6

BAB 2

LANDASAN TEORI

2.1 Teori-Teori Umum

2.1.1 Pengertian Sistem

Menurut O'Brien dan Marakas (2010, p. 26) sistem adalah sebuah set

komponen yang saling berhubungan, dengan batas-batas yang jelas, saling

bekerja sama untuk mencapai tujuan umum dengan cara menerima input dan

menghasilkan output di dalam sebuah proses transformasi yang teroganisir.

Diperkuat oleh teori diatas sistem merupakan kumpulan komponen

yang saling berintegrasi dan salling bekerja sama dengan target mencapai

tujuan organisasi melalui tahap menerima input, memproses, dan

menghasilkan output di dalam sebuah transformasi yang terorganisir.

2.1.2 Pengertian Informasi

Menurut O'Brien dan Marakas (2010, p. 34) informasi adalah data

yang telah dikonversi yang memiliki arti dan berguna untuk pengguna akhir.

Diperkuat oleh teori diatas informasi merupakan data mentah yang

telah diolah sedemikian rupa sehingga menghasilkan sesuatu yang berguna

untuk pengguna akhir. Informasi dapat diolah dan dikembangkan lagi ke

tahap selanjutnya sehingga menjadi knowledge yang lebih penting untuk

mendukung dalam pengambilan keputusan oleh pihak eksekutif.

7

2.1.3 Pengertian Sistem Informasi

Menurut O'Brien dan Marakas (2010, p. 4) sistem informasi dapat

berupa kombinasi yang terorganisir dari orang, hardware, software, jaringan

komunikasi, sumber data, kebijakan, dan prosedur yang tersimpan, diterima,

ditransform, dan menyebarkan informasi dalam sebuah organisasi.

Diperkuat oleh teori diatas sistem informasi merupakan kumpulan

objek yang terintegrasi dengan baik yang terdiri dari orang, hardware,

software, jaringan, sumber data, dan lain-lain yang diterima, disimpan,

ditransform, dan untuk menyebarkan informasi kepada pihak-pihak yang

membutuhkan di dalam sebuah perusahaan.

2.1.4 Komponen-komponen Sistem Informasi

Menurut O'Brien dan Marakas (2010, p. 32) komponen-komponen

sistem informasi terdiri dari sumber daya manusia, sumber daya hardware,

sumber daya software, dan jaringan.

2.1.4.1 Sumber Daya Manusia

Menurut O'Brien dan Marakas (2010, p. 32) manusia

memegang peran untuk kesuksesan operasi dari semua sistem

informasi. Sumber daya manusia meliputi pengguna akhir dan pakar

SI.

a. Pengguna akhir

Adalah orang-orang yang menggunakan sistem informasi atau

yang menghasilkan informasi itu sendiri.

8

b. Pakar SI

Adalah orang-orang mengembangkan dan mengoperasikan sistem

informasi.

2.1.4.2 Sumber Daya Hardware

Menurut O'Brien dan Marakas (2010, p. 32) konsep dari

sumber daya hardware meliputi semua alat dan material keras yang

digunakan untuk memproses informasi.

2.1.4.3 Sumber Daya Software

Menurut O'Brien dan Marakas (2010, p. 33) konsep sumber

daya software meliputi serangkaian instruksi pemroses informasi.

Konsep umum software tidak hanya terdiri dari serangkaian instruksi

operasi yang disebut program, yang diarahkan dan dikontrol oleh

hardware computer, tapi juga serangkaian instruksi proses informasi

yang disebut prosedur yang diperlukan manusia.

2.1.4.4 Sumber Daya Data

Menurut O'Brien dan Marakas (2010, p. 33) data tidak hanya

sekedar bahan mentah dari sistem informasi. Konsep sumber daya

data telah diperluas oleh menejer dan para sistem informasi

professional. Data dapat berupa banyak bentuk, termasuk data

alfanumerik tradisional, yang tersusun dari angka, hufur, dan karakter

lain yang mendeskripsikan transaksi bisnis dan entitas lainnya; data

teks terdiri dari kalimat dan paragraf yang digunakan dalam menulis

komunikasi; gambar data terdiri dari bentuk grafik dan angka atau

9

fotografi dan gambar video; dan data suara terdiri dari suara manusia

dan suara lain.

2.1.5 Pengertian Data

Menurut O'Brien dan Marakas (2010, p. 34) kata data merupakan

bentuk jamak dari datum, meskipun data secara umum merepresentasikan

bentuk tunggal dan jamak. Data merupakan fakta mentah atau pengamatan

baku mengenai fenomena fisik atau transaksi bisnis.

Diperkuat oleh teori diatas data adalah fakta mentah dari suatu

pengamatan yang dilakukan terhadap objek tertentu yang dapat berupa

fenomena fisik atau transaksi bisnis dari suatu organisasi.

2.1.6 Pengertian Data Mart

Menurut Connolly dan Begg (2010, p. 1214) data mart adalah sebuah

subset dari data warehouse yang mendukung persyaratan departemen tertentu

atau fungsi bisnis atau memberikan dukungan kepada pengguna yang

membagikan persyaratan yang sama untuk analisis proses bisnis tertentu.

