
untuk
menghasilkan sebuah data warehouse dari ODS biasa disebut ETL yang
merupakan singkatan dari Extract-Transform-Load.
ETL
merupakan fungsi
integrasi data yang
meliputi extracting data
dari
sumber,
mentransformasinya agar
sesuai dengan
kebutuhan
bisnis
dan   memasukkannya 
ke   dalam   data  warehouse
(http://www.tech-
encyclopedia.com/).
  
39
2.1.22
Kunci Sukses Data Warehouse
Membangun suatu data
warehouse bukanlah
merupakan suatu
hal
yang
mudah.
Hal-hal
berikut
haruslah
diperhatikan untuk
mencapai
kesuksesan dalam perancangan data warehouse antara lain:
a.
Kejelasan
dalam  tujuan,  yang  memberikan
gambaran
awal
untuk
memulai data warehouse yang sesuai dengan kebutuhan perusahaan,
dimana akan membatasi ruang kerja untuk selalu konsisten.
b.
Memahami   arsitektur  
data    warehouse  
yang  
digunakan,  
ini
merupakan blue-print yang akan
digunakan dalam
mengembangkan
sistem
pendukung
keputusan, dan
berkaitan
dengan
banyak
aspek
dalam hal bagaimana sistem tersebut akan dikembangkan.
c.
Kejelasan
tanggung
jawab
tim,  masing-masing
anggota
tim
harus
bertanggung
jawab
untuk
masing-masing bagian
yang
ia
tangani,
seperti pemodelan data, pelatihan, dan pengaturan jaringan.
d.
Dukungan
infrastruktur teknikal
yang
benar, seperti tools,
platform,
database, jaringan komunikasi, pelatihan dan sebagainya, yang akan
menentukan
proses
pembuatan
sebelum data
warehouse
mulai
dikembangkan.
e.
Menjamin
anggota tim
dan
pengguna
untuk
memahami
perbedaan
antara
data
operasional
dengan
data
pendukung
keputusan,
dengan
memperhatikan
definisi
awal dari
data
warehouse
yang
digunakan
dalam pemrosesan analisis perusahaan.
  
40
f.
Mendapatkan
sumber
yang
benar.
Untuk
mendapatkan
ini
seperti
mencari suatu
badan
atau
konsultan
yang
benar-benar
memahami
proses
data
warehouse
yang
akan
dibuat. Atau dapat juga
dengan
mencari
perusahaan
yang
sukses
dalam
mengimplementasikan data
warehouse  sehingga dapat
belajar  dari  pengalaman  yang  telah
mereka miliki sebelumnya.
g.
Pemilihan    aplikasi    pengaksesan    data    front-end   berdasarkan
kebutuhan dan kemampuan sehingga aplikasi
yang digunakan benar-
benar terpakai secara optimal dan
memudahkan dalam pengaksesan
data yang dibutuhkan oleh pengguna.
2.2
Pendekatan Khusus
2.2.1.   Pengertian Customer Behavior
Customer behavior
adalah
suatu
perilaku
konsumen
yang
terlihat
dalam
mencari, membeli,
menggunakan,
mengevaluasi, dan
menentukan
produk dan servis yang memuaskan mereka (Schiffman, 2007, p3).
Sedangkan menurut Hawkins (2002, p7) customer behavior adalah
pembelajaran   individual,   kelompok,   atau   organisasi   dalam   proses
memilih,
mengamankan,
menggunakan, dan
menentukan
produk,
jasa,
pengalaman, dan
ide-ide untuk memuaskan kebutuhan dan pengaruhnnya
terhadap proses yang terdapat pada konsumen dan lingkungannya.
Jadi
menurut pengertian diatas dapat disimpulkan bahwa customer
behavior
adalah
perilaku
konsumen,
kelompok,
atau
organisasi
dalam
  
