2010-1-00125-if bab 2.pdf
Transcript of 2010-1-00125-if bab 2.pdf
-
6
BAB 2
LANDASAN TEORI
2.1 Teori Umum
Penjelasan tentang teori umum yang berhubungan dengan data dan
informasi, database, dan data warehouse adalah sebagai berikut :
2.1.1 Pengertian Data dan Informasi
Menurut Inmon (2002, p388), data adalah sebuah rekaman fakta, konsep,
atau instruksi pada sebuah media penyimpanan untuk komunikasi, pencarian,
dan pemrosesan secara otomatis dan dapat memberikan informasi yang dapat
dimengerti oleh pemiliknya atau pihak yang bersangkutan.
Menurut McLeod dan George (2001, p12), data terdiri dari fakta dan
angka yang secara relatif tidak berarti bagi pemakai.
Menurut Devlin (1997, p11), informasi adalah sebuah representasi bisnis
yang dipahami dan digunakan oleh pengguna akhir.
Sehingga dapat disimpulkan bahwa data merupakan fakta yang memuat
kejadian, tempat, dan subjek yang terjadi. Sedangkan informasi adalah data
yang telah diolah dan menjadi berguna bagi perusahaan.
2.1.2 Pengertian Database
Menurut OBrien (2005, p211), database adalah suatu koleksi
terintegrasi dimana secara logika berhubungan dengan record dari file.
-
7
Menurut El Masri dan Navathe (2004, p4), database adalah kumpulan
data yang terkait.
Menurut Connolly dan Begg (2002, p14), database adalah suatu
kumpulan data yang terkait secara logis dan disertai dengan deskripsi dari data
tersebut yang dirancang untuk memenuhi kebutuhan informasi dari sebuah
organisasi.
Menurut Inmon (2002, p388), database adalah sekumpulan penyimpanan
data yang berhubungan (sering dengan pengontrolan, redudansi yang terbatas)
yang berdasarkan suatu skema.
Jadi database adalah tempat penyimpanan data yang saling berhubungan
dan terintegrasi secara logika, sehingga dapat digunakan untuk mendapatkan
suatu informasi yang diperlukan oleh suatu organisasi atau perusahaan.
2.1.3 Entity Relationship Modelling
Menurut Connolly dan Begg (2002, p330), salah satu aspek yang sulit
dalam perancangan database adalah kenyataan bahwa perancang, programmer
dan pemakai akhir cenderung melihat data dengan cara yang berbeda. Untuk
memastikan pemahaman secara alamiah dari data dan bagaimana data
digunakan oleh perusahaan dibutuhkan sebuah bentuk komunikasi non-teknis
dan bebas dari kebingungan.
Berikut ini merupakan bagian dari entity relationship modelling :
-
8
2.1.3.1 Entity Type
Menurut Connolly dan Begg (2002, p331), entity type adalah kumpulan
objek yang berproperti sama, di mana properti tersebut diidentifikasikan
memiliki keberadaan yang bebas.
2.1.3.2 Attribute
Menurut Connolly dan Begg (2002, p338), attribute adalah properti dari
sebuah entity atau sebuah tipe relationship.
2.1.3.3 Relationship Type
Menurut Connolly dan Begg (2002, p334), relationship type adalah
sekumpulan hubungan antara satu atau lebih tipe entity.
2.1.3.4 Kunci (Key)
Pada setiap entitas, kita perlu mengidentifikasi secara unik berdasarkan
nilai data pada satu atribut atau lebih. Maka tiap entitas harus memiliki key.
Menurut Whitten et.al. (2004, p282) key adalah atribut atau kelompok
atribut yang mengasumsikan nilai unik untuk setiap contoh entitas.
Menurut Whitten et.al. (2004, p284) ada beberapa macam key yaitu :
1. Candidate key adalah satu dari sekian banyak key yang berlaku sebagai
primary key suatu entitas.
2. Primary key adalah candidate key yang paling umum untuk
mengidentifikasi contoh entitas tunggal.
-
9
3. Alternate key adalah candidate key yang tidak terpilih menjadi primary
key.
Sedangkan menurut Connolly dan Begg (2002, p340), key terdiri dari :
1. Candidate key adalah set minimal atribut yang secara unik
mengidentifikasi setiap terjadinya suatu tipe entitas.
2. Primary key adalah candidate key yang dipilih untuk mengidentifikasi
secara unik setiap kejadian atau sebuah tipe entitas.