Diperkuat oleh teori diatas data mart merupakan bagian-bagian yang

terdapat di dalam data warehouse yang dibuat untuk mendukung persyaratan

departemen-departemen tertentu atau fungsi bisnis yang memberikan

dukungan kepada pengguna untuk dapat menganalisis bagian proses bisnis

dari departemen tersebut.

10

2.1.7 Database

Menurut O'Brien dan Marakas (2010, p. 173) database merupakan

kumpulan logika yang berhubungan dengan elemen-elemen data yang

terintegrasi. Database mengkonsolidasikan records yang sebelumnya

tersimpan didalam file-file yang terpisah didalam kelompok umum elemen

data yang menyediakan data untuk berbagai aplikasi.

Menurut Connolly dan Begg (2010, p65) database merupakan

kumpulan relasi logikal dari data, dan merupakan deskripsi dari data, yang

didesain untuk mempertemukan informasi yang dibutuhkan oleh sebuah

perusahaan.

Dapat disimpulkan database merupakan kumpulan logika dari data

yang berhubungan dengan elemen-elemen data yang terintegrasi, yang

kemudian digunakan untuk memperoleh informasi yang berguna bagi

perusahaan.

2.1.8 Database Management System (DBMS)

Menurut Connolly dan Begg (2010, p. 66) DBMS adalah sebuah

sistem perangkat lunak yang memungkinkan pengguna untuk menetapkan,

membuat, menjaga, dan mengontrol akses ke dalam database.

Menurut Frost, Day, dan Slyke (2006, p. 6) DBMS merupakan

sekumpulan program yang membantu menyimpan, mengatur, dan digunakan

untuk mengumpulkan data, tanpa memperhatikan bentuk.

11

Dapat disimpulkan DBMS adalah sebuah sistem yang membantu

pengguna untuk membuat, mengumpulkan data, menyimpan data, mengatur,

menjaga, dan mengontrol akses ke dalam database.

2.1.9 Backup Database

Menurut Connolly dan Begg (2005, p550) backup adalah proses

secara periodik mengambil salinan dari database dan log file kedalam media

penyimpanan offline.

Diperkuat oleh teori diatas backup dilakukan secara periodik dalam

waktu tertentu untuk mengambil salinan dari database dan menyimpan log

file dari database tersebut ke dalam media penyimpanan lain yang dapat

digunakan kembali sewaktu-waktu apabila terjadi masalah ataupun

keerusakan terhadap data yang ada di dalam database.

2.1.10 Key

Menurut Kendall dan Kendall (2005, p. 450) Key merupakan satu dari

item data pada record yang digunakan untuk mengidentifikasi record. Ketika

key secara unik mengidentifikasi sebuah record, maka itu disebut primary

key. Key disebut secondary key jika record yg diidentifikasi itu tidak unik.

Diperkuat oleh teori diatas key adalah indikasi untuk mengidentifikasi

sebuah data pada record apakah secara unik yang biasa disebut primary key,

atau secara tidak unik yang biasa disebut secondary key.

12

2.1.11 Entity

Menurut Connolly dan Begg (2010, p. 65) entity adalah sebuah objek

nyata (orang, tempat, benda, konsep, dan kejadian) dalam sebuah organisasi

yang akan direpresentasikan ke dalam database.

Diperkuat oleh teori diatas entity adalah objek nyata yang diteliti

dalam sebuah organisasi yang nantinya akan dimasukkan kedalam database.

2.1.12 Attribute

Menurut Connolly dan Begg (2010, p. 65) attribute adalah sebuah

sifat yang menggambarkan beberapa aspek dari objek yang ingin kira record.

Diperkuat oleh teori diatas attribute menggambarkan dan

mendeskripsikan apa saja yang dimiliki oleh sebuah entity yang akan

disimpan dalam record pada database.

2.1.13 Relationship

Menurut Connolly dan Begg (2010, p. 65) relationship adalah sebuah

asosiasi antara entitas-entitas.

Diperkuat oleh teori diatas relationship merupakan hubungan yang

digambarkan oleh entitas-entitas yang ada.

2.1.14 Tipe entitas

Menurut Connolly dan Begg (2010, p. 372) tipe entitas merupakan

sebuah kelompok dari objek dengan property yang sama, dimana

diidentifikasi oleh perusahaan sebagai keberadaan yang berdiri sendiri.

13

Diperkuat oleh teori diatas tipe entitas merupakan kumpulan entitas

yang berbagi atribut yang dimiliki beserta tipe dari atribut itu sendiri seperti

char, varchar, date, dan lain-lain.

2.1.15 ER Modeling

Menurut Connolly dan Begg (2010, p. 371) ER Modeling merupakan

pendekatan top-down pada desain database yang dimulai dengan identifikasi

data penting yang disebut entities dan relationships di antara data yang harus

direpresentasikan ke dalam model.

Diperkuat oleh teori diatas ER Modeling merupakan analisis dalam

bentuk model yang digunakan untuk menggambarkan data dalam bentuk

entitas, atribut, dan relationship antar entitas-entitas tersebut.