41
memilih,
mencari,
membeli,
menggunakan,
mengevaluasi,
dan
menentukan produk atau jasa untuk memuaskan keinginan mereka.
2.2.2. 
Pengertian Pemasaran
Menurut
buku
Marketing
Strategy
A
Decision-Focused Approach
Fourth Edition, 2003, p13-14, aktivitas tradisional marketing terdiri dari
pengiklanan, penetapan
harga,
distribusi,
customer
service,
dan
pengukuran serta peningkatan kepuasan pelanggan.
Menurut
Asosiasi Pemasaran
Amerika
(America Marketing
Association),
pemasaran adalah proses
perencanaan dan
pelaksaan
dari
gambaran,
promosi,
dan
pendistribusian ide,
barang,
dan
jasa
untuk
menciptakan pertukaran yang memuaskan tujuan individu dan organisasi.
(Mohammed et al, 2003, p3).
Menurut
Laudon
(2004,
p47),
pemasaran
mengidentifikasi jenis
konsumen
yang
menggunakan jasa
dan
produk
perusahaan,
meneliti
kebutuhan,
merencanakan dan
mengembangkan
produk dan
jasa
sesuai
dengan
kebutuhan konsumen
yang
disertai
dengan
iklan
serta promosi
produk dan jasa tersebut.
Menurut
Rangkuti (2000,
p48),
pemasaran adalah
suatu
proses
kegiatan
yang
dipengaruhi
oleh
berbagai
faktor sosial,
budaya,
politik,
ekonomi, dan manajerial.
  
42
Jadi
kesimpulannya, pemasaran
adalah
proses
perencanaan
dan
pelaksaan dari
gambaran, promosi, dan pendistribusian ide, barang, dan
jasa sesuai dengan kebutuhan konsumen.
2.2.3.   Manajemen Pemasaran
Menurut
Kothler
(2003),
manajemen
pemasaran
adalah
seni dan
ilmu
dalam
memilih
target
pasar,
mendapatkan,
menjaga, dan
meningkatkan
jumlah
pelanggan
dengan
menciptakan,
menyampaikan,
dan mengkonsumsikan nilai pelanggan superior.
Menurut
Kothler (2003,
p17-26),
ada
6
konsep
yang
merupakan
landasan
bagi kegiatan pemasaran
perusahaan
dan
organisasi-organisasi
lain yaitu:
a.
Konsep Produksi
Konsep
ini
berpendapat bahwa
para
pelanggan
akan
menyukai
produk-produk yang
tersedia
secara
luas
dan
harganya
murah.
Manajemen dalam
organisasi
yang
berorientasi pada
produksi
mengarahkan
setiap
upayanya untuuk
mencapai efisiensi
produksi
yang tinggi dan liputan distribusi yang luas.
b.
Konsep Produk
Konsep
ini
berpendapat bahwa
para
konsumen
akan
menyukai
produk-produk
yang
memberikan kualitas, penampilan
dan
ciri-ciri
yang
terbaik.
Manajemen
dalam
organisasi
pada produk
demikian
  
43
memusatkan
energi
mereka
untuk
membuat
produk
yang
baik
dan
terus menerus meningkatkan mutu produk tersebut.
c.
Konsep Penjualan
Konsep ini berpendapat bahwa para konsumen jika dibiarkan sendiri,
biasanya tidak akan membeli produk-produk dari organisasi tersebut.
Oleh karena itu, organisasi harus melakukan kegiatan penjualan yang
agresif dan usaha promosi yang gencar.
d.
Konsep Pemasaran
Konsep
ini
berpendapat bahwa
kunci
untuk
mencapai
tujuan
organisasi tidak
dari
penentuan kebutuhan dan
keinginan
pasar
sasaran dan penyerahan produk yang memuaskan secara lebih efektif
dan lebih efisien dibandingkan para pesaing.
e.
Konsep Konsumen
Konsep
pemasaran pada
tingkat
segmentasi
konsumen, pada
umumnya
perusahaan
sekarang
ini
memberikan penawaran,
pelayanan,
dan
pesan kepada
konsumen
secara pribadi.
Perusahaan
mengumpulkan informasi
konsumen
dari
transaksi
yang
telah
dilakukan, demografi, fisiografi, pilihan
media dan distribusi dengan
harapan perusahaan dapat
memperoleh keuntungan dari peningkatan
jumlah customer, loyalty, dan penghargaan.
f.
Konsep 
Pemasaran 
Bersifat 
Kemasyarakatan 
(social   marketing
concept).
  
44
Konsep
ini
berpegang pada
asumsi
bahwa
tugas
organisasi adalah
menentukan kebutuhan, keinginan dan
minat dari pasar sasaran serta
memberikan
kepuasaan
yang
diharapkan
dengan
cara
lebih
efektif
dan
lebih efisien daripada
para pesaing
sedemikian rupa
sehingga
dapat
menjamin
atau
mendorong
kesejahteraan konsumen
dan
masyarakat.
Menurut
McLeod
(2001,
p449),
manajemen pemasaran
memliki
beragam
sumber
daya
untuk
dikaryakan. Tujuannya
adalah
mengembangkan strategi
yang
menerapkan
sumber
daya
ini
bagi
pemasaran
barang,
jasa,
dan
gagasan
perusahaan. Dimana
strategi
pemasaran terdiri
dari
campuran
unsur-unsur
yang
dinamakan
gabungan pemasaran (marketing mix): produk, promosi, tempat, dan
harga. Semua itu dikenal dengan 4P yaitu :
     Product (produk)
Produk adalah apa yang dibeli oleh pelanggan untuk memuaskan
keinginannya atau
kebutuhannya. Produk
dapat
berupa
barang
fisik, berbagai jenis jasa, atau suatu gagasan.
     Promotion (promosi)
Berhubungan
dengan
cara
yang
mendorong penjualan
produk,
termasuk periklanan dan penjualan langsung.
  
45
Place (tempat)
Berhubungan dengan cara
mendistribusikan produk secara
fisik
kepada pelanggan melalui saluran distribusi.
Price (harga)
Terdiri dari semua elemen
yang berhubungan dengan apa
yang
dibayar oleh pelanggan untuk produk itu.
2.2.4.   Strategi Pemasaran
Menganalisa
kesempatan
bisnis
yang
ada
dan
mempertimbangkan
bagaimana strategi pemasaran
yang potensial dapat memperkuat strategi
unit bisnis dan kerjasama.
Strategi   pemasaran   yang   didukung   oleh   program   pemasaran
(marketing mix) memiliki 3 komponen utama, yaitu:
 
Segmentation
Merupakan pembagian
pasar
(orang)
kedalam
beberapa
sub
unit
pelanggan
berdasarkan
pada
kesamaan-kesamaan seperti
kesamaan
produk yang disukai, biaya yang dihabiskan untuk melayani pelanggan
atau karakteristik yang cocok untuk program-program pemasaran yang
ada,
wilayah,
tingkat
pendapatan, dll.
Segmentasi
yang
baik
akan
menghasilkan segmentasi pasar yang actionable dan meaningful.
 
Targeting
Menetapkan segmen pasar
yang paling
menarik
yang kemudian
akan
dijadikan   target  
utama   perusahaan   dalam   kegiatan   akhir   dari
  
46
pemasaran,
yaitu
penjualan,
berdasarkan pada
keuntungan, biaya
pelayanan, dapat dijangkau, potensi pertumbuhan, dan lain-lain.
 
Positioning
Merupakan
bagaimana
perusahaan
mempengaruhi pelanggan
mendesain pesan-pesan pemasaran
sehingga
sebuah
produk
yang
ditawarkan dapat dianggap
unik dan bernilai oleh pelanggan. Strategi
untuk pelanggan
merupakan kombinasi dari strategi produk, jaringan
pemasaran, harga, dan promosi yang membutuhkan perbedaan.
2.2.5.   Analisis SWOT
Menurut Pearce II dan Robinson (2000, p202-204), analisis SWOT
merupakan analisis dari kekuatan dan kelemahan dalam
suatu organisasi
atau
lingkungan
internalnya
(Strengths
and
Weaknesses)
serta
ancaman
dari lingkungan eksternal perusahaan(Opportunities and Threats).
Strength (kekuatan)
Adalah sumber, keahlian atau
keuntungan
yang
relatf
terhadap
pesaing.
Kekuatan akan
menjadi kemampuan
khusus
perusahaan
ketika memberikan keuntungan relatif dalam wilayah pemasaran.
Weakness
Adalah
keterbatasan
atau
kekurangan dalam
sumber
daya,
ketrampilan dan
kemampuan yang
secara
serius
menghalangi unjuk
kerja yang efektif dari perusahaan.
  
47
Opportunity
Adalah
suatu
situasi
yang
menguntungkan dalam
lingkungan
perusahaan. Identifikasi pada
segmen pasar sebelumnya
membawa
peluang
dalam
persaingan, perubahan
teknologi,
dan
peningkatan
hubungan
dengan
pembeli
yang
menghasilkan peluang
bagi
perusahaan.
Threat
Adalah tantangan dan ancaman yang dihadapi oleh suatu perusahaan
dari para pesaing dalam merebut konsumen.