View
2
Download
0
Category
Preview:
Citation preview
SKRIPSI
PERANCANGAN DATA WAREHOUSE BEASISWA KARYA SALEMBA
EMPAT DENGAN NINE STEP DESIGN METHOD
Disusun Oleh :
MOCH. RAAFI DYLAN FARDHANI
1111093000060
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1439H / 2018M
SKRIPSI
PERANCANGAN DATA WAREHOUSE BEASISWA KARYA
SALEMBA EMPAT DENGAN NINE STEP DESIGN METHOD
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar
Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Syarif Hidayatullah Jakarta
JUDUL
Oleh :
MOCH. RAAFI DYLAN FARDHANI
1111093000060
DOSEN PEMBIMBING
1. Nia Kumaladewi, MMSI
2. Yuni Sugiarti, M.Kom
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1439H / 2018M
iv
v
vi
ABSTRAK
MOCH. RAAFI DYLAN FARDHANI– 1111093000060, “Perancangan Data
Warehouse Beasiswa Karya Salemba Empat Dengan Nine Step Design
Method, dibawah bimbingan NIA KUMALADEWI, MMSI dan YUNI
SUGIARTI, M. KOM.
Yayasan Karya Salemba Empat (KSE) adalah organisasi yang menyediakan
beasiswa kepada mahasiswa yang membutuhkan. Yayasan KSE didirikan pada
tahun 1995 oleh delapan orang yang percaya bahwa masa depan bangsa
ditentukan dari pendidikan. Namun dari tahun ke tahun data-data beasiswa
karya salemba empat terus mengalami peningkatan, maka semakin banyak pula
data-data yang bertambah. Yayasan KSE juga membutuhkan bantuan untuk
memproses dan menganalisis data-data beasiswa mereka untuk dijadikan
informasi yang diperlukan oleh organisasi. Informasi tersebut akan sangat
berguna bagi Yayasan dalam pengambilan keputusan. Hingga saat ini, database
dan data warehouse belum digunakan di Yayasan KSE dan dalam melakukan
monitoring data beasiswa mereka masih menggunakan file excel dan berkas-
berkas beasiswa mereka dalam bentuk fisik. Hal ini dapat mengakibatkan
kemungkinan hilangnya data, data yang duplikat, dan manipulasi data.
Penelitian ini bertujuan untuk menghasilkan rancangan data warehouse
beasiswa pada Yayasan KSE agar data beasiswa tersebut dapat disimpan dan
terorganisir dengan baik sehingga memudahkan dalam pembuatan laporan.
Data warehouse adalah suatu arsitektur yang memiliki karakterisitik
berorientasikan subjek, terintegrasi, dimensi waktu dan non volatile yang
digunakan dalam mendukung proses pengambilan keputusan Dalam
merancang sistem ini penulis melakukan beberapa tahapan diantaranya tahapan
definisi ruang lingkup, analisis sistem, desain sistem, serta menggunakan
metode pengembangan system Nine Step Design Method, yang mana dalam
merancang desain proses tersebut dijabarkan melalui aplikasi Pentaho.
Perancangan sistem ini diharapkan dapat berfungsi untuk menjadi wadah atau
tempat yang bisa melakukan analisis dan pengolahan data agar dapat
memberikan informasi yang berguna untuk pihak Yayasan KSE.
Kata Kunci: Karya Salemba Empat, Data Warehouse, Nine Step Design
Method, Pentaho.
V BAB + 159 Halaman + 62 Tabel + 48 Gambar + Daftar Pustaka + Lampiran
Pusataka Acuan (2002 – 2018)
vii
KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas segala limpahan rahmat dan
karunia-Nya kepada kita semua, khususnya bagi Penulis, sehingga Penulis
dapat menyelesaikan penulisan skripsi ini. Shalawat serta salam selalu
tercurahkan kepada junjungan Nabi Muhammad SAW yang telah
membimbing kita semua dari zaman yang gelap gulita menuju ke zaman
yang terang benderang seperti saat ini.
Skripsi yang berjudul “Perancangan Data Warehouse Beasiswa
Karya Salemba Empat Dengan Nine Step Design Method” dapat
diselesaikan dengan baik. Tentunya terdapat banyak kesulitan dan hambatan
yang dihadapi selama penyusunan laporan skripsi ini, baik dalam
pengumpulan data penelitian maupun dalam penyusunan penulisan. Namun
dengan keyakinan dan kesungguhan hati serta dukungan dari berbagai pihak
maka segala kesulitan dan hambatan dapat dilalui dan laporan skripsi ini
dapat diselesaikan dengan baik.
Pada kesempatan ini Penulis ingin mengucapkan terima kasih
kepada pihak-pihak yang telah mendukung. Sebagai bentuk penghargaan
yang tidak tertuliskan, izinkanlah penulis menuliskan kata-kata terima kasih
yang sebesar-besarnya kepada:
viii
1. Bapak Prof. Dr. Dede Rosyada, MA selaku Rektor UIN Syarif Hidalatullah
Jakarta.
2. Bapak Drs. Agus Salim, M.Si selaku Dekan Fakultas Sains dan Teknologi
UIN Syarif Hidayatullah Jakarta.
3. Ibu Nia Kumaladewi, MMSI selaku kepala program studi dan Ibu Meinarini
Catur selaku sekretaris prodi Sistem Informasi Fakultas Sains dan Teknologi
UIN Syarif Hidayatullah Jakarta.
4. Ibu Nia Kumaladewi, MMSI, selaku dosen pembimbing 1 serta Ibu Yuni
Sugiarti, M.Kom, selaku dosen pembimbing 2 skripsi dari pihak Fakultas
Sains dan Teknologi UIN Syarif Hidayatullah Jakarta yang telah
membimbing dan memberikan arahan kepada penulis dalam menyelesaikan
skripsi ini.
5. Ibu Elsy Rahajeng, MTI selaku dosen pembimbing akademik.
6. Seluruh dosen Program Studi Informasi yang telah memberi ilmu selama
masa perkuliahan.
7. Bapak Wawan Setyawan selaku Ketua Alumni KSE yang telah bekerja sama,
membantu dan memberikan saran selama proses penelitian skripsi ini.
8. Kedua orang tua, Bapak Ramdhani Arief dan Ibu Nitra Silvia yang telah sabar
membimbing dan menyediakan segala kebutuhan baik lahir maupun batin
kepada penulis untuk menjalani perkuliahan hingga saat ini.
9. Nona Rizki Amalia yang selalu setia menemani, memberikan motivasi, dan
juga semangat hingga akhirnya skripsi ini dapat terselesaikan.
ix
10. Saudara kandung yang selalu memberikan support dan selalu menyemangati
dalam menjalani perkuliahan dan menyusun penelitian ini.
11. Dosen-dosen Program Studi Sistem Informasi, yang tidak dapat disebutkan
satu persatu, yang telah menuangkan ilmunya kepada penulis selama
perkuliahan.
12. Bapak Wawan, selaku Alumni yang telah mengizinkan dan memberikan data
serta informasi terhadap kebutuhan dari penelitian saya.
13. Teman seperjuangan penulis, khususnya kepada Fikri Aulia (Ichi), Abdul
Halim (Aloi), Farhan Aunurrofiq (Farhan), Diar Ichrom (Diar), Noval
Putratama (Noval), Imam Fauzi (Imam), Oki Nurkholis (Oki), M. Rafi
Wirawan (Genduy), M. Nur Hanif Syafii (Anip), yang telah menghabiskan
waktu bersama-sama dalam melaksanakan perkuliahan.
14. Teman-teman mahasiswa/i program studi Sistem Informasi Fakultas Sains
dan Teknologi UIN Syarif Hidayatullah Jakarta yang selalu memberikan doa,
semangat serta motivasi kepada penulis. Semoga kita semua selalu
dilancarkan dan diberikan kekuatan dalam menjalankan segala kegiatan baik
dalam perkuliahan maupun dalam kehidupan sehari-hari.
15. Seluruh pihak yang telah ikut berjasa dalam penyusunan skripsi ini yang tidak
dapat Penulis sebutkan satu persatu namun tidak mengurangi rasa terima
kasih sedikitpun kepada mereka.
Akhirnya atas segala bantuan dari semua pihak, Penulis
mengucapkan terima kasih dan berdoa kepada Allah SWT, semoga apa yang
x
telah diberikan dijadikan amal baik serta dibalas dan dilipatgandakan
pahalanya. Dan semoga skripsi ini bermanfaat bagi kita semua.
Jakarta, Juni 2018
Moch. Raafi Dylan Fardhani
xi
DAFTAR ISI
BAB 1 PENDAHULUAN .......................................................................................1
1.1 Latar Belakang ......................................................................................... 1
1.2 Identifikasi Masalah ................................................................................. 7
1.3 Rumusan Masalah .................................................................................... 8
1.4 Batasan Masalah ....................................................................................... 9
1.5 Maksud dan Tujuan Penelitian ............................................................... 10
1.6 Manfaat Penelitian .................................................................................. 11
1.7 Metodologi Penelitian ............................................................................ 12
1.7.1 Metode Pengumpulan Data ............................................................. 12
1.7.2 Metode Desain Data Warehouse ..................................................... 13
1.8 Sistematika Penulisan ............................................................................. 16
BAB II LANDASAN TEORI ................................................................................18
2.1 Konsep Dasar Data dan Sistem Informasi .............................................. 18
2.1.1 Pengertian Data ............................................................................... 18
2.1.2 Pengertian Informasi ....................................................................... 18
2.1.3 Pengertian Sistem Informasi ........................................................... 19
2.2 Konsep Dasar Database ......................................................................... 19
2.2.1 Pengertian Database ....................................................................... 19
2.2.2 Database Management Systems (DBMS) ....................................... 20
2.3 Data Warehouse ..................................................................................... 21
2.3.1 Pengertian Data Warehouse ............................................................ 21
2.3.2 Karakteristik Data Warehouse ........................................................ 22
xii
2.3.3 Implementasi Data Warehouse ....................................................... 27
2.3.4 Online Transactional Processing (OLTP) ....................................... 28
2.3.5 Online Analytical Processin (OLAP) .............................................. 29
2.3.6 Extract, Transform and Load (ETL) ............................................... 30
2.4 Arsitektur Data Warehouse .................................................................... 32
2.4.1 Operational Data ............................................................................. 32
2.4.2 Operational Data Store .................................................................... 33
2.4.3 Load Manager ................................................................................. 34
2.4.4 Warehouse Manager........................................................................ 34
2.4.5 Query Manager................................................................................ 35
2.4.6 Detailed Data ................................................................................... 35
2.5 Struktur Data Warehouse ....................................................................... 39
2.6 Data Flow dalam Data Warehouse ........................................................ 40
2.7 Fungsional dari Data Warehouse ........................................................... 42
2.8 Data Model pada Data Warehouse ......................................................... 42
2.8.1 High – Level Modeling ................................................................... 43
2.8.2 Mid – Level Modeling .................................................................... 44
2.8.3 Low – Level Modeling (Model Data Fisik) .................................... 46
2.9 Model Dimensional Data Warehouse ..................................................... 46
2.9.1 Star Schema ..................................................................................... 47
2.9.2 Snowflake Schema .......................................................................... 48
2.9.3 Starflake Schema ............................................................................. 49
2.10 Metadata dalam Data Warehouse ....................................................... 49
2.11 Tipe-tipe Data Warehouse .................................................................. 50
2.11.1 Data Warehouse Terpusat ............................................................... 50
xiii
2.11.2 Data Warehouse Terdistribusi ......................................................... 51
2.12 Business Dimensional Lifecycle Road Map ....................................... 51
2.12.1 Program/Project Planning and Management ................................... 52
2.12.2 Business Requirements ................................................................... 55
2.12.3 Tecnology Track ............................................................................. 57
2.12.4 Data Track ....................................................................................... 60
2.12.5 Business Requirements ................................................................... 66
2.12.6 Deployment, Maintetance, and Growth .......................................... 68
2.13 Konsep Dasar Dashboard ................................................................... 68
2.13.1 Pengertian Dashboard ..................................................................... 68
2.13.2 Jenis Dashboard .............................................................................. 69
2.13.3 Manfaat Dashboard ......................................................................... 70
2.13.4 Media Tampilan Dashboard ........................................................... 72
2.14 PENTAHO .......................................................................................... 77
2.14.1 Pentaho Reporting ........................................................................... 78
2.14.2 Pentaho Analysis / Mondrian OLAP Engine ................................... 78
2.14.3 Pentaho Data Integraton/Kettle ...................................................... 79
2.14.4 Pentaho Data Mining / Weka .......................................................... 80
2.14.5 Pentaho BI Server / Platform .......................................................... 80
2.15 Metodologi Pengumpulan Data .......................................................... 81
2.15.1 Observasi ......................................................................................... 81
2.15.2 Wawancara ...................................................................................... 82
2.15.3 Studi Literatur ................................................................................. 83
2.16 Perbandingan Metode Data Warehouse .............................................. 83
BAB III METODE PENELITIAN ........................................................................86
xiv
3.1 Metode Pengumpulan Data .................................................................... 86
3.1.1 Observasi ......................................................................................... 86
3.1.2 Wawancara ...................................................................................... 86
3.1.3 Studi Pustaka ................................................................................... 87
3.1.4 Studi Literatur ................................................................................. 88
3.2 Metode Desain Data Warehouse ............................................................ 91
3.2.1 Memilih Proses ............................................................................... 91
3.2.2 Menentukan Grain ........................................................................... 92
3.2.3 Mengidentifikasi Dan Penyesuaian Dimensi .................................. 92
3.2.4 Memilih Fakta ................................................................................. 92
3.2.5 Melihat Kembali Tabel Dimensi ..................................................... 93
3.2.6 Memilih Durasi Database ............................................................... 93
3.2.7 Menulusuri Perubahan Dari Dimensi .............................................. 93
3.2.8 Memutuskan Prioritas Query Dan Tipe Query ............................... 94
3.3 Kerangka Penelitian ............................................................................... 94
BAB IV PEMBAHASAN ......................................................................................96
4.1 Profil Perusahaan .................................................................................... 96
4.2 Visi dan Misi Karya Salemba Empat ..................................................... 98
4.2.1 Visi .................................................................................................. 98
4.2.2 Misi ................................................................................................. 98
4.3 Struktur Organisasi ................................................................................. 99
4.4 Beasiswa yang Diberikan ..................................................................... 100
4.5 Jenis-jenis Program .............................................................................. 101
4.5.1 Program Inti .................................................................................. 101
4.5.2 Program Tambahan ....................................................................... 105
xv
4.6 Prosedur Umum Beasiswa .................................................................... 109
4.7 Metode Desain Data Warehouse .......................................................... 111
4.7.1 Memilih Proses (Choosing the Process) ....................................... 111
4.7.2 Memilih Sumber (Choosing the Grain)......................................... 125
4.7.3 Identifikasi dan Penyesuaian Dimensi (Identifying and Conforming
the Dimension) ............................................................................................ 125
4.7.4 Memilih Fakta (Choosing the Fact) .............................................. 126
4.7.5 Melihat Kembali Tabel Dimensi (Rounding Out the Dimension
Table) 127
4.7.6 Memilih Durasi Dari Basis Data (Choosing the Duration of
Database) .................................................................................................... 128
4.7.7 Memutuskan Prioritas Query dan Tipe Query (Deciding the Query
Priorities and the Query Mode) ................................................................... 128
4.8 Hasil Skema Bintang ............................................................................ 134
4.9 Meta Data ............................................................................................. 135
4.10 Tampilan Dashboard ......................................................................... 136
BAB V PENUTUP..............................................................................................140
5.1 Kesimpulan ........................................................................................... 140
5.2 Saran ..................................................................................................... 141
DAFTAR PUSTAKA ..........................................................................................142
7 142
xvi
DAFTAR TABEL
Tabel 4.1 Identifikasi Tabel Yang Digunakan .................................................... 114
Tabel 4.2 Tabel mahasiswa ................................................................................. 119
Tabel 4.3 Tabel Beasiswa ................................................................................... 120
Tabel 4.4 Tabel Universitas ................................................................................ 120
Tabel 4.5 Tabel Fakultas ..................................................................................... 121
Tabel 4.6 Tabel Jurusan ...................................................................................... 122
Tabel 4.7 Tabel Perusahaan ................................................................................ 122
Tabel 4.8 Tabel Jenis Kelamin ............................................................................ 123
Tabel 4.9 Tabel Persyaratan ................................................................................ 123
Tabel 4.10 Tabel Periode .................................................................................... 124
Tabel 4.11 Tabel Provinsi ................................................................................... 124
Tabel 4.12 Tabel Grain dan Dimensi .................................................................. 126
Tabel 4.13 Tabel Dimensi ................................................................................... 127
Tabel 4.14 Tabel Durasi Database ...................................................................... 128
Tabel 4.15 Penjelasan Fungsi Tahap ................................................................... 129
Tabel 4.16 Penjelasan Transform Tabel Fakta .................................................... 133
xvii
DAFTAR GAMBAR
Gambar 2.1 Contoh Subject Orientation dari Data Warehouse [8] ...................... 24
Gambar 2.2 Contoh dari Integration dari Data Warehouse [8] ............................ 25
Gambar 2.3 Perbedaan Data di Data Operasional dan Data di Data Warehouse [8]
............................................................................................................................... 26
Gambar 2.4 Perbedaan time variant antara Data di Data Operasional dan Data di
Data Warehouse [8] .............................................................................................. 27
Gambar 2.5 Gambaran Arsitektur Data Warehouse [9] ....................................... 32
Gambar 2.6 Struktur pada Data Warehouse [8].................................................... 40
Gambar 2.7 Alur Informasi dari Data Warehouse [12] ........................................ 41
Gambar 2.8 Contoh Entity Relationship Diagram [8] .......................................... 44
Gambar 2.9 Hubungan ERD dan DIS [8] ............................................................. 44
Gambar 2.10 Komponen pada Midlevel Data Model [8] ...................................... 46
Gambar 2.11 Contoh Star Schema [9] .................................................................. 48
Gambar 2.12 Contoh Snowflake Schema [9] ........................................................ 49
Gambar 2.13 The Kimball Lifecycle diagram [14] ............................................... 52
Gambar 2.14 Grafik Peluru [18] ........................................................................... 72
Gambar 2.15 Grafik Bar [18] ................................................................................ 73
Gambar 2.16 Grafik Garis [18] ............................................................................. 73
Gambar 2.17 Grafik Bar Bertumpuk [18] ............................................................. 74
Gambar 2.18 Kombinasi Bar dan Grafik [18] ....................................................... 75
Gambar 2.19 Scarlett Plot [18] ............................................................................ 75
Gambar 2.20 Up-Down Icons [18] ....................................................................... 76
Gambar 2.21 Spatial Maps [18] ............................................................................ 76
Gambar 2.22 Small Multiples [18] ....................................................................... 77
Gambar 2.23 Logo Pentaho................................................................................... 78
Gambar 3.1 Kerangka berpikir .............................................................................. 95
Gambar 4.1 Struktur Organisasi Dewan Pembina KSE ........................................ 99
xviii
Gambar 4.2 Struktur Organisasi KSE ................................................................. 100
Gambar 4.3 Struktur Kepengurusan Paguyuban Alumni KSE ........................... 100
Gambar 4.4 Program Tambahan KSE ................................................................. 105
Gambar 4.5 Rich Picture Sistem Berjalan .......................................................... 109
Gambar 4.6 Rich Picture Sistem Usulan ............................................................ 112
Gambar 4.7 Data Sebelum Dinormalisasi ........................................................... 115
Gambar 4.8 Normalisasi 1NF ............................................................................. 116
Gambar 4.9 Normalisasi 2NF ............................................................................. 117
Gambar 4.10 Entity Relationship Diagram ......................................................... 118
Gambar 4.11 Proses ETL Data Excel ke Database Beasiswa ............................. 129
Gambar 4.12 Execution Result ............................................................................ 130
Gambar 4.13 Execution Result 2 ......................................................................... 131
Gambar 4.14 Extract Data .................................................................................. 132
Gambar 4.15 Transform Table Dimensi ............................................................. 132
Gambar 4.16 Transform Table Fakta .................................................................. 133
Gambar 4.17 Skema Bintang .............................................................................. 135
Gambar 4.18 Metadata Repository ..................................................................... 136
Gambar 4.19 Tampilan CDE Dashboard ............................................................ 136
Gambar 4.20 Tampilan SAIKU Analysis ............................................................ 137
Gambar 4.21 Tampilan Intelligence Dashboard I ............................................... 137
Gambar 4.22 Tampilan Intelligence Dashboard II .............................................. 138
Gambar 4.23 Tampilan Intelligence Dashboard III ............................................ 139
1
1 BAB 1
PENDAHULUAN
1.1 Latar Belakang
Seiring dengan perkembangan teknologi informasi membuat segala
aspek pekerjaan menjadi lebih mudah. Perkembangan teknologi informasi
juga membuat data yang dihasilkan menjadi semakin melimpah. Teknologi
informasi adalah suatu teknologi yang digunakan untuk mengolah data,
termasuk memproses, mendapatkan, menyusun, menyimpan, memanipulasi
data dalam berbagai cara untuk menghasilkan informasi yang relevan,
akurat dan tepat waktu, yang digunakan untuk keperluan pribadi, bisnis, dan
pemerintahan. Semakin tinggi kebutuhan manusia akan informasi, maka
akan semakin tinggi pula kebutuhan teknologi yang harus dicapai agar
kebutuhan informasi sesuai dengan kebutuhan.