2.1.16 User Interface

Menurut O'Brien dan Marakas (2010, p. 140) user interface

merupakan bagian dari sistem operasi yang memungkinkan manusia

berkomunikasi dengan sistem tersebut sehingga manusia dapat memuat

program, mengakses file, dan menyelesaikan tugas lain.

Diperkuat oleh teori diatas User Interface merupkan tampilan dari

sistem operasi yang digunakan oleh pengguna untuk dapat membaca dan

berkomunikasi dengan sistem sehingga dapat melakukan input data, melihat

output data, mengakses file-file tertentu, dan melakukan beberapa tugas lain.

14

2.1.17 Relationship Type

Menurut Connolly dan Begg (2005, p346) relationship type

merupakan kumpulan asosiasi antara satu atau lebih tipe entitas yang

berpartisipasi. Setiap tipe relasional diberi nama yang menjelaskan fungsinya.

Diperkuat oleh teori diatas relationship type adalah kumpulan dari

hubungan-hubungan antar entitas yang tergabung dalam satu model yang

memiliki nama dan fungsi tersendiri.

2.1.18 Multiplicity

Menurut Connolly dan Begg (2010, p. 358) multiplicity adalah angka

dari kejadian yang mungkin terjadi dari sebuah tipe entitas yang berhubungan

dengan sebuah kejadian dari sebuah asosiasi entitas melalui sebuah hubungan

particular. Ada 3 tipe hubungan relationship :

• One-to-One (1:1) Relationships

Gambar 2.1 One-to-One(1:1) Relationships

(Connolly dan Begg, 2010, p. 358)

15

Sebuah diagram ER dari ManagesBranchrelationship Staf ditunjukkan pada

Gambar 2.1 untuk menyatakan bahwa anggota staf dapat mengatur nol atau

satu cabang, kita menempatkan sebuah 0 .. 1 'di samping entitas branch

tersebut. Untuk menyatakan bahwa cabang selalu memiliki seorang manajer,

kami menempatkan '1 .. 1 ' samping entitas staff tersebut. (Perhatikan bahwa

untuk hubungan 1:1, kita dapat memilih nama hubungan yang masuk akal di

kedua arah.)

• One-to-Many (1:*) Relationships

Gambar 2.2 One-to-Many (1:*) Relationships

(Connolly dan Begg, 2010, p. 359)

Sebuah diagram ER dari OverseesPropertyForRentrelationship Staf

ditunjukkan pada Gambar 2.2.untuk menyatakan bahwa anggota staf dapat

mengawasi nol atau lebih properti untuk disewakan, kami menempatkan '0 ..

* 'di sebelah entitas PropertyForRent. Untuk menyatakan bahwa setiap

properti untuk sewa adalah diawasi oleh nol atau satu anggota staf, kami

menempatkan '0 .. 1 'di samping entitas staff tersebut. (Catatan bahwa dengan

1: * hubungan, kita memilih nama hubungan yang masuk akal dalam 1: *

arah.)

16

Jika kita mengetahui minimum yang sebenarnya dan nilai-nilai maksimum

untuk multiplisitas, kita bisa menampilkan ini sebagai gantinya. Misalnya,

jika seorang anggota staf mengawasi minimal nol dan maksimum 100

properti untuk sewa, kita dapat mengganti '0 .. * 'dengan '0 .. 100'.

• Many-to-Many (*:*) Relationships

Gambar 2.3 Many-to-Many (*:*) Relationships

(Connolly dan Begg, 2010, p. 360)

Sebuah diagram ER dari koran mengiklankan hubungan PropertyForRent

ditunjukkan pada Gambar 2.3 untuk menyatakan bahwa surat kabar masing-

masing dapat mengiklankan satu atau banyak property untuk disewa, kami

menempatkan '1 .. * 'di sebelah jenis entitas PropertyForRent. Untuk

menyatakan bahwa setiap hak milik untuk sewa dapat diiklankan oleh nol

atau lebih newspaper, kami menempatkan '0 .. * 'di sebelah entitas

newspaper. (Perhatikan bahwa untuk *: * hubungan, kita dapat memilih nama

hubungan yang masuk akal di kedua arah.)

17

2.1.19 OLTP

Menurut Connolly dan Begg (2005, p. 1149) OLTP adalah sistem

yang didesain untuk mengatasi seluruh transaksi yang banyak, dengan

transaksi-transaksi yang khusus membuat perubahan kecil pada data

operasional perusahaan, yang mana data yang dibutuhkan perusahaan dapat

mengatasi operasional harian.

Menurut Kimball (2002, p. 408) OLTP merupakan deskripsi asli

untuk semua aktifitas dan sistem yang terasosiasi dengan masukan data yang

andal kedalam database. Sering digunakan dengan referensi ke relasional

database, walaupun OLTP bisa digunakan secara umum untuk

mendeskripsikan lingkungan dalam transaction-processing.

Dapat disimpulkan OLTP merupakan sistem yang terasosiasi dengan

database, yang didesain untuk mengatasi transaksi harian yang terjadi pada

perusahaan.