3. Composite key adalah candidate key yang terdiri dari dua atribut atau
lebih.
2.1.4 Entity Relationship Diagram (ERD)
Menurut Whitten et.al. (2004, p295), ERD adalah model data yang
menggunakan beberapa notasi untuk menggambarkan data dalam konteks
entitas dan hubungan yang dideskripsikan oleh data tersebut.
2.1.5 Pengertian Database Management System (DBMS)
Menurut Connolly dan Begg (2002, p16), DBMS adalah sebuah sistem
perangkat lunak yang memungkinkan pengguna untuk mendefinisikan,
membuat, mempertahankan, dan mengontrol akses ke database.
-
10
2.1.6 Pengertian On-Line Transaction Processing (OLTP)
Menurut Kimball dan Ross (2002, p408), OLTP adalah deskripsi awal
dari setiap aktivitas dan sistem yang berhubungan dengan proses memasukkan
data kedalam sebuah database.
Sehingga dapat disimpulkan OLTP merupakan suatu pemrosesan yang
menyimpan data mengenai kegiatan operasional transaksi sehari-hari. OLTP
memungkinkan banyak user untuk mengakses secara bersamaan terhadap
sumber database yang sama, di mana database-nya bersifat rasional dan sudah
ternormalisasi.
2.1.7 On-Line Analytical Processing (OLAP)
Menurut Connolly dan Begg (2002, p1101), OLAP adalah suatu
perangkat yang menggunakan gambaran multidimensi sejumlah data untuk
menyediakan akses yang lebih cepat bagi strategi informasi dengan tujuan
mempercepat analisis.
OLAP memperbolehkan user untuk menganalisis database yang besar
untuk mendapatkan informasi yang lebih spesifik. Database untuk sistem
OLAP disusun teratur agar lebih efisien dalam penyimpanan data statis. Karena
penyimpanan OLAP adalah multidimensi, biasanya disebut cube.
Menurut Connolly dan Begg (2002, p1104), manfaat OLAP antara lain :
1. Meningkatkan produktivitas pengguna akhir, pengembang TI, dan
akibatnya ke seluruh organisasi.
-
11
2. Mengurangi backlog pengembangan aplikasi untuk staf TI dengan
membuat pengguna akhir cukup mandiri untuk membuat perubahan
skema mereka sendiri dan membangun model mereka sendiri.
3. Penyimpanan kontrol organisasi atas integritas data perusahaan sebagai
aplikasi OLAP yang tergantung pada data warehouse dan sistem OLTP
untuk memperbarui tingkat sumber data.
4. Mengurangi keraguan dan lalu lintas jaringan pada sistem OLTP atau
pada data warehouse.
5. Meningkatkan potensi pendapatan dan profitabilitas dengan
memungkinkan organisasi untuk merespon lebih cepat terhadap
permintaan pasar.
2.1.8 Konsep Data Warehouse
Beberapa konsep tentang data warehouse adalah sebagai berikut :
2.1.8.1 Pengertian Data Warehouse
Menurut Devlin (1997, p20), data warehouse adalah menyimpanan data
secara tunggal, lengkap, dan konsisten yang diperoleh dari berbagai sumber
dan tersedia untuk pengguna akhir dengan cara yang mereka pahami dan
digunakan dalam konteks bisnis.
Menurut Inmon (2002, p389), data warehouse merupakan sebuah koleksi
yang terintegrasi, database yang berorientasi subjek yang didesain untuk
-
12
mendukung fungsi Decission Support System (DSS), yang mana setiap unit
data saling berkaitan dalam suatu keadaan.
Jadi, data warehouse merupakan kumpulan data yang mendukung proses
pengambilan keputusan dalam suatu perusahaan . Secara fisik data warehouse
adalah database, tapi perancangan data warehouse dan database sangat
berbeda. Dalam perancangan database tradisional menggunakan normalisasi,
sedangkan pada data warehouse normalisasi bukanlah cara yang terbaik.
2.1.8.2 Karakteristik Data Warehouse
Karakteristik data warehouse yaitu :
1. Berorientasi Subjek (Subject-Oriented)
Menurut Inmon (2002, p31), subject-oriented Artinya data warehouse
diorganisasikan di sekitar subjek utama dari suatu perusahaan seperti
pelanggan, produk, dan penjualan bukan diorganisasikan pada area
aplikasi utama seperti faktur pelanggan, pengendalian stok, dan
penjualan produk. Ini tercermin dari kebutuhan untuk menyimpan data
yang bersifat mendukung keputusan dari pada aplikasi yang berorientasi
pada data.
