2009200188IFBAB2

BAB 2

LANDASAN TEORI

2.1 Teori Umum

Teori- teori umum yang dibahas mengenai sistem basis data dan data warehouse.

2.1.1 Data

Pembahasan mengenai data akan diuraikan secara lengkap pada sub bab

di bawah ini.

2.1.1.1 Pengertian Data

Data

merupakan

sumber

dari

sebuah

informasi.

Menurut

Hall

(2001, p14), data adalah fakta yang dapat atau tidak dapat diproses

(disuling, dirangkum atau diperbaiki) dan tidak berpengaruh secara

langsung pada pengguna. Sebaliknya, informasi menyebabkan pengguna

melakukan suatu tindakan yang dapat dilakukan atau tidak dilakukan.

Menurut

Laudon

(2006,

p13),

data

adalah

kumpulan

fakta

yang

masih

mentah yang menjelaskan aktifitas-aktifitas yang terjadi dalam organisasi

atau

lingkungan

fisik,

sebelum

terorganisir

dan

diubah

menjadi

bentuk

yang dimengerti dan dapat digunakan.

Jadi, data adalah sumber dari informasi yang nantinya dapat

digunakan menjadi suatu yang bentuk yang lebih berguna dan berarti.

2.1.2 Sistem Basis Data

Teori mengenai sistem basis data meliputi :

2.1.2.1 Pengertian Sistem Basis Data

Basis

data

saat

ini

merupakan

bagian dari kehidupan sehari-hari

yang

tanpa

kita

sadari

bahwa

kita

selalu

menggunakannya.

Basis

data

atau yang kita kenal dengan nama database adalah kumpulan data

yang

berelasi

dan

Database

Management

System (DBMS)

yang

merupakan

perangkat lunak yang mengatur dan mengontrol akses ke basis data.

Maka pengertian sistem basis data

adalah

kumpulan

program

aplikasi basis data

yang berinteraksi dengan basis data. Contoh aplikasi

database, aplikasi database perpustakaan univesitas Bina Nusantara.

Aplikasi ini dapat memberikan informasi mengenai keterangan buku di

perpustakaan, keterangan pembaca, dan keterangan peminjaman. Aplikasi

ini dapat mengetahui informasi buku melalui indeks yang

terkomputerisasi

dengan

menggunakan bar

code.

Bar

code

berfungsi

untuk mengetahui kapan buku ini masuk dan keluar di perpustakaan.

Menurut Connolly (2002, p14),

database adalah sebuah

pembagian

kumpulan

data

yang

berelasi secara logika, dan keterangan

data yang didesain untuk mendapatkan informasi yang dibutuhkan sebuah

organisasi. Basis data dapat melakukan pelaporan data besar dimana

semua bagian dan pengguna dapat menggunakannya, menghilangkan data

berulang, dan semua data diintegrasikan dengan meminimumkan

duplikasi data.

Basis data

juga sebagai system catalog (data dictionary

atau metadata) yang mampu mendeskripsikan dirinya sebagai kumpulan

record

yang

terintegrasi,

data

yang

berelasi

secara logika terdiri

dari

entities,

attributes,

dan relationships

mana

ketiganya

dianalisa

untuk

kebutuhan informasi pada perusahaan.

2.1.2.2 Pendekatan File Based System

Menurut Connolly (2002, p7), filed-based system adalah

kumpulan

program aplikasi

yang

melayani end-user

seperti

pembuatan

laporan.

Setiap

program

mendefinisi

dan

mengatur

masing-masing

datanya sendiri. Sistem ini berjalan secara manual dalam pengisian data,

data

disimpan

pada

lemari

penyimpanan.

Sistem ini

tidak

dapat

menyimpan data dalam jumlah besar.

Masalahnya

sistem ini

memiliki

keterbatasan dalam mengolah

data, seperti:

1. Data yang terpisah dan terisolasi.

2. Duplikasi data, data yang sama terdapat pada program aplikasi lain.

Ketergantungan data, perubahan yang terjadi pada satu program,

menyebabkan penyesuaian dengan program lain, penyesuaian tersebut

membuat stuktur program awal kembali.

4. Format

file

yang

tidak

kompatibel,

program ditulis

dengan

bahasa

yang berbeda-beda sehingga tidak mudah mengakses file lain.

5. Query / ukuran aplikasi yang tetap.

2.1.2.3 Aplikasi Basis Data

Contoh aplikasi basis data menurut Kronke (2006, p5) dapat

dikategorikan sebagai berikut:

•

Aplikasi Basis Data Single-User

Aplikasi ini digunakan penjual tunggal yang menjaga alur

pelanggan

dan

merupakan

hubungan penjual

dengan

pelanggan.

Contoh

sales

contact

manager,

penggunanya satu sales

dengan

ukuran

data

sebesar

1000

baris,

dan

produknya database

terpusat.

Misalnya Gold Mine and Act.

•

Aplikasi Basis Data Multiuser

Aplikasi ini digunakan lebih dari satu pengguna. Contoh aplikasi

jadwal pasien yang digunakan oleh 15 sampai 50 pengguna, seperti

perawat,

dokter, dan

bagian administrasi.

Besar

data

mencapai

100.000 baris data dengan 5 sampai 10 tabel yang berbeda.

•

Aplikasi Basis Data e-Commerce

Aplikasi ini digunakan untuk memasukkan data pemesanan,

penagihan, pengiriman, dan

layanan pelanggan. Contohnya

Amazon.com dan

Drugstore.com yang menggunakan halaman web

yang

mereka kirim ke

konsumen.

Konsumen

dapat

mengoperasikan

dengan menambah belanja, memesan pembelian, dan pembatalan

pembelian.

•

Aplikasi Basis Data Data Mining

Aplikasi ini menggunakan data yang dihasilkan dari proses

pemesanan dan sistem operasi lain untuk menghasilkan informasi

yang membantu mengatur perusahaan dengan merangkum data yang

ada.

2.1.3 Model Relasional

dalam model

relasional,

semua data

secara

logika terstruktur

dalam

tabel.

Setiap

tabel

mempunyai

nama dan

terdiri

dari

kolom-kolom yang

dinamakan atribut. Setiap baris mengandung setiap nilai untuk setiap atribut.

dalam

model

relational

dikenal

istilah-istilah relation,

attribute,

domain,

degree, dan cardinality. Menurut

Connolly

(2002, p72), relation atau

relasi

adalah

sebuah

tabel

yang

terdiri dari

baris

dan

kolom.

Atribut

adalah

penamaan kolom yang ada didalam sebuah table. Domain adalah kumpulan dari

nilai-nilai

yang

diijinkan pada

satu atau

lebih

atribut.

Tuple

adalah penamaan

baris

yang

terdapat

dalam

sebuah

tabel.

Degree

relation

adalah

jumlah

atribut yang dapat ditampung. Cardinality of a relation adalah jumlah baris yang

terdapat pada sebuah tabel.

2.1.4 Basis Data Relasional

Menurut Connolly (2002, p74), relational database merupakan kumpulan

relasi yang sudah dinormalisasikan dengan nama berbeda. Ciri-ciri yang dimiliki

oleh sebuah relasi antara lain:

1. Memiliki

nama

yang

berbeda antara

satu

relasi dengan

relasi

lainnya di

dalam skema relasional.

2. Setiap cell di dalam relasi mengandung sebuah nilai tunggal.

3. Setiap atribut memiliki nama yang berbeda.

4. Nilai dari sebuah atribut berasal dari domain yang sama.

5. Setiap baris pada relasi berbeda. Tidak ada baris yang bernilai sama.

6. Urutan dari atribut tidak terlalu berpengaruh.

7. Secara teoritis, urutan dari tuple atau baris tidak berpengaruh namun dalam

implementasinya urutannya dapat mempengaruhi waktu pengaksesan.

Karena antara

setiap baris

tidak

memiliki

nilai

sama,

maka

diperlukan

sebuah relational key yang dapat mengidentifikasikan setiap baris di dalam relasi

secara unik. Beberapa relational key yang dikenal antara lain sebagai berikut:

a. Super key

Sebuah atribut atau kumpulan dari atribut yang secara unik

mengidentifikasi baris yang ada dalam sebuah relasi.

b. Candidate key

Sebuah candidate key harus

memiliki dua ciri-ciri,

yaitu secara

unik

mengidentifikasi sebuah baris dan tidak ada nilai

lain

yang

memiliki sifat

yang unik tersebut (irreducibility).

c. Primary key

Merupakan candidate key yang dipilih

untuk

mengidentifikasi baris-

baris didalam sebuah relasi secara unik.

d. Foreign key

Merupakan atribut atau kumpulan atribut didalam sebuah relasi yang

juga merupakan candidate key.

e. Composite key

Merupakan

gabungan

dari

dua

atribut

atau

lebih

yang

membentuk

sebuah primary key.