2.1.20 OLAP

Menurut Connolly dan Begg (2010, p. 1250) OLAP adalah perpaduan

dinamis, analisis, dan konsolidasi dari volume yang besar pada

multidimensional data.

Menurut Kimball (2002, p. 408) OLAP adalah definisi bebas yang

disusun berdasarkan prinsip-prinsip yang menyediakan dimensi framework

untuk membantu pengambilan keputusan. Istilah OLAP juga digunakan untuk

mendefinisikan konfederasi dari vendor yang menawarkan nonrelational,

18

produk database multidimensi yang bertujuan untuk membantu pengambilan

keputusan.

Menurut Mannino (2004, p. 609) OLAP terbagi kedalam tiga jenis,

yaitu MOLAP, ROLAP, dan HOLAP.

• MOLAP (Multidimensional OLAP)

Adalah mesin penyimpanan yang secara langsung menyimpan dan

memanipulasi data cubes. MOLAP biasanya memberikan performa

query terbaik, tetapi memiliki batasan terhadap kapasitas dari data

cubes.

• ROLAP (Relational OLAP)

Relasional DBMS tambahan yang mendukung multidimensional data.

ROLAP mendukung berbagai macam penyimpanan dan teknik

optimasi untuk mendapat ringkasan data.

• HOLAP

Merupakan mesin penyimpanan untuk data warehouse yang

menggabungkan ROLAP dan MOLAP. HOLAP meliputi

penyimpanan relasional dan multidimensional data sama baiknya

dengan menggabungkan data dari sumber relasional dan

multidimensional data untuk operasi data cubes.

Dapat disimpulkan OLAP adalah teknologi yang menggunakan

pendekatan secara multidimensional dari keseluruhan data yang menyediakan

proses yang cepat untuk strategi informasi yang berguna untuk analisis lebih

lanjut.

19

2.1.21 Data Warehouse

Menurut Inmon (2005, p. 29) data warehouse adalah subject-oriented,

integrated, nonvolatile, dan time-variant yang merupakan kumpulan data

yang bertujuan untuk membantu pengambilan keputusan.

Menurut Silberschatz, Korth, dan Sudarshan (2002, p. 843) data

warehouse adalah sebuah repositori (atau arsip) informasi yang terkumpul

dari berbagai sumber, tersimpan didalam sebuah sebuah skema yang teratur,

pada satu site. Ketika terkumpul, data yang tersimpan dalam jangka waktu

yang panjang memberikan ijin akses pada data historis. Data warehouse ini

memungkinkan pengguna terkonsolidasi langsung dengan data, membuat

decision-support query lebih mudah untuk ditulis.

Menurut Kimball dan Ross (2002, p. 397) data warehouse adalah

percampuran dari staging data warehouse sebuah organisasi dan area

presentasi, dimana operasional data secara spesifik terstruktur untuk query

dan performa analisis dan gampang digunakan.

Dari definisi-definisi tersebut Dapat disimpulkan bahwa data

warehouse adalah tempat penyimpanan data terkumpul secara lengkap dan

konsisten yang berorientasi subjek, terintegrasi, nonvolatile, dan time-variant

yang dapat digunakan untuk membantu pengambilan keputusan oleh

manager.

2.1.21.1 Anatomi Data Warehouse

Menurut Ibrahim, Setyabudhi, Astuti, dan Prabowo (2006, p.

19) konsep data warehouse sebenarnya secara umum lebih cenderung

20

kesebuah lingkungan mainframe yang terpusat kemudia dengan

adanya keunggulan teknologi client/server, memungkinkan data

warehouse diterapkan dalam berbagai macam cara untuk menampung

kebutuhan pemakai sistem secara lebih proporsional. Tiga jenis dasar

sistem data warehouse adalah sebagai berikut :

• Data warehouse fungsional, mempergunakan pendekatan

kebutuhan dari tiap bagian fungsi bisnis, misalnya departemen,

divisi, dan sebagainya, untuk mendefinisikan jenis data yang akan

ditampung di dalam sistem. Setiap unit fungsi dapat mempunyai

gambaran datanya masing-masing. Penerapan jenis sistem

pengumpulan data seperti itu beresiko kehilangan konsistensi data

di luar lingkungan fungsi bisnis yang bersangkutan. Jika kemudian

dilakukan pendekatan lingkupnya diperbesar dari lungkungan

fungsional menjadi lingkup perusahaan, konsistensi data

perusahaan tidak lagi dapat terjamin. Pendekatan itu biasanya

dilakukan dengan tujuan mempermudah pembangunan suatu data

warehouse dengan biaya yang relatif rendah.

• Data warehouse terpusat, adalah data diambil dari seluruh sistem

operasional dan disimpan di dalam pusat penyimpanan data.

Pemakai kemudian bekerja dengan data yang telah terkumpul

tersebut untuk membangun data warehouse fungsional pada

masing-masing fungsi kebutuhan. Sistem ini paling banyak

digunakan karena kebiasaan pemakai dengan lingkungan

mainframe yang terpusat. Keuntungan sistem ini adalah adanya

data yang benar-benar terpadu.