Kemajuan teknologi berkembang dengan pesat sehingga
memberikan berbagai macam kemudahan di setiap aspek kehidupan. Pada
era globalisasi yang semakin ketat dengan persaingan bisnis, baik dalam
industri penyediaan barang dan jasa, keberhasilan suatu perusahaan atau
organisasi sangat bergantung pada teknologi informasi yang dapat
memberikan laporan untuk dianalisis.
Data merupakan aset penting dalam sebuah organisasi yang
digunakan untuk memutuskan kebijakan, melakukan strategi, atau
mengambil keputusan. Data sebelum digunakan akan diolah dulu menjadi
suatu informasi yang dibutuhkan oleh organisasi. Proses pengolahan data
2
dapat dilakukan diberbagai tempat, misalkan di database
operasional, aplikasi operasional, maupun menggunakan teknologi data
warehouse.
Data Warehouse adalah gudang informasi (arsip) yang di kumpulkan
dari berbagai sumber, yang disimpan di satu tempat di bawah skema terpadu
(Abraham SIlberschatz, Henry F. Korth, 2011). Data Warehouse
menyediakan antar muka kepada pengguna untuk konsolidasi data, tempat
membuat penulisan query sehingga memudahkan user dalam melakukan
pengambilan keputusan. Biasanya data warehouse ini disimpan dalam
bentuk dimensional (Rainardi, 2008). Pemakaian teknologi data warehouse
hampir dibutuhkan oleh semua organisasi, termasuk organisasi ditingkat
nasional.
Data warehouse adalah suatu sistem yang mengekstrak,
membersihkan, menyesuaikan diri, dan mengirim sumber data ke dalam
suatu data penyimpanan dimensional dan kemudian mendukung
implementasi query dan analisis untuk tujuan pengambilan keputusan
(Kimball & Ross, 2002). Mengacu pada jurnal terdahulu tentang data
warehouse, salah satunya Jurnal Perancangan Dan Pembuatan Data
Warehouse Pada Perpustakaan STMIK AMIKOM Yogyakarta karya
Armadyah Amborowati, jurnal itu menjelaskan bahwa data warehouse bisa
dibuat jika terdapat banyak data-data di dalam suatu lingkup kasus,
contohnya perpustakaan.
3
Data warehouse sangat membantu untuk mengintegrasikan
operasional Perpustakaan STMIK AMIKOM Yogyakarta. Data warehouse
yang dirancang dan dibangun sudah disesuaikan dengan kebutuhan dari
manajemen perpustakaan, dibuktikan dengan adanya functional testing pada
data warehouse yaitu berupa analisis reporting.
Jurnal Analisis dan Desain Data Warehouse Pada Perusahaan
Asuransi Syariah (Studi Kasus: PT. Asuransi Syariah Tafakul Umum) oleh
Nur Siska Amelia menjelaskan tentang analisis dan perancangan data
warehouse pada perusahaan asuransi di PT. Asuransi Syariah Tafakul
Umum. Penelitian tersebut menghasilkan sebuah desain data warehouse
yang sesuai dengan kebutuhan dalam pembuatan laporan statistic untuk
manajer di perusahaan.
Data warehouse juga bisa diterapkan pada rumah sakit, disebutkan
dalam jurnal Analisis dan Perancangan Data Warehouse Rumah Sakit
Umum Daerah Palembang Bari oleh Meta Suzana. Jurnal ini menjelaskan
tentang pembuatan analisis dan perancangan data warehouse pada pasien
Rumah Sakit Umum Daerah Palembang Bari. Hasil yang dicapai dalam
perancangan data warehouse pada RS.Muhammadyah Palembang adalah
dapat menampilkan histori data pasien baik rawat inap maupun rawat jalan
dari berbagai dimensi.
Jurnal Perancangan Data Warehouse pada Perpustakaan Universitas
Nasional oleh Heni Jusuf dan Ariana Azimah membahas tentang
perancangan data warehouse pada perpustakaan Universitas Nasional.
4
Perancangan data warehouse membantu pihak perpustakaan dalam hal
operasional yang sudah disesuaikan dengan kebutuhan manajemen
perpustakaan. Dari jurnal-jurnal yang telah disebutkan diatas membuktikan
bahwa data warehouse dapat digunakan pada setiap organisasi atau
perusahaan untuk menghasilkan informasi yang dibutuhkan. Dalam hal ini
saya mengambil kasus perancangan data warehouse alumni beasiswa pada
Yayasan Karya Salemba Empat.
Yayasan Karya Salemba Empat (KSE) adalah organisasi yang
menyediakan beasiswa kepada mahasiswa yang membutuhkan. Yayasan
Karya Salemba Empat didirikan pada tahun 1995 oleh delapan orang yang
percaya bahwa masa depan bangsa ditentukan dari pendidikan. Delapan
orang tersebut mengerti bahwa negara telah banyak membantu dimasa
mereka kuliah, sehingga mereka merasa berkewajiban untuk
mengembalikan segala sesuatu yang telah diberikan oleh negara. Bentuk
pengembalian yang mereka lakukan adalah dengan memberikan beasiswa
kepada para mahasiswa yang mengalami kesulitan keuangan dalam
menyelesaikan studi mereka.
Yayasan Karya Salemba Empat percaya bahwa kecerdasaan bangsa
adalah kunci untuk masa depan bangsa. Pendidikan akan menghasilkan
insan yang cerdas yang menjadi modal utama bangsa ini. Kami
berkeyakinan bahwa setiap insan harus diberi kesempatan yang sama dalam
pendidikan.
5
Kerjasama yang baik yang telah terjalin antara Yayasan Karya
Salemba Empat, Donatur, Civitas Akademika, dan para Alumni Penerima
Beasiswa selama ini menjadi faktor utama semakin berkembang pesatnya
Yayasan Karya Salemba Empat. Kami akan terus fokus untuk memfasilitasi
jenjang pendidikan formal melalui program beasiswa bagi para mahasiswa
yang mengalami kesulitan keuangan di Perguruan Tinggi Negeri di seluruh
Indonesia.
Program regenerasi organisasi terus dilakukan Yayasan Karya
Salemba Empat dengan tujuan agar semangat dan cita-cita untuk turut
mencerdaskan kehidupan bangsa dapat terus berjalan dan semakin
meningkat. Kepengurusan Yayasan Karya Salemba Empat sudah
berkembang, mulai dari Pendiri, dan sekarang diamanahkan kepada Para
Alumni Penerima Beasiswa.
Segala upaya sudah dilakukan, termasuk menaikan anggaran
pendidikan yang sangat signifikan. Namun pada kenyataannya kenaikan ini
tak berbanding lurus dengan penghentian siswa putus sekolah. Siswa putus
sekolah dan siswa yang tidak bisa melanjutkan pendidikan ke jenjang
berikutnya masih sangat tinggi.
Dalam upaya meningkatkan kemakmuran bangsa Indonesia,
diperlukan pembangunan yang menyeluruh dan terpadu di segala bidang
dan salah satunya adalah dengan meningkatkan mutu sumber daya manusia
melalui jalur pendidikan.
6
Setiap insan memerlukan pendidikan yang layak untuk
meningkatkan taraf hidup. Untuk itu diperlukan kerjasama dan
tanggungjawab bersama antara orang tua, masyarakat, dan pemerintah
dalam membangun sumber daya manusia agar setiap anak bangsa dapat
mengenyam pendidikan sampai ke perguruan tinggi sesuai dengan tuntutan
jaman. Bersama, kita dapat meningkatkan kemakmuran Indonesia melalui
pembentukan sumberdaya manusia yang cerdas dan berbudi luhur.
Setiap tahun Yayasan Karya Salemba Empat, menerima sekitar
13.000 lebih aplikasi permohonan beasiswa, namun demikian dikarena
keterbatasan, jumlah mahasiswa yang diberikan beasiswa tidak lebih dari
22%. Selain memberikan tunjangan beasiswa, kami juga mendorong dan
turut mempersiapkan penerima beasiswa menjadi lulusan yang memiliki
integritas, berwawasan kebangsaan, cinta pada tanah air, nusa dan bangsa
melalui berbagai program pembinaan.
Namun dari tahun ke tahun data-data beasiswa karya salemba empat
terus mengalami peningkatan, maka semakin banyak pula data-data yang
bertambah. Banyaknya data-data beasiswa karya salemba empat yang
semakin meningkat membutuhkan wadah atau tempat penyimpanan yang
cukup luas. Wadah atau tempat penyimpanan yang terorganisir dengan baik
untuk mengelola dan memelihara data-data beasiswa karya salemba empat
yang sudah lalu. Yayasan Karya Salemba Empat juga membutuhkan
bantuan untuk memproses dan menganalisis data-data beasiswa mereka
untuk dijadikan informasi yang diperlukan oleh organisasi. Informasi
7
tersebut akan sangat berguna bagi Yayasan dalam pengambilan keputusan.
Data warehouse memungkinkan integrasi berbagai macam jenis data dari
berbagai macam aplikasi atau sistem. Hal ini menjamin mekanisme akses
“satu pintu” bagi manajemen untuk memperoleh informasi, dan
menganalisisnya untuk pengambilan keputusan.
Masalah yang dihadapi hingga saat ini adalah database dan data
warehouse belum digunakan di Yayasan Karya Salemba Empat dan dalam
melakukan monitoring data beasiswa mereka masih menggunakan file excel
dan berkas-berkas beasiswa mereka dalam bentuk fisik. Hal ini dapat
mengakibatkan kemungkinan hilangnya data, data yang duplikat, dan
manipulasi data.
Berdasarkan hal tersebut maka penulis tertarik untuk menyusun
skripsi dengan judul “Perancangan Data Warehouse Beasiswa Karya
Salemba Empat dengan Nine Step Design Method” yang bisa berfungsi
untuk menjadi wadah atau tempat yang bisa melakukan analisis dan
pengolahan data agar dapat memberikan informasi yang berguna untuk
pihak Yayasan Karya Salemba Empat.
1.2 Identifikasi Masalah
Berdasarkan latar belakang yang telah diuraikan diatas, dapat
disimpulkan bahwa permasalahan yang diangkat dalam penelitian ini antara
lain adalah :
8
1. Yayasan KSE juga membutuhkan bantuan untuk memproses dan
menganalisis data-data beasiswa mereka untuk dijadikan informasi
yang diperlukan oleh organisasi.
2. Banyaknya data beasiswa yang ada membuat pihak pengurus dapat
membuat kesalahan seperti hilangnya data, data yang duplikat
(redudansi), dan manipulasi data.
3. Proses pengumpulan dan analisis data beasiswa dilakukan dalam
kurun waktu yang cukup lama, yaitu 3 (tiga) bulan.
4. Pelaporan data beasiswa yang kurang mendetail dan rumit serta tidak
dinamis membuat Yayasan Karya Salemba Empat sulit untuk
mengambil keputusan secara tepat.
1.3 Rumusan Masalah
Berdasarkan latar belakang – identifikasi masalah yang dijabarkan
diatas, maka dapat dirumuskan bahwa permasalahan yang akan dibahas
dalam penelitian ini adalah “Bagaimana membuat rancangan data
warehouse yang membantu Yayasan Beasiswa Karya Salemba Empat untuk
menyimpan dan mengorganisir data beasiswa agar data-data tersebut dapat
dikelola dan terorganisir dengan baik sehingga memudahkan Yayasan
Beasiswa Karya Salemba Empat dalam pembuatan laporan ?”.
9
1.4 Batasan Masalah
Berdasarkan identifikasi masalah di atas maka ruang lingkup
penelitian skripsi ini dibatasi pada :
1. Penelitian ini dilakukan pada Yayasan Karya Salemba Empat.
2. Batasan proses yang dibahas meliputi proses pembuatan database
beasiswa, proses pembuatan data warehouse dan proses analisis dan
pembuatan laporan.
3. Data yang digunakan adalah data-data beasiswa di Yayasan Karya
Salemba Empat tahun 2010 sampai 2015.
4. Dalam perancangan data warehouse menggunakan metode Nine Step
Design Method, yang meliputi pemilihan proses, memilih sumber,
identifikasi dan penyesuaian dimensi, memilih fakta, menyimpan
perhitugan awal, melihat kembali tabel dimensi, menelurusi
perubahan dimensi, dan memutuskan prioritas query dan tipe query.
5. Penelitian ini menghasilkan rancangan data warehouse yang dapat
digunakan oleh Yayasan Karya Salemba Empat untuk mengatur dan
mengelola data beasiswa.
6. Tools yang digunakan adalah Phpmyadmin, Pentaho Data
Integration untuk mendesain database dan Pentaho BI Server untuk
analisis data.
10
1.5 Maksud dan Tujuan Penelitian
Maksud dari penelitian ini adalah untuk perancangan data warehouse
pada Yayasan Karya Salemba Empat.
Tujuan umum :
Menghasilkan rancangan data warehouse untuk menyimpan dan
mengorganisir data beasiswa agar data-data tersebut dapat dikelola
dan terorganisir dengan baik sehingga memudahkan Yayasan
Beasiswa Karya Salemba Empat dalam pembuatan laporan.
Tujuan khusus :
1. Membuat rancangan data warehouse sebagai wadah atau
tempat yang aman untuk menyimpan dan mengelola data-data
beasiswa.
2. Menghasilkan rancangan data warehouse untuk membantu
pihak pengurus Yayasan Karya Salemba Empat dalam
melakukan proses pencarian serta pengelolaan data.
3. Membuat rancangan data warehouse yang dapat membantu
pihak pengurus untuk melakukan pengumpulan dan analisis
data beasiswa.
4. Menghasilkan rancangan data warehouse yang dapat
membantu pelaporan data beasiswa yang lebih mendetail dan
dinamis.
11
1.6 Manfaat Penelitian
Berikut manfaat-manfaat yang penulis dapat jabarkan dengan
diadakannya penelitian skripsi ini antara lain adalah sebagai berikut :
1.6.1 Bagi Penulis
1. Untuk memenuhi salah satu syarat kelulusan strata satu (S1),
Sistem Informasi Fakultas Sains dan Teknologi UIN Syarif
Hidayatullah Jakarta.
2. Untuk mempraktekan secara langsung dan meningkatkan ilmu
yang selama ini didapatkan dalam perkuliahan.
3. Mengetahui kondisi dan masalah yang sebenarnya terjadi dalam
dunia kerja.
4. Memperkenalkan gambaran umum perusahaan yang diperlukan
mahasiswa dalam memahami dunia kerja yang sesuai dengan
bidangnya.
5. Menambah pengalaman serta kepercayaan diri dalam mengemban
tugas yang diberikan oleh perusahaan.
1.6.2 Bagi Masyarakat
1. Mengetahui laporan-laporan statistik alumni beasiswa di Yayasan
Karya Salemba Empat.
2. Mengetahui banyaknya alumni beasiswa di Yayasan Karya
Salemba Empat.
1.6.3 Bagi Yayasan Karya Salemba Empat
12
1. Membantu pembuatan laporan statistik mengenai alumni
beasiswa di Yayasan Karya Salemba Empat.
2. Dapat mengelola data-data beasiswa dengan cepat dan mudah.
1.6.4 Bagi Universitas
1. Mengetahui kemampuan mahasiswa dalam menguasai materi
pelajaran yang diperoleh dibangku kuliah dalam menerapkan
ilmunya dan sebagai bahan evaluasi.
2. Dapat meningkatkan kualitas lulusannya melalui pengalaman.
3. Dikenal di dunia kerja sebagai universitas yang mampu
menghasilkan mahasiswa berkompeten dengan praktiknya
dilapangan.
1.7 Metodologi Penelitian
Pada penelitian ini, penulis menggunakan beberapa metode dalam
merancang sistem. penulis menggunakan metode-metode sebagai berikut :
1.7.1 Metode Pengumpulan Data
Dalam melakukan analisis pada penelitian ini, penulis
melakukan pengumpulan data-data dengan beberapa cara antara
lain observasi, wawancara, studi pustaka dan studi literatur.
1. Observasi
Metode pengumpulan data ini adalah dengan cara melakukan
pengamatan secara langsung terhadap suatu kegiatan yang
sedang dilakukan (Jogiyanto, 2008).
13
2. Wawancara
Wawancara adalah suatu metode penelitian yang meliputi
pengumpulan data melalui interaksi verbal secara langsung
antara pewawancara dan responden (Jogiyanto, 2008).
3. Studi Pustaka
Studi pustaka dilakukan dengan mempelajari teori-teori yang
berhubungan dengan data warehouse. Teori-teori tersebut
berasal dari buku dan e-book dengan tujuan untuk
memperkuat dan mendukung teori perancangan sistem.
4. Studi Literatur Sejenis
Studi literatur sejenis dilakukan dengan mempelajari dan
meneliti penelitian terdahulu yang berkaitan dengan data
warehouse untuk didapatkan kelebihan dan kekurangan serta
perbandingan dengan penelitian yang akan dilakukan oleh
penulis.
1.7.2 Metode Desain Data Warehouse
Metode perancangan data warehouse menurut Kimball
yang digunakan meliputi 9 tahap yang dikenal dengan nine-step
methodology (Kimball & Ross, 2010). Kesembilan tahap tersebut
yaitu :
1. Pemilihan Proses (Choosing the process)
Proses mengacu pada subjek masalah dari bagian data mart.
Data mart yang akan dibangun hatus sesuai anggaran dan dapat
14
menjawab masalah-masalah bisnis yang penting. Pemilihan
proses ini dilakukan untuk memperjelas batasan mengenai data
warehouse yang dibuat.
2. Pemilihan Grain (Choosing the grain)
Pemilihan grain berarti menentukan secara tepat apa yang
dipresentasikan oleh record pada tabel fakta.
3. Identifikasi dari penyampaian dimensi (Indentifying and
conforming the dimensions)
Pada tahap ini dilakukan penyesuaian dimensi yang
ditampilkan dalam bentuk matriks.
4. Pemilihan fakta (Choosing the facts)
Grain dari tabel fakta menentukan fakta yang bisa digunakan.
5. Penyimpanan pre-calculation di tabel fakta (Storing pre-
calculation in the fact table)
Setelah fakta-fakta dipilih, maka dilakukan pengkajian ulang
untuk menentukan apakah ada fakta-fakta yang dapat
diterapkan untuk kalkulasi awal.
6. Memastikan tabel dimensi (Rounding out the dimensions
tables)
Dalam tahap ini, kembali pada tabel dimensi dan
menambahkan gambaran teks terhadap dimensi yang
memungkinkan. Gambaran teks harus mudah digunakan dan
dimengerti oleh user.
15
7. Pemilihan durasi database (Choosing the duration of the
database)
Pemilihan durasi data histori yang dimiliki oleh Komnas
Perempuan dapat dilakukan sesuai dengan kebutuhan
informasi. Umumnya semakin banyak data yang dipindahkan
ke dalam data warehouse semakin lengkap pula informasi yang
bisa dihasilkan. Perlu diperhatikan pula tingkat durasi yang
dimiliki oleh data histori dengan memperhatikan isi dan format
data yang ada. Jangan sampai data yang dipindahkan
merupakan data sampah yang tidak bermanfaat sama sekali.
8. Melacak perubahan dari dimensi secara perlahan
(Tracking slowly changing dimensions)
Mengamati perubahan dari dimensi pada tabel dimensi dapat
dilakukan dengan tiga cara, yaitu mengganti secara langsung
pada tabel dimensi, membentuk record baru untuk setiap
perubahan baru dan perubahan data yang membentuk kolom
baru yang berbeda.
9. Penentuan prioritas dan model query (Deciding the query
priorities and the query modes)
Mempertimbangkan pengaruh dari rancangan fisik, seperti
penyortiran urutan tabel fakta pada disk dan keberadaan dari
penyimpanan awal ringkasan (summaries) atau penjumlahan
(aggregate).
16
1.8 Sistematika Penulisan
Sistematika penulisan dan penyusunan laporan penelitian skripsi ini
dengan urutan sebagai berikut :
BAB I PENDAHULUAN
Pada bab ini berisikan latar belakang masalah, perumusan
masalah, pembatasan masalah, tujuan penulisan, ruang lingkup, manfaat
penelitian, waktu dan tempat, tahap dan kegiatan serta sistematika
penulisan.