2. Terintegrasi (Integrated)
Menurut Inmon (2002, p32), data warehouse bersifat terintegrasi karena
sumber data berasal dari sistem aplikasi yang berbeda pada perusahaan.
Sumber data yang ada sering tidak konsisten contohnya format yang
-
13
berbeda. Sumber data yang terintegrasi harus dibuat konsisten untuk
menyajikan data yang seragam pada pengguna.
3. Time Variant
Menurut Inmon (2002, p34), dalam data warehouse, data harus akurat
dan benar pada rentang waktu tertentu. Setiap unit dalam data warehouse
hanya akurat dan tepat dalam periode tertentu.
4. Non-volatile
Menurut Inmon (2002, p33), non-volatile artinya data dalam data
warehouse tidak dapat di-update secara real time tetapi diperbarui dari
sistem operasional secara reguler. Data baru selalu ditambahkan sebagai
tambahan dalam database, dari pada sebagai sebuah pengganti. Database
secara terus menerus menyerap data baru ini dan mengintegrasikan
dengan data sebelumnya.
2.1.8.3 Struktur Data Warehouse
Ada beberapa struktur yang spesifik terdapat pada bagian warehouse
manager. Bagian tersebut merupakan struktur data warehouse.
-
14
Sumber : Inmon (2002, p36) The Building Data Warehouse
Gambar 2.1 : Struktur Data Warehouse
Komponen dari struktur data warehouse menurut Inmon (2002, p35)
adalah:
1. 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. Jumlah data sangat besar sehingga
memerlukan tempat penyimpanan yang besar pula dan dapat diakses
secara cepat. Dampak negatif yang ditimbulkan adalah kerumitan untuk
Metadata
Highly summarized
Lightly summarized (Data Mart)
Current detail
Operational transformation Old detail
-
15
mengatur data menjadi meningkat dan biaya yang diperlukan menjadi
mahal.
2. Older 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 cadangan (back-up), maka biasanya data
disimpan dalam tempat penyimpanan alternatif seperti tape-desk.
3. Lighlty summarized data
Data ini merupakan ringkasan atau rangkuman dari current detail
data. Data ini dirangkum berdasarkan periode atau dimensi lainnya
sesuai dengan kebutuhan. Ringkasan dari current detail data belum
bersifat total summary.
4. Highly summarized data
Data ini merupakan tingkat lanjutan dari lightly summarized data,
merupakan hasil ringkasan yang bersifat totalitas, dapat diakses misal
untuk melakukan analisis perbandingan data berdasarkan urutan waktu
tertentu dan analisis menggunakan data multidimensi.
2.1.8.4 Metadata
Menurut Devlin (1997, p52), metadata adalah data yang menggambarkan
makna dan struktur data bisnis, seperti bagaimana dibuat, diakses, dan
digunakan.
-
16
Metadata berisikan data yang menyimpan proses perpindahan data
meliputi struktur database, kontens, data detail dan summary data, matriks,
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 DSS
dalam pencarian letak/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 hightly summaried data.
3. Mapping
Sebagai panduan pemetaan (mapping) data pada saat data diubah dari
lingkup operasional menjadi lingkup data warehouse.
2.1.8.5 Aliran Data dalam Data Warehouse
Menurut Connolly dan Begg (2002, p1058), aliran data pada data
warehouse adalah sebagai berikut :
1. Inflow
Merupakan proses yang terkait dengan ekstraksi, pembersihan, dan
pemuatan data dari sistem sumber ke data warehouse.
-
17
2. Upflow
Merupakan proses yang terkait dengan penambahan nilai pada data di
data warehouse seperti peringkasan, pengemasan, dan pendistribusian
data.
3. Downflow
Merupakan proses yang berhubungan dengan pengarsipan dan backing-
up data dalam data warehouse.
4. Outflow
Merupakan proses yang terkait dengan pembuatan data yang dapat
digunakan oleh pengguna akhir.
2.1.8.6 Anatomi Data Warehouse
Penerapan awal dari arsitektur data warehouse dibuat berdasarkan
konsep bahwa data warehouse mengambil data dari berbagai sumber dan
memindahkannya ke dalam pusat pengumpulan data yang besar. Konsep ini
sebenarnya lebih cenderung kepada sebuah lingkungan mainframe yang
terpusat.