2.1.5 Database Management System

Menurut Connolly

(2002,

p16),

Database

Management

System (DBMS)

adalah

sebuah

sistem perangkat

lunak

yang

memungkinkan

user

mendefinisi,

membentuk,

mengatur dan

mengontrol

akses

ke database.

DBMS berinteraksi

dengan pengguna aplikasi program dan database.

DBMS menyediakan fasilitas :

Data Definition Language

(DDL),

yang berguna

untuk menspesifikasi tipe

data,

struktur,

dan

constraint

data. Semua

spesifikasi

simpan

dalam

database.

Data

Manipulation

Language

(DML),

yang

dapat

menambah,

mengubah,

menghapus,

dan

mengembalikan

data

dengan memberikan

fasilitas

data

query berupa query language. Query language yang sering digunakan

adalah Structured Query Language (SQL).

Pengendalian akses database, antara lain:

Sistem keamanan : mencegah user

yang tidak

memiliki

hak akses untuk

mengakses database.

Sistem Integrasi, menjaga konsistensi data.

Pengendalian share data.

Backup dan Recovery sistem.

Katalog deskripsi data dalam database

Mekanisme View untuk menyediakan data

yang diinginkan dan diperlukan

user saja.

2.1.5.1 Komponen DBMS

Ada lima komponen utama dalam DBMS, yaitu

1. Hardware, yang berupa komputer hingga jaringan komputer.

2. Software, yaitu DBMS, aplikasi program, sistem operasi, dan software

jaringan (bila diperlukan untuk jaringan).

3. Data

yang

merupakan

data

operasional

dan

metadata

yang

digunakan

perusahaan.

4. Prosedur,

yaitu

instruksi dan aturan

yang

harus ada pada desain dan

kegunaan dari database dan DBMS.

5. People, antara lain:

Data Administration (DA)

DA mengatur sumber daya data, meliputi perencanaan database,

pengembangan dan pemeliharaan standar, kebijakan, prosedur, dan

desain database logikal dan konseptual.

Database Administration (DBA)

DBA

mengatur realisasi fisik dari aplikasi database yang

meliputi

desain

fisik database dan

implementasi, pengaturan keamanan dan

kontrol

integritas,

pengawasan

performa sistem

dan

pengaturan

ulang

database.

Desainer Database (Logikal dan Fisikal)

Desainer database logical melakukan identifikasi data (entitas dan

atribut), hubungan antara data, dan batasan data yang disimpan dalam

database. Desainer

database

fisikal

memutuskan

bagaimana

desain

database logikal diimplementasikan.

Application Developers

Application developers

mengimplementasikan program aplikasi

yang menyediakan kebutuhan bagi end-user.

End-Users

End User dapat digolongkan menjadi 2 bagian :

1. Naïve users, adalah pengguna yang tidak perlu tahu mengenai DBMS,

hanya

mengoperasikan

dengan

perintah

sederhana dan

memilih

pilihan dari menu.

2. Sophisticated users,

pengguna

yang

mengetahui

struktur basis data

dan fasilitas DBMS.

2.1.5.2 Keuntungan dan Kerugian DBMS

Ada beberapa keuntungan yang didapat dengan

memakai DBMS,

yaitu:

Mengontrol redudansi data.

Konsistensi data.

Lebih banyak informasi dari jumlah data yang sama.

Share data.

Meningkatkan integritas data.

Meningkatkan keamanan.

Standar pelaksanaan.

Skala ekonomi (data operasional organisasi dijadikan satu database dan

membuat aplikasi pada satu sumber data sehingga akan menghemat

biaya).

Keseimbangan aksesibilitas data dan data responsiveness.

Meningkatkan produktivitas.

Meningkatkan pemeliharaan melalu data independence.

Meningkatkan konkurensi (mengurangi loss informasi dan loss

integrasi).

Meningkatkan layanan backup dan recovery.

Sementara itu, yang menjadi kerugian DBMS:

Kompleksitas.

Ukuran.

Biaya DBMS.

Biaya penambahan perangkat keras.

Biaya konversi (biaya staf spesialis, biaya pelatihan).

Performance ( tidak dapat berjalan secepat yang diinginkan).

Resiko kesalahan yang lebih tinggi.

2.1.6 Data Warehouse

Teori mengenai data warehouse meliputi :

2.1.6.1 Pengertian Data Warehouse

Berikut adalah beberapa pengertian data warehouse dari banyak

ahli yang mengemukakan pendapatnya:

1. Menurut Inmon (2005, p29), data warehouse adalah koleksi data

yang mempunyai sifat berorientasi pada subjek, terintegrasi, variasi

waktu, dan koleksi data-nya tidak mengalami perubahan dalam

mendukung proses pengambilan keputusan di manajemen.

Menurut Ralph Kimball (2002,p397),

data warehouse

adalah “The

conglomeration of organization’s data warehouse staging and

presentation areas, where operational data is specifically structured

for query and analysis performance.” Pengertian tersebut dapat

diartikan

penggabungan

antara

tingkatan data warehouse

yang

ada

pada suatu organisasi dengan area prestasi, dimana data operasional

secara

spesifik

disusun untuk

query

dan

analisis

performa,

serta

kemudahan dalam penggunaan.

Menurut Berson dan Smith (2001, p4), data warehouse adalah

gabungan

teknologi-teknologi yang bertujuan mengefektifkan

integrasi

database

operasional

dalam lingkungan

yang

memungkinkan penggunaan secara strategis.

4. Menurut Turban (p418), Data warehouse adalah tempat penyimpanan

data historis yang berorientasi subjek, yang diatur agar dapat diakses

dan diterima untuk aktivitas proses analisis.

5. Menurut Paulraj (p14), Data warehouse adalah suatu lingkungan

yang

terkomputerisasi

dimana

user dapat menemukan informasi

strategis,

dapat

berhubungan

langsung dengan data yang mereka

butuhkan

untuk

membuat

keputusan bisnis

yang

lebih

baik.

Data

warehouse berisi informasi tentang keseluruhan data perusahaan yang

telah terintegrasi.

2.1.6.2 Karakteristik Data warehouse

Menurut Inmon(2005, p29), data warehouse

memiliki empat

karakteristik utama, antara lain sebagai be rikut:

1. Subject-Oriented

Data warehouse berorientasi subject

artinya data warehouse

didesain untuk

menganalisa data berdasarkan subject-subject tertentu

dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu.

Data warehouse

diorganisasikan disekitar subjek-subjek

utama

dari

perusahaan(customers,

products

dan

sales) dan tidak

diorganisasikan pada area-area aplikasi utama(customer invoicing,

stock control dan product sales). Hal

ini dikarenakan kebutuhan dari

data

warehouse

untuk menyimpan data-data yang bersifat sebagai

penunjang suatu keputusan, dari pada

aplikasi

yang

berorientasi

terhadap

data.

Jadi

dengan

kata lain,

data

yang

disimpan

adalah

berorientasi kepada subjek bukan terhadap proses.

Operasional

Data warehouse

Auto

Customer

Life

Policy

Health

Premium

Casuality

Claim

Gambar 2.3 Data warehouse subject – oriented

2. Integrated

Data warehouse dapat menyimpan data-data yang berasal dari

sumber-sumber

yang

terpisah

kedalam suatu

format

yang

konsisten

dan saling terintegrasi satu dengan lainnya. Dengan demikian data

tidak bisa

dipecah-pecah

karena

data

yang

ada

merupakan

suatu

kesatuan

yang

menunjang

keseluruhan

konsep data

warehouse

itu

sendiri. Syarat integrasi sumber data dapat dipenuhi dengan berbagai

cara

sepeti

konsisten

dalam penamaan

variabel,

konsisten

dalam

ukuran variabel, konsisten dalam struktur pengkodean dan konsisten

dalam atribut fisik dari data.

Gambar 2.4 Pokok persoalan dari integrasi (Inmon, 2005, p31).