BAB II LANDASAN TEORI
Pada bab ini menguraikan teori-teori yang berhubungan
dengan konsep dan teori dasar materi yang terkait dan digunakan
selama penelitian dan yang digunakan untuk membantu menyusun
laporan penelitian skripsi.
BAB III METODOLOGI PENELITIAN
Pada bab ini menjelaskan tentang tata cara penelitian berdasarkan
metode penelitian yang dipilih. Metode yang digunakan antara lain
metode pengumpulan data dan metode data warehouse multidimensi atau
sering disebut Nine Step Design Method. Dimana pada metode
pengumpulan data, penulis menggunakan metode observasi, wawancara
dan studi pustaka.
BAB IV PEMBAHASAN
Pada bab ini akan dibahas mengenai gambaran umum
perusahaan, analisis proses yang berjalan, analisis dari data-data yang
17
digunakan dalam perusahaan, serta akan dibahas perancangan data
warehouse, juga spesifikasi table dan rancangan skema bintang yang
dipakai.
BAB V PENUTUP
Pada bab ini merupakan akhir penulisan skripsi, di mana
berdasarkan uraian-uraian yang telah dibahas akan dituangkan ke dalam
suatu bentuk kesimpulan akhir serta saran-saran.
18
2 BAB II
LANDASAN TEORI
2.1 Konsep Dasar Data dan Sistem Informasi
2.1.1 Pengertian Data
Data adalah data mentah atau observasi, tentang fenomena
fisik atau transaksi bisnis (James A. O’Brien, 2011).
Data adalah deskripsi dasar dari benda, event, aktifitas, dan
transaksi yang telah direkam, diklasifikasi, disimpan tetapi belum
bisa menyampaikan arti yang lebih spesifik (Cegielski, 2011).
Data terdiri atas fakta dan angka yang biasanya tidak
bermanfaat karena volumenya yang besar dan sifatnya yang masih
belum diolah (McLeod, Raymond, Jr & schell, 2008). Data sebuah
rekaman fakta, konsep, atau instruksi pada sebuah media
penyimpanan untuk berkomunikasi, mengambil dan mengolah
secara otomatis dan mempresentasikan sebagai sebuah informasi
yang dapat dimengerti oleh manusia (Inmon, 2005).
Dari penjelasan di atas dapat disimpulkan bahwa data
adalah suatu kumpulan fakta mentah yang belum memiliki arti bagi
penerimanya dan masih memerlukan adanya suatu pengolahan.
2.1.2 Pengertian Informasi
Informasi adalah data yang telah dikonversi menjadi
berguna dan berarti bagi pengguna akhir yang spesifik (James A.
O’Brien, 2011). Informasi adalah data yang telah terorganisasi
19
sehingga dapat memberikan arti dan nilai bagi yang menerima
informasi (Cegielski, 2011).
Informasi adalah data hasil pemrosesan yang memiliki
makna, biasanya menceritakan suatu hal yang belum diketahui
kepada pengguna (McLeod, Raymond, Jr & schell, 2008).
Informasi yang mengasimilasi dan mengevaluasi makhluk hidup
untuk memecahkan sebuah masalah dan membuat keputusan
(Inmon, 2005).
Dari penjelasan di atas dapat disimpulkan bahwa informasi
merupakan hasil olahan dari suatu data yang sudah memiliki makna
dan dapat memberikan informasi bagi penerimanya.
2.1.3 Pengertian Sistem Informasi
Sistem informasi yaitu suatu sistem yang menyediakan
informasi untuk manajemen dalam mengambil keputusan dan juga
untuk menjalankan operasional perusahaan, di mana sistem tersebut
merupakan kombinasi dari orang-orang, teknologi informasi dan
prosedur-prosedur yang tergorganisasi (Sugiarti, 2014).
2.2 Konsep Dasar Database
2.2.1 Pengertian Database
Database adalah sebuah kumpulan logikal data yang saling
berkait, dan deskripsi dari data tersebut, dirancang untuk memenuhi
kebutuhan informasi dari sebuah organisasi (Connolly, Thomas and
Begg, 2010). Database adalah sebuah koleksi data yang saling
terkait, yang disimpan (sering dikontrol, dan sedikit redudansi)
20
sesuai dengan skema. Sebuah database dapat melayani satu atau
beberapa aplikasi (Inmon, 2005).
Basisdata (database) adalah kumpulan data yang disimpan
secara sistematis di dalam komputer yang dapat diolah atau
dimanipulasi menggunakan perangkat lunak (program aplikasi)
untuk menghasilkan informasi (Sugiarti, 2018).
Database merupakan sekumpulan data yang terintegrasi
pengelolaannya dan dikendalikan secara terpusat (Satzinger,
Jackson, Burd, Jackson, & Burd, 2010). Database adalah kumpulan
file yang saling terkait. Kata kuncinya adalah “saling terkait”.
Database tidak hanya merupakan kumpulan file. Record pada
setiap file harus memperbolehkan hubungan-hubungan (anggaplah
sebagai pointer) untuk menyimpan file-file lain (Whitten L, Jeffery,
Bentley D, Lonnie, Dittman C, 2004).
Dari penjelasan di atas dapat disimpulkan bahwa database
adalah tempat penyimpanan semua record dari suatu perusahaan.
2.2.2 Database Management Systems (DBMS)
Database management system adalah sebuah perangkat
lunak yang memungkinkan pengguna untuk mendefinisikan,
membuat, memelihara dan mengontrol akses ke database
(Connolly, Thomas and Begg, 2010).
21
Database management system adalah sebuah sistem
manajemen database berbasis perangkat lunak yang dapat
digunakan untuk membangun dan mengelola data (Inmon, 2005).
Database management system adalah sebuah aplikasi
komputer yang tujuan utamanya adalah untuk menyimpan,
mengambil, dan memodifikasikan data dengan cara yang sangat
terstruktur (Kimball & Ross, 2002). Data di dalam DBMS biasanya
saling dibagi kepada beberapa aplikasi.
Database management system adalah perangkat lunak
komputer khusus yang disediakan dari vendor-vendor komputer
yang digunakan untuk membuat, mengakses, mengontrol dan
mengelola database (Whitten L, Jeffery, Bentley D, Lonnie,
Dittman C, 2004). DBMS dapat merespon perintah-perintah khusus
untuk membuat struktur database kemudian membaca,
memperbarui, dan menghapus record yang terdapat pada sebuah
database.
Dari definisi di atas, dapat disimpulkan DBMS adalah
perangkat lunak yang mengatur sebuah database, sehingga DBMS
merupakan salah satu komponen penting dalam sebuah sistem yang
terkomputerisasi.
2.3 Data Warehouse
2.3.1 Pengertian Data Warehouse
Data warehouse adalah berorientasikan subjek, terpadu,
varian waktu dan non volatile dalam pengumpulan data untuk
22
mendukung pembuatan pengambilan keputusan (Connolly & Begg,
2005).
Data warehouse merupakan sekumpulan data yang
terintegrasi, berorientasikan subjek database yang dirancang untuk
mendukung fungsi dari DSS (Decision Support System). Dimana
setiap unit dari data yang relevan dibeberapa waktu. Data warehouse
berisi data atomik dan data ringkasan yang ringan (Inmon, 2005).
Data warehouse adalah konglomerasi data warehouse dari
sebuah organisasi dan area presentasi, dimana data operasional
secara khusus disusun untuk kinerja query dan analisis serta
kemudahan dalam penggunaan (Kimball & Ross, 2002).
Data warehouse adalah suatu konsep dan kombinasi
teknologi yang mengelola dan memelihara data yang bersifat
historis (Kumaladewi & Sugiarti, 2016). Pemakaian teknologi data
warehouse hampir dibutuhkan oleh semua organisasi dan
perusahaan.
Dari definisi di atas, dapat disimpulkan data warehouse
adalah suatu arsitektur yang memiliki karakterisitik berorientasikan
subjek, terintegrasi, dimensi waktu dan non volatile yang digunakan
dalam mendukung proses pengambilan keputusan.
2.3.2 Karakteristik Data Warehouse
Data warehouse memiliki karakteristik sebagai berikut
(Inmon, 2005):
23
1. Subject Orientation
Data warehouse berorientasikan subjek artinya sebuah data
warehouse dirancang untuk menganalisa data berdasarkan
subjek-subjek tertentu seperti pelanggan, barang produk,
dan penjualan. Data warehouse berfokus pada model dan
analisis pada data untuk membuat keputusan, bukan pada
proses ataupun fungsi tertentu.
Contohnya, “Pada perusahaan asuransi, aplikasi yang
berjalan seperti otomotif, bidang kesehatan, dan
kecelakaan. Sedangkan subjek utama dari asuransi adalah
kebijakan, pelanggan, premi, dan klaim. Pada perusahaan
manufaktur, subjek utamanya adalah produk, order, vendor,
tagihan material, dan bahan mentah. Untuk perusahaan ritel
subjek utamanya adalah produk, SKU (Stock Keeping
Unit), penjualan, vendor dan lainnya. Setiap perusahaan
memiliki satu set subjek yang unik.”
24
Gambar 2.1 Contoh Subject Orientation dari Data Warehouse (Inmon, 2005)
2. Integrated
Integrasi merupakan aspek yang paling penting di dalam
data warehouse. Data disuplai dari beberapa sumber yang
berbeda ke dalam data warehouse. Data diubah, diformat
ulang, disusun kembali, diringkas, dan terintegrasi sehingga
data tidak bisa dipecah-pecah karena data yang ada
merupakan suatu kesatuan yang menunjang keseluruhan
konsep data warehouse.
Data yang masuk ke dalam data warehouse dengan
berbagai cara dan mempunyai ketidakkonsistenan pada
tingkat aplikasi tidak akan dimasukkan. Contoh konsistensi
data antara lain adalah penamaan, struktur kunci, ukuran
atribut, dan karakteristik data secara fisik. Hasilnya adalah
25
data dalam data warehouse yang mempunyai satu bentuk.
Gambar 2.2 di bawah ini akan mengilustrasikan integrasi
yang muncul ketika data melewati lingkungan operasional
berbasiskan aplikasi ke lingkungan data warehouse.
Gambar 2.2 Contoh dari Integration dari Data Warehouse (Inmon, 2005)
3. Non-Volatile
Karakteristik ketiga yang terpenting dalam data warehouse
adalah non-volatile. Gambar 2.3 mengambarkan non-
volatile dalam suatu data. Dimana menggambarkan
operasional data yang diakses dan dimanipulasi pada suatu
waktu. Data diperbarui dalam lingkungan operasional
sebagai hal biasa, namun data warehouse memiliki
karakteristik yang berbeda. Data warehouse di load dan
26
diakses, tetapi tidak di update. Apabila terdapat perubahan
maupun pembaruan, maka data lama akan tetap tersimpan.
Gambar 2.3 menggambarkan perbedaan antara data
operasional dan data warehouse. Dimana data di
lingkungan operasional dapat dilakukan perubahan
(update), dihapus (delete), dan dimasukkan data baru
(insert). Sedangkan data warehouse terjadi proses mass
load dan akses data. Sehingga data lama tidak akan
tertimpa, yakni tersimpan.
Gambar 2.3 Perbedaan Data di Data Operasional dan Data di Data Warehouse
(Inmon, 2005)
4. Time-Variant
Karakteristik terakhir dalam data warehouse adalah time-
variant. Karakteristik ini mengimplikasikan bahwa tiap
data dalam data warehouse itu selalu akurat dalam periode
tertentu. Dalam satu sisi, sebuah record dalam database
memiliki waktu yang telah ditetapkan secara langsung. Di
sisi lain, sebuah record mempunyai waktu transaksi.
27
Dalam varian waktu, bahwa setiap unit di data warehouse
dapat dikatakan akurat atau valid pada rentang waktu
tertentu. Bisa dengan menggunakan rentang waktu tertentu,
seperti 5-10 tahun ke depan, atau dengan menggunakan
perbedaan waktu yg disajikan dalam data warehouse
seperti, hari, minggu, bulan.
Dalam setiap lingkungan baik operasional maupun data
warehouse. Memiliki time horizon atau batas waktu. Batas
waktu pada data warehouse lebih lama daripada sistem
operasional. Karena perbedaan batas waktu tersebut, maka
data warehouse mempunyai lebih banyak histori daripada
lingkungan lainnya. Gambar 2.4 menjelaskan perbedaan
data operasional dan data warehouse dari segi time variant.
Gambar 2.4 Perbedaan time variant antara Data di Data Operasional dan Data di
Data Warehouse (Inmon, 2005)
2.3.3 Implementasi Data Warehouse
Terdapat tiga cara dalam melakukan implementasi data
warehouse, yaitu (Vercellis, 2009):
28
1. Top down
Metodologi top-down didasarkan pada desain keseluruhan
dari data warehouse, karena itu desain akan lebih
sistematis. Namun, pengembangan akan lebih lama
dilakukan dan resiko tidak sesuai jadwal akan lebih besar,
karena secara keseluruhan data warehouse sedang
dikembangkan.
2. Bottom up
Metode ini didasarkan pada penggunaan prototype.
Pendekatan ini lebih cepat dan memberikan hasil yang lebih
nyata tetapi tidak memiliki kesatuan visi dari seluruh sistem
yang akan dikembangkan.
3. Mixed
Metodologi ini didasarkan pada desain keseluruhan dari
data warehouse, namun hasilnya tetap menggunakan
prototyping dan secara berurutan diterapkan di berbagai
bagian dari seluruh sistem. Merupakan pendekatan yang
lebih banyak digunakan karena memungkinkan
memisahkan bagian yang ada namun tetap menampakkan
keseluruhan gambaran.
2.3.4 Online Transactional Processing (OLTP)
Mengenai OLTP, sistem ini menghasilkan data operasional
yang rinci, saat ini dan dapat berubah. Sistem OLTP
29
mengoptimalkan transaksi dalam jumlah besar, yang diprediksi,
berulang, dan diperbarui secara intensif. Data OLTP dapat diatur
sesuai dengan persyaratan dari transaksi yang terkait dengan aplikasi
bisnis dan mendukung keputusan perhari dalam jumlah besar pada
pengguna operasional (Connolly, Thomas and Begg, 2010). OLTP
adalah sebuah proses transaksi yang berkinerja tinggi (Inmon, 2005).
OLTP adalah gambaran asli untuk semua aktivitas dan sistem
yang berhubungan dengan memasukkan data ke dalam database.
Paling sering digunakan dengan mengacu pada database relasional,
meskipun OLTP dapat digunakan secara umum untuk
menggambarkan setiap pemrosesan transaksi. Kontras dengan proses
analisis online (Kimball & Ross, 2002).
Dari definisi di atas, dapat disimpulkan bahwa OLTP adalah
suatu sistem yang memproses suatu transaksi secara langsung pada
suatu jaringan.
2.3.5 Online Analytical Processin (OLAP)
OLAP adalah istilah untuk menggambarkan sebuah teknologi
yang menggunakan tampilan multidimesional dari data agregat untuk
menghasilkan akses yang cepat ke informasi yang strategis untuk
tujuan analisis. OLAP memungkinkan user untuk mendapatkan
pemahaman yang lebih dalam pengetahuan tentang berbagai aspek
data perusahaan mereka dengan cepat, konsisten, dan interaktif.
OLAP memungkinkan untuk melihat tampilan data perusahaan
30
sedemikian rupa dimana memberikan sebuah gambaran yang lebih
baik dari dimensi sebenarnya dari perusahaan (Connolly, Thomas
and Begg, 2010). OLAP adalah departemen pengolahan dari
datamart environment (Inmon, 2005).
OLAP biasanya didefinisikan sebagai sebuah kumpulan dari
prinsip-prinsip yang menyediakan dimensi kerangka kerja untuk
membuat keputusan. OLAP juga digunakan untuk mendefinisikan
sebuah konfederasi vendor yang menawarkan nonrelasional, produk
multidimensional database yang ditujukan untuk membuat
keputusan (Kimball & Ross, 2002).
Dari definisi di atas, dapat disimpulkan OLAP merupakan
suatu metode untuk menyajikan jawaban dari suatu permintaan dari
user dimana OLAP bersifat dimensional sehingga aksesnya cepat.
2.3.6 Extract, Transform and Load (ETL)
ETL adalah sebuah proses dalam menemukan data,
mengintegrasikan data, dan menempatkan data tersebut dalam sebuat
tempat penampungan data seperti data warehouse (Inmon, 2005).
ETL adalah proses untuk mengintegrasikan sumber data yang
berasal dari OLTP pada masing-masing departemen dalam sebuah
organisasi (Kimball & Ross, 2010).
Proses yang ada didalam ETL adalah Extraction Transform
dan Load. Extraction adalah tahap awal dari kegiatan ETL dimana
semua data yang dibutuhkan diambil kemudian dilakukan ekstraksi
31
data. Tiga tahapan dalam proses ekstraksi data adalah data profiling
system yaitu penemuan domain yang disimpulkan, dan analisis
struktur termasuk juga kandidat foreign key atau hubungan primary
keys, analisis aturan data dan analisis aturan nilai. Tahap kedua
adalah change data capture system yaitu melakukan pembacaan
sumber file log, sumber tanggal, dan filterisasi nomor urutan dan
melakukan perbandingan record yang didasarkan pada algoritma
cyclic redudancy checksum (CRC). Tahap ketiga adalah extract
system, yaitu adapter sumber data, mendorong/menarik/ menggiring
jadwal kerja, penyaringan dan pemilihan pada sumber data,
melakukan konversi format data dan stagging data.
Proses kedua dalam ETL adalah transform. Hasil data yang
telah di extract akan menjalani proses transformasi, proses yang
terjadi adalah mengubah kode-kode yang ada menjadi kode-kode
yang merupakan standarisasi yang ditetapkan dari awal sehingga
semua data yang keluar dari proses ini memiliki standar yang sama.
Proses terakhir adalah Load. Merupakan proses mengirim
seluruh data ketempat penampungan akhir, yaitu data warehouse.
Seluruh data yang melalui proses ini artinya telah siap digunakan
dan diakses untuk kepentingan strategis perusahaan.
32
2.4 Arsitektur Data Warehouse
Dalam perancangan data warehouse diperlukan proses, tools,
teknologi terkait dengan data warehouse. Arsitektur data warehouse,
seperti berikut:
Gambar 2.5 Gambaran Arsitektur Data Warehouse (Connolly, Thomas and
Begg, 2010)
Komponen-komponen yang terdapat di dalam arsitektur data
warehouse adalah:
2.4.1 Operational Data
Sumber-sumber data yang ada di data warehouse disediakan:
1. Mainframe data operasional ada pada generasi pertama
database hierarki dan database jaringan.
33
2. Data departemental disimpan di berbagai macam file,
seperti: VSAM, RMS dan relational DBMS seperti
Informix dan Oracle.
3. Data pribadi disimpan di dalam workstation dan private
server.
4. Sistem eksternal seperti internet, database komersial, atau
database yang berhubungan dengan organisasi dari supplier
atau konsumen.
2.4.2 Operational Data Store
Sebuah operational data store (ODS) adalah sebuah data
warehouse dari data operasional dan saling terintegrasi yang
digunakan untuk analisis. ODS biasanya melakukan penstrukturan
dan penyediaan data seperti halnya sebuah data warehouse, tetapi
sebenarnya bertindak secara sederhana sebagai suatu tempat
penampungan sementara sebelum data akan dipindahkan ke
warehouse.
Membangun sebuah operational data store dapat membantu
dalam pembangunan sebuah data warehouse, karena ODS
menyediakan data yang sudah di ekstrak dari sumber dan sudah di
bersihkan. Ini dapat diartikan bahwa pekerjaan yang tersisa untuk
mengintegrasikan dan merestrukturisasi data warehouse
disederhanakan.
34
2.4.3 Load Manager
Load manager atau biasa disebut komponen fronted,
melakukan sebuah operasi terkait dengan ekstraksi dan pemuatan
data ke dalam warehouse. Data mungkin diekstrak secara langsung
dari sumber data atau dari operational data store.
Operasi dilakukan oleh manajer, dapat mencakup sebuah
transformasi sederhana dari sebuah data, yang bertujuan untuk
mempersiapkan data untuk masuk ke dalam warehouse.
Ukuran dan kompleksitas komponen ini akan bervariasi
antara data warehouse dan dapat dibangun dengan menggunakan
kombinasi vendor data loading tools dan custom built program.
2.4.4 Warehouse Manager
Warehouse manager melakukan semua operasi yang
berhubungan dengan pengelolaan data di dalam warehouse.
Komponen ini dikonstruksikan dengan menggunakan vendor data
management dan custom built program. Operasi–operasi yang
dilakukan dengan menggunakan warehouse manager adalah:
1. Analisis data untuk memastikan konsistensi.
2. Transformasi dan penggabungan dari sumber data, dari
tempat penyimpanan sementara ke dalam tabel di dalam
data warehouse.