Berikut ini adalah tiga jenis dasar sistem Data Warehouse :
1. Data Warehouse Fungsional (Functional Data Warehouse)
Kata operasional disini merupakan database yang diperoleh dari
kegiatan sehari-hari. Data warehouse dibuat lebih dari satu dan
dikelompokkan berdasarkan fungsi yang ada di dalam perusahaan seperti
fungsi keuangan (financial), marketing, dan personalia.
-
18
Keuntungan dari bentuk data warehouse seperti ini adalah sistem
mudah dibangun dengan biaya relatif murah, sedangkan kerugiannya
adalah resiko kehilangan konsistensi data dan terbatasnya kemampuan
dalam pengumpulan data bagi pengguna.
Sumber : Setiawan (2006) Teori Data Warehouse
Gambar 2.2 : Functional Data Warehouse
2. Data Warehouse Terpusat (Centralized Data Warehouse)
Bentuk ini terlihat seperti bentuk data warehouse fungsional,
namun terlebih dahulu sumber data dikumpulkan dalam satu tempat
terpusat, kemudian data disebar ke dalam fungsinya, sesuai kebutuhan
perusahaan. Data warehouse terpusat ini, biasa digunakan oleh
perusahaan yang belum memiliki jaringan eksternal.
-
19
Keuntungan dari bentuk ini adalah data menjadi terpadu karena
konsistensinya yang tinggi, sedangkan kerugiannya adalah biaya yang
mahal serta memerlukan waktu yang cukup lama untuk membangunnya.
Sumber : Setiawan (2006) Teori Data Warehouse
Gambar 2.3 : Centralized Data Warehouse
3. Data Warehouse Distribusi (Distributed Data Warehouse)
Pada data warehouse terdistribusi ini, digunakan gateway yang
berfungsi sebagai jembatan penghubung antara data warehouse dengan
workstation yang menggunakan sistem beraneka ragam. Dengan sistem
terdistribusi seperti ini memungkinkan perusahaan dapat mengakses
sumber data yang berada diluar lokasi perusahaan (eksternal).
Keuntungannya adalah data tetap konsisten karena sebelum data
digunakan data terlebih dahulu disesuaikan atau mengalami proses
sinkronisasi. Sedangkan kerugiannya adalah lebih kompleks untuk
diterapkan karena sistem operasi dikelola secara terpisah juga biayanya
-
20
yang paling mahal dibandingkan dengan dua bentuk data warehouse
lainnya.
Sumber : Setiawan (2006) Teori Data Warehouse
Gambar 2.4 : Distributed Data Warehouse
2.1.8.7 Keuntungan Data Warehouse
Menurut Connolly dan Begg (2002, p1048), keuntungan data warehouse antara
lain :
1. Potensi laba atas investasi yang tinggi
Sebuah organisasi harus mengeluarkan sejumlah besar sumber daya
untuk menjamin keberhasilan pelaksanaan data warehouse dan biayanya
sesuai dengan variasi solusi teknis yang ada.
2. Keuntungan kompetitif
Besar laba atas investasi bagi perusahaan yang telah berhasil menerapkan
data warehouse adalah bukti dari keuntungan kompetitif yang sangat
besar yang menyertai teknologi ini. Keuntungan kompetitif diperoleh
-
21
dengan memungkinkan para pengambil keputusan mengakses data yang
sebelumnya tidak tersedia, tidak diketahui, dan belum dimanfaatkan
seperti pelanggan, tren, dan permintaan.
3. Peningkatan produktivitas para pembuat keputusan dalam perusahaan
Data warehouse meningkatkan produktivitas pembuat keputusan dengan
menciptakan database terintegrasi yang konsisten, berorientasi subjek,
dan data historis. Data warehouse mengintegrasikan data dari beberapa
sistem yang tidak kompatibel ke dalam bentuk yang menyediakan satu
tampilan konsisten dalam suatu organisasi. Dengan mengubah data
menjadi informasi yang bermakna, data warehouse memungkinkan
manajer bisnis untuk melakukan analisis yang lebih substantif, akurat,
dan konsisten.
2.1.8.8 Istilah Istilah Dalam Data Warehouse
Istilah-istilah yang berkaitan dengan data warehouse :
1. Data Mart
Menurut Connolly dan Begg (2002, p1067), data mart adalah
subset dari data warehouse yang mendukung kebutuhan suatu
departemen atau fungsi bisnis.