21

• Data warehouse terdistribusi, dikembangkan dengan konsep data

yang memungkinkan pemakai untuk langsung berhubungan

dengan sumber data maupun dengan pusat pengumpulan data lain.

Konsep itu sering disebut juga konsep data gateway. Pendekatan

itu mengandalkan keunggulan teknologi client/server untuk

mengambil data dari berbagai sumber. Konsep itu memungkinkan

tiap departemen atau divisi untuk membangun pengumpul data

fungsionalnya masing-masing, atau bahkan sistem operasionalnya,

dan memadukan bagian tersebut dengan teknologi client/server.

Konsep ini memerlukan biaya yang sangat besar karena setiap

sistem pengumpulan data fungsional dan sistem operasinya

dikelola secara terpisah. Memerlukan sinkronisasi data yang tinggi

dalam memelihara keterpaduan data.

2.1.21.2 Karakteristik Data Warehouse

Menurut Inmon (2005, p. 29) data warehouse memiliki

beberapa karakteristik yaitu :

• Subject-oriented

Sistem operasi yang terorganisir dalam aplikasi fungsional pada

perusahaan. Misalkan perusahaan asuransi, aplikasi operasional terdiri

dari auto, life, health, dan casualty. Mayoritas dari area subjek dari

perusahaan asuransi bisa terdiri dari customer, policy, premium, dan

claim. Seperti dapat dilihat pada gambar 2.4

22

Gambar 2.4 Karakteristik Data Warehouse : Subject Oriented

(Inmon, 2005, p. 30)

• Integrated

Semua aspek dari data warehouse, integrasi merupakan hal yang

paling penting. Data diisi dari banyak bagian, berbeda-beda

sumbernya didalam data warehouse. Sumber yang terintegrasi harus

dibuat konsisten untuk menampilkan pandangan terintegrasi dari data

kepada pengguna.

• Nonvolatile

Operasional data secara umum diakses dan dimanipulasi kedalam satu

record pada suatu waktu. Data diperbaharui didalam lingkungan

operasional secara teratur. Data yang baru selalu diperbaharui sebagai

tambahan bukan sebagai penggati.

23

• Time Variant

Membuktikan bahwa setiap unit data warehouse tersebut akurat

dalam interval waktu tertentu.

2.1.21.3 Arsitektur Data Warehouse

Menurut Kimball dan Ross (2010, p. 516) jika anggota tim

data warehouse menginginkan versi single master dari masing-masing

dimensi, kita harus membangun itu sendiri. Kita menggunakan proses

extract, transform, dan load (ETL) untuk menarik data dari berbagai

sumber, membersihkan, menyelaraskan, standarisasi, dan

mengintegrasikannya dalam rangka menciptakan apa yang kita sebut

enterprise conformed dimension, seperti diperlihatkan pada gambar

2.5

Gambar 2.5 Arsitektur Data Warehouse

(Kimball dan Ross, 2010, p. 517)

Master dari dimensi yang disesuaikan berisi atribut yang

umum pada seluruh sistem transaksi, seperti nama pelanggan, dan

24

atribut yang unik untuk sistem individu, seperti alamat pengiriman.

Master dari dimensi yang disesuaikan memetakan kunci sumber

sistem kepada single master surrogate key untuk setiap entri dalam

entitas. Pemetaan ini mengikat data dari satu sistem sumber yang lain.

Setelah dimensi master di tempatkan. Perubahan dan

penambahan atribut bersama dari sistem sumber yang berbeda harus

dimasukkan ke dalam dimensi. Juga, sistem manajemen dimensi

biasanya dipanggil untuk mengidentifikasi versi terbaik dari atribut

bersama dari semua kemungkinan versi yang ada. Ini adalah sebuah

penetapan, yang dikenal sebagai kelangsungan hidup, melibatkan

aturan bisnis yang kompleks dan perbandingan selama aliran ETL

berlangsung.

2.1.21.4 Aliran Data dalam Data Warehouse

Menurut Connolly dan Begg (2005, p. 1161) aliran data terdiri

dari 5 jenis:

• Inflow

Proses yang berasosiasi dengan extraction, cleansing, dan loading

pada data dari sumber sistem kedalam data warehouse.

• Upflow

Proses yang berasosiasi dengan penambahan nilai untuk data di

dalam data warehouse melalui summarizing, packaging, dan

distribution dari data.

25

• Downflow

Proses yang berasosiasi dengan pengarsipan dan melakukan back-

up dalam data warehouse.

• Outflow

Proses yang berasosiasi dengan pembuatan data agar tersedia

untuk pengguna akhir.

• Metaflow

Proses yang berasosiasi dengan menejemen dengan metadata.

2.1.21.5 Keuntungan Data Warehouse

Menurut Poolet (2009, p. 31) Data warehouse adalah strategic

tool. Kita dapat menggunakannya untuk memberikan organisasi

sebuah keuntungan dalam menghadapi persaingan. Para manajer

pemasaran dapat menggunakannya untuk lebih memahami kebiasaan

membeli dari pelanggan mereka dan mendorong bisnis ke garis depan

sektornya. Data warehouse juga dapat mengekspos kelemahan yang

perlu mendapat perhatian dalam sebuah organisasi.

2.1.22 Granularity

Menurut Connolly dan Begg (2005, p. 602) granularity adalah ukuran

data-data yang dipilih sebagai unit proteksi dari kontrol protokol konkurensi.

Menurut Inmon (2005, p. 498) granularity adalah tingkatan rincian

yang terkandung pada suatu unit data. Semakin detail/rinci sebuah data,

semakin rendah tingkatan granularity. Semakin rendah detail/rinci sebuah

data, semakin tinggi tingkat granularity.

26

Dapat disimpulkan granularity adalah tingkat kerincian dan

kedetailan sebuah unit data. Semakin tinggi tingkat granularity semakin rinci

data tersebut. Semakin rendah tingkat granularity semakin detail data

tersebut.

2.1.23 Nine Step Methodology

Menurut Connolly dan Begg (2005, p. 1187) nine step methodology

terdiri dari :

1. Memilih Proses

Proses (fungsi) mengacu pada hal subjek dari data mart tertentu.

Awal dari pembangunan data mart harus menjadi prioritas dalam

penyampaian tepat waktu, sesaui budget dan menjawab semua

pertanyaan bisnis secara komersil. Pilihan terbaik untuk data mart

pertama biasanya berhubungan dengan penjualan. Sumber data

tersebut biasanya dapat diakses dan memiliki kualitas yang tinggi.

2. Memilih Grain

Memilih grain berarti menentukan secara tepat apa yang

merepresentasikan record pada tabel fakta. Setelah grain untuk tabel

fakta dipilih, maka kita dapat mengindentifikasi dimensi pada tabel

fakta. Keputusan dalam pemilihan grain untuk tabel fakta ikut

menentukan grain pada masing-masing tabel dimensi.

3. Mendefinisikan dan Menyesuaikan Dimensi

Dimensi mengatur konteks untuk mempertanyakan mengenai fakta di

dalam tabel fakta. Suatu dimensi yang dibangun dengan baik

membuat data mart mudah dimengerti dan digunakan. Kita

27

mengidentifikasi dimensi dalam detail yang jelas untuk menjelaskan

sesuatu seperti klien dan properti dalam grain yang benar. Dimensi

yang ditampilkan secara buruk maupun tidak lengkap akan

mengurangi manfaat data mart bagi perusahaan. Jika sebuah dimensi

digunakan lebih dari satu data mart, maka dimensi harus sama persis

dengan yang lainnya. Hanya dengan cara ini dua data mart dapat

berbagi satu atau lebih dimensi. Saat dimensi digunakan lebih dari

satu data mart dimensi tersebut harus mengarah sebagai conformed.

4. Memilih Fakta

Grain dari tabel fakta menentukan fakta mana yang bisa digunakan di

dalam data mart. Semua fakta harus menunjukkan tingkat grain yang

sama. Dengan kata lain, jika grain pada tabel fakta adalah sebuah

penjualan secara individual, maka semua fakta numerik harus

mengarah pada penjualan tertentu. Fakta harus berupa numeric dan

additive. Jika sebuah tabel fakta berisi fakta non-numeric dan non-

additive maka tabel fakta tersebut tidak berguna.

5. Menyimpan Pre-kalkulasi

Ketika fakta yang sudah dipilih harus diperiksa ulang untuk

menentukan apakah ada kesempatan untuk melakukan prakalkulasi.

Contohnya, kebutuhan untuk menyimpan prakalkulasi muncul pada

saat tabel fakta membandingkan keuntungan dan kerugian. Kondisi ini

sering muncul saat table fakta berdasarkan penjualan maupun invoice.

6. Melengkapi Tabel Dimensi

Pada langkah ini, kita mengembalikan dimensi tabel dan

menambahkan deskripsi teks pada tabel dimensi sebanyak mungkin.

28

Teks deskripsi harus bersifat intuisi dan dapat dimengerti oleh

pengguna sebaik mungkin. Kegunaan dari data mart ditentukan dari

cakupan dan lingkungan dari atribut tabel dimensi.

7. Memilih Durasi dari Database

Durasi mengukur sejauh mana tabel fakta bisa melihat ke beberapa

waktu ke belakang. Pada banyak perusahaan, ada kebutuhan untuk

melihat pada periode waktu satu atau dua tahun yang lalu. Untuk

perusahaan lainnya, seperti perusahaan asuransi, mereka ingin

melihat data hingga lima tahun ke belakang. Tabel fakta yang sangat

besar dapat menimbulkan dua masalah yang signifikan pada desain

data warehouse. Yang pertama sulit untuk mencari sumber data yang

lama. Data yang sudah lama susah untuk dibaca dan diinterpretasikan.

Yang kedua, versi lama dari dimensi yang akan digunakan tidak

sesuai dengan versi saat ini.

8. Melacak Perubahan dari Dimensi secara Perlahan

Perubahan dimensi secara perlahan maksudnya adalah, sebagai

contoh, deskripsi yang benar dari klien lama dan cabang lama harus

digunakan dengan transaksi yang lama. Ada 3 tipe dasar dari

perubahan dimensi secara perlahan. Tipe pertama, ketika dimensi

berubah, atributnya ditimpa (overwritten). Tipe kedua, ketika atribut

dimensi berubah menyebabkan record dimensi baru harus dibuat.

Tipe ketiga, ketika atribut dimensi berubah menyebabkan sebuah

atribut alternatif harus dibuat jadi nilai lama dan baru dari atribut

secara langsung dapat di akses pada record dimensi yang sama.

29

9. Menentukan Prioritas dan Mode Query

Pada langkah ini kita menentukan masalah desain fisik. Masalah

desain fisik yang paling penting mempengaruhi persepsi pengguna

akhir pada data mart adalah menentukan urutan fisik dari tabel fakta

pada penyimpanan dan adanya penggunaan agregasi. Selain itu,

terdapat masalah dalam desain fisik yang mempengaruhi administrasi,

backup, indexing performance, dan keamanan.

2.1.24 Star Schema

Menurut Connolly dan Begg (2010, p. 1227) star schema merupakan

struktur logikal yang mana memiliki sebuah table fakta yang berisi data

factual sebagai pusat, dikelilingi oleh tabel dimensi yang berisi data referensi

(dimana bisa di denormalisasi).

Menurut Mannino (2004, p. 591) star schema adalah sebuah

representasi data modeling untuk multidimensional database. Di dalam

database, sebuah star schema mempunyai sebuah tabel fakta yang berada

dipusat yang berhubungan dengan banyak tabel dimensi.

Dapat disimpulkan star schema merupakan skema yang terdiri dari

satu tabel fakta sebagai pusat dan dikelilingi oleh banyak tabel dimensi.

2.1.25 Keuntungan Star Schema

Menurut Sepsugiarto (2011) keuntungan menggunakan skema bintang

adalah :

1. Membangun suatu rancangan database yang memiliki respon time

yang cepat;

30

2. Menyediakan suatu rancangan yang dapat dengan mudah dimodifikasi

atau ditambah jika data warehouse yang telah dirancang tersebut

mengalami perkembangan;

3. Paralel, maksudnya adalah di dalam rancangan database dapat

dibentuk sesuai dengan kemauan pemakai terhadap data;

4. Mudah mengerti dan menggunakan metadata, baik untuk

pembangunan maupun bagi pemakai,

5. Banyak tools yang dapat dipilih agar dapat mengakses data yang ada.

2.1.26 ETL

Menurut Kimball dan Ross (2002, p. 401) ETL adalah kumpulan

beberapa proses yang mana operasional sumber datanya telah disiapkan untuk

data warehouse.

Proses ETL ini terdiri dari extracting, transforming, loading yang

dilakukan sebelum masuk kedalam data warehouse. Jadi ETL merupakan

proses persiapan data yang termasuk pencarian data, pengintegrasian data,

dan pengalokasian data dari sumber operasional ke dalam data warehouse.

Tahapannya adalah :

• Extraction

Menurut Kimball dan Ross (2002, p. 8) extraction adalah langkah

pertama dari sebuah proses memasukan data kedalam data

warehouse. Extraction maksudnya membaca dan memahami

sumber data dan mengkopi data yang dibutuhkan untuk data

warehouse kedalam staging area untuk manipulasi kedepannya.

31

• Transformation

Menurut Kimball dan Ross (2002, p. 8) setelah data diekstrak

kedalam staging area ada beberapa potensi untuk melakukan

transformation, seperti cleasing data (memperbaiki kesalahan

pengejaan, menyelesaikan masalah data asal, mengatasi elemen

yang hilang, atau mengubah kedalam format yang standard),

mengkombinasikan data dari berbagai sumber, mencegah

duplikasi data, dan menetapkan warehouse key.

• Loading

Menurut Kimball dan Ross (2002, p. 8) setelah melakukan proses

transformation maka data dapat dimuat dalam data warehouse.

Proses akhir dalam ETL ini harus berupa data yang sudah

dinormalisasi. Data dari staging area akan dipindahkan ke dalam

data warehouse atau data mart.

Menurut Farhan, Marie, El-Fangary, dan Helmy (2011, p. 48) data

dari sistem operasional biasanya ditentukan dalam skema yang berbeda dan

harus diekstrak dan diubah untuk mengumpulkan mereka ke dalam repositori

DW umum, dalam proses ETL, data yang diambil dari sebuah sistem sumber

melewati urutan transformasi sebelum mereka dimuat ke DW. Desain proses

ETL biasanya terdiri dari tujuh tugas :

• Filter

Mekanisme Filter menyaring data yang tidak diinginkan dan

memverifikasi kebenaran data berdasarkan batasan.

32

• Join

Mekanisme Gabung digunakan untuk menggabungkan dua

sumber data yang berhubungan satu sama lain dengan beberapa

atribut. (didefinisikan dengan menggunakan kondisi restriktif)

• Loader

Mekanisme loader yang memuat data ke target dari proses ETL

seperti dimensi atau fakta dalam data warehouse. Setiap proses

ETL harus memiliki setidaknya satu mekanisme loader.

• Incorrect

Mekanisme incorrect digunakan untuk mengubah rute yang buruk

atau yang dibuang pada record dan memberikan pengecualian

untuk target yang terpisah. Dengan cara ini, desainer data

warehouse dapat melacak kesalahan yang berbeda. Mekanisme ini

hanya dapat digunakan dengan Filter, Loader, dan Wrapper,

karena mekanisme membatasi data yang mereka proses.

• Merge

Mekanisme Merge mengintegrasikan dua atau lebih sumber data

dengan atribut yang kompatibel. Dua sumber data dapat dikatakan

kompatibel asalkan keduanya mengandung subset dari atribut

yang didefinisikan dalam target, atribut yang digunakan dalam

integrasi harus memiliki nama yang sama di semua sumber data.

• Wrapper

Mekanisme Wrapper memungkinkan kita untuk menentukan

transformasi yang diperlukan dari sumber data asli menjadi

catatan sumber data yang berdasarkan record.

33

• Surrogate

Mekanisme surrogate menghasilkan surrogate key yang unik.

Tugas surrogate key adalah proses umum dalam data warehouse,

dipekerjakan untuk menggantikan original key dari sumber data

dengan uniform key.

2.1.27 Intranet

Menurut O'Brien dan Marakas (2010, p. 219) intranet merupakan

sebuah jaringan didalam sebuah organisasi yang menggunakan teknologi

internet untuk menyediakan sebuah lingkungan internet meliputi perusahaan

untuk berbagi informasi, komunikasi, kolaborasi, dan mendukung proses

bisnis.

Dapat disimpulkan intranet adalah sebuah teknologi jaringan pada

sebuah perusahaan untuk berbagi informasi, komunikasi, kolaborasi, dan

yang mendukung proses bisnis.

2.2 Teori Khusus

2.2.1 Servis

Menurut Romney dan Stembart (2006, p. 10) servis merupakan

aktivitas yang menyediakan pelayanan setelah penjualan kepada pelanggan.

Contohnya jasa perbaikan dan pemeliharaan.

Diperkuat oleh teori diatas servis merupakan aktivitas yang menjual

pelayanan kepada pelanggan setelah pelanggan membeli sebuah produk.

34

2.2.2 Sales

Menurut Romney dan Stembart (2006, p. 10) sales adalah aktivitas

yang membantu pelanggan untuk membeli barang atau jasa dari suatu

perusahaan.

Diperkuat oleh teori diatas sales merupakan kegiatan yang membantu

pelanggan untuk membeli produk dan jasa pada sebuah perusahaan.

2.2.3 Persediaan

Menurut Alfredson (2007, p. 342 ) persediaan adalah aset yang

tersedia untuk dijual dalam proses bisnis biasa atau aset yang ada dalam

proses produksi seperti untuk dijual atau aset dalam bentuk material atau

supplier atau digunakan dalam proses produksi atau dalam memberikan

pelayanan.

Menurut Warren, Reeve, dan Fees (2005, p. 440) persediaan adalah

barang dagang yang disimpan untuk dijual dalam operasi bisnis perusahaan,

dan bahan yang digunakan dalam proses produksi atau disimpan untuk tujuan

tersebut. Persediaan yang diperoleh perusahaan langsung dijual kembali tanpa

mengalami proses produksi selanjutnya disebut persediaan barang dagang.

Dapat disimpulkan persediaan merupakan aset perusahaan yang

disimpan dan akan digunakan untuk dijual dalam operasi bisnis ataupun

digunakan dalam proses produksi yang disediakan untuk memenuhi

permintaan pelanggan.

35

2.3 Kerangka Pikir

Gambar 2.6 Kerangka Pikir

Latar Belakang :

- PT. Toyota Astra Motor sebagai perusahaan yang bergerak di bidang penjualan, pengimport dan pendistribusian mobil dan suku cadang memiliki jumlah data transaksi yang terus bertambah setiap tahunnya.

- Sebagai perusahaaan yang bergerak di bidang automotif, dibutuhkan tempat pengolahan data dan untuk mengintegrasikan data kepada divisi yang bersangkutan.

Tinjauan teori :

- Anatomi Data Warehouse

- Karakteristik Data Warehouse.

- Arsitektur Data Warehouse

Tinjauan teori :

- Teori Extract, Transform, Load (ETL)

- Aliran data dalam Data Warehouse

- Keuntungan Data Warehouse

Identifikasi Masalah:

- Data yang masih kotor dan belum berkualitas untuk pengambilan keputusan.

- Laporan yang belum tersaji secara lengkap yang susah untuk dipahami.

Rumusan Masalah 1 : Bagaimana kondisi data?

Rumusan Masalah 2 : Bagaimana kualitas laporan yang dihasilkan?

Rumusan Masalah 3 : Bagaimana meningkatkan kualitas laporan dengan kualitas data yang sudah baik?

Simpulan dan Saran