3. Membuat indeks-indeks dan view berdasarkan tabel.
4. Melakukan denormalisasi (jika diperlukan).
5. Melakukan aggregation (jika diperlukan).
35
6. Backup dan archive data.
2.4.5 Query Manager
Query Manager yang juga disebut komponen back end,
melakukan semua opearsi yang berhubungan dengan pengelolaan
user queries. Komponen ini dibangun dengan menggunakan vendor
user-end data acces tools, data warehouse monitoring, fasilitas
database, dan custom built program. Kompleksitas dari query
manager ini ditentukan oleh fasilitas yang disediakan oleh end user
access tools dan database. Operasi yang dilakukan oleh komponen
ini termasuk mengarahkan query ke tabel yang tepat dan
penjadwalan eksekusi query.
Dalam beberapa kasus, manager query juga mengasilkan
profil permintaan untuk memungkinkan manajer warehouse untuk
menentukan indeks dan agregasi yang sesuai.
2.4.6 Detailed Data
Area dari data warehouse ini menyimpan semua detail data
di dalam skema database. Kebanyakan kasus yang ada, detail data
tidak di simpan secara online, tetapi dibuat melalui agregasi data
pada tingkatan detail berikutnya.
2.4.6.1 Lightly dan Highly Summarized Data
Area ini menyimpan semua lightly dan highly summarized
data yang dihasilkan oleh warehouse manager. Area dari
36
data warehouse ini adalah sebuah tempat untuk
menampung sementara sebelum dilakukannya perubahan
secara berkelanjutan untuk merespon perubahan profil
query.
Tujuannya adalah untuk mempercepat pencapaian query.
Biaya operasi ini akan meningkat berhubungan dengan
proses peringkasan data. Ini dapat diseimbangkan dengan
menghapus keperluan secara terus-menerus untuk
melakukan operasi ringkasan dalam menjawab query user.
Ringkasan data akan terus di-update ketika terdapat data
baru yang terisi ke dalam warehouse.
2.4.6.2 Archive / Backup Data
Area dari data warehouse ini menyimpan semua detail dan
ringkasan data yang bertujuan untuk melakukan archiving
dan backup. Meskipun data ringkasan di generate dari
detail data, itu memungkinkan untuk backup ringkasan
data secara online, jika data ini disimpan melebihi
waktu/periode penyimpanan untuk detail data. Data
dipindahkan ke penyimpanan archive seperti magnetic
tape atau optical drive.
2.4.6.3 Metadata
Area dari warehouse ini menyimpan sebuah definisi
metadata (data dari data), yang digunakan oleh semua
37
proses didalam warehouse. Tujuan digunakannya
metadata adalah untuk:
1. Ekstraksi dan proses loading metadata digunakan untuk
memetakan sumber data ke dalam tampilan yang umum
dari data dalam warehouse.
2. Proses pengelolaan warehouse, metadata digunakan
untuk mengotomatisasikan pembuatan tabel ringkasan.
3. Proses pengelolaan query, metadata digunakan untuk
mengarahkan suatu query dengan sumber data yang
tepat.
2.4.6.4 End-User Access Tools
Tujuan dari data warehousing adalah untuk menghasilkan
sebuah informasi untuk bisnis user dalam strategi
pembuatan keputusan. Para user ini berhubungan dengan
data warehouse menggunakan end-user access tools. Ada
lima kategori utama dari end-user access tools:
1. Reporting and query tools
Reporting tools meliputi production reporting tools dan
writers. Production reporting tools digunakan untuk
menghasilkan laporan operasional regular atau
mendukung high-volume batch job, seperti pesanan
pelanggan/faktur dan pembayaran staf.
38
Report writer adalah dekstop tools yang dirancang
untuk end-user. Query tools data warehouse dirancang
untuk menerima SQL dalam proses query data yang
tersimpan didalam data warehouse.
2. Application development tools
Aplikasi yang sesuai dengan kebutuhan user, yang
dirancang secara ramah untuk sisi client server.
Beberapa aplikasi terintegrasi dengan OLAP tools dan
dapat mengakses semua sistem basis data utama, seperti
Oracle, Sybase, Infomix.
3. Executive information system (EIS) tools.
EIS, yang sering disebut sebagai everybody’s
information system, yang sebenarnya dibangun untuk
mendukung high-level pembuatan keputusan yang
stategis. Namun akhirnya meluas dan mendukung
semua tingkat manajemen. EIS yang terisolasi dengan
mainframe memungkinkan user untuk membuat
aplikasi pendukung pengambilan keputusan untuk
menyediakan data organisasi dan mengakses ke sumber
data eksternal.
4. Online analytical processing (OLAP) tools
OLAP berbasis pada konsep database multidimensi dan
memperbolehkan user untuk menganalisis data dengan
menggunakan sebuah view yang kompleks dan
39
multidimensional. Tools ini juga didukung oleh
multidimensional database (MDDB), atau oleh
database relasional yang dirancang untuk mendapatkan
multidimensional queries.
5. Data mining tools
Data mining adalah sebuah proses menemukan korelasi,
pola dan arah baru yang mempunyai arti dengan mining
sejumlah besar data dengan menggunakan teknik
statistik, matematika dan artificial intelligence. Data
mining memiliki potensi untuk menggantikan
kemampuan OLAP tools.
2.5 Struktur Data Warehouse
Struktur data warehouse dapat digambarkan seperti pada gambar 2.6
(Inmon, 2005).
40
Gambar 2.6 Struktur pada Data Warehouse (Inmon, 2005)
Terdapat beberapa level detail dalam data warehouse. Level detail
dalam data warehouse terdiri dari tingkat older level of detail, current level
of detail, level of lightly summarized data, dan level of highly summarized
data. Alur data ke dalam data warehouse dimulai dari data operasional.
Dimana ketika usia data di data warehouse sudah tua atau lama maka data
akan di transfer dari current detail ke older detail. Kemudian data diringkas
dan ditransfer dari current detail menuju lightly summarized data, kemudian
dari lightly summarized data menuju highly summarized data (Inmon,
2005).
2.6 Data Flow dalam Data Warehouse
Aliran data atau data flow dalam data warehouse berfokus pada lima
pokok yakni, inflow, upflow, downflow,outflow, dan metaflow (Connolly &
Begg, 2005).
41
1. Inflow adalah aliran data yang berkaitan dengan ekstrasi,
cleansing, dan loading data dari sumber data ke dalam data
warehouse.
2. Upflow adalah aliran data yang berkaitan dengan proses menambah
nilai di data warehouse dengan proses meringkas, mengemas, dan
mendistribusikan data.
3. Downflow adalah aliran data yang berkaitan dengan proses seperti
pengarsipan data dan juga back-up data di data warehouse.
4. Outflow adalah aliran data yang berkaitan dengan proses seperti
membuat data yang disediakan untuk atau akan dipakai oleh end
user.
5. Metaflow adalah proses yang berkaitan dengan pengelolahan
metadata.
Gambar 2.7 Alur Informasi dari Data Warehouse (Connolly & Begg, 2005)
42
2.7 Fungsional dari Data Warehouse
Data warehouse menyediakan fungsionalitas seperti (Elmasri &
Navathe, 2011):
1. Roll-up
Data diringkas dengan meningkatnya generalisasi. Contoh weekly
menjadi quarterly menjadi annually.
2. Drill-down
Meningkatkan level dari kerincian. Merupakan kebalikan dari roll-
up.
3. Pivot
Melakukan metode tabulasi silang.
4. Slice and Dice
Melakukan operasi proyeksi pada dimensi.
5. Sorting
Mengurutkan data sesuai dengan nilai ordinal.
6. Selection
Data tersedia dengan jarak dan nilai.
7. Derrived Attributes
Atribut dihitung dengan operasi pada nilai-nilai yang disimpan dan
diturunkan.
2.8 Data Model pada Data Warehouse
Menurut ada tiga level dari data model, yakni: high-level modeling
(atau disebut juga entity relationship diagram atau ERD), midlevel modeling
43
(atau disebut juga data item set atau DIS), low level modeling (atau disebut
juga physical model) (Inmon, 2005).
2.8.1 High – Level Modeling
Tingkat tertinggi dalam model terdiri dari entitas dan
hubungan (relationships). Entitas dijelaskan dengan simbol oval.
Sedangkan hubungan antar entitas disimbolkan dengan gambar
panah. Arah dan jumlah kepala panah menunjukan kardinalitas
hubungan.
Entitas yang ditampilkan ditingkat ERD memiliki tingkat
tertinggi dari abstraksi. Ruang lingkup integrasi (scope of
integration) berisi entitas-entitas apa saja yang masuk dalam ruang
lingkup model. Ruang lingkup integrasi mendefinisikan batas-batas
dari model data dan harus ditetapkan sebelum proses pemodelan
dimulai. Ruang lingkup telah disepakati oleh pembuat model,
manajemen, dan pengguna akhir dari sistem. Jika ruang lingkup
tidak ditentukan, ada kemungkinan besar bahwa proses pemodelan
akan terus terjadi. Definisi ruang lingkup integrasi harus ditulis lebih
dari lima halaman dan dalam bahasa dimengerti untuk pelaku bisnis.
44
Gambar 2.8 Contoh Entity Relationship Diagram (Inmon, 2005)
2.8.2 Mid – Level Modeling
Setelah tingkat tinggi data model dibuat, tingkat berikutnya
adalah mendirikan data model tingkat menengah, atau DIS. Untuk
setiap subjek utama, atau entitas, yang diidentifikasi dalam model
data tingkat tinggi, model tingkat menengah dibuat. Setiap subjek
dikembangkan menjadi model sendiri tingkat menengahnya.
Gambar 2.9 Hubungan ERD dan DIS (Inmon, 2005)
45
Empat konstruksi dasar yang ditemukan pada model tingkat
menengah:
1. A primary grouping of data
pengelompokan utama hanya ada satu dan sekali saja untuk
setiap area subjek utama. Didalamnya terdapat atribut yang
hanya ada sekali untuk setiap area subjek utama. Seperti
dengan semua kelompok data, pengelompokan utama berisi
atribut dan kunci (key) untuk setiap area subjek utama.
2. A secondary grouping of data
pengelompokan sekunder memegang atribut data yang bisa
ada beberapa kali untuk setiap subjek utama.
Pengelompokan ini ditujukan dengan garis yang berasal
dari pengelompokan utama.
3. A connector
ini merupakan simbol hubungan data antara subjek utama.
Konektor berkaitan dengan data dari satu keompok ke yang
lain. Suatu hubungan diindentifikasikan pada hasil tingkat
ERD dalam DIS.
4. “Type of” data
data ini ditunjukan dengan garis yang mengarah ke kanan
dari pengelompokan data. Pengelompokan data ke kiri
adalah supertype. Sedangkan ke kanan adalah subtype.
46
Gambar 2.10 Komponen pada Midlevel Data Model (Inmon, 2005)
2.8.3 Low – Level Modeling (Model Data Fisik)
Model data fisik dibuat dari perluasan model data tingkat
menengah dengan menambahkan kunci dan karakteristik fisik dari
model. Pada poin ini, model data fisik tampak seperti serangkaian
tabel, kadang–kadang bisa disebut dengan tabel relasional.
2.9 Model Dimensional Data Warehouse
Model dimensional merupakan teknik rancangan logikal yang
bertujuan untuk menampilkan data dalam bentuk standar dan intuitif yang
memperbolehkan akses dengan performa yang tinggi. Model dimensional
menggunakan konsep model hubungan antar entity (ER) dengan beberapa
batasan yang penting (Connolly, Thomas and Begg, 2010).
Model dimensional telah terbukti sebagai suatu model yang mudah
di mengerti, mudah diprediksi, dapat di perpanjang, dan sangat tahan
terhadap serangan ad hoc dari sekelompok komunitas pengguna bisnis
karena memiliki sifat yang simetris (Kimball & Ross, 2002). Model dimensi
biasanya merupakan dasar dari kinerja tambahan DBMS seperti pendekatan
47
powerful indexing dan agregasi. Model dimensi juga menjadi dasar logis
untuk semua sistem OLAP.
Model dimensi dibagi menjadi 3 macam, yakni :
2.9.1 Star Schema
Star schema adalah sebuah struktur logis yang memiliki tabel
fakta yang berisi data faktual ditengah, dan dikelilingi oleh tabel
dimensi yang berisi data referensi (yang dapat di denormalisasi)
(Connolly, Thomas and Begg, 2010). Struktur star join data disebut
demikian karena representasinya berbentuk bintang dengan pusat
dan struktur luar oleh beberapa data (Inmon, 2005). Dimana pusat
data disebut tabel fakta. Tabel fakta adalah struktur yang berisi
kejadian banyak data. Sekitar tabel fakta disebut dimensi yang
menggambarkan salah satu aspek penting dari tabel fakta.
Star Schema dapat digunakan untuk mempercepat performa
query dengan melakukan denormalisasi informasi ke dalam tabel
dimensi tunggal. Contohnya, terdapat berbagai macam tabel dimensi
(seperti Property ForSale, Branch, ClientBuyer, Staff, dan Owner)
berisi data lokasi seperti (city, region, dan country) dimana data
tersebut diulang disetiap tabel dimensi (Connolly, Thomas and Begg,
2010).
48
Gambar 2.11 Contoh Star Schema (Connolly, Thomas and Begg, 2010)
2.9.2 Snowflake Schema
Berdasarkan aturan, dalam star join terdapat satu tabel fakta.
Tetapi banyak lebih dari 1 tabel fakta dapat dikombinasikan dalam
desain database untuk menciptakan struktur komposit/gabungan
yang disebut struktur snowflake (Inmon, 2005). Snowflake schema
adalah sebuah variasi dari star schema dimana tabel dimensinya
tidak berisi data yang didenormalisasi (Connolly, Thomas and Begg,
2010). Dalam snowflake schema, tabel dimensi diperbolehkan untuk
mempunyai tabel dimensi. Contohnya “kita dapat menormalisasikan
data lokasi seperti atribut city, region, dan country dalam tabel
dimensi Branch untuk menciptakan dua buah tabel dimensi baru
yang dinamai city dan region. Oleh karena itu, data lokasi pada tabel
dimensi seperti PropertyForSale, ClientBuyer, Staff, dan Owner
49
akan dihapus, lalu tabel dimensi baru, city dan region akan
digunakan bersama sama oleh tabel tersebut.
Gambar 2.12 Contoh Snowflake Schema (Connolly, Thomas and Begg, 2010)
2.9.3 Starflake Schema
Starflake schema adalah sebuah struktur hibrida atau
gabungan dari campuran star schema dan snowflake schema. Dan
skema database yang paling sesuai adalah skema yang
menggunakan campuran skema denormalisasi star dan normalisasi
snowflake (Connolly, Thomas and Begg, 2010). Karena kombinasi
ini terdapat beberapa dimensi dapat digunakan bersama sama pada
kebutuhan yang berbeda.
2.10 Metadata dalam Data Warehouse
Metadata adalah data tentang data, deskripsi struktur, konten, kunci
(keys), indeks dan lain sebagainya dari data (Inmon, 2005).
50
Metadata berperan seperti indeks konten dari data warehouse.
Metadata melacak (tracking) terhadap apa yang ada di data warehouse
(Inmon, 2005). Biasanya, acuan dibuatnya metadata berasal dari:
1. Struktur data yang diketahui programmer,
2. struktur data yang diketahui analis DSS,
3. sumber data dalam data warehouse,
4. transformasi data saat melewati data warehouse,
5. data model,
6. hubungan antara data model dengan data warehouse, dan
7. sejarah dari proses ekstraksi.
2.11 Tipe-tipe Data Warehouse
Data warehouse terbagi menjadi 2 macam, yakni (Inmon, 2005):
2.11.1 Data Warehouse Terpusat
Banyak organisasi membangun dan memelihara lingkungan
data warehouse yang terpusat. Hal ini disebabkan karena:
1. Data pada data warehouse mengintegrasi perusahaan dan
gambaran terintegrasi digunakan hanya pada kantor pusat.
2. Perusahaan menjalankan sebuah model bisnis yang terpusat.
3. Volume data dalam data warehouse seperti sebuah
penyimpanan tunggal yang terpusat.
4. Sekalipun data dapat diintegrasikan, lokal data diedarkan
melalui banyak local sites, maka akan mempersulit
pengaksesan.
51
2.11.2 Data Warehouse Terdistribusi
Ada tiga jenis data warehouse terdistribusi, yakni:
1. Bisnis didistribusikan secara geografis dan lini produk yang
berbeda. Dalam kasus ini, kita mengenal data warehouse lokal
dan data warehouse global. Data warehouse lokal menjelaskan
data dan proses di situs remote, dan data warehouse global
merupakan bagian dari bisnis yang terintegrasi di seluruh
bisnis.
2. Lingkungan data warehouse akan memegang banyak data lalu
volume data tersebut akan didistribusikan ke beberapa
prosesor. Logikanya ada satu data warehouse tunggal, tetapi
secara fisik ada banyak data warehouse yang semuanya terkait
tetapi berada pada prosesor yang terpisah. Konfigurasi ini dapat
disebut teknologi data warehouse terdistribusi.
3. Pertumbuhan lingkungan data warehouse terjadi dengan tidak
terkordinasi. Kurangnya koordinasi pada pertumbuhan data
warehouse biasanya terjadi akibat perbedaan politik dan
organisasi. Kasus ini bisa disebut perkembangan secara
independen sebuah data warehouse terdistribusi.
2.12 Business Dimensional Lifecycle Road Map
Pendekatan siklus hidup Kimball merupakan pendekatan dalam
membangun data warehouse (Kimball & Ross, 2010). Diagram ini
merupakan suatu pedoman atau jalan yang menggambarkan urutan tugas
52
yang dibutuhkan untuk menciptakan desain, pengembangan, dan
implementasi yang efektif.
Gambar 2.13 The Kimball Lifecycle diagram (Kimball & Ross, 2010)
Kimball membagi urutan tugas tersebut menjadi 6 langkah, yakni
(Kimball & Ross, 2010):
2.12.1 Program/Project Planning and Management
Menurutnya, kotak pertama pada roadmap yang berfokus
untuk mendapatkan program/proyek yang diluncurkan, termasuk
scoping, justification, dan staffing. Sepanjang siklus hidup
(Lifecycle) tersebut, program yang sedang berjalan dan tugas
manajemen proyek tetap di jalur kegiatan (Kimball & Ross, 2010).
Di buku lain menambahkan, perencanaan proyek dapat
terbagi menjadi 5 tugas, yakni (Kimball & Ross, 2002):
1. Assessing Readiness
53
Tahap ini dilakukan sebelum melakukan investasi pada
data warehouse dimana dilakukan analisa untuk menilai
kesiapan organisasi dalam membangun sebuah data
warehouse. Terdapat 5 indikator sebuah keberhasilan data
warehouse, yakni (Kimball & Ross, 2002):
Sebuah data warehouse harus memiliki sponsor bisnis
yang kuat.
Sebuah data warehouse harus mempunyai motivasi
kuat dan menarik dalam membangun data warehouse.
Menilai suatu kesiapan layak atau tidak.
Keseimbangan hubungan diantara bisnis dan IT.
Budaya analisis dalam suatu perusahaan. Apakah
analisis tersebut dibuat berdasarkan fakta dan angka
atau hanya secara perasaan atau intuisi, bukti anekdot.
2. Scoping
Penetapan ruang lingkup dalam data warehouse harus
membutuhkan gabungan dari organisasi IT dan juga
manajemen bisnisnya. Dimana ruang lingkup dari data
warehouse harus memberikan nilai bagi organisasi dan
dapat dikelola.
3. Justification
Pembenaran ini dimaksudkan adalah sebuah pembenaran
dalam melakukan kesiapan serta scoping dalam
perencanaan estimasi manfaat dan biaya data warehouse.
54
Dimana IT biasanya yang bertanggung jawab dalam
menurunkan biaya dengan memperkirakan perangkat keras
dan lunak yang dibutuhkan. Perlu diketahui data warehouse
berkembang dengan pesat, jadi harus memastikan estimasi
perkembangan jangka pendek.
4. Staffing
Data warehouse membutuhkan integrasi dari tim yang
mendukung antara melakukan bisnis dan IT. Pemilihan
sumber daya dalam penugasan bergantung pada besarnya
proyek, ruang lingkup, serta ketersediaan individu,
kemampuan dan pengalaman. Dari sisi bisnis, usaha yang
akan dilakukan adalah: usaha sponsor, kepemimpinan,
bisnis pengguna. Straddlers ini didapatkan dari sumber
daya teknis yang memahami sumber daya bisnis atau bisnis
yang mengerti teknologi: bisnis analis sistem, pakar bisnis
materi pelajaran, analitik pengembang aplikasi, data-data
gudang.
5. Developing and Maintaining the Project Plan
Mengembangkan sebuah project data warehouse harus
melibatkan semua tugas untuk mengimplementasikan data
warehouse. Proyek data warehouse menuntuk komunikasi
yang luas. Selama fase perencanaan proyek, disarankan
seorang manajer proyek untuk membentuk matrik
55
komunikasi untuk menggambarkan dan membantu
memastikan bahwa strategi komunikasi dijalankan.