Menurut Turban et.al. (2008, p40), data mart adalah bagian dari
data warehouse, biasanya terdiri dari subjek wilayah tunggal. Data mart
dapat berupa bergantung (dependent) atau tidak bergantung
(independent).
-
22
Data dependent adalah bagian yang diciptakan secara langsung dari
data warehouse. Data dependent memiliki keuntungan dengan
menggunakan model data yang konsisten dan menyediakan data
berkualitas. Data mart dependent mendukung konsep tunggal enterprise-
wide data model, tetapi data warehouse harus dibangun terlebih dahulu.
Sebagai alternatif, banyak perusahaan menggunakan biaya yang
lebih rendah, skala-down versi data warehouse disebut sebagai data mart
independent. Data mart independent adalah gudang kecil yang dirancang
untuk unit bisnis strategis atau departemen, tetapi sumbernya bukan data
warehouse perusahaan.
2. Tabel Dimensi (Dimension Table)
Menurut Inmon (2002, p389), tabel dimensi adalah tabel di mana data
tambahan berhubungan dengan tabel fakta yang di tempatkan pada tabel
multidimensi.
3. Tabel Fakta (Fact Table)
Menurut Inmon (2002, p391), tabel fakta merupakan pusat dari tabel star
join di mana data dengan banyak kepentingan tersimpan.
4. Decision Support System (DSS)
Menurut Inmon (2002, p389), DSS merupakan sistem yang digunakan
untuk mendukung keputusan manajerial.
-
23
2.1.8.9 Extract, Transform, Loading (ETL)
Menurut Inmon (2002, p390), ETL adalah proses mengambil data yang
sudah ada dan mengintegrasikan ke data warehouse.
Data Warehouse dibangun dengan mengintegrasikan data yang berasal
dari berbagai sumber data, yaitu database operasional. Dalam suatu
perusahaan, data operasional biasanya berada pada daerah kekuasaan
departemen dalam bentuk database OLTP. Untuk melakukan proses integrasi
ini arsitektur data warehouse menggunakan suatu aplikasi yang disebut ETL.
Sesuai dengan namanya, aplikasi ETL melakukan fungsi extract,
transform dan load. Proses extract adalah proses pengambilan data dari sumber
data. Disebut extract, karena proses pengambilan data ini tidak mengambil
keseluruhan data yang ada di database operasional, melainkan hanya
mengambil data matang saja. Proses extract ini harus mengakomodir berbagai
macam teknologi yang digunakan oleh sumber data dan diintegrasikan ke
dalam database tunggal.
Kemudian data hasil extract ini menjalani proses transformasi yang pada
prinsipnya adalah mengubah kode yang ada menjadi kode standar, misalnya
kode propinsi. Hal ini perlu dilakukan mengingat data yang diambil berasal
dari sumber yang berbeda yang kemungkinan memiliki standarisasi yang
berbeda pula. Standarisasi diperlukan untuk nantinya memudahkan pembuatan
laporan.
Arsitektur data warehouse yang umum biasanya menempatkan satu
server database terpisah yang disebut staging yang berfungsi untuk menangani
-
24
proses extract dan transform ini sebelum dilakukan proses load ke tujuan akhir
data warehouse.
Proses load dalam ETL adalah suatu proses mengirimkan data yang telah
menjalani proses transformasi ke data warehouse akhir di mana aplikasi
reporting dan business warehouse siap mengakses.
2.1.8.10 Perancangan Data Warehouse dengan Skema Bintang (Star Schema)
Menurut Connolly dan Begg (2002, p1079), skema bintang adalah
struktur logis fakta yang memiliki tabel yang berisi data faktual di tengah dan
dikelilingi oleh tabel dimensi yang berisi data referensi (yang dapat
didenormalisasikan).
Keuntungan dari penggunaan skema bintang:
1. Respon data lebih cepat daripada perancangan database operasional.
2. Mempermudah dalam hal modifikasi atau pengembangan data
warehouse yang terus menerus.
3. End-user dapat menyesuaikan cara berfikir dan menggunakan data.
4. Menyederhanakan pemahaman dan penelusuran metadata bagi pemakai
dan pengembang.
Jenis skema bintang adalah sebagai berikut :
Dengan penggunaanya terdapat dua jenis skema bintang yang tergantung
dengan kebutuhan, yaitu Skema Bintang Sederhana dan Skema Bintang
Majemuk yang akan terinci lebih lanjut berikut ini:
Skema Bintang Sederhana adalah sebagai berikut :
-
25
Dalam skema bintang sederhana, setiap tabel mempunyai primary key
yang terdiri dari sebuah kolom atau lebih. Primary key akan membuat setiap
baris menjadi unik. Primary key tersebut pada tabel fakta akan menjadi foreign
key. Primary key pada tabel fakta, terdiri dari satu atau lebih foreign key.