3. Time Variant

Model analisis

yang diterapkan pada sebuah data warehouse

berfokus pada perubahan data

faktual berdasarkan

waktu. Dalam hal

ini data warehouse harus mampu menyimpan data untuk suatu objek

tertentu

dalam kurun

waktu

yang

berbeda-beda.

Waktu

merupakan

bagian data yang sangat penting di dalam data warehouse

Operational

Data Warehouse

Time horizon – current to 60-90 days

Time Horizon – 5 – 10 Years

Update of Records

Sophisticated snapshots of data

Key structure may or may not contain

key structure contains an element of time

element of time

Gambar 2.5 Time Variant (Inmon, 2005, p32).

4. Non-volatile

Karakteristik

keempat

dari data

warehouse

adalah

non-

volatile, maksudnya data pada data warehouse tidak di-update secara

real time tetapi di refresh dari sistem operasional secara reguler. Data

yang

baru

selalu

ditambahkan

sebagai

suplemen

bagi database

itu

sendiri dari pada sebagai sebuah perubahan. Database tersebut secara

kontinu

menyerap

data

baru

ini, kemudian

secara incremental

disatukan dengan data sebelumnya.

Berbeda dengan database operasional yang dapat melakukan

update,

insert

dan

delete terhadap

data

yang

mengubah

isi

dari

database

sedangkan pada data

warehouse

hanya ada dua kegiatan

memanipulasi

data

yaitu

data

(mengambil

data)

dan

akses

data

(mengakses

data

warehouse seperti

melakukan

query

atau

menampilan

laporan

yang dibutuhkan,

tidak

ada

kegiatan

updating

data).

Gambar 2.6 Pokok persoalan dari nonvolatile (Inmon, 2005, p32).

2.1.6.3 Bentuk Data Warehouse

Berikut ini adalah bentuk-bentuk dari data warehouse :

2.1.6.3.1

Functional Data Warehouse

Functional data warehouse

ini merupakan bentuk

database dimana data warehouse dibuat lebih dari satu dan

dikelompokkan

berdasarkan

masing-masing

fungsi

yang

ada

dalam perusahaan,

seperti

fungsi financial

keuangan,

fungsi

marketing

pemasaran,

fungsi

kinerja personalia,

dan

lain-lain.

Keuntungan dari bentuk ini adalah sistem akan

mudah dibangun

dengan biaya yang relatif murah. Kerugian dari penggunaan

bentuk

ini

adalah

resiko

kehilangan konsistensi data dan

terbatasnya kemampuan pengguna dalam hal pengumpulan data.

Source

Branch

Function

Data

Warehouse

Source

Function

Data

Warehouse

Operasional

Workstation

Gambar 2.7

Functional Data Warehouse

2.1.6.3.2

Centralized Data Warehouse

Centralized data

warehouse ini merupakan database

fisikal tunggal yang memuat semua data untuk area fungsional

yang khusus, departemen, divisi, atau perusahaan.

Data

warehouse ini digunakan ketika terdapat kebutuhan akan data

informasional

dan

terdapat

banyak end-user

yang

sudah

terhubung ke komputer pusat atau jaringan.

Bentuknya menyerupai functional

data warehouse, akan

tetapi sumber datanya lebih dahulu dikumpulkan atau

diintegrasikan

pada

suatu

tempat terpusat,

baru

kemudian

data

tersebut

dibagi-bagi

berdasarkan fungsi-fungsi yang dibutuhkan

oleh

perusahaan.

Bentuk data

warehouse terpusat ini sering

digunakan

oleh

perusahaan-perusahaan

yang

belum mempunyai

jaringan eksternal. Keuntungan bentuk centralized data

warehouse ini adalah data benar-benar terpadu karena konsistensi

yang

tinggi.

Namun

demikian

membutuhkan

waktu

yang

lama

dan biaya yang mahal dalam membentuk data warehouse seperti

ini.

Source

Centralized

data

warehouse

Function

Data

Warehouse

Source

Function

Data

Warehouse

Operation

Gambar 2.8 Centralized Data Warehouse

Workstation

2.1.6.3.3

Distributed Data Warehouse

Distributed data warehouse adalah data warehouse

dimana komponen tertentu dari data warehouse

tersebut

didistribusikan

melewati

sebuah database

fisikal

yang

berbeda.

Distributed data warehouse biasanya melibatkan data yang paling

teredundansi,

dan

sebagai

akibatnya,

menimbulkan

proses

load

dan update yang sangat kompleks.

Distributed

data

warehouse

ini menggunakan gateway

yang

berfungsi

sebagai

jembatan

antara

lokasi data

warehouse

dengan

workstation

yang

menggunakan

sistem yang

beranekaragam, sehingga pada bentuk data warehouse ini

memungkinkan perusahaan untuk mengakses sumber data yang

terdapat

diluar

lokasi

perusahaan

(eksternal).

Bentuk data

warehouse ini

mempunyai kelebihan dalam hal pengaksesan data

dari luar perusahaan yang telah mengalami

sinkronisasi terlebih

dahulu dan tetap terjaga konsistensinya. Tetapi bentuk ini juga

memiliki kerugian yaitu bentuk ini merupakan yang paling mahal

dan paling kompleks untuk diterapkan karena sistem operasinya

dikelola secara terpisah.

Source

Data

warehouse

Gateway

Source

Operation

Workstation

Gambar 2.9 Distributed Data Warehouse

2.1.6.4 Struktur Data warehouse

Level kedetailan data dalam struktur data warehouse terbagi

menjadi 5 tingkat yaitu:

1. Old Detail Data

Data ini merupakan data historis dari current detail data, dapat

berupa hasil cadangan atau archive data yang disimpan dalam storage

terpisah.

Karena

bersifat

back-up(cadangan),

maka

biasanya

data

disimpan dalam storage alternatif seperti tape-desk.

Data ini biasanya memilki tingkat frekuensi akses yang rendah.

Penyusunan file atau directory dari data ini di susun berdasarkan umur

dari data yang bertujuan mempermudah untuk pencarian atau

pengaksesan kembali.

2. Current Detail Data

Current

detail

data

merupakan

data

detil

yang

aktif saat

ini,mencerminkan keadaan yang sedang berjalan dan merupakan level

terendah

dalam data

warehouse.

Didalam

area

ini

warehouse

menyimpan

seluruh

detail data

yang terdapat pada

skema

basis

data.

Jumlah

data

sangat

besar

sehingga

memerlukan

storage

yang

besar

pula dan dapat diakses secara cepat. Dampak negatif yang ditimbulkan

adalah kerumitan untuk mengatur data menjadi meningkat dan biaya

yang diperlukan menjadi mahal.

3. Light Summarized Data

Data

ini

merupakan

ringkasan

atau

rangkuman

dari current

detail data. Data ini dirangkum berdasar periode atau dimensi lainnya

sesuai dengan kebutuhan.

Ringkasan dari current

detail

data

belum

bersifat

total

summary.Data-data

ini

memiliki detil

tingkatan yang lebih tinggi

dan

mendukung kebutuhan warehouse pada tingkat departemen. Tingkatan

data ini di sebut juga dengan data mart. Akses terhadap data jenis ini

banyak

digunakan

untuk view suatu kondisi

yang sedang atau sudah

berjalan.

4. Highly Summarized Data

Data

ini

merupakan

tingkat

lanjutan

dari Lightly

summarized

data, merupakan

hasil ringkasan

yang bersifat totalitas, dapat di akses

misal

untuk

melakukan analisis perbandingan data berdasarkan urutan

waktu tertentu dan analisis menggunakan data multidimensi.

5. Metadata

Metadata bukan merupakan data hasil kegiatan seperti keempat

jenis data diatas. Menurut Poe (1996),

metadata

adalah ‘data tentang

data’ dan menyediakan

informasi tentang struktur data dan

hubungan

antara struktur data di dalam atau antara storage (tempat penyimpanan

data).

Metadata berisikan data yang menyimpan proses perpindahan

data

meliputi

database structure ,

contents,detail data dan

summary

data, matrics , versioning, aging criteria , versioning, transformation

criteria. Metadata khusus dan memegang peranan yang sangat penting

dalam data warehouse.

Metadata sendiri mengandung :

1. Struktur data

Sebuah direktori yang membantu user untuk melakukan

analisis Decission Support System dalam pencarian letak atau lokasi

dalam data warehouse.

2. Algoritma

Algoritma digunakan untuk summary data. Metadata sendiri

merupakan panduan

untuk algoritma dalam melakukan pemrosesan

summary data antara current detail data dengan lightly summarized

data dan antara lightly summarized data dengan highly summaried

data.

3. Mapping

Sebagai panduan pemetaan (mapping) data pada saat data di

transform/diubah

dari

lingkup

operasional

menjadi

lingkup data

warehouse.

Gambar 2.10 Struktur data warehouse Inmon(2005, p34)

2.1.6.5 Arsitektur Data Warehouse

Menurut

Connoly

(2002,

p1052),

ada sepuluh

komponen

utama

yang dimiliki oleh data warehouse yaitu:

1. Operasional Data

Sumber data untuk data warehouse bersumber dari data-data

berikut:

Mainframe data operasional yang ada dalam jaringan database.

Data departemental yang ada dalam hak akses dalam sistem file.

Data privasi di simpan di dalam server pribadi dan workstation.

Sistem external, seperti internet, atau database yang terkait dengan

customer dan suppliers.

2. Operasional Datastore

Tempat penyimpanan data operasional yang sifatnya saat ini dan

terintegrasi dan dipakai untuk analisis. Biasanya operational datastore

terstruktur dan tersuplai dengan data dengan cara yang sama dengan

data warehouse.

Tetapi

memungkinkan

untuk

memindahkan

ke data

warehouse secara sederhana.

3. Load Manager

Load

manager

disebut

juga

sebagai

komponen front-end,

menampilkan

semua

operasi gabungan

dengan

menarik

dan

menyimpan

data

ke data warehouse.

Data

bisa

langsung dikeluarkan

langsung dari sumber data, atau data store operasional. Operasi yang

dilakukan

load

manager,

bisa

termasuk

transformasi

sederhana

dari

data untuk menyiapkan data yang akan dimasukan data warehouse.

4. Warehouse Manager

Menangani semua operasi yang berhubungan dengan management

data

dalam data

warehouse.

Operasi-operasi

yang

dijalankan

oleh

warehouse manager, mencakup:

a. Analisis data untuk menjaga kekonsistenan data.

b. Melakukan transformasi dan pengabungan sumber data dari tempat

penyimpanan sementara ke dalam tabel-tabel data warehouse.

c. Melakukan denormalisasi (jika perlu).

d. Melakukan aggregations (jika perlu).

e. menyimpan (archive) dan backup data.

5. Query Manager

Query manager disebut juga sebagai component backend, untuk

menangani semua operasi yang berhubungan dengan manajemen

permintaan user

(user

queries).

Operasi

yang dijalankan

oleh query

manager meliputi kegiatan mengarahakan permintaan ke tabel-tabel

data

yang

tepat

dan

melakukan penjadwalan eksekusi pada

permintaan.

6. Detailed Data

Pada bagian ini, warehouse menyimpan detail semua data dalam

skema

database

yang

umumnya

detail

data tidak

disimpan

secara

online, tetapi ada dengan

meng-aggregate

data

sama tingkat

detail

berikutnya.

7. Lightly and Highly Summarized Data

Disini

warehouse

menyimpan

semua

data

yang dihasilkan

oleh

manager warehouse

secara

light dan high. Tujuannya untuk

meningkatkan kecepatan performa dari query.

8. Archive / Back-up Data

Digunakan untuk menyimpan detailed data dan data

yang

telah

diringkas. Tujuannya adalah untuk penyimpanan(archiving)

dan

backup. Data kemudian ditransfer ke

media

penyimpanan

seperti

magnetic tape atau optical disk.

9. Metadata

Bagian ini digunakan untuk penarikan dan peyimpanan proses

data, proses management warehouse. Dan juga, bagian dari proses

management query.

10. End-user Access Tools

Prinsip tujuan dari data warehouse,

adalah

untuk

menyediakan

informasi

sebagai

bantuan bagi

para pengguna

dalam bidang

bisnis,

ynng melakukan strategi untuk pengambilan keputusan. Menurut

beberapa

ahli, End-user access

tools

dapat

dikategorikan

menjadi

golongan utama, yaitu:

a. Reporting and Query Tools

Reporting tools

meliputi

production

reporting

tools dan

report writer. Production reporting tools digunakan untuk

menghasilkan laporan operasional reguler atau daya pemicu kerja

yang tinggi. Seperti order customer, invoice, dan gaji karyawan.

Query

tools

untuk

relasional

data

warehouse,

di-design

untuk

menerima SQL dan syntax-nya, untuk query penyimpanan

data untuk data warehouse. Tools ini, melindungi end users dari

kompleksitas SQL dan struktur database.

b. Application Development Tools

Kebutuhan dari end user, kemampuan membuat

laporan

yang built-in dan tools query yang tidak

mencukupi, dikarenakan

kebutuhan analisis tidak bisa dilakukan, atau karena interaksi user

membutuhkan tingkat profesional yang tinggi.

c. Executive Information System (EIS) tools

EIS lebih dikenal sebagai ‘Everybody’s information

system’

yang semula dikembangkan untuk mendukung strategi

kebutuhan

tingkat tinggi. Tools

EIS

mulanya

terasosiasi dengan

mainframe, sehingga memungkinkan user membuat aplikasi

pendukung pengambilan keputusan, dalam menyediakan overview

data organisasi dan mengakses sumber data eksternal.

d. OnLine Analitical Proccessing (OLAP) tools

Pengguna

yang

handal OLAP

tools

berbasis

pada konsep

basis

data

multi-dimensi

dan

memperbolehkan pengguna

untuk

menganalisis data multi-dimensional view yang kompleks.

e. Data Mining Tools

Data mining adalah proses

yang

memiliki makna tentang

korelasi yang baru, patterns, dan trend dengan data dalam jumlah

besar

menggunakan

teknik

statistik,

matematika,

dan

kecerdasan

buatan. Data mining memiliki potensi untuk menggantikan

kemampuan dari OLAP tools, sebagai penampilan utama dari

data mining

adalah

kemampuan

untuk

membangun

prediksi

dibandingkan dengan model-model retrospective.

2.1.6.6 Data Warehouse Data Flows

Data flows yang ada

pada data warehouse terdiri dari 5 bagian,

yaitu, :

Inflow

Proses yang berhubungan dengan penarikan, pembersihan, dan

mengisi data dari sumber ke dalam data warehouse.

Upflow

Proses

yang terhubung dengan

menambahkan

nilai ke data di dalam

warehouse, melewati ringkasan pengepakan, dan penyebaran data.

Downflow

Prosesnya berhubungan dengan penyimpanan dan back-up data dalam

data warehouse.

Outflow

Proses

yang berhubungan

dengan

membuat data tersedia untuk end-

users.

Meta-flow

Proses yang berkaitan dengan manajemen meta-data.

2.1.6.7 Data mart

Data mart yang akan dibahas meliputi :

2.1.6.7.1 Pengertian Data Mart

Menurut Kimball (2002, p396), Datamart adalah bagian

dari

logikal

dan

fisikal

dari

area

cakupan

yang dimiliki

oleh

data warehouse. Sedangkan menurut Connoly dan Begg (2005,

p1171) Data mart merupakan bagian dari data warehouse,

yang mendukung kebutuhan informasi bagian departemen atau

fungsi bisnis tertentu.

2.1.6.7.2 Karakteristik Data mart

Karakteristik - karakteristik yang terdapat pada data

mart adalah sebagai berikut:

1. Data mart memfokuskan hanya pada kebutuhan-kebutuhan

pemakai

yang terkait dalam sebuah departemen atau

fungsi

bisnis.

2. Data mart biasanya tidak mengandung data operasional

yang rinci seperti pada data warehouse.

3. Data

mart

hanya

mengandung

sedikit

informasi

dibandingkan

dengan

data

warehouse.

Data mart

lebih

mudah dipahami dan dinavigasi

2.1.6.8 Skema Bintang / Star Schema

Teori skema bintang meliputi :

2.1.6.8.1 Pengertian Skema Bintang

Menurut Connolly (2002, p1079), skema bintang adalah

struktur logikal yang mempunyai sebuah table fakta yang berisi data

fakta di tengah dan dikelilingi oleh table-tabel dimensi yang berisi

data referensi atau keterangan yang biasanya dapat didenormalisasi.

Menurut Inmon (2005, p128), skema bintang adalah struktur

desain

yang

dibutuhkan

untuk mengatur

data

dengan

cara

denormalisasi dalam jumlah yang besar ke dalam sebuah entity

dalam sebuah data mart untuk mengoptimalkan akses data.

Kesimpulannya, skema bintang adalah suatu stuktur logikal

data yang mempunyai suatu tabel fakta yang dikelilingi oleh tabel-

tabel multidimensi serta kompatibel dengan kebutuhan bisnis.

2.1.6.8.2 Karakteristik dari Skema Bintang

Skema

bintang

memiliki

beberapa

macam karakteristik

sebagai berikut:

1. Pusat skema bintang adalah fact table.

2. Fact table berisi indikator – indikator kinerja pokok/Key

Performance Indicators.

3. Indikator – indikator kinerja pokok tersebut adalah atribut –

atribut dari fact table.

4. Obyek – obyek informasi dan waktu adalah kunci utama dari fact

table.

5. Tabel di sekeliling fact table adalah dimension table.

6. Tiap dimension table di-relasikan fact table berdasarkan primary

key-nya.

7. Skema

bintang

diimplementasikan

menggunakan

teknologi

database relasional.

2.1.6.8.3 Keuntungan Menggunakan Skema Bintang

Skema bintang memiliki keuntungan yang tidak didapat oleh

skema relasional biasa. Keuntungan skema bintang, antara lain:

1. Respon

data

yang

lebih

cepat

dihasilkan

dari

perancangan

database.

2. Kemudahan dalam mengembangkan atau memodifikasi data terus

berubah.

3. End user dapat menyesuaikan cara berpikir dan menggunakan

data, konsep ini dikenal juga dengan istilah pararel dalam

perancangan database.

Menyederhanakan

pemahaman

dan

penelusuran metadata

bagi

pemakai dan pengembang.

2.1.6.8.4 Perancangan Skema Bintang

Skema bintang memiliki dua macam tabel, yaitu;

Tabel Fakta (Fact Table)

Merupakan tabel yang umumnya mengandung angka dan

data

history dimana

key

(kunci)

yang

dihasilkan

sangat

unik,

karena

key

tersebut

terdiri

dari foreign

key (kunci

asing)

yang

merupakan

primary

key (kunci

utama)

dari

beberapa

dimension

table yang berhubungan. Tabel fakta sering juga disebut major

table.

Tabel Dimensi (Dimension Table)

Tabel yang berisikan kategori dengan ringkasan data detail

yang dapat dilaporkan. Seperti laporan laba pada tabel fakta dapat

dilaporkan

sebagai

dimensi waktu(yang

berupa

perbulan,

perkuartal dan pertahun).Tabel dimensi sering juga disebut

sebagai minor table.

2.1.6.8.5 Ketentuan Pembacaan Skema Bintang

Adapun ketentuan pembacaan skema bintang adalah sebagai

berikut:

1. Bagian yang ada di bawah tabel adalah kolom-kolom dari tabel.

2. Primary key dan foreign key diberi kotak.

3. Primary key diarsir, sedangkan foreign key yang bukan primary key

tidak

4. Foreign key

yang

berhubungan ditunjukan dengan

garis

yang

menghubungkan tabel-tabel.

5. Kolom yang bukan primary key atau foreign key disebut kolom data

pada tabel fakta dan atribut pada tabel dimensi.

2.1.6.8.6 Jenis-Jenis Skema Bintang

Ada beberapa macam jenis skema bintang, yaitu:

1. Simple Star Schema

Dalam skema ini, setiap tabel harus memiliki primary key

yang terdiri dari satu kolom atau

lebih dan primary key

tersebut

harus

bersifat

unik.

Foreign

key

adalah

kolom

pada

satu

tabel

yang nilainya didefinisikan oleh primary key pada tabel lain.

Tabel dimensi 1

Tabel Fakta

Tabel dimensi 3

Kunci 1

Atribut

...........

Atribut

Kunci 1

Kunci 2

Kunci 3

Atribut

...........

Atribut

Kunci 2

Atribut

...........

Atribut

Kunci 3

Kolom Data

...........

Kolom Data

Keterangan :

Kunci n

= Kunci Utama

Gambar 2.1 Simple Star Schema (Poe, 1996, p124)

Kunci 1

Atribut

...........

Atribut

Kunci 1

Kunci 3

Kunci 2

Kolom Data

............

Kunci 2

Atribut

...........

Atribut

Kunci 1

Kunci 3

Kunci 2

Kolom Data

............

Kunci 3

Atribut

........... ...........

Atribut

Kunci 1

Kunci 2

Kunci 3

Kolom Data

............

Tabel dimensi

Kunci 2

Atribut

...........

Atribut

Kunci 1

Kunci 2

Kunci 3

Kolom Data

............

2. Multiple Fact Star Schema

Skema bintang dapat

memiliki lebih dari satu tabel fakta,

karena adanya

fakta

yang tidak saling berhubungan.

Misalnya di

samping penjualan, terdapat tabel fakta forecasting dan tabel fakta

result. Walaupun terdapat banyak tabel fakta, tabel dimensinya

tetap digunakan bersama-sama.

Tabel dimensi

Tabel Fakta

Kunci 1

Atribut

...........

Atribut

Tabel Fakta

Tabel dimensi

Kunci 3

Atribut

Gambar 2.2 Multiple Fact Star Schema (Poe, 1996, p126)

2.1.6.8.7 Variasi Skema Bintang

Variasi-variasi yang ada pada skema bintang adalah

Skema Snowflake

Snowflake

merupakan variasi lain dari skema bintang

dimana tabel dimensi dari skema bintang tidak mengandung atau

berisi data yang didenormalisasi. Prinsip dasar dari skema ini

tidak jauh berbeda dari skema bintang. Penggunaan tabel dimensi

sangatlah menonjol, karena itulah perbedaan mendasar dari skema

bintang dan skema

snowflake. Skema snowflake menggunakan

beberapa tabel fakta dan tabel dimensi yang sudah mengalami

normalisasi, sedangkan skema bintang menggunakan tabel

dimensi

yang

masih

denormalisasi.

Skema

snowflake

dibuat

berdasarkan OLTP sehingga semua data akan termuat detail

dalam setiap tabel fakta dan tabel dimensi.

Keuntungan

dari

skema

snowflake

adalah kecepatan

memindahkan data

dari

data OLTP

ke dalam metadata, sebagai

kebutuhan

dari

alat pengambil

keputusan tingkat tinggi di mana

dengan tipe seperti ini seluruh struktur dapat digunakan

sepenuhnya, dan banyak yang

beranggapan lebih nyaman

merancang dalam normal ketiga.

Kerugian yang didapat adalah memiliki masalah besar

dalam hal

kinerja

(performance),

hal

ini

disebabkan

semakin

banyaknya

join

antar

tabel-tabel

yang

dilakukan

dalam skema

snowflake ini maka semakin lambat kinerja yang dilakukan.

Skema Bintang dengan 2 Tabel Fakta

Sebuah skema bintang yang menyediakan atribut yang

lengkap, konsisten, dan mudah

dimengerti memungkinkan bagi

pemakai untuk memperoleh penampilan data yang mudah digunakan

dan mudah dimengerti. Perancangan skema bintang yang baik

membantu pemakai untuk menulis pencarian yang diinginkan dengan

cara yang dimengerti.

2.1.6.9 Metodologi Perancangan Data Warehouse

Menurut Connolly (2002, p1083) Metodologi Perancangan Data

Warehouse nine-steps methodology yang terdiri dari:

a. Pemilihan Proses

Sebuah proses (fungsi) mengarahkan tentang sebuah subjek

yang ada pada

suatu data

mart.

Data mart

yang

pertama

dibangun

harus

bisa

disampaikan

pada

waktunya, sesuai dengan anggaran dan

menjawab sebagian besar pertanyaan bisnis yang penting. Pilihan yang

paling tepat untuk

data mart adalah

yang terkait dengan penjualan.

Sumber data sebaiknya yang mudah diakses dan berkualitas tinggi.

Sebagai

contoh, dalam memilih data mart yang pertama untuk

DreamHome pertama kali kita menentukan proses bisnis diskrit dari

DreamHome meliputi:

Properti sales

Properti rentals (leasing)

Properti Viewing

Properti advertising

Properti maintenance

b. Pemilihan Grain

Keputusan grain untuk tabel fakta menentukan grain dari setiap

tabel dimensi. Sebagai contoh,

jika

grain

untuk

tabel

fakta property

sales adalah individualnya dari property sale, maka grain dari dimensi

klien adalah detail dari klien yang mewakili properti tertentu.

c. Identifikasi Dimensi

Tabel dimensi menyiapkan konteks untuk menanyakan

pertanyaan

tentang

fakta

yang

ada

didalam tabel

fakta.

Kumpulan

dimensi yang dibuat dengan baik akan mempermudah dalam mengerti

dan mengunakan data mart.

Kemudian mengidentifikasikan detail

dimensi yang secukupnya untuk mengambarkan klien dan properti

pada grain yang tepat Sebagai contoh, setiap klien dari tabel dimensi

ClientBuyer

digambarkan dengan atribut clientID,

clientNo.

clientName, clientType, city, region, dan country. Ketidaklengkapan

dari dimensi yang dikumpulkan akan mengurangi fungsi dari data mart

sampai ke enterprise.

Jika

ada

dimensi

yang

sama

dalam

dua data mart,

maka

keduanya pasti memiliki dimensi yang sama atau salah satunya pasti

melengkapi

yang

lainya.

Hanya

dengan

cara

ini

dua

data mart bisa

berbagi dalam satu atau

lebih dimensi

yang ada dalam aplikasi yang

sama.

Ketika

dimensi

digunakan

dalam lebih

dari

satu data

mart,

dimensi yang satunya harus bisa disesuaikan. Sebagai contoh dimensi

yang harus disesuaikan antara property sales dan property advertising

adalah

dimensi time,

PropertyForSale,

Branch, dan

Promotion.

Jika

dimensi-dimensi

ini tidak sesuai atau

mereka

dibiarkan

menyimpang

dari sinkronisasi diantara data mart, maka keseluruhan data pada data

warehouse akan gagal, Dikarenakan kedua data mart

tidak dapat

digunakan bersama-sama.

d. Pemilihan Fakta

Grain dari tabel fakta

menentukan fakta

mana yang bisa

dipakai

dalam data

mart. Semua

fakta

harus dinyatakan

secara

pasti

oleh grain.

Dengan kata

lain, jika grain dari tabel fakta merupakan

indiviual property sale, maka semua fakta numeric harus menunjuk

kepada bagian penjualan tertentu. Fakta juga harus numerik dan

ditambah. Tambahan fakta lainnya bisa ditambah ke dalam tabel fakta

kapan saja selama fakta itu konsisten dengan grain

dari tabel itu.

e. Penyimpanan perhitungan data yang ada didalam tabel fakta

Ketika semua fakta sudah ditentukan, maka fakta ini harus

diperiksa kembali. Apakah fakta ini dapat dipakai atau tidak. Contoh

umum

fakta

yang

dipakai adalah

kebutuhan sebuah

toko

ketika

fakta

yang ada dapat membandingkan laba dan rugi. Situasi ini dapat terjadi

ketika tabel fakta berdasarkan invoice atau sales.

f. Mengumpulkan semua tabel dimensi

Pada

tahap

ini,

kita

kembali

dalam dimensi

tabel

dan

menambah deskripsi yang sebanyak-banyaknya. Deskripsi harus jelas

dan

mudah

dimengerti

sehingga

cukup jelas. Sebagai contoh, tabel-

tabel dimensi yang telah diperiksa dan akan dipakai dikumpulkan dan

disusun kembali agar mudah dimengerti.

g. Pemilihan Durasi Database

Durasi dapat mengatur seberapa jauh tabel fakta ini dapat

berlaku. Sebagian besar perusahaan, mempunyai kebutuhan untuk

melihat data pada periode tertentu dalam

jangka waktu satu atau dua

tahun. Untuk tipe perusahaan lainnya, seperti asuransi. Mungkin

membutuhkan data yang periodenya lebih lama yaitu sekitar lima atau

lebih dari lima tahun. Ada 2 fakta yang besar yang dapat diambil dari

design data warehouse. Pertama, Semakin tua suatu data semakin sulit

unuk digunakan atau dibaca. Kedua, dimensi yang dibunakan adalah

dimensi yang lebih lama bukan yang saat ini. Masalah seperti ini

dikenal

juga sebagai

masalah Slowly Changing dimension

yang

akan

dibahas lebih detail pada point berikutnya.

h. Menelusuri Perlahan Perubahan Tabel Dimensi

Yang

dimaksud

dengan

masalah slowly changing dimension,

contohnya adalah deskripsi yang jelas tentang klien dan cabang yang

sudah lama haurs dipakai dengan data transaksi yang lama. Data yang

penting

seperti ini harus dibuat kunci yang umum untuk

menghilangkan snapshot yang ganda dari data klien dan cabang dalam

periode tertentu.

Ada tiga tipe dasar dari dimensi yang berubah secara perlahan,

yang pertama ketika atribut dari dimensi ditulis kembali, yang kedua

ketika

terjadi

perubahan dimensi menyebabkan

adanya

tabel

dimensi

yang baru yang dibuat, yang ketiga perubahan atribut dimensi

menyebabkan atribut alternatif dibentuk sehingga baik nilai yang lama

dan

yang baru

dapat di akses

secara bersamaan

pada

tabel

dimensi

yang sama.

i. Penentuan Prioritas dan Cara Query

Dalam langkah

ini,

memperkirakan untuk

membuat rancangan

fisikal.

Yang

paling

penting dalam rancangan

fisikal

yang

memperngaruhi persepsi data mart

end-user’s adalah urutan dari

perintah

fisikal

yang

ada

dalam tabel

dan

ketersediaan

ringkasan.

Dibalik semua ini ada tambahan rancangan fisikal yang mempengaruhi

administration, backup, indexing performance, dan security.

Pada

langkah terakhir dalam metodologi

ini,

harus

merancang

data mart

yang

mendukung

kebutuhan

bisnis proses dan juga

mempermudah

dalam integrasi

dengan

lain

yang

terkait

dengan

data

mart untuk data warehouse sebuah perusahaan.

2.1.7

Estimasi Disk

Ada beberapa langkah yang perlu diikuti dalam menghitung kapasitas

disk:

1. Menentukan jumlah baris didalam tabel (num_rows)

2. Ukuran tergantung pada tipe data dan panjangnya

Jumlah kolom (num_cols)

Jumlah fixed length column (byte) (fixed_datasize)

Jumlah variable length column (Num_variable_cols)

Ukuran maksimal variable length column (max_var_size)

3. Menghitung null bitmap jika dalam tabel terdapat fixed length

column

Null bitmap (null_bitmap) = 2 + ((Num_cols+7):8)

4. Menghitung kapasitas jika terdapat variable length column

dalam tabel

Total size of variable length columns (variable_data_size) =

2+(num_variable_cols x 2) + max_var_size

5. Menghitung ukuran baris

Total

row

size

(row_size)

fixed_data_size

variable_data_size + Null bitmap +4

6. Menghitung jumlah baris per halaman (8096 byte per page)

Numbers

rows

per

page

(Rows_per_page)

8096

(row_size + 2)

7. Jika terdapat clustered index didalam tabel, maka menghitung

free rows per page didasarkan pada fill factor. Jika tidak ada

clustered

index

yang

dibuat,

maka

fill

factor diasumsikan

sebagai 100.

Number of free row per page(Free_rows_per_page) = 8096 x

((100 – fill factor) : 100) : (row_size+2)

8. Menghitung

jumlah

halaman

yang

dibutuhkan

untuk

menyimpan semua baris

Number of pages (num_pages)= num_rows : (rows_per_page

–

free_rows_per_page)

9. Menghitung kapasitas yang dibutuhkan untuk menyimpan

data dalam tabel (8192 byte per pages)

Tabel size (bytes) = 8192 x num_pages

Menghitung ukuran tabel dengan index

Berikut

ini cara

yang digunakan

untuk

menghitung tabel

yang didalamnya terdapat index:

1. Menghitung kapasitas yang digunakan untuk menyimpan data

2. Menghitung

kapasitas

yang

digunakan

untuk

menyimpan

index

clustered

3. Menghitung

kapasitas

yang

digunakan

untuk

menyimpan

index

non-clustered

4. Menghitung nilai-nilai yang telah dihitung diatas

Pada setiap perhitungan selalu mencantumkan jumlah baris yang akan

ada didalam tabel.

Number of rows in the table = num_rows

Menghitung kapasitas yang digunakan untuk menyimpan data:

space used to store data = data_spaced_used

Menghitung kapasitas yang digunakan untuk menyimpan index:

1. Definisi dari index dapat berupa fixed length dan variable length

column

Jumlah kolom dalam index key (num_key_cols)

Jumlah semua fixed length column key (byte) (fixed_key_size)

Jumlah

variable

length

column

dalam

index

key

(num_variable_key_cols)

Ukuran

maksimum

dari

variable

length

column

key

(max_var_key_size)

2. Index Null Bitmap (Index_Null_bitmap) = 2+((Num_key_cols + 7): 8)

3. Jika terdapat variable length column dalam index, maka dihitung

berapa kapasitas yang digunakan untuk menyimpan kolom dalam

baris index.

Total

size

variable

lenght

columns

(variable_key_size)

2+(num_variable_key_cols x 2) + max_var_key_size

4. Menghitung ukuran baris index

Total

index

row

size

(Index_row_size)

fixed_key_size

variable_key_size + index_null_bitmap + 1 + 8

5. Menghitung jumlah baris per halaman (8096 byte per page)

Number

index

rows

per

page

(Index_rows_per_page)

8096

(index_row_size + 2)

6. Menghitung jumlah

halaman

yang dibutuhkan untuk

menyimpan

semua baris index pada setiap level dari index

Number of pages (level 0) (num_pages_level_0) = (data_space_used :

8192) : index_rows_per_page

Number

pages

(level

(num_pages_level_0)

num_pages_level_0 : index_rows_per_page

Perhitungan terus dilakukan sampai level n (num_pages_level_n)

sama dengan satu (index root page)

Menghitung jumlah

halaman

yang dibutuhkan untuk

menyimpan

setiap level dari index

Total number of pages (num_index_pages) = num_pages_level_0 +

num_pages_level_1 + .... + num_pages_level_n

7. Menghitung

ukuran index (8192 byte per page) index size (bytes) =

8192 x num_index_pages

Menghitung ukuran tabel

Total tabel size (bytes) = data_space_used + clustered_index_size +

non-clustered_index_size + .....n

Menghitung pertumbuhan setiap tahun selama lima tahun

1. Menghitung master

Rn = R

(n-1)

* (1 + i )

R = Jumlah record

n = Tahun

i = Persentase Pertumbuhan data, sebesar 10%

2. Menghitung Transaksi

Rn = R

(n-1)

+ R

(n-1)

* (1 + i )

R = Jumlah record

n = Tahun

i = Persentase Pertumbuhan data, sebesar 10%

2.2 Teori Khusus

Teori

khusus

yang

akan

diuraikan

mengenai business intelligence, internet,

Enterprise Resource Planning (ERP), Data Flow Diagram (DFD), State Transition

Diagram (STD), sistem penjualan, sistem pembelian, dan sistem persediaan.

2.2.1 Business Intelligence

Teori mengenai business intelligence meliputi :

2.2.1.1

Pengertian Business Intelligence

Business

intelligence (BI)

merupakan

sistem dan

aplikasi

yang

berfungsi

untuk

mengubah

data-data dalam

suatu

perusahaan

atau

organisasi (data operasional, data transaksional, atau data lainnya) ke

dalam bentuk pengetahuan.

Aplikasi

ini

melakukan analisis data-data di

masa lampau, menganalisisnya dan kemudian menggunakan pengetahuan

tersebut untuk mendukung keputusan dan perencanaan organisasi.

2.2.1.2

Manfaat Business Intelligence

Beberapa keuntungan

yang bisa didapatkan bila suatu organisasi

mengimplementasikan business intelligence adalah sebagai berikut:

a. Meningkatkan nilai data dan informasi organisasi

Melalui

pembangunan

business

intelligence,

maka

seluruh

data

dan informasi dapat diintegrasikan sedemikian rupa sehingga

menghasilkan pengambilan keputusan yang lengkap. Informasi-

informasi

yang

dulunya

tidak

dicakupkan sebagai salah satu faktor

pengambilan keputusan (terisolasi) dapat dengan mudah dilakukan

‘connect

and

combine’ dengan

menggunakan

business intelligence.

Data dan informasi yang dihasilkan pun juga menjadi lebih mudah

diakses dan lebih mudah untuk dimengerti (friendly-users info).

b. Memudahkan pemantauan kinerja organisasi

Dalam mengukur kinerja suatu organisasi seringkali dipergunakan

ukuran yang disebut Key Performance Indicator (KPI). KPI tidak

selalu diukur dengan satuan uang, namun dapat juga berdasarkan

kecepatan

pelaksanaan suatu

layanan. Business

intelligence

dapat

dengan mudah menunjukkan pencapaian KPI suatu organisasi dengan

mudah, cepat dan

tepat.

Dengan demikian akan

memudahkan pihak -

pihak

yang

terlibat

dalam

pengambilan

keputusan

untuk

langkah

langkah antisipasi yang diperlukan.

c. Meningkatkan nilai investasi teknologi informasi yang sudah ada

Business Intelligence tidak

perlu/harus

mengubah

atau

menggantikan

sistem informasi

yang

sudah

digunakan

sebelumnya.Sebaliknya,

Business

Intelligence hanya

menambahkan

layanan pada sistem-sistem tersebut sehingga data dan informasi

yang

sudah

ada

dapat menghasilkan informasi yang komprehensif dan

memiliki kegunaan yang lebih baik.

d. Menciptakan pegawai yang memiliki akses informasi yang baik (well-

informed workers)

Dalam melaksanakan pekerjaannya sehari-hari, seluruh

level dari

suatu

organisasi

(mulai

dari pegawai/bawahan

sampai

dengan

pimpinan) selalu berkaitan dan/atau membutuhkan akses data dan

informasi. Business Intelligence

mempermudah

seluruh

level

pegawai dalam

mengakses data dan

informasi yang diperlukan

sehingga membantu membuat suatu keputusan.Jika seperti ini tercapai,

maka

misi

dan

strategi

organisasi yang sudah ditetapkan dapat

dengan lebih mudah terlaksana terpantau tingkat pencapaiannya.

e. Meningkatkan efisiensi biaya

Business Intelligence dapat

meningkatkan

efisiensi

karena

mempermudah seseorang dalam melakukan

pekerjaan,

hemat

waktu

dan mudah pemanfaatannya. Waktu yang dibutuhkan untuk mencari

data dan mendapatkan informasi yang dibutuhkan semakin singkat dan

cara untuk mendapatkannya pun tidak memerlukan pengetahuan

(training) yang rumit. Dengan demikian training-training yang bisanya

sering

dilakukan

dengan

biaya

yang cukup

besar, dapat dihemat

sedemikian rupa.

2.2.2

Internet

Teori mengenai internet meliputi :

2.2.2.1 Definisi Internet

Internet adalah kumpulan

jaringan yang mempunyai

mekanisme

berkemampuan untuk menyebarkan informasi di

seluruh

dunia

dan

sebuah

media untuk berkolaborasi dan

berinteraksi antara individu-individu dengan komputernya tanpa

memperhatikan lokasi geografisnya.

( Barry M. Leiner, http://www.isoc.org/internet/history/brief.ht m l )

Internet

menurut

Oetomo et

(2003,

p.157) adalah

sebuah jaringan komputer yang sangat besar yang terdiri dari

jaringan-jaringan kecil yang saling

terhubung

yang

menjangkau

seluruh dunia.

Internet yang digunakan orang saat ini, bermula dari

jaringan komputer yang digunakan oleh departemen pertahanan

Amerika Serikat. Jaringan komputer tersebut dikenal dengan

ARPANET, yang

digunakan pada saat terjadinya perang dingin

antara Amerika dengan Rusia. Selanjutnya ARPANET

dikembangkan menjadi jaringan yang lebih luas lagi yang disebut

internet. Perkembangan internet menjadi sangat pesat, karena

banyak

fasilitas

yang

ditawarkan

seperti e-mail,

USENET,

newsgroup, file transfer, telnet, bulletin board service, WWW,

Internet Telephony dan Internet Fax.

(Oetomo et al, 2003, p.71)

2.2.2.2 Mekanisme Internet

Internet bekerja dalam jaringan yang besar, karena itu

untuk

melakukan

perpindahan

data antar

komputer

dibutuhkan

beberapa hal seperti alamat tujuan dan perantara (Internet Service

Provider) serta sebuah protokol untuk menjamin sampainya data

pada tujuan.

Untuk menghubungkan host-host dalam internet

digunakan

protokol

TCP/IP

(Transmission Control Protocol /

Internet Protocol). TCP (Transmission Control Protocol)

berfungsi untuk membagi-bagi informasi yang akan dikirim

menjadi

paket

data

yang

kecil dan

merakitnya

kembali

menjadi

bentuk aslinya, sedangkan IP (Internet Protocol) berfungsi untuk

menjamin paket

yang dikirim mencapai tujuan dimana standar IP

membagi alamat menjadi sepuluh digit dengan setiap kelompok

digit memiliki referensi pengalamatan tersendiri.

TCP/IP

dibangun

dalam sistem

operasi

UNIX

dan

digunakan

oleh

internet,

menjadikan

TCP/IP sebagai

standar de

facto

untuk transmisi

data

dalam

jaringan.

Bahkan

TCP/IP

didukung

oleh

sistem operasi

jaringan

yang

memiliki

protokol

sendiri (misalnya Netware).

2.2.2.3 Protokol Aplikasi di Internet

Ada beberapa jenis protokol aplikasi dalam internet

yang

dikenal yaitu:

• File Transfer Protocol (FTP)

Berdasarkan pendapat Oetomo et al (2003, p72) File

Transfer

Protocol

(FTP) adalah

suatu

protokol

yang

memungkinkan perusahaan dan konsumen berkomunikasi

secara interaktif dengan komputer-komputer

lain

yang sedang

terhubung

dalam internet.

FTP

menyediakan

fasilitas

penyalinan

file secara elektronik dari

satu komputer ke

komputer lainnya melalui internet.

Berdasarkan pendapat McLeod (2001, jilid 1, p76) File

Transfer

Protocol

(FTP) adalah

perangkat

lunak

yang

memungkinkan

user

untuk

menyalin

file ke

komputer

dari

Website mana saja.

•

Hypertext Transfer Protocol (HTTP)

Protokol

yang

digunakan

oleh web

server

untuk

mengirim dan

menerima

informasi.

Bisa

digunakan

untuk

mengirim

dan

menerima

teks,

grafik,

gambar,

suara,

video,

dan file multimedia lainnya. (Oetomo et al, 2003, p155)

Menurut ( Wahana Komputer Semarang,

http://www.wahanako m .co m /)

adalah sebuah protokol yang

berfungsi sebagai suatu sistem pendistribusian dan

penggunaan informasi secara bersama di internet.

•

Gopher

Protokol yang dikembangkan oleh Universitas

Minnesota sebagai suatu cara untuk mengambil dokumen.

Selanjutnya,

Gopher

dimodifikasi

menjadi

sistem yang

digerakkan oleh menu yang digunakan untuk

mengambil file.

(McLeod, 2001, jilid 1, p77).

•

Telnet

Protokol ini digunakan untuk berhubungan dengan

komputer lain di dalam internet. (Oetomo et al, 2003, p2)

2.2.3

Data Flow Diagram (DFD)

(Parno, 2000) adalah representasi

pembuatan

model

yang

memungkinkan

professional

sistem untuk

menggambarkan

sistem

sebagai

suatu

jaringan

proses

fungsional

yang

dihubungkan satu sama lain dengan alur data, baik secara manual maupun

komputerisasi.

Yang

membedakan

DFD dengan

flowchart adalah

DFD

menunjukkan

aliran

dari

data

sedangkan flowchart

menunjukkan aliran

kontrol dari suatu program. Sebuah DFD dapat juga digunakan untuk

visualisasi dari proses data.

2.2.3.1 Notasi-Notasi DFD

Ada

beberapa

notasi

yang

berbeda

dalam

mendesain

DFD.

Notasi-notasi tersebut antara lain:

Gambar 2.11 Notasi-notasi DFD

2.2.4

State Transition Diagram (STD)

Menurut

Whitten

(2004,

p673),

State

Transition Diagram

digunakan untuk menggambarkan urutan dan variasi dari layar yang bisa

ditampilkan

ketika

pengguna

sistem berada

pada

terminal.

Kita

dapat

membayangkannya

sebagai

peta

jalan.

Setiap

layar

sebagai

analogi dari

setiap kota. Tidak semua jalan melewati semua kota. Segiempat

digunakan untuk mewakili tampilan layar. Panah mewakili aliran kendali

dan kejadian pemicu yang menyebabkan layar menjadi aktif atau

mendapatkan fokus. Segiempat hanya menerangkan apa yang dapat

muncul selama interaksi. Arah panah menandakan urutan dimana layar-

layar ini ditampilkan. Setiap panah,

masing-masing

dengan

labelnya

sendiri, digambar dengan arahnya masing-masing karena tindakan

berbeda memicu aliran kendali dari dan kepada sebuah layar yang ada.

2.2.5

Sistem Penjualan

Penjualan menurut Mulyadi (1993, p199) dibagi menjadi tiga

yaitu penjualan tunai, penjualan kredit dan sistem retur penjualan.

Sistem penjualan

tunai

dilaksanakan

oleh

perusahaan

dengan

cara

mewajibkan pembeli melakukan pembayaran harga barang terlebih

dahulu sebelum barang diserahkan oleh perusahaan kepada pembeli.

Dokumen yang digunakan yang untuk sistem penjualan tunai

adalah :

1. Faktur penjualan tunai

2. Bukti setor bank

3. Pita register kas

4. Rekap harga pokok penjualan

Sistem penjualan kredit dilaksanakan oleh perusahaan dengan

cara mengirimkan barang dengan order yang diterima dari pembeli dan

untuk jangka waktu tertentu, perusahaan mempunyai tagihan kepada

pembeli

tersebut.

Dokumen

yang

digunakan

untuk

sistem penjualan

kredit adalah :

1. Surat order pengiriman dan tembusan

2. Faktur dan tembusan

Sistem retur

penjualan terjadi

jika

pembeli

mengembalikan

barang yang

dibelinya kepada perusahaan penjual barang tersebut.

Pengembalian barang oleh pembeli harus diotorisasi oleh bagian order

penjualan dan diterima oleh bagian penerimaan barang di perusahaan

penjualan

barang

tersebut.

Dokumen

yang

digunakan

dalam transaksi

retur penjualan adalah memo kredit dan laporan penerimaan barang.

2.2.6

Sistem Pembelian

Sistem pembelian

menurut

Mulyadi

(1993,

p305)

digunakan

dalam perusahaan

untuk

pengadaan

barang

yang

diperlukan

oleh

perusahaan. Transaksi pembelian dapat digolongkan menjadi dua yaitu

pembelian impor dan pembelian lokal. Pembelian lokal adalah

pembelian dari pemasok dalam negeri, sedangkan pembelian impor

adalah pembelian dari pemasok luar negeri.

Informasi

yang

diperlukan

oleh manajemen

dari

kegiatan

pembelian adalah :

1. Jenis persediaan

yang telah

mencapai titik pemesanan kembali

(reorder point).

2. Order pembelian yang telah dikirim oleh pemasok.

3. Order pembelian yang telah dipenuhi oleh pemasok.

4. Total saldo utang dagang pada tanggal tertentu.

5. Saldo utang dagang kepada pemasok tertentu.

6. Tambahan kuantitas dan harga pokok persediaan dari pembelian.

Dokumen yang digunakan dalam sistem pembelian adalah :

1. Surat permintaan pembelian

2. Surat permintaan penawaran harga

3. Surat order pembelian

4. Laporan penerimaan barang

5. Surat perubahan order

6. Bukti kas keluar

2.2.7

Sistem Persediaan

Sistem persediaan menurut Mulyadi (1993, p555) bertujuan

untuk mencatat mutasi tiap jenis

persediaan yang disimpan dalam

gudang.

Dalam perusahaan

manufaktur,

persediaan

terdiri

dari

persediaan produk jadi, persediaan produk

dalam

proses,

persediaan

bahan baku, persediaan bahan penolong, persediaan bahan habis pakai

pabrik,

dan

persediaan

suku

cadang.

Dalam perusahaan

dagang,

persediaan

hanya

terdiri

dari

satu golongan,

yaitu

persediaan

barang

dagangan, yang merupakan barang yang

dibeli

untuk

dijual

kembali.

Transaksi yang mengubah persediaan produk jadi, persediaan bahan

baku, persediaan bahan penolong, persediaan bahan habis pakai pabrik,

dan

persediaan

suku

cadang,

bersangkutan

dengan

transaksi intern

perusahaan dan transaksi yang menyangkut

pihak

luar

perusahaan

(penjualan dan pembelian), sedangkan transaksi yang mengubah

persediaan produk dalam proses seluruhnya berupa transaksi intern

perusahaan.