2.12.2 Business Requirements
Memunculkan kebutuhan bisnis adalah tugas kunci dalam
lifecycle Kimball karena temuan ini mendorong keputusan yang
paling upstream dan downstream (Kimball & Ross, 2010).
Persyaratan dikumpulkan untuk menentukan faktor-faktor kunci
yang berdampak bisnis dengan berfokus pada apa yang pengguna
bisnis lakukan hari ini (atau ingin dilakukan di masa depan),
daripada meminta "apa yang Anda inginkan dalam data
warehouse?". Peluang utama di seluruh perusahaan diidentifikasi,
diprioritaskan berdasarkan nilai bisnis dan kelayakan, dan kemudian
persyaratan yang rinci berkumpul untuk iterasi pertama dari
DW/pengembangan sistem BI.
Di buku lain menambahkan, business requirement dapat
terbagi menjadi 3 tugas, yakni (Kimball & Ross, 2002):
1. Requirements Preplanning
Sebelum mengumpulkan kebutuhan pengguna bisnis,
sebaiknya dilakukan langkah-langkah persiapan sebagai
berikut:
1. Choose the Forum
Persyaratan dikumpulkan pada saat pertemuan
dengan perwakilan pengguna bisnis sementara dan
56
pada saat diskusi dengan narasumber dan ahli
materi pelajaran. Pendekatan dual-cabang memberi
kita wawasan tentang kebutuhan bisnis dalam
hubungannya dengan realitas data.
2. Identify and Prepare the Requirements Team
Mengidentifikasikan dan menyiapkan anggota dari
tim proyek yang terlibat.
3. Select, Schedule, and Prepare Business
Representative
Penjadwalan perwakilan bisnis dapat menjadi tugas
persyaratan yang paling berat. Anda harus berbicara
dengan pengusaha yang mewakili wawasan
horisontal di seluruh organisasi.
2. Collecting the Business Requirements
1. Launch
Penetapan apa yang ingin disampaikan saat
melakukan wawancara, dan harus fokus pada tujuan
proyek.
2. Interview Flow
Tujuan dari wawancara adalah untuk mendapatkan
pengguna bisnis untuk berbicara tentang apa yang
mereka lakukan dan mengapa mereka
melakukannya. Kami meminta masing-masing
57
diwawancarai tentang dampak peningkatan akses ke
informasi.
3. Wrap-Up
Menarik kesimpulan dari tiap individu tentang
kriteria keberhasilan untuk melakukan proyek.
4. Conducting Data-Centric Interviews
Tujuannya untuk menilai bahwa data inti yang
diperlukan sudah ada. Sebuah data yang lengkap
akan terjadi selama proses permodelan dimensi.
3. Postcollection Documentation and Follow-Up
Mendokumentasikan apa yang didengar, ada 2 tingkatan
dari dokumentasi, menulis setiap wawancara individu dan
mencari dokumen. Dokumen apa yang anda dengar. Ada
dua tingkat dokumentasi yang biasanya hasil dari proses
persyaratan.
1. Yang pertama adalah untuk menulis setiap
wawancara individu.
2. Tingkat kedua dari dokumentasi adalah dokumen
temuan konsolidasi.
2.12.3 Tecnology Track
Lingkungan DW (data warehouse)/BI (Business intelligence)
mewajibkan integrasi dari berbagai teknologi, data stores, dan
metadata yang terkait (Kimball & Ross, 2010). Trek teknologi
58
dimulai dengan desain sistem arsitektur untuk membuat shopping list
dari kemampuan yang dibutuhkan, dilanjutkan dengan pemilihan dan
pemasangan produk yang memenuhi kebutuhan-kebutuhan
arsitektur.
Di buku lain menambahkan, technology track dapat terbagi
menjadi 2 tugas, yakni (Kimball & Ross, 2002) :
1. Technical Architecture Design
Eight-Step Process for Creating the Technical Architecture:
1. Establish an Architecture Task Force
Membuat sebuah small task pada desain arsitektur,
biasanya antara arsitek teknis dengan data staging
designer dan developer aplikasi analitik.
2. Collect Architecture-Related Requirements
Arsitekur dibuat untuk mendukung kebutuhan nilai
bisnis yang tinggi. Yang menjadi fokus utama
adalah untuk mengungkap implikasi arsitektur yang
berhubungan dengan kebutuhan kritis bisnis. Untuk
meningkatkan kebutuhan bisnis proses definisi,
melakukan wawancara tambahan dalam organisasi
TI.
3. Document Architecture Requirements
Mendokumentasikan hasil dari pengumpulan
requirements.
4. Develop a High-Legel Architectural Model
59
Merumuskan model untuk mendukung kebutuhkan
identifikasi. Kebutuhan penting dalam arsitektur
model seperti data staging, data access, metadata,
dan infrastruktur.
5. Design and Specify the Subsystems
Mendesain secara spesifik sebuah subsistem.
6. Determine Architecture Implementation Phases
Menyediakan elemen arsiktetur yang cukup untuk
mendukung mebutuhan kebutuhan end-to-end dari
iterasi awal proyek.
7. Document the Technical Architecture
Mendokumentasikan arsitektur teknis, termasuk
semua tahapan pelaksanaan yang direncanakan.
Dokumen rencana teknis arsitektur harus mencakup
detail yang memadai sehingga profesional terampil
dapat dilanjutkan dengan pembangunan kerangka.
8. Review and Finalize the Technical Architecture
Rencana arsitektur harus dikomunikasikan, untuk
tim proyek, rekan IT, sponsor bisnis.
2. Product Selection and Installation
Memilih produk yang sesuai dengan rencana untuk
memberikan fungsi yang diperlukan, seperti:
1. Memahami proses pembelian perusahaan
60
2. Mengembangkan metrik evaluasi produk
3. Melakukan riset pasar
4. Pilihan sempit ke daftar pendek dan melakukan
evaluasi rinci
5. Melakukan prototipe, jika perlu
6. Pilih produk, instalasi, dan bernegosiasi
2.12.4 Data Track
Data track dimulai dengan desain model target dimensi
untuk menangani kebutuhan bisnis, dengan tetap memperhatikan
realitas data yang mendasarinya (Kimball & Ross, 2010). Model
dimensi dikonversi menjadi desain fisik di mana kinerja strategi
tuning dipertimbangkan, kemudian di-extract, transform, dan load
(ETL) sistem desain dan tantangan development yang ditangani.
Di buku lain menambahkan, technology track dapat terbagi
menjadi 3 tugas, yakni (Kimball & Ross, 2002) :
1. Dimensional Modeling
Dalam membangun model dimensional, melakukan
pendekatan yang disebut “Nine–Step Methodology”, yakni
(Kimball & Ross, 2010) :
1. Choose the process / memilih proses
Menentukan konten yang berhubungan dengan aktifitas
operasional. Dimana proses bisnis subyek area penting
yang harus dibuat pertama kali. Suatu proses yang
61
dipilih harus sejajar antara pertanyaan bisnis yang
penting dengan kemudahan mengakses dari ekstraksi
data.
2. Choose the grain / memilih grain
Memilih grain berarti menentukan dengan baik apa
yang menjadi fakta dalam tabel yang direpresentasikan.
Setelah itu maka dapat menentukan tabel-tabel dimensi
yang berhubungan dengan tabel fakta tersebut.
3. Identify and conform the dimensions/mendefinisikan
dan menyesuaikan dimensi
Dimensi merupakan sumber dari query constraints dan
row header dari suatu laporan. Mereka membawa
kamus perusahaan kepada user. Sebuah set arsitektur
yang baik dari dimensi membuat sebuah model menjadi
lebih mudah dipahami dan mudah digunakan.
4. Choose the facts / menentukan tabel fakta
Grain dari tabel fakta dapat menentukan fakta-fakta
yang dapat digunakan dalam data mart. Semua fakta
harus diekspresikan sesuai dengan level tingkatan pada
grain. Untuk memilih fakta perlu diketahui informasi
apa saja yang dibutuhkan oleh pengguna dalam
kaitannya dengan proses bisnis.
5. Store precalculations in the fact table / menyimpan
prekalkukasi dalam tabel fakta
62
Setelah fakta telah dipilih, maka masing-masing dari
fakta tersebut harus dikaji ulang atau diuji kembali
untuk menentukan apakah ada peluang untuk
melakukan pre-kalkulasi. Fakta hasil dari kalkulasi
sebaiknya disimpan dalam tabel fakta, karena ini dapat
meningkatkan performansi dalam memberikan hasil
query.
6. Round out the dimension tables / melengkapi tabel
dimensi
Dalam step ini, kita kembali ke tabel dimensi dan
menambahkan deskripsi informasi pada tabel dimensi.
Informasi tersebut harus intuitif dan dapat dipahami
oleh para pengguna.
7. Choose the duration of the database / memilih durasi
dari database
Mengukur dan menentukan durasi data yang akan
dimasukkan ke dalam data warehouse sesuai dengan
kebutuhan perusahaan. Karena tabel fakta yang sangat
besar dapat meningkatkan masalah yang ada di dalam
data warehouse. Hal ini harus dilakukan supaya data
yang akan dianalisis dapat dengan cepat dan sesuai
dengan waktu yang ditentukan yang ada di dalam data
warehouse.
63
8. Determine the need to track slowly changing
dimensions / melacak perubahan dimensi secara
perlahan
Selama 30 tahun lebih Kimball menemukan 3 alasan
dasar kenapa data warehouse berubah, yang ia sebut
menjadi type 1, 2, dan 3, yakni (Kimball & Ross,
2010) :
1. Type 1 – Atribut pada dimensi yang di ganti
(overwrite).
2. Type 2 – Atribut pada dimensi berubah, sehingga
menyebabkan adanya record baru didalam dimensi
(add new dimension record).
3. Type 3 - Atribut pada dimensi berubah,
menyebabkan atribut alternatif yang akan dibuat
secara simultan akan diakses secara bersamaan
dalam sebuah dimensi yang sama (add a new field).
9. Decide the physical design / memilih desain fisik.
Pada step, sebuah desain logis telah selesai dibuat.
Kemudian menganalisis isu-isu yang akan terjadi pada
saat membangun model desain fisik.
2. Physical Design
Model dimensi yang dikembangkan pada bagian
sebelumnya perlu diterjemahkan ke dalam desain fisik.
64
Dalam pemodelan dimensi, desain secara fisik dan logis
memiliki kemiripan yang sangat dekat. Model fisik akan
berbeda dari model logis dalam hal rincian tertentu untuk
database fisik, termasuk nama kolom fisik, tipe data,
deklarasi kunci.
1. Aggregation Strategy
Pertama memikirkan tentang pola akses pengguna
bisnis, kedua menilai distribusi dari statistik data.
2. Initial Indexing Strategy
Dimensi tabel akan memiliki indeks yang unik pada
primary key tunggal-kolom. Kunci utama dari tabel
fakta hampir selalu merupakan subset dari kunci asing.
Biasanya menempatkan indeks tunggal digabungkan
pada dimensi primer dari tabel fakta. Selain itu, setelah
tombol tanggal di posisi pertama mempercepat proses
loading data dimana data incremental berkelompok
menurut tanggal. Tabel fakta besar biasanya yang
dipartisi menurut tanggal, dengan data tersegmentasi
berdasarkan bulan, kwartal, atau tahun ke partisi
terpisah penyimpanan sementara yang muncul kepada
user, karena sebuah tabel tunggal. Keuntungan dari
partisi menurut tanggal adalah:
65
1. Query akan tampil lebih baik karena mereka hanya
mengakses partisi yang diperlukan untuk
menyelesaikan query.
2. Partisi juga dapat diarsipkan dengan mudah.
3. Data Staging Design and Development
Pada tahap data staging and development terdapat proses
ETL. Dimana dalam jurnalnya, arsitektur ETL umumnya
merupakan sebuah data warehouse yang real time, yang
terdiri dari berbagai tipe sumber database termasuk alat
ekstraksi, yang mendorong data diekstraksi ke temporary
store (Robert Halenar, 2012). Kemudian mempersiapkan
data untuk proses transformasi menjadi fungsi transformasi
sehingga data siap digunakan dengan format yang sesuai.
Transformasi berjalan dalam DPA (data processing area)
dimana data diubah dan dibersihkan dan setelah itu data
diekspor oleh fungsi transformasi.
Proses ETL data dari basis data operasional dan sumber
eksternal diekstrak, kemudian untuk meminimalisasi eror
data tersebut dibersihkan dan mengisi informasi yang
kurang jika dimungkinkan. Setelah itu ditransformasi untuk
memperbaiki ketidak-cocokan semantik. Proses loading
data terdiri dari mematerialisasikan view dan
menyimpannya dalam warehouse.
66
1. Dimension Table Staging
Karena dimensi harus sesuai dan dapat digunakan
kembali di seluruh model dimensi, biasanya hal itu
adalah tanggung jawab otoritas lebih terpusat.
Kewenangan dimensi bertanggung jawab untuk
mendefinisikan, menjaga, dan penerbitan dimensi
tertentu untuk mart data yang sesuai. Dimensi dapat
diproses secara bersamaan. Namun, semua dimensi
yang terlibat dalam skema harus dipublikasikan
sebelum pementasan data fakta.
Langkah-langkahnya: mengesktrak data dari sumber
dimensi operasional, lalu membersihkan nilai-nilai
atribut yang tidak konsisten, tidak valid, dan data yang
hilang. Dan mengelola surrogate key. Lalu membangun
sebuah dimensi dari data yang sudah direvisi.
2. Fact Table Staging
Mengekstrak data, memperbarui, memisahkan data
fakta, mengubah data, mengganti key dengan surrogate
key, menambahkan key tambahan, membangun tabel
agregasi, bulk data, alert user.
2.12.5 Business Requirements
Ketika beberapa anggota proyek tenggelam dalam teknologi
dan data, yang lain fokus pada mengidentifikasi dan membangun
67
berbagai aplikasi BI, termasuk laporan standar, query parameter,
dashboard, scorecard, model analitik, dan aplikasi data mining,
bersama dengan interface navigasi yang terkait (Kimball & Ross,
2010).
Di buku lain menambahkan, business intelligence track
dapat terbagi menjadi 2 tugas, yakni (Kimball & Ross, 2002):
1. Analytic Application Spesification
Sebelum merancang aplikasi maka harus menetapkan
standar dari aplikasi tersebut, seperti tampilan menu dan
tampilan output yang konsisten. Menggunakan standar, kita
tentukan setiap template aplikasi, menangkap informasi
yang memadai tentang tata letak, variabel input,
perhitungan, dan istirahat sehingga baik pengembang
aplikasi dan perwakilan bisnis berbagi pemahaman yang
sama. Selama kegiatan spesifikasi aplikasi, kita juga harus
memberikan pertimbangan kepada organisasi aplikasi. Kita
perlu mengidentifikasi jalur navigasi terstruktur untuk
mengakses aplikasi, yang mencerminkan pengguna cara
berpikir kita tentang bisnis mereka.
2. Analytic Application Development
Pengembangan aplikasi dapat dimulai setelah desain
database telah selesai, kegiatan ini tidak dapat diselesaikan
sampai data stabil.
68
2.12.6 Deployment, Maintetance, and Growth
Iterasi deployed memasuki fase maintenance, sementara
pertumbuhan (growth) menunjukkan dengan arrow back ke
perencanaan proyek untuk iterasi berikutnya dari data warehouse.
Pada fase maintenance and growth tim proyek memfokuskan pada
persyaratan yang akan dihadapi, penyampaian yang signifikan dan /
atau risiko dalam usaha penerapan. Oleh karena itu dilakukan
support, education, technical support dan program support.
2.13 Konsep Dasar Dashboard
2.13.1 Pengertian Dashboard
Dashboard adalah visualisasi dari sekumpulan data yang
menjadi informasi penting dalam bentuk tabel, laporan, indikator dan
mekanisme peringatan yang menunjukan performa manajemen yang
digunakan dalam proses pengawasan dan pengelolaan kegiatan
bisnis (Wajong, 2015).
Dashboard adalah tampilan visual dari informasi yang
dianggap sangat penting dengan tujuan untuk mencapai satu atau
lebih sasaran, menggabungan dan menyusun informasi dalam satu
tampilan layar, sehingga informasi dapat dilihat secara bersamaan
dalam satu waktu yang sama (Few, 2006).
Dashboard adalah suatu komponen yang umumnya memiliki
fitur Performance Management Systems, Performance Measurement
Systems, Business Process Management suites dan Business
Intelligence Platforms dimana informasi –informasi yang dibutuhkan
69
ditampilkan dalam satu layar secara bersamaan sehingga mudah
dalam melakukan eksplorasi (Turban, et al., 2011).
Dari definisi dashboard diatas dapat disimpulkan bahwa
dashboard adalah tampilan visual dari berbagai data, informasi dan
pengetahuan dalam berbagai bentuk tampilan visualisasi yang
digabungkan dalam satu layar yang memiliki komponen memiliki
fitur Performance Management Systems, Performance Measurement
Systems, Business Process Management suites dan Business
Intelligence Platforms dalam komponennya.
2.13.2 Jenis Dashboard
Menurut (Rasmussen et al., 2009) terdapat 3 (tiga) jenis
performance dashboard, yaitu :
1. Strategic Dashboard
Dengan menggunakan strategic dashboard, maka
organisasi dapat memonitor setiap tahap kinerja utama
terkait dengan pencapaian tujuan strategis. Tipe dashboard
ini lebih mengutamakan rangkuman yang terdiri dari
banyak tabel, grafik-grafik terkini dan global, tren
eksternal, dan ukuran pertumbuhan. Strategic dashboard
didasarkan pada metodologi balance scorecard yang
menyediakan sarana untuk pengukuran pencapaian tujuan
organisasi.
2. Tactical Dashboard
70
Tactical dashboard digunakan untuk memonitor
perkembangan dan tren sebagai hasil dari inisiatif strategis.
Dashboard ini juga melakukan monitoring perkembangan
proyek-proyek penting yang dilakukan oleh organisasi.
Baik secara perkembangan inisiatif strategis maupun
proyek selalu diukur berdasarkan tujuan yang telah
ditetapkan. Dashboard ini diharapkan dapat membantu
stakeholder internal maupun eksternal dalam memonitoring
perkembangan inisiatif-inisiatif penting organisasi.
3. Operational Dashboard
Kategori ini memonitoring proses bisnis, aktivitas bisnis
dan kejadian-kejadian yang kompleks. Menampilkan
informasi harian atau mingguan terkini atau grafik real time
dan laporan yang mengilustrasikan status proses bisnis atau
proses manufaktur. Dashboard ini banyak digunakan pada
level operasional pekerjaan bukan pada level eksekutif
senior. Pada level eksekutif senior lebih tepat menggunakan
strategic dashboard atau tactical dashboard.
2.13.3 Manfaat Dashboard
Manfaat dari dashboard menurut (Rasmussen et al. 2009)
pada kegiatan bisnis organisasi adalah sebagai berikut :
1. Meningkatkan proses pengambilan keputusan kerja dengan
kemampuan untuk mengidentifikasi dan mengoreksi
71
kecenderungan negatif, kemampuan untuk membuat
keputusan yang lebih baik berdasarkan informasi yang
didapat melalui business intelligence, kemampuan untuk
mengukur tingkat efisiensi atau efisiensi organisasi,
kemampuan untuk melakukan analisis yang lebih baik
melalui presentasi pengukuran kinerja, dan kemampuan
untuk menyelaraskan strategi dengan tujuan organisasi.
2. Meningkatkan efisiensi karyawan dengan meningkatkan
produktifitas, menghemat waktu karena karyawan tidak
perlu menyusun laporan yang banyak, mengurangi
kebutuhan membuat dan mengelola laporan statis dalam
jumlah besar, mudah untuk dipahami sehingga tidak
memerlukan pelatihan yang rumit.
3. Memotivasi karyawan dengan penyusunan laporan detail
mengenai kondisi terbaru, pengguna memiliki lebih banyak
waktu untuk menganalisis dan tidak memerlukan waktu
banyak untuk mengumpulkan dan memformat data,
dashboard yang didesain dengan lebih menarik
dibandingkan laporan model lama yang berbentuk table,
dashboard menyediakan media untuk berbagi strategi,
taktik dan data operasional yang memberdayakan karyawan
untuk memahami tujuan perusahaan dan membuat
keputusan yang tepat.
72
2.13.4 Media Tampilan Dashboard
Media yang terbaik yaitu data yang ditampilkan harus
didasarkan pada sifat informasi, sifat pesan, dan kebutuhan serta
preferensi pengguna (Few, 2006). Dashboard yang efektif
membutuhkan gabungan antara teks dan grafik dengan gabungan
tersebut dan bantuan dari data yang banyak serta berkualitas. Berikut
adalah contoh dari berbagai macam bentuk grafik :
1. Grafik Peluru
Grafik peluru menggunakan alat pengukur dan meteran.