Sumber : Setiawan (2006) Teori Data Warehouse
Gambar 2.5 : Skema Bintang Sederhana
Pada gambar 2.5 menunjukan hubungan antara satu tabel fakta dan tiga
tabel dimensi. Tabel utama terdapat primary key yang terdiri dari tiga foreign
key, yaitu kunci-1, kunci-2 dan kunci-3, yang masing masing merupakan
primary key di tabel masing-masing.
Dalam sebuah skema bintang, dapat juga memiliki lebih dari satu tabel
fakta, karena adanya fakta yang tidak saling berhubungan. Tabel semacam ini
umumnya digunakan untuk jumlah data yang besar dan untuk berbagai macam
tabel data yang teragregasi
-
26
Sumber : Setiawan (2006) Teori Data Warehouse
Gambar 2.6 : Skema Bintang Dengan Beberapa Tabel Fakta
Pada gambar 2.6 terdapat dua tabel fakta dan tiga tabel dimensi yang
memperlihatkan hubungan many to one antara foreign key pada kedua tabel
fakta tersebut dengan primary key pada masing masing tabel dimensi.
Tabel dimensi mungkin juga mengandung foreign key yang
mereferensikan primary key di tabel dimensi yang lain. Tabel dimensi yang
direferensikan ini dinamakan outboard atau secondary dimension table.
Sumber : Setiawan (2006) Teori Data Warehouse
Gambar 2.7 : Skema Bintang Dengan Tabel Dimensi Tambahan
-
27
2.1.9 State Transition Diagram (STD)
Menurut Whitten et.al. (2004, p673), STD adalah sebuah perlengkapan
yang digunakan untuk menggambarkan urutan dan variasi dari layar yang
terjadi menurut sesi pengguna.
2.2 Teori Khusus
Penjelasan tentang teori khusus berdasarkan judul skripsi yang diambil
adalah sebagai berikut :
2.2.1 Program Frequent Flyer
Menurut Anonimusb (2009), Program frequent flyer merupakan layanan
apresiasi pelanggan yang diadakan oleh kebanyakan perusahaan penerbangan
terkemuka, dimana pelanggan yang menjadi peserta program akan memperoleh
kesempatan mengumpulkan mileage sesuia jarak penerbangan yang dilakukan,
yang kemudian dapat ditukarkan dengan penerbangan secara cuma-cuma.
2.2.2 Business Warehouse
Menurut Turban et.al. (2008, p9), Business Warehouse (BW) adalah
istilah yang mencakup arsitektur, peralatan, database, aplikasi, dan
metodologi. Proses dari BW adalah berdasarkan transformasi data ke
informasi, lalu keputusan, dan akhirnya ke tindakan (informasi pada waktu
yang tepat di tempat yang tepat).
-
28
Selain itu, BW merupakan pengembangan dari Executive Information
System (EIS) yang di dalamnya terdapat data warehouse dan dilengkapi bukan
hanya kemampuan yang diberikan oleh EIS tetapi juga terdapat kemampuan
Decision Support System (DSS), Customer Relationship Management (CRM),
dan kemampuan analisis lainnya yang berguna untuk kepentingan bisnis dari
perusahaan tersebut.
EIS adalah suatu sistem interaktif yang memungkinkan manajer dan
eksekutif mengakses kepada informasi secara fleksibel untuk memonitor hasil
dan kondisi bisnis secara umum.
Menurut Liautaud dan Hammond (2001, p292), CRM adalah istilah yang
digunakan untuk menggambarkan baik proses bisnis dan aplikasi perangkat
lunak terkait keluarga. proses berhubungan dengan perusahaan memanfaatkan
informasi pelanggan untuk melayani pelanggan dengan lebih baik. Tumpukan
perangkat lunak terkait telah muncul dalam beberapa tahun terakhir ini
bertujuan untuk memfasilitasi proses bisnis. Business Warehouse adalah
komponen kunci dari solusi perangkat lunak CRM.