Hal ini dirancang untuk menampilkan ukuran kunci
bersamaan dengan ukuran komparatif dan kualitatif. Namun
rentan dalam menyatakan apa bila langkah tersebut baik
atau buruk atau dalam keadaan lainnya.
Gambar 2.14 Grafik Peluru (Few, 2006)
2. Grafik Bar
Tidak seperti pada grafik peluru, grafik bar (batang)
dirancang untuk menampilkan beberapa contoh. Istilah
73
grafik batang digunakan untuk menyandikan data apakah
data berorientasi secara vertikal maupun horizontal.
Gambar 2.15 Grafik Bar (Few, 2006)
3. Grafik Garis
Grafik garis sangat baik dalam mengungkapkan gerakan
apakah itu naik atau turun dalam suatu nilai. Grafik garis
lebih banyak ditekankan pada tren, siklus, tingkat
perubahan, dan bagaimana dua set data yang berbeda-beda
dalam hubungan satu sama lain. Dalam dashboard grafik
garis lebih sering disajikan dalam bentuk gambaran singkat
dari waktu
Gambar 2.16 Grafik Garis (Few, 2006)
4. Grafik Bar Bertumpuk
74
Sebuah variasi dari grafik batang yang kadang-kadang
digunakan dalam menampilkan data bisnisnya yaitu grafik
bar bertumpuk. Grafik ini berguna untuk tujuan tertentu,
namun dapat dengan mudah juga disalahgunakan. Grafik
bar bertumpuk ini lebih kepada menampilkan satu
rangkaian bagian keseluruhan data.
Gambar 2.17 Grafik Bar Bertumpuk (Few, 2006)
5. Kombinasi Grafik Bar dan Grafik Garis
Sebagaimana namanya, kombinasi bar dan grafik ini tidak
dilakukan secara asal. Kombinasi ini harus digunakan
hanya ketika beberapa data dapat ditampilkan terbaik
dengan menggunakan bar, dan dengan penekanan pada
nilai-nilai individu dan perbandingan lokal. Namun
beberapa juga menggunakan garis pada penekanan pada
bentuk keseluruhannya.
75
Gambar 2.18 Kombinasi Bar dan Grafik (Few, 2006)
6. Scatter Plot
Scatter plot ini hanya dapat melakukan satu hal, namun
dapat melakukannya dengan sangat baik. Scarlet plot
menampilkan persetujuan atau tidak persetujuan dan arah
serta tingkatan yang berhubungan dengan quantitatif yang
saling berkaitan.
Gambar 2.19 Scarlett Plot (Few, 2006)
7. Icon
Merupakan gambaran yang simple untuk memberikan
komunikasi yang jelas dan sederhana, namun hanya
dibutuhkan sedikit dashboard. Dan dari icon yang
76
terpenting yaitu alert, up, down, on, off. Ini dapat sangat
berguna dalam memanggil perhatian kepada informasi yang
tertentu didalam dashboard. Namun ada sepuluh variasi
dalam dashboard dalam icon sinyal setiapnya memiliki arti
yang berbeda.
Gambar 2.20 Up-Down Icons (Few, 2006)
8. Spatial Maps
Spatial maps menawarkan bentuk yang lebih khusus dan
lebih sering dibutuhkan organisasi, karena mereka dapat
digunakan untuk asosiasi dalam kedua kategori data dan
melihat jumlah fisiknya. Spatial maps juga dapat
ditingkatkan dengan membuat pengaturan yang terlihat
spatial maps sangat berguna.
Gambar 2.21 Spatial Maps (Few, 2006)
9. Small Multiples
77
Small multiplies adalah sebuah tabel, yang terdiri dari satu
baris atau kolom-kolom grafis yang diatur dalam matriks.
Jika kelipatan kecil, harus memiliki beberapa kecerdasan
dibangun untuk menangani aspek dari pengaturan yang
akan memakan waktu untuk mengatur secara manual dari
sebuah tabel. Dalam tampilan kecil, grafik dasar akan
muncul beberapa kali, setiap kali berbeda ukuran.
Gambar 2.22 Small Multiples (Few, 2006)
2.14 PENTAHO
Pentaho adalah kumpulan aplikasi Business Intelligence (BI) yang
bersifat Free Open Source Software (FOSS) yang berjalan di atas platform
Java. Aplikasi-aplikasi Pentaho dikembangkan oleh Pentaho Corp yang
berpusat di Orlanda, Amerika Serikat. Dukungan Pentaho bisa didapatkan
dari Pentaho Corp dalam bentuk Service Level Agreement (SLA) dan
dipaketkan dalam versi Enterprise Edition yang sifatnya annual
subscription atau perlu kontrak tahunan, selain itu terdapat versi community
edition yang bersifat gratis.
78
Pentaho terdiri dari beberapa kumpulan aplikasi. Kumpulan
aplikasinya yaitu Pentaho Reporting, Pentaho Analysis/Mondarian OLAP
Engine, Pentaho Data Integration/Kettle, Pentaho Data Mining/Weka, dan
Pentaho BI Server/Platform.
2.14.1 Pentaho Reporting
Pentaho Reporting adalah aplikasi perancangan Ad Hoc
Report di Pentaho yang engine reporting bisa di-embed di aplikasi
Java. Pentaho reporting dapat mengambil source dari berbagai
relational engine juga dapat mengambil source OLAP yang
didukung driver OLAP4J seperti Mondrian, SQL Server Analysis
Service, PALO Molap, SAP BW, dan lainnya, juga memiliki
kemampuan mengambil source dari Pentaho Data Integration step.
Ini menjadikan source yang dapat diambil hampir menjadi tidak
terbatas. Dilengkapi designer yang intuitif dan koleksi chart yang
lengkap untuk keperluan analisa. Output dari Pentaho Reporting
yaitu dalam format PDF, Excel, HTML dan CSV.
2.14.2 Pentaho Analysis / Mondrian OLAP Engine
Pentaho Analysis / Mondrian OLAP Engine merupakan
OLAP engine open source terpopuler dan digunakan di berbagai
Gambar 2.23 Logo Pentaho
79
produk BI open source (Pentaho dan Jasper). Mondrian merupakan
tipe ROLAP (Relational OLAP) dimana semua perintah data query
diterjemahkan via SQL dan ditujukan kepada datamart dan juga
mendukung datamart dengan rancangan multi dimensional baik
multi dimensional Star Schema maupun Snowflake Schema.
Pentaho Analysis mendukung query MDX (Multidimensional
Expression) sebagai standar industri dan didukung oleh beberapa
aplikasi interface baik web based maupun desktop seperti JPivot,
Pentaho Reporting, Pentaho Analysis Tools, dan Pentaho Analyzer.
Semua interface tersebut memiliki kemampuan drill down / roll up
serta drill through untuk melihat detil penyusun sel-sel nilai
analisis.
2.14.3 Pentaho Data Integraton/Kettle
Pentaho Data Integration / Kettle merupakan utilitas ETL
(Extract, Transform and Load) open source paling populer. Pentaho
Data Integration menyediakan designer GUI yang intuitif dan
sangat mudah digunakan. Script ETL dapat disimpan dalam bentuk
filesystem maupun repository dan mendukung multi pipelining
sehingga load balance maupun optimasi pekerjaan data warehouse
dapat dilakukan dengan mudah. Pentaho Data Integration
mendukung clustering (master-slave) engine ETL dan terdiri atas
lebih dari 200 step yang mencakup job (workflow kontrol) dan
transformation (data worfklow) serta mendukung Apache Virtual
80
Filesystem (Apache VFS) sehingga filesystem seperti HTTP
Webdav, FTP, SFTP, dan lain sebagainya dapat dengan mudah
diakses dengan konfigurasi yang minimal.
2.14.4 Pentaho Data Mining / Weka
Pentaho Data Mining / Weka merupakan utilitas data mining
yang sangat populer dan digunakan untuk predictive analysis.
Mendukung data sumber /source berformat ARFF (Attribute-
Relation File Format), XRRF (XML attribute Relation File
Format), CSV (Comma Separated Value), maupun table / view dari
relasional database, mendukung standar PMML (Predictive Model
Markup Language), mendukung data nominal dan numerik
(continue maupun discrete). Pentaho Data Mining juga mendukung
algoritma yang cukup banyak untuk operasi dasar data mining
seperti Classification, Clustering dan Association. Algoritma
tersebut diantaranya adalah J48, M5P, SimpleCart, SimpleKMeans,
Apriori. Utilitas grafis yang membantu pengolahan dan pemahaman
data mulai dari preprocessing, data visualization dalam bentuk plot
maupun curve, tree visualization.
2.14.5 Pentaho BI Server / Platform
Pentaho BI Server / Platform merupakan server BI yang
berjalan sebagai web application portal yang terdiri dari layanan web
service, workflow pada space JVM (Java Virtual Machine), dan
sebagai user interface untuk laporan operasional maupun analisis.
81
Workflow berupa integrasi dari produk Pentaho yang telah
disebutkan sebelumnya (Pentaho Data Integration, Pentaho
Reporting, dan Pentaho Analysis) dalam bentuk solution. Scheduler
berjalan di atas platform BI ini untuk melakukan proses batching,
misalkan mengirim laporan dalam bentuk PDF ataupun Excel secara
periodik. Script JSP (Java Server Pages) dapat dengan mudah
diintegrasikan ke dalam platform dan user dapat memiliki space
sendiri untuk menyimpan report dan tipe solution lainnya. Ad hoc
report yang bisa digunakan untuk membuat rancangan report on the
fly tanpa keterlibatan IT.
2.15 Metodologi Pengumpulan Data
Penelitian dapat berjalan dengan sesuai dengan rencana apabila data
yang dimiliki merupakan data yang berkualitas dan merupakan data yang
dibuthkan dalam penelitian. Data yang dibutuhkan dalam penelitian adalah
data primer dan data sekunder. Dimana data primer adalah data yang
diperoleh peneliti langsung dari sumber utamanya, sedangkan data sekunder
adalah data yang diperoleh dari sumber yang telah ada (Suryani &
Hendrayadi, 2015). Teknik dalam pengumpulan data adalah sebagai
berikut :
2.15.1 Observasi
“Observasi adalah teknik atau cara mengumpulkan data
dengan jalan melakukan pengamatan secara langsung ke obyek
penelitian untuk melihat dari dekat kegiatan yang dilakukan”
82
(Guritno, Sudaryono, 2011). “Observasi merupakan teknik atau
pendekatan untuk mendapatkan data primer dengan cara mengamati
langsung obyek datanya” (Jogiyanto, 2008).
Observasi dapat dilakukan dengan dua cara, yaitu secara
partisi maupun nonpartisi (Guritno, Sudaryono, 2011). Dalam
observasi partisi pengamat ikut serta dalam kegiatan yang sedang
berlangsung. Sedangkan dalam observasi nonpartisi, pengamat tidak
ikut serta dalam kegiatan yang berlangsung, hanya mengamati
kegiatan.
2.15.2 Wawancara
“Wawancara adalah suatu cara pengumpulan data yang
digunakan untuk memperoleh informasi secara lebih mendalam
langsung dari sumbernya” (Guritno, Sudaryono, 2011).
“Wawancara adalah merupakan pendekatan komunikasi dua
arah untuk mendapatkan data dari responden” (Jogiyanto, 2008).
Berdasarkan sifat pertanyaan, wawancara dibedakan menjadi
3 (tiga) jenis (Guritno, Sudaryono, 2011), yaitu :
1. Wawancara terpimpin. Dalam wawancara ini pertanyaan
diajukan menurut daftar pertanyaan yang telah disusun.
2. Wawancara bebas. Pada wawancara ini, terjadi tanya jawab
bebas antara pewawancara dan responden, tetapi
pewawancara menggunakan tujuan penelitian sebagai
83
pedoman. Kelebihan wawancara ini adalah responden tidak
menyadari sepenuhnya bahwa ia sedang diwawancarai.
3. Wawancara bebas terpimpin. Wawancara ini merupakan
perpaduan antara wawancara bebas dan wawancara
terpimpin. Dalam pelaksanaannyam pewawancara
membawa pedoman yang hanya merupakan garis besar
tentang hal-hal yang akan ditanyakan.
2.15.3 Studi Literatur
Studi literatur merupakan teknik yang dilakukan untuk
melakukan analisis secara kritis pustaka penelitian yang ada pada
saat ini dan menjadi landasan teoritis untuk penelitian yang akan
dilakukan” (Guritno, Sudaryono, 2011).
2.16 Perbandingan Metode Data Warehouse
Bila kita ingin mendalami data warehouse, maka kita akan menemui
dua tokoh dalam beberapa literatur yang kita cari. Yaitu: Ralph Kimball dan
Bill Inmon. Keduanya cukup populer, dan cukup kontroversial karena kedua
pendekatan mereka dalam membangun data warehouse.
Penjelasan sederhana dari pendekatan Ralph Kimball adalah bahwa
data warehouse berawal dari kumpulan data mart (bottom-up approach)
yang berada dalam sebuah lingkungan. Dalam desainnya, informasi dalam
data warehouse selalu disajikan dalam bentuk dimensional. Fact, measure
dan dimension adalah kata kunci dari pendekatan Ralph Kimball.
84
Berbeda dengan Bill Inmon yang menegaskan bahwa data
warehouse sebaiknya dibangun jika desain arsitektur data warehouse sudah
dibuat. Karena data warehouse merupakan bagian dari business intelegent
maka segala informasi berasal dari satu data warehouse. Data warehouse 3rd
normal form atau 3NF adalah kata kunci beliau.
1. Metode Inmon
Kelebihan
Data warehouse terintegrasi karena merupakan satu-satunya
sumber untuk datamart dan semua data di data warehouse
Tingkat redudansi sangat rendah, membuat proses ETL (Extract,
Transform, and Load) lebih mudah dan tidak rusak
Sangat fleksibel, mudah untuk memperbarui data karena data
warehouse berada di satu tempat
Kelemahan
Model dan implementasi yang rumit
Butuh sumber daya yang ahli dalam pemodelan data dan bisnis
itu sendiri
Pembuatan dan perancangan membutuhkan waktu lebih lama
Membutuhkan banyak proses ETL (Extract, Transform, and
Load) karena datamart dibangun dari gudang data
85
2. Metode Kimball
Kelebihan
Cepat untuk mengatur dan membangun data warehouse,
penyimpanan data akan lebih cepat
Skema bintang (star schema) dapat dengan mudah dipahami oleh
pengguna dan mudah digunakan untuk membuat laporan
Manajemen sistem data warehouse yang mudah
Operasi database yang sangat efektif
Kelemahan
Data tidak sepenuhnya terintegrasi.
Integrasi data warehouse menjadi proses yang kompleks.
Setelah mengetahui perbedaan metode data warehouse antara Bill
Inmon dengan Ralph Kimball, penulis akhirnya memilih metode Ralph
Kimball untuk metode perancangan data warehouse. Dengan waktu
penelitian yang tidak lama dan dilihat dari keunggulannya, metode Ralph
Kimball lebih yaitu pembuatan dan perancangan data warehouse lebih
cepat, skema bintang yang mudah dipahami, manajemen sistem data
warehouse yang mudah dan operasi database yang efektif. Metode Ralph
Kimball yang dimaksud adalah Nine Step Design Method.
86
3 BAB III
METODE PENELITIAN
3.1 Metode Pengumpulan Data
Pengumpulan data dilakukan untuk memperoleh informasi yang
dibutuhkan dalam metode penelitian (Sugiarti, 2010). Metode pengumpulan
data yang digunakan dalam penelitian skripsi yang akan dilakukan adalah
sebagai berikut:
3.1.1 Observasi
Pengumpulan data yang dilakukan secara observasi adalah
dengan melihat langsung proses dan kegiatan bisnis yang berjalan di
Yayasan Karya Salemba Empat yang dilakukan sejak bulan Maret
2016 dan bertempat di Jalan Bank Raya 2 No. 14 B Kel. Pela
Mampang, Kec. Mampang Prapatan, Jakarta Selatan – 12720.
Observasi dilakukan untuk melihat proses bisnis yang terjadi,
melihat segala kegiatan dan mencari data yang diperlukan untuk
penelitian. Kegiatan observasi ini dilakukan dengan Bapak Wawan
Setyawan dari Ketua Paguyuban Alumni KSE. Beliau juga
memberikan data-data pengamatan untuk kebutuhan pembuatan data
warehouse.
3.1.2 Wawancara
Wawancara ini dilakukan dengan cara melakukan diskusi
dengan Bapak Wawan Setyawan dari Ketua Paguyuban Alumni KSE
mengenai segala kebutuhan yang diperlukan dalam melakukan
87
analisis dan perancangan data warehouse. Sehingga penulis dapat
mengetahui kebutuhan dalam membangun data warehouse itu
sendiri.
Wawancara ini dilakukan pada :
Tanggal : 18 Maret 2016
Nama : Wawan Setyawan S.T.
Jabatan : Ketua Paguyuban Alumni KSE
Hasil : Mengetahui alur proses bisnis pada Yayasan Karya
Salemba Empat
Berdasarkan hasil wawancara tersebut dapat diketahui
tentang alur proses bisnis jika calon beasiswa ingin mendapatkan
beasiswa dari Yayasan Karya Salemba Empat, serta bagaimana
syarat-syarat dan ketentuan yang harus diberikan. Juga dijelaskan
alur kegiatan dan aliran data peserta beasiswa saat menerina
beasiswa. Berbagai kegiatan yang diadakan oleh Yayasan Karya
Salemba Empat dan Alumni juga didapatkan dari hasil wawancara
ini, serta teknologi yang digunakan untuk melakukan kegiatan proses
bisnisnya sehari-hari.
3.1.3 Studi Pustaka
Studi pustaka dilakukan dengan mempelajari teori-teori yang
berhubungan dengan data warehouse. Teori-teori tersebut berasal
dari buku, jurnal, e- book dan internet. Buku-buku dan e-book yang
digunakan antara lain The Kimball Group Reader: Relentlessy
88
Practical Tools for Data Warehousing and Business Intelligence,
Ralph Kimball, Margi Ross, Sistem Manajemen Basisdata
Pemodelan, Perancangan, dan Terapannya.
3.1.4 Studi Literatur
Studi literatur dilakukan dengan menelusuri literatur yang ada
serta membaca dan menelaahnya secara mendalam. Mencari
penelitian-penelitian yang sudah ada, untuk memperoleh orientasi
yang lebih luas dalam permasalahan yang dipilih serta menghindari
terjadinya duplikasi yang tidak diinginkan. Menjadikan sumber
penelitian terdahulu yang berkaitan dengan data warehouse dengan
mempelajari kelebihan dan kelemahan yang terdapat dalam
penelitian tersebut. Dengan demikian, penelitian terdahulu dapat
dijadikan referensi dalam penggunaan metode yang akan diteliti.
Berikut merupakan hasil penelitian sejenis dengan penelitian yang
dilakukan oleh penulis :
No Judul, Penulis,
Tahun
Metode, Tool Fitur Sistem Kelebihan Kekurangan
1 Implementasi
Business
Intelligence
Untuk
Menentukan
Mahasiswa
Penerima
Beasiswa, 2017,
Ricky Akbar
Metode OLAP
(Online
Analytical
Processing),
menggunakan
tool RapidMiner
Menghasilkan
analisis dengan
tampilan Tree
Decision.
Menghasilkan
analisis data
mahasiswa yang
berhak menerima
beasiswa dari
kriteria yang telah
ditentukan.
Tidak menjelaskan
desain dari
database data
warehouse yang
dibuat.
2 Perancangan dan Metode Menghasilkan Menampilkan hasil Tidak menjelaskan
89
Pembuatan Data
Warehouse pada
Perpustakaan
STMIK Amikom
Yogyakarta,2008,
Armadyah
Amborowati
Pengembangan
Data
Warehouse(Ponn
iah, 2011),
desain data
multidimensiona
l menggunaka
SQL Server
analisis dengan
reporting
service
ETL dan hasil
testing data
warehouse
desain dari
database data
warehouse yang
dibuat.
3 Perancangan Data
Warehouse
Penjualan Untuk
Mendukung
Kebutuhan
Informasi
Eksekutif
Cemerlang Skin
Care, 2010,
Suparto
Darudiato
Nine-step Design
Method, desain
data
multidimensiona
l menggunakan
SQL Server
Desain data
warehouse
untuk
menjadikan
data
perusahaan
yang tersebar
di berbagai
cabang
menjadi
terintegrasi
Menampilkan
desain data
warehouse secara
rinci.
Tidak ada hasil
pengolahan dan
analisis data, serta
aplikasinya.
4 Pembuatan Data
Warehouse
Pengukuran
Kinerja Proses
Belajar Mengajar
di Jurusan Teknik
Informatika
Universitas
Kristen Petra,
2004, Andreas,
Handojo dan
Silvia
Rostianingsih
Desain data
multidimensiona
l menggunakan
Microsoft
Access,
Microsoft SQL
Server 7.0 dan
Microsoft Excel
Pivot Table
Menghasilkan
pengolahan
data dalam
bentuk pivot
table dan pivot
chart
Memudahkan dalam
menampilkan hasil
pengolahan data
dalam Microsoft
Excel
Tidak
menampilkan
metode yang
digunakan untuk
membangun Data
Warehouse
5 Data
Warehousing dan
Data Mining
Asosiasi Nilai
Mahasiswa, Masa
Skripsi, dan Masa
Studi Program
Studi Teknik
Informatika FTI-
AJY, 2007,
Paulus
Mudjihartono
Normalisasi
data, dan aturan
asosiasi data
mining
menggunakan
SQL Server
Knowledge
dari hasil
analisis data
mining yang
berguna untuk
pengambilan
keputusan
Menambahkan
pencarian informasi
menggunakan data
mining
Tidak menjelaskan
metode yang
digunakan untuk
membangun data
warehouse dan
untuk analisis data
mining.
6 OLAP
Technology:
Visualization
Multidimensional
Metode
visualisasi grafis,
desain data
multidimensiona
Memanfaatkan
berbagai jenis
grafik dan
parameter.
Memanfaatkan
visualisasi informasi
untuk menampilkan
data dalam bentuk
Tidak menjelaskan
subyek dari data
warehouse, data
apa saja yang
90
Data on
Agribusiness
Information
Resources in
Indonesia, 2009,
Sri Yulianto dan
Joko Prasetyo.
l menggunakan
Visual grafis
menggunakan
JpGraph.
dua dan tiga
dimensional.
dianalisis serta
proses analisis dan
desainnya.
7 Perancangan
Model Data
Warehouse
Dalam
Mendukung
Perusahaan Jasa
Pengiriman,
2011, Tanty
Oktavia.
Nine-step Design
Method, desain
data
multidimensiona
l menggunakan
SQL Server dan
Microsoft Visual
Studio
Dapat
melakukan
analisis
berdasarkan
berbagai
dimensi yang
ada.
Menampilkan
desain data
warehouse secara
rinci.
Tidak
menampilkan hasil
data yang
dilakukan dalam
analisis SQL
Server serta
aplikasi yang telah
dibuat.
8 Desain dan
Pembuatan
Purwarupa Data
Warehouse Untuk
Mendukung
Pelaporan
Transaksi
Keuangan
Mencurigakan di
Unit Kepatuhan
PT. Bank Jatim,
2005, Putu Harry
Sasmita.
Desain data
multidimensi
menggunakan
Microsot SQL
Server
Desain yang
mampu
memenuhi
kebutuhan
fungsional dari
user dalam hal
pelaporan
transaksi
keuangan tunai
dan transaksi
keuangan
mencurigakan.
Menampilkan cube-
cube analisis data.
Tidak ditampilkan
hasil analisis data
untuk pelaporan
transaksi keuangan
tunai dan transaksi
keuangan
mencurigakan.
9 Multidimensional
Data Warehouse
Dengan
Menggunakan
MySQSL, 2010,
Kusnawi.
Nine-step Design
Method, desain
data
multidimensiona
l menggunakan
SQL-Server
Kemampuan
analisa data
menggunakan
querry
language.
Menunjukan
susunan querry data
serta hasil querry.
Tidak
menghasilkan fitur
tambahan seperti
grafik.
10 Data Warehouse
pada Rumah
Sakit, 2010,
Henry Antonius
dan Eka Widjaja.
Nine-step Design
Method, desain
data
multidimensiona
l menggunakan
SQL Server dan
Visual Studio
Aplikasi untuk
ETL dan
dashboard
grafik.
Menjelaskan proses
desain secara rinci,
dan menampilkan
hasil analisis dengan
dashboard pada
suatu aplikasi data
warehouse.
Tidak menjelaskan
ERD serta skema
dari data yang
dianalisis
11 Pembuatan
Aplikasi OLAP
Untuk Pelaporan
pada PT. Aneka
Tuna Indonesia
Menggunakan
Desain data
multidimensiona
l, analisis metode
roll-up dan drill-
down
menggunakan
Menampilkan
laporan
pengiriman
dengan metode
roll-up dan
drill-down.
Menampilkan cara
merancang data
warehouse serta
pembuatan aplikasi
data warehouse.
Tidak
menampilkan
skema yang
digunakan, serta
rancangan proses
dan database yang
91
SQL Server 2005,
2010, Muhamad
Adi Prasetyo,
Ahmad Saikhu
dan Sarwosri.
Microsoft SQL
Server 2005
Analysis Service
(SSAS)
digunakan.
Berdasarkan tabel Studi Literatur Sejenis, ada beberapa
kelebihan sistem yang akan dibuat, yaitu :
1. Sistem yang akan dibangun menggunakan metode Nine
Step Design Method dan tools yang digunakan adalah
Pentaho Data Integration untuk mendesain database serta
data warehouse dan Pentaho BI Server untuk analisis data.
2. Fitur lebih lengkap dan terintegrasi dari proses pembuatan
database, data warehouse, lalu analisis data dan pembuatan
laporan.
3. Sistem yang dibangun mampu mengelola data beasiswa
yang banyak secara terstruktur, memperlihatkan proses
analisis dan pembuatan laporan dari database dan data
warehouse yang lengkap dan jelas.
3.2 Metode Desain Data Warehouse
Untuk mendesain data warehouse ini akan menggunakan nine step
design method, dimana kegiatannya terdiri dari Sembilan langkah berikut,
yaitu:
3.2.1 Memilih Proses
Pada proses pertama ini, yang dilakukan adalah menganalisa
dan mengidentifikasi proses bisnis yang berhubungan dengan subyek
permasalahan. Pemilihan proses dilakukan untuk memperjelas
92
batasan data warehouse yang akan dibuat. Misalnya saja dalam hal
ini proses bisnis yang dipilih adalah beasisawa.
3.2.2 Menentukan Grain
Grain merupakan calon fakta yang dapat dianalisis.
Pemilihan grain dilakukan untuk memutuskan apa yang
direpresentasikan record dari tabel fakta. Pada proses kedua ini
dipilihlah data dari calon fakta, dengan memutuskan record apa yang
akan direpresentasikan pada tabel fakta. Misal, untuk tabel fakta
beasiswa dapat diputuskan record-record yang akan ditampilkan
meliputi jumlah beasiswa yang diajukan peserta yang dapat dilihat
pertahun, atau perbulan.
3.2.3 Mengidentifikasi Dan Penyesuaian Dimensi
Dalam tahap ini dilakukan identifikasi dimensi untuk setiap
tabel fakta yang ada. Untuk lebih mudahnya, pada tahap ini
disiapkan tabel-tabel dimensi yang sesuai dengan grain yang dipilih
serta record yang akan ditampilkan pada tabel fakta.
3.2.4 Memilih Fakta
Pada tahap ini dipilih fakta-fakta yang akan mengisi tabel
fakta, dimana fakta-fakta yang dipilih harus sesuai dengan grain dan
dimensi yang telah ditentukan pada tahap-tahap sebelumnya.
Misalnya, jika ada tabel dimensi sponsor dan tabel dimensi
universitas yang berhubungan dengan tabel fakta beasiswa, maka
dalam tabel fakta beasiswa akan berisi nomor id pada tabel dimensi
sponsor dan tabel dimensi universitas.
93
3.2.5 Melihat Kembali Tabel Dimensi
Pada tahap ini penulis melewati tahap sebelumnya yaitu
menyimpan perhitungan awal dalam tabel fakta. Tahap ini tidak
dilakukan karena sesuai dengan grain yang telah ditentukan
sebelumnya yang merupakan calon-calon fakta. Masing-masing
fakta memiliki data yang dapat dihitung, pada tahap inilah
ditentukan perhitungan tersebut. Misalnya untuk tabel fakta
beasiswa, fakta yang akan dihitung dalam tabel tersebut adalah fakta
mengenai jumlah peserta beasiswa yang menerima beasiswa dari
berbagai perusahaan.
Pada tahap ini, ditambahkan keterangan selengkap-
lengkapnya pada tabel dimensi dengan memberikan deskripsi pada
tabel dimensi agar dapat dengan mudah dimengerti oleh user
mengenai dimensi tersebut. Keterangannya harus bersifat intuitif dan
mudah dipahami oleh pengguna.
3.2.6 Memilih Durasi Database
Pada proses ini yang dilakukan adalah menentukan
pembatasan waktu untuk data yang diambil dan dipindahkan ke
dalam tabel fakta. Penentuan durasi ini tergantung terhadap
kebutuhan informasi organisasi atau perusahaan. Misalnya pada
organisasi Yayasan Karya Salemba Empat, mengharuskan data
disimpan selama lima sampai sepuluh tahun.
3.2.7 Menulusuri Perubahan Dari Dimensi
Pada proses ini yang dilakukan adalah mengamati perubahan
data dari tabel dimensi. Cara yang dilakukan ada tiga, yaitu:
94
1. Atribut dimensi yang telah berubah tertulis ulang dengan
menambahkan baris atau kolom baru.
2. Atribut dimensi yang telah berubah menimbulkan sebuah
dimensi baru.
3. Atribut dimensi yang telah berubah menimbulkan alternatif
sehingga nilai atribut lama dan yang baru dapat diakses
secara bersama pada dimensi yang sama.
3.2.8 Memutuskan Prioritas Query Dan Tipe Query
Pada langkah ini difokuskan pada perancangan fisik untuk
data warehouse. Persoalan perancangan fisik yang paling kritis
adalah mengenai proses extract, transform, and load (ETL) dan
memperkirakan kapasitas media penyimpanan.
Diluar persoalan tersebut ada sejumlah persoalan
perancangan fisik tambahan yang mempengaruhi administrasi, back
up, kinerja pengurutan, dan keamanan dalam pengaksesan maupun
penyimpanan data dan analisis kapasitas media penyimpanan.
3.3 Kerangka Penelitian
Berikut ini adalah kerangka penelitian yang dilakukan sebagai acuan
dalam penelitian yang dilakukan, seperti yang digambarkan dibawah ini :
95
Gambar 3.1 Kerangka berpikir
96
4 BAB IV
PEMBAHASAN
4.1 Profil Perusahaan
Yayasan Karya Salemba Empat (KSE) didirikan padatahun 1995
oleh delapan orang yang percaya bahwa masa depan bangsa ditentukan dari
pendidikan.Mereka mengerti bahwa negara telah banyak membantu dimasa
mereka kuliah, sehingga mereka merasa berkewajiban untuk
mengembalikan segala sesuatu yang telah diberikan oleh negara. Bentuk
pengembalian yang mereka lakukan adalah dengan memberikan beasiswa
kepada para mahasiswa yang mengalami kesulitan keuangan dalam
menyelesaikan studi mereka.
Yayasan Karya Salemba Empat percaya bahwa kecerdasaan bangsa
adalah kunci untuk masa depan bangsa. Pendidikan akan menghasilkan
insan yang cerdas yang menjadi modal utama bangsa ini. Kami
berkeyakinan bahwa setiap insan harus diberi kesempatan yang sama dalam
pendidikan.
Kerjasama yang baik yang telah terjalin antara Yayasan Karya
Salemba Empat, Donatur, Civitas Akademika, dan para Alumni Penerima
Beasiswa selama ini menjad faktor utama semakin berkembang pesatnya
Yayasan Karya Salemba Empat. Kami akan terus fokus untuk memfasilitasi
jenjang pendidikan formal melalui program beasiswa bagi para mahasiswa
97
yang mengalami kesulitan keuangan di Perguruan Tinggi Negeri di seluruh
Indonesia.
Program regenerasi organisasi terus dilakukan Yayasan Karya
Salemba Empat dengan tujuan agar semangat dan cita-cita untuk turut
mencerdaskan kehidupan bangsa dapat terus berjalan dan semakin
meningkat. Kepengurusan Yayasan Karya Salemba Empat sudah
berkembang, mulai dari Pendiri, dan sekarang diamanahkan kepada Para
Alumni Penerima Beasiswa.
Saat program beasiswa untuk pertama kali digulirkan oleh Para
Pendiri Yayasan Karya Salemba Empat pada tahun 1995, Angka Partisipasi
Kasar Pendidikan Tinggi masih dikisaran 9,55 % yang artinya ada 90,45 %
anak usia 19-23 tahun belum mengenyam pendidikan tinggi. Hingga tahun
2013, Angka Partisipasi Kasar Pendidikan Tinggi baru mencapai ke angka
29,9%.
Sejak tahun 1998, KSE telah berkembang dan mendukung lebih dari
6.500 mahasiswa dari 13 perguruan tinggi negeri. KSE juga bekerjasama
dengan berbagai perusahaan dan individu dalam menyalurkan sumbangan
mereka kepada kandidat yang tepat. Total beasiswa yang telah disalurkan
sepanjang tahun 2012 mencapai Rp36 miliar. Banyak dari mahasiswa
penerima beasiswa yang telah sukses dan kini menjadi donatur bagi KSE.
Setiap tahun Yayasan Karya Salemba Empat, menerima sekitar
13.000 lebih aplikasi permohonan beasiswa, namun demikian dikarena
keterbatasan, jumlah mahasiswa yang diberikan beasiswa tidak lebih dari
98
22%. Selain memberikan tunjangan beasiswa, kami juga mendorong dan
turut mempersiapkan penerima beasiswa menjadi lulusan yang memiliki
integritas, berwawasan kebangsaan, cinta pada tanah air, nusa dan bangsa
melalui berbagai program pembinaan.
Segala upaya sudah dilakukan, termasuk menaikan anggaran
pendidikan yang sangat signifikan. Namun pada kenyataannya kenaikan ini
tak berbanding lurus dengan penghentian siswa putus sekolah. Siswa putus
sekolah dan siswa yang tidak bisa melanjutkan pendidikan ke jenjang
berikutnya masih sangat tinggi.
4.2 Visi dan Misi Karya Salemba Empat
4.2.1 Visi
Cita-cita dan semangat untuk bersama-sama
bertanggungjawab mencerdaskan kehidupan bangsa.
4.2.2 Misi
1. Memberikan beasiswa kepada 10.000 mahasiswa Indonesia yang
membutuhkan dalam satu tahun akademik.
2. Mendorong dan turut mempersiapkan penerima beasiswa menjadi
lulusan yang memiliki integritas, berwawasan kebangsaan dan
cinta pada tanah air, nusa dan bangsa.
99
4.3 Struktur Organisasi
Gambar 4.1 Struktur Organisasi Dewan Pembina KSE
(Karya Salemba Empat, 2015)
100
Gambar 4.2 Struktur Organisasi KSE
Gambar 4.3 Struktur Kepengurusan Paguyuban Alumni KSE
4.4 Beasiswa yang Diberikan
Sesuai dengan amanat para pendiri Yayasan Karya Salemba Empat
untuk bersama-sama bertanggungjawab mencerdaskan kehidupan bangsa,
serta arahan dari Dewan Pembina untuk membantu sebanyak-banyaknya
mahasiswa yang membutuhkan (dengan target capaian ke depan sebanyak
10.000 mahasiswa), perlahan tapi pasti perkembangan jumlah mahasiswa
101
penerima beasiswa menunjukan peningkatan, termasuk Perguruan Tinggi
Negeri yang menjadi mitra Yayasan.
Diawali dengan pemberian beasiswa kepada 3 (tiga) mahasiswa di
tahun akademik 1994-1995, selama kurun waktu 18 (delapan belas) tahun
jumlah penerima beasiswa telah mencapai 1.712 mahasiswa. Jika awalnya
pemberian beasiswa baru sebatas di lingkungan Fakultas Ekonomi
Unversitas Indonesia, kini KSE telah melebarkan sayap hingga mampu
menjangkau mahasiswa di semua fakultas di 12 (dua belas) Perguruan
Tinggi Negeri Mitra.
Target beasiswa untuk 10.000 mahasiswa, dengan sebanyak mungkin
mitra Perguruan Tinggi Negeri yang terlibat, akan dapat tercapai jika para
donatur dan segenap pengurus Yayasan bersama-sama menyatukan hati dan
tekad untuk turut andil dalam menyediakan beasiswa serta meningkatkan
wawasan dan softskills para mahasiswa. Dengan demikian, kita akan
semakin dekat kepada Indonesia yang lebih baik.
4.5 Jenis-jenis Program
4.5.1 Program Inti
1. Beasiswa Regular
Menyediakan bantuan finansial kepada mahasiswa yang
membutuhkan. Bantuan yang diberikan berupa bantuan biaya hidup,
buku, internet, dan sebagainya.
102
a) Peserta :
Mahasiswa program strata 1, berasal dari 13 Perguruan Tinggi
Negeri : USU, UNAND, UI, UNPAD, UGM, UNDIP,
UNMUL, UDAYANA, UNDANA, UNSRAT, IPB, ITB dan
ITS.
Mempunyai kesulitan dibidang finansial
Direkomendasikan oleh Pihak Rektorat/Dekanat dan
Paguyuban
b) Hak :
Bantuan biaya hidup sebesar Rp. 600.000,- per bulan selama 2
semester atau 1 tahun akademik
Mengikuti program-program pembinaan
c) Kewajiban :
Memberikan laporan sesuai dengan ketentuan
Aktif berorganisasi
Aktif mengikuti kegiatan-kegiatan yang dilaksanakan KSE
maupun Paguyuban
2. Beasiswa Unggul
Mengembangkan kompetensi profesional dan interpersonal
mahasiswa yang berprestasi. Bantuannya berupa bantuan beasiswa
reguler (bantuan biaya hidup, buku, internet, dan sebagainya),
bantuan biaya SPP, bantuan biaya skripsi, dan pelatihan softskills.
103
a) Peserta :
Mahasiswa program strata 1, berasal dari 13 Perguruan Tinggi
Negeri : USU, UNAND, UI, UNPAD, UGM, UNDIP,
UNMUL, UDAYANA, UNDANA, UNSRAT, IPB, ITB dan
ITS.
Minimal menerima beasiswa KSE selama 1 tahun akademik
Memiliki prestasi akademik (minimal IPK 3.25)
Memiliki prestasi non akademik
Disiplin dalam memberikan laporan
Aktif dalam kegiatan sosial
b) Hak :
Bantuan biaya hidup sebesar Rp. 600.000,- per bulan selama 2
semester atau 1 tahun akademik
Bantuan SPP/BOP sebesar maksimal Rp. 1.500.000,- per
semester
Bantuan biaya Skripsi/tugas Akhir
Pelatihan softskill
Beasiswa selama 2 semester atau 1 semester
c) Kewajiban :
Memberikan laporan sesuai dengan ketentuan
Aktif berorganisasi
Aktif mengikuti kegiatan-kegiatan yang dilaksanakan KSE
maupun Paguyuban
104
3. Program Kewirausahaan Sosial
Mempersiapkan wirausahawan muda dalam membangun
usaha. Bantuan yang diberikan yaitu beasiswa reguler (bantuan biaya
hidup, buku, internet, dan sebagainya), pelatihan wirausaha, serta
pendampingan dan monitoring usaha.
a) Peserta :
Mahasiswa program strata 1, berasal dari 13 Perguruan Tinggi
Negeri : USU, UNAND, UI, UNPAD, UGM, UNDIP,
UNMUL, UDAYANA, UNDANA, UNSRAT, IPB, ITB dan
ITS.
Memiliki usaha dan atau memiliki minat yang besar untuk
menjadi wisausahawan
Aktif dalam kegiatan sosial
b) Hak :
Bantuan biaya hidup sebesar Rp. 600.000,- per bulan selama 2
semester atau 1 tahun akademik bagi mahasiswa
Pelatihan kewirausahaan, pendampingan dan monitoring usaha
c) Kewajiban :
Memberikan laporan perkembangan usaha bagi alumni.
Memberikan laporan sesuai dengan ketentuan dan
perkembangan usaha bagi mahasiswa
Aktif berorganisasi
105
Aktif mengikuti kegiatan-kegiatan yang dilaksanakan KSE
maupun Paguyuban
4.5.2 Program Tambahan
Selain memberikan bantuan finansial kepada mahasiswa,
Yayasan Karya Salemba Empat juga peduli terhadap perkembangan
potensi dan keterampilan mahasiswa. Yayasan bekerjasama dengan
donator secara rutin dalam penyelenggaraan pelatihan dan
pembinaan untuk membangun kualitas mahasiswa. Selain itu,
mahasiswa pun didorong untuk juga mengembangkan masyarakat
melalui komunitas Paguyuban.
Gambar 4.4 Program Tambahan KSE
106
1. Beasiswa Tugas Akhir
a. Program ini ditunjukan bagi para mahasiswa di 13 PTN mitra yang
memiliki kesulitan finansial untuk menyelesaikan Skripsi atau
Tugas Akhirnya.
b. Besaran nominal bantuan sesuai dengan kebutuhan mahasiswa.
c. Proses pencairan dilakukan secara bertahap (3 termin)
2. Beasiswa Riset/Penelitian “Tecnology For Indonesia”
a. Program ini diadakan dengan dasar pertimbangan:
b. Bantuan yang diberikan dapat berupa bantuan finansial maupun
sarana dan prasarana untuk melakukan percobaan karya inovasi
dimaksud.
c. Dengan program ini diharapkan dapat mendukung program
pemberdayaan masyarakat “teknologi tepat guna dan sederhana”
melalui program bina desa dilaksanakan oleh paguyuban penerima
beasiswa dimasing-masing kampus.
3. Program Pemberdayaan Masyarakat
Program ini sebagai wadah bagi para penerima beasiswa yang
bergabung dalam Paguyuban KSE dimasing-masing kampus untuk
memberikan kontribusi bagi bangsa ini melalui kegiatan-kegiatan social
yang dilakukan Paguyuban bagi masyarakat sekitar kampus maupun
masyarakat lainnya.
4. Program Pembinaan
a. Tatap Muka
107
Tujuan diadakan kegiatan ini adalah untuk mempererat hubungan
antara Penerima Beasiswa, para alumni Penerima Beasiswa, para
Donatur, Pihak Rektorat/Dekanat dan Pengurus KSE. Dengan
adanya kegiatan ini diharapkan penerima beasiswa memiliki
keterkaitan emosional dengan Para Donatur.
b. Pelatihan Kepemimpinan
Program ini bertujuan untuk membangun jiwa kepemimpinan
mahasiswa. Mahasiswa terpilih akan mengikuti pelatihan
kepemimpinan yang berkesinambungan. Dengan program ini
diharapkan dapat melahirkan lulusan yang memiliki integritas,
berwawasan dan berkarakter kebangsaan, cinta pada tanah air, nusa
dan bangsa.
c. Pelatihan Memasuki Dunia Kerja “Career Coaching”
Program yang diperuntukan bagi mahasiswa penerima beasiswa
disemester akhir. Dengan program ini KSE berharap calon sarjana
dapat melakukan persiapan lebih awal dan lebih matang dalam
mengikuti proses seleksi penerimaan pegawai/karyawan.
d. Pelatihan Kewirausahawan Sosial
Tujuan program adalah untuk meningkatkan minat dan
kemampuan alumni dan penerima beasiswa dalam memanfaatkan
peluang dan/atau mengembangkan usaha terutama dengan
memanfaatkan kearifan lokal yang ada. Peserta program akan
dibekali dengan materi pelatihan berupa motivasi, pengetahuan
finansial, manajemen keuangan, pendampingan, permodalan (jika
108
memenuhi persyaratan) bahkan kesempatan untuk mengikuti
pameran/bazaar yang diselenggarakan donatur.
e. Workshop/Seminar
Program ini bertujuan untuk membangun dan meningkatkan
kemampuan, pengetahuan dan wawasan dalam berbagai aspek.
Program pelatihan terselenggara berkat kerjasama dengan berbagai
Donatur, sehingga materi workshop/seminar menjadi sangat
beragam, semisal masalah perbankan, manufaktur, agro industri,
energy dan media publikasi.
109
4.6 Prosedur Umum Beasiswa
Gambar 4.5 Rich Picture Sistem Berjalan
Keterangan Gambar:
1. Mahasiswa melakukan pendaftaran dengan mengisi formulir
pendaftaran beasiswa KSE.
2. Formulir kemudian diberikan kepada admin pendaftaran KSE.
110
3. Admin pendaftaran KSE membuat data dari formulir yang telah
terdaftar.
4. Data para mahasiswa yang telah mendaftar diberikan kepada Pengurus
KSE untuk pengecekan.
5. Pengurus KSE melakukan wawancara kepada mahasiswa yang lolos
pada tahap pengecekan.
6. Pengurus KSE membuat hasil wawancara.
7. Hasil wawancara diberikan kepada admin beasiswa KSE.
8. Admin beasiswa KSE membuat data beasiswa dari mahasiswa yang
telah terpilih.
9. Data beasiswa diberikan kepada mahasiswa yang telah terpilih untuk
mendapatkan beasiswa KSE.
10. Admin beasiswa KSE membuat laporan beasiswa tahunan.
11. Hasil laporan beasiswa tahunan diberikan kepada Pengurus KSE
sebagai bahan acuan untuk rapat tahunan.
111
4.7 Metode Desain Data Warehouse
Berdasarkan dari hasil observasi dan wawancara yang telah dilakukan
terhadap kegiatan.
4.7.1 Memilih Proses (Choosing the Process)
Berdasarkan dari hasil observasi dan wawancara yang telah
dilakukan terhadap kegiatan bisnis yang sedang berjalan, laporan
yang dibutuhkan adalah laporan statistik, yaitu laporan mengenai
jumlah beasiswa pertahunnya. Sementara untuk membuat laporan
statistik tersebut, perlu melihat data seluruh mahasiswa pada arsip
data yang dimiliki oleh Karya Salemba Empat dan merekapnya
secara manual.
Sehingga dapat disimpulkan bahwa proses yang berkaitan
dengan masalah yang dihadapi adalah proses pembuatan laporan
beasiswa milik Karya Salemba Empat. Dimana data yang ada
meliputi: mahasiswa, jurusan, fakultas, universitas, sponsor, periode,
jenis kelamin, pekerjaan, tahun lulus.
112
4.7.1.1 Identifikasi Sistem Usulan
Gambar 4.6 Rich Picture Sistem Usulan
Keterangan Gambar:
1. Mahasiswa melakukan pendaftaran dengan mengisi formulir
pendaftaran beasiswa KSE.
2. Formulir kemudian diberikan kepada admin pendaftaran KSE.
113
3. Admin pendaftaran KSE input data ke data warehouse dari formulir
yang telah terdaftar.
4. Data warehouse mengeluarkan data para mahasiswa yang telah
mendaftar lalu diberikan kepada Pengurus KSE untuk pengecekan.
5. Pengurus KSE melakukan wawancara kepada mahasiswa yang lolos
pada tahap pengecekan.
6. Pengurus KSE membuat hasil wawancara dan input ke dalam data
warehouse.
7. Admin Beasiswa melakukan pengecekan pada data warehouse
beasiswa untuk mengeluarkan hasil beasiswa.
8. Admin Beasiswa mendapatkan data hasil beasiswa.
9. Data beasiswa diberikan kepada mahasiswa yang telah terpilih untuk
mendapatkan beasiswa KSE.
10. Admin beasiswa KSE mengecek data warehouse untuk mendapatkan
hasil laporan tahunan.
11. Hasil laporan beasiswa tahunan diberikan kepada Pengurus KSE
sebagai bahan acuan untuk rapat tahunan.
114
4.7.1.2 Identifikasi Database yang Digunakan
Identifikasi database dalam beasiswa milik Karya Salemba
Empat menggunakan delapan tabel. Berikut adalah keterangan
mengenai tabel yang digunakan :
Tabel 4.1 Identifikasi Tabel Yang Digunakan
No Database Keterangan
1 mahasiswa Tabel yang berisi daftar mahasiswa
2 beasiswa Tabel yang berisi daftar beasiswa KSE
3 universitas Tabel universitas yang terdaftar pada beasiswa KSE
4 fakultas Tabel fakultas yang terdaftar pada beasiswa KSE
5 jurusan Tabel jurusan yang terdaftar pada beasiswa KSE
6 perusahaan Tabel yang berisi daftar perusahaan yang memberikan
beasiswa
7 jenis_kelamin Tabel jenis kelamin
8 persyaratan Tabel persyaratan untuk pendaftaran beasiswa
9 periode Tabel tahun periode beasiswa
10 provinsi Tabel provinsi yang terdaftar pada beasiswa KSE
115
4.7.1.3 4.7.1.2 Normalisasi
1. Unnormalize
Berikut ini merupakan atribut-atribut dari tabel yang digunakan,
dimana masih memiliki atribut-atribut ganda.
Gambar 4.7 Data Sebelum Dinormalisasi
116
2. Normalisasi 1 NF
Tabel berikut merupakan tabel pernomalan pertama, karena pada
gambar sebelumnya masih terdapat atribut ganda maka dibuatlah
normalisasi pertama. Pada tabel ini setiap atribut harus mempunyai data
yang atomic (data terkecil) dan sudah mempunyai primary key.
Gambar 4.8 Normalisasi 1NF
117
Dari tabel di atas dapat dilihat bahwa ada sepuluh primary key yang
digunakan, yaitu mahasiswa_id, beasiswa_id, periode_id, perusahaan_id,
persyaratan_id, universitas_id, fakultas_id, jurusan_id, provinsi_id,
jenis_kelamin_id.
3. Normalisasi 2NF dan 3NF
Karena masih ada atribut yang belum mempunyai ketergantungan
fungsional sepenuhnya terhadap primary key, maka dibuatlah pernormalan
kedua atau yang disebut 2NF.
Gambar 4.9 Normalisasi 2NF
118
Pada table diatas telah mencapai normal ketiga, karena tidak ada
lagi atribut yang berulang dan setiap atribut sudah memiliki
ketergantungan fungsional dengan primary key dan setiap atribut bukan
primary key.
4.7.1.4 Rancangan ERD
Dari hasil proses normalisasi yang telah dijelaskan dalam
poin sebelumnya, maka dihasilkanlah suatu entity relationship
diagram dalam bentuk physical design yang akan digunakan untuk
database dari data warehouse Karya Salemba Empat ini.
Gambar 4.10 Entity Relationship Diagram
119
4.7.1.5 Struktur Database
Berikut ini adalah keterangan dari masing-masing tabel yang
terdapat dalam database:
a. Tabel mahasiswa
Nama Tabel : mahasiswa
Primary Key : mahasiswa_id
Foreign Key : universitas_id, periode_id, jenis_kelamin_id
Tipe Data : Master
Tabel 4.2 Tabel mahasiswa
Atribut Tipe Ukuran Keterangan
mahasiswa_id Integer 10 ID Mahasiswa
nama_mahasiswa Char 50 Nama Mahasiswa
universitas_id Integer 5 ID Universitas
jenis_kelamin_id Integer 2 ID Jenis kelamin
periode_id Integer 2 ID Periode
alamat Char 100 Alamat Mahasiswa
no_hp Varchar 15 Nomor HP
Mahasiswa
email Char 50 Email Mahasiswa
provinsi_id Integer 5 ID Provinsi
b. Tabel beasiswa
120
Nama Tabel : beasiswa
Primary Key : beasiswa_id
Foreign Key : perusahaan_id. persyaratan_id
Tipe Data : Transaction
Tabel 4.3 Tabel Beasiswa
Atribut Tipe Ukuran Keterangan
beasiswa_id Integer 10 ID Beasiswa
perusahaan_id Integer 5 ID Perusahaan
persyaratan_id Integer 2 ID Persyaratan
periode_id Integer 2 ID Periode
status_verifikasi Char 10 Status Verifikasi
c. Tabel universitas
Nama Tabel : universitas
Primary Key : universitas_id
Foreign Key : perusahaan_id. persyaratan_id
Tipe Data : Master
Tabel 4.4 Tabel Universitas
Atribut Tipe Ukuran Keterangan
universitas_id Integer 5 ID Universitas
121
nama_universitas Char 50 Nama Universitas
alamat_universitas Char 100 Alamat
Universitas
provinsi_id Integer 5 ID Provinsi
fakultas_id Integer 5 ID Fakultas
no_telp_univ Char 12 Nomor Telp Univ
d. Tabel fakultas
Nama Tabel : fakultas
Primary Key : fakultas _id
Foreign Key : jurusan_id
Tipe Data : Master
Tabel 4.5 Tabel Fakultas
Atribut Tipe Ukuran Keterangan
fakultas_id Integer 5 ID Fakultas
jurusan_id Integer 5 ID Jurusan
nama_fakultas Char 50 Nama Fakultas
e. Tabel jurusan
Nama Tabel : jurusan
Primary Key : jurusan _id
122
Foreign Key : -
Tipe File : Master
Tabel 4.6 Tabel Jurusan
Atribut Tipe Ukuran Keterangan
jurusan_id Integer 5 ID Jurusan
nama_jurusan Char 50 Nama Jurusan
f. Tabel perusahaan
Nama Tabel : perusahaan
Primary Key : perusahaan_id
Foreign Key : -
Tipe File : Master
Tabel 4.7 Tabel Perusahaan
Atribut Tipe Ukuran Keterangan
perusahaan_id Integer 5 ID Perusahaan
nama_perusahaan Char 50 Nama Perusahaan
alamat_perusahaan Char 100 Alamat
Perusahaan
g. Tabel jenis_kelamin
Nama Tabel : jenis kelamin
123
Primary Key : jenis_kelamin _id
Foreign Key : -
Tipe File : Master
Tabel 4.8 Tabel Jenis Kelamin
Atribut Tipe Data Ukuran Keterangan
jenis_kelamin
_id
Integer 1 ID Jenis Kelamin
jenis_kelamin
_id
Char 10 Laki-laki /
Perempuan
h. Tabel persyaratan
Nama Tabel : persyaratan
Primary Key : persyaratan_id
Foreign Key : -
Tipe File : Transaction
Tabel 4.9 Tabel Persyaratan
Atribut Tipe Ukuran Keterangan
persyaratan_id Integer 2 ID Jenis Kelamin
tipe_persyaratan Char 15 Tipe Persyaratan
file Char 50 File upload
status Char 10 Status
124
mahasiswa_id Integer 10 ID Mahasiswa
i. Tabel periode
Nama Tabel : periode
Primary Key : periode_id
Foreign Key : -
Tipe Data : Master
Tabel 4.10 Tabel Periode
Atribut Tipe Data Ukuran Keterangan
periode_id Integer 2 ID Periode
tahun Char 50 Tahun
j. Tabel provinsi
Nama Tabel : provinsi
Primary Key : jenis_kelamin _id
Foreign Key : -
Tipe Data : Master
Tabel 4.11 Tabel Provinsi
Atribut Tipe Data Ukuran Keterangan
125
jenis_kelamin
_id
Integer 2 ID Jenis Kelamin
jenis_kelamin
_id
Char 10 Laki-laki /
Perempuan
4.7.2 Memilih Sumber (Choosing the Grain)
Grain merupakan calon fakta yang dapat dianalisis. Memilih
grain berarti menentukan apa yang akan diwakili atau
dipresentasikan oleh sebuah tabel fakta. Grain pada tabel fakta juga
menentukan grain pada tabel dimensi. Berikut merupakan data dari
calon tabel fakta yang dapat dianalisis (grain) dalam perancangan
data warehouse, yaitu analisis pada meliputi:
Jumlah Beasiswa
Analisis tersebut akan dilakukan per-periode waktu tertentu,
yaitu perbulan dan pertahun. Setelah menentukan grain dari tabel
fakta, selanjutnya dapat ditentukan tabel-tabel dimensi yang
berhubungan dengan tabel fakta tersebut.
4.7.3 Identifikasi dan Penyesuaian Dimensi (Identifying and
Conforming the Dimension)
Mengidentifikasi dan menghubungkan tabel dimensi dengan
tabel fakta. Dimensi merupakan kumpulan sudut pandang yang
penting untuk menggambarkan fakta-fakta yang terdapat pada tabel
126
fakta. Berikut ini adalah tabel dimensi yang terdapat dalam
perancangan data warehouse ini:
Tabel 4.12 Tabel Grain dan Dimensi
Dimensi Total Beasiswa
periode X
provinsi X
universitas X
fakultas X
jurusan X
jenis kelamin X
waktu X
4.7.4 Memilih Fakta (Choosing the Fact)
Grain dari suatu tabel fakta menentukan fakta-fakta yang
bisa digunakan. Pada tahap ini ditentukan informasi apa saja yang
ingin dibutuhkan. Fakta-fakta yang dipilih untuk mengisi setiap
record pada tabel fakta antara lain:
1. IDWaktu
2. Mahasiswa
3. Periode
4. Universitas
5. Total Beasiswa
127
4.7.5 Melihat Kembali Tabel Dimensi (Rounding Out the Dimension
Table)
Dari dimensi-dimensi yang telah diidentifikasi, dibuat
deskripsi yang memuat informasi terstruktur mengenai atribut-atribut
pada tabel dimensi. Tabel dimensi tersebut harus diberi keterangan
secara lengkap dan mudah dipahami oleh pengguna yang mana
penggunanya adalah pihak Yayasan Karya Salemba Empat.
Tabel 4.13 Tabel Dimensi
Dimensi Field Deskripsi
waktu Tahun Laporan dapat dilihat
berdasarkan tahun dan
bulan
Bulan
periode periode_id Laporan dapat dilihat
berdasarkan periode
provinsi provinsi_id Laporan dapat dilihat
berdasarkan provinsi
universitas universitas_id Laporan dapat dilihat
berdasarkan universitas
fakultas fakultas_id Laporan dapat dilihat
berdasarkan fakultas
jurusan jurusan_id Laporan dapat dilihat
berdasarkan jurusan
jenis kelamin jenis_kelamin_id Laporan dapat dilihat
berdasarkan jenis
128
kelamin
4.7.6 Memilih Durasi Dari Basis Data (Choosing the Duration of
Database)
Durasi data yang dimasukan ke dalam data warehouse adalah
data historis selama lima tahun, karena biasanya Petinggi KSE
membandingkan kemajuan atau penurunan jumlah beasiswa
pertahun bahkan hingga lima tahun ke belakang.
Tabel 4.14 Tabel Durasi Database
Nama
Datawarehouse
Database Sejak
Tahun
Hingga
Tahun
Durasi
Datawarehouse
OLAPBeasiswa beasiswa 2010 2015 5 tahun
4.7.7 Memutuskan Prioritas Query dan Tipe Query (Deciding the
Query Priorities and the Query Mode)
Pada proses ini akan dibahas mengenai perencanaan proses
extract, transfer, and load (ETL).
4.7.7.1 Proses ETL
Setelah dibuat rancangan untuk proses ETL, maka
pada langkah ini adalah merealisasikan rancangan yang telah
dibuat kemudian diaplikasikan pada data yang digunakan.
129
Tool yang digunakan untuk melakukan proses ETL yaitu
dengan menggunakan Pentaho Data Integration (Kettle)
Community Editio Versi 6.0.0.0.
Sumber data yang dimiliki oleh pihak Karya Salemba
Empa adalah data dalam format excel. Untuk dapat masukan
data ke dalam database beasiswa maka dilakukan proses
extract transform dan load dengan menggunakan Pentaho
Data Integration (PDI). Agar data dapat diproses
menggunakan PDI, maka format data excel dilakukan sedikit
perubahan. Format data excel yang dimodifikasi dapat dilihat
pada lampiran berikut.
Gambar 4.11 Proses ETL Data Excel ke Database Beasiswa
Berikut adalah penjelasan dari proses yang dilakukan :
Tabel 4.15 Penjelasan Fungsi Tahap
Nama Tahap Fungsi
Microsoft Excel Proses mendapatkan data yang berasal dari Microsoft
130
Input 2 Excel, dipilih sheet yang akan digunakan dan akan
dimasukan ke dalam database
Value Mapper Proses merubah nilai yang ada dalam data excel ke dalam
suatu kode atau ID. Jumlah value mapper yang digunakan
tergantung akan banyaknya field yang ingin dirubah ke
dalam suatu kode.
Insert/Update Proses memasukan data yang telah dimodifikasikan ke
dalam tabel pada database
Proses ini dilakukan sama untuk semua data yang akan
dimasukan ke dalam database, apabila proses dijalankan maka
execution result yang akan muncul pertama kali adalah sebagai
berikut:
Gambar 4.12 Execution Result
Dapat dilihat bahwa data yang dimasukan sebanyak 132
rows dan berhasil dimasukan sebanyak 132 juga yang dapat dilihat
pada kolom output. Namun apabila proses dijalankan lagi, maka
131
data tidak akan dimasukan ulang sehingga resiko redudansi data
tidak terjadi, seperti pada gambar dibawah ini.
Gambar 4.13 Execution Result 2
Dapat dilihat perbedaannya yaitu data hanya akan ke kolom
input tapi tidak masuk ke kolom output dilihat dari jumlah output
adalah 0, karena data yang dimasukkan adalah sama.
Berikut adalah proses ETL yang dilakukan pada database
beasiswa ke data warehouse beasiswa.
1. Extract Data
Data yang dimiliki adalah data yang ada pada database
beasiswa. Data yang ada akan dipindakhkan atau di extract ke
dalam data warehouse. Proses extract data adalah sebagai
berikut :
132
Gambar 4.14 Extract Data
2. Transform Tabel Dimensi
Gambar 4.15 Transform Table Dimensi
Proses transform pada setiap tabel dimensi sama halnya pada
tabel dimensi waktu yang berbeda. Proses transform terdiri
dari empat tahap. Max_Last_Update adalah proses untuk