Berikut ini adalah hal yang berhubungan dengan Business Warehouse :
2.2.2.1 Arsitektur dan Komponen BW
Arsitektur dan Komponen BW menurut Turban et.al. (2008, p11) adalah
sebagai berikut :
-
29
1. Data warehouse (DW)
DW merupakan database khusus atau tempat penyimpanan data yang
telah disiapkan untuk mendukung aplikasi pengambilan keputusan mulai
dari laporan sederhana dan optimasi query yang kompleks. DW dibangun
dengan metodologi, terutama metadata, ETL dan data mart.
2. Analisis Bisnis (Business Analytics)
Ada banyak peralatan software yang memungkinkan pengguna untuk
membuat laporan, query dan permintaan untuk menganalisis data.
Awalnya muncul di bawah nama OLAP. Contohnya, pengguna dapat
menganalisis perbedaan dimensi data, seperti waktu seri dari penjualan di
setiap cabang dan menganalisis tren. Dengan demikian, pengguna bisnis
dapat dengan cepat dan mudah mengidentifikasi kinerja tren dengan
menggunakan waktu analisis infomasi bertahap dan grafik kemampuan
produk yang mendukung analisis data yang lebih canggih dan memiliki
kemampuan bidang hitung penuh yang terintegrasi ke dalam laporan.
3. Automated Decision Systems (ADS)
Pendekatan yang relatif baru untuk mendukung pengambilan keputusan
dikenal sebagai automated decision systems (ADS), juga dikenal sebagai
decision automation systems (DAS). Ada sistem berbasis aturan yang
memberikan solusi biasanya dalam satu area fungsional spesifik masalah
manajerial berulang, biasanya dalam satu industri, misalnya, ada atau
tidak menerima permintaan untuk pinjaman
-
30
4. Data Mining
Data mining adalah kelas dari analisis informasi berdasarkan database
yang mencari pola tersembunyi di dalam pengumpulan data yang dapat
digunakan untuk memprediksi perilaku masa depan. Contohnya, dapat
membantu perusahaan ritel menemukan pelanggan dengan kepentingan
umum. Namun, istilah ini sering disalahgunakan untuk menggambarkan
perangkat lunak yang menyajikan data dengan cara baru. Sebenarnya
perangkat lunak data mining tidak hanya mengubah presentasi, tetapi
sebenarnya tidak diketahui sebelumnya menemukan hubungan antara
data. pengetahuan ini kemudian diterapkan untuk mencapai tujuan bisnis
tertentu.
5. Business Performance Management (BPM)
Komponen ini didasarkan pada metodologi Balanced Scorecard, yang
merupakan kerangka kerja untuk mendefinisikan, menerapkan, dan
mengelola sebuah strategi bisnis perusahaan dengan menghubungkan
tujuan dengan ukuran faktual. Di lain kata, itu adalah cara untuk
menghubungkan tingkat atas metrik seperti informasi finalsial yang
dibuat oleh CFO, dengan pertunjukan aktual sepanjang perjalanan
menuruni urutan kekuasaan perusahaan. BPM menggunakan laporan
analisis BW dan query.
-
31
6. Antarmuka Pengguna : Dashboard dan Alat Informasi Penyiaran
Lainnya
Memberikan tampilan visual yang komprehensif dari tolak ukur kinerja
perusahaan, tren, dan pengecualian dari beberapa area bisnis. Grafik
menunjukkan performa yang sebenarnya dibandingkan dengan matrik
yang diinginkan, sehingga memberikan pandangan sekilas dari kesehatan
organisasi.
7. Pelaratan Visualisasi (Visualization Tools)
Banyak peralatan visualisasi, mulai dari persentasi kubus
multidimensional kepada realitas virtual, merupakan bagian integral dari
sistem BW. Ingat bahwa BW muncul dari EIS, begitu banyak sarana
bantuan visual bagi para eksekutif yang tergabung dalam perangkat lunak
BW.
2.2.2.2 Keuntungan dari BW
Keuntungan dari BW menurut beberapa ahli adalah sebagai berikut :
Keuntungan dari BW menurut Eckerson (2003) adalah : 1. Waktu penyimpanan.
2. Single vesion of truth atau versi tunggal yang terpercaya
kebenarannya.
3. Meningkatkan strategi dan rencana.
4. Meningkatkan keputusan dalam bersiasat.
5. Proses yang lebih efisien.
-
32
6. Penghematan biaya.
Keuntungan BW menurut Thompson (2004) adalah : 1. Lebih cepat, pelaporan yang lebih akurat.
2. Meningkatkan pembuatan keputusan.
3. Meningkatkan pelayanan pelanggan.
4. Meningkatkan pendapatan.
2.2.2.3 SAP BW
SAP Business Information Warehouse (SAP BW) berguna untuk
menganalisis data dari operasional SAP R / 3 aplikasi atau aplikasi bisnis
lainnya, serta dapat mengekstrak dan menganalisis data dari sumber-sumber
eksternal seperti database, layanan online, dan internet.
2.2.2.4 Teori yang Berhubungan dengan SAP BW
1. Info Source
Dalam BW, sebuah info source menggambarkan jumlah semua data yang
tersedia untuk transaksi bisnis atau tipe dari transaksi bisnis. Sebuah info
source adalah jumlah informasi yang logis, diringkas dalam satu unit.
Info source berisi data transaksi atau data master (atribut, teks, dan
hierarki).
2. Data Source
Sebuah data source adalah kumpulan field yang menyediakan data untuk
unit bisnis sehingga dapat mentransfer data ke BW.
-
33
3. Info Area
Menurut Anonimusa (2004, p8), folder yang dibuat sebagai tempat
penyimpanan info cube.
4. Info Object
Menurut Anonimusa (2004, p7), objek analisis bisnis (seperti :
pelanggan, penjualan, dan lainnya) biasa disebut info object di dalam
SAP BW. Info objek dapat dibagi menjadi karakteristik dan key figures.
5. Characteristic
Menurut Anonimusa (2004, p7), tipe dari info object. Karakteristik
menyediakan klasifikasi kemungkinan untuk dataset. Karakteristik terdiri
dari unit, karakteristik waktu, dan karakteristik teknikal (sepert :
permintaan ID).
6. Key Figure
Menurut Anonimusa (2004, p7), semua data yang digunakan untuk
menyimpan nilai atau kuantitas. Contoh : harga, penjualan, killowat-jam,
dan lain-lain.
7. Info Cube
Menurut Anonimusa (2004, p8), suatu pusat penyimpanan data yang
membentuk dasar untuk laporan dan analisis dalam SAP BW. Info cube
terdiri dari key figures dan menghubungkan ke karakteristik. Sebuah info
cube terdiri dari tabel beberapa database yang terhubung menurut skema
bintang. Info cube merupakan tabel fakta yang berisi key figures info
cube serta beberapa dimensi tabel sekitarnya yang menyimpan hubungan
-
34
ke karakteristik. Setiap info cube memiliki satu tabel fakta, dan maksimal
16 tabel dimensi. Setiap tabel fakta dapat berisi maksimal 233 key
figures. Setiap dimensi dapat berisi 248 karakteristik bebas.
8. Info Provider
Menurut Anonimusa (2004, p9), info provider adalah istilah sub-ordinat
untuk suatu objek yang dapat digunakan untuk membuat laporan dalam
bisnis explorer (BEx). Selain itu, info provider digunakan sebagai objek
atau pandangan yang relavan dengan pelaporan. Info providers mencakup
berbagai database metaobjects yang memberikan data untuk query
definisi.
9. Info Packages
Info packages adalah suatu alat untuk meng-upload suatu paket data dari
sumber data ke tempat penyimpanan sementara atau Persistance Staging
Area (PSA).
10. Data Transfer Process
Data Transfer Process adalah suatu proses untuk mentransfer data dari
PSA ke info cube atau Operational Data Store (ODS).
11. Transformation
Transformation adalah suatu proses menentukan communication
structure dan transfer rules agar dapat menentukan hubungan antara
tabel sumber data dengan tabel dari master data atau info cube.
-
35
12. Communication Structure
Struktur komunikasi antara tabel sumber data dengan tabel data target
yang dapat berupa master data/info objek, info cube, dan ODS.
13. Business Explorer (BEx) Analyzer
Menurut Anonimusa (2004, p547), alat untuk menganalisis dan membuat
laporan dalam Bex terdapat pada microsoft excel. Di dalam BEx
analyzer, dapat menganalisis data info provider terpilih melalui navigasi
untuk pembuatan query dalam BEx Query Desainer dan dapat membuat
pandangan query yang berbeda untuk data.
14. BEx Web Application Designer
Menurut Anonimusa (2004, p13), aplikasi desktop untuk membuat
website dengan BW kontenks. Dengan BEx web application designer,
dapat membuat halaman HTML yang berisi spesifikasi BW kontenks,
seperti : tabel yang berbeda, bagan, atau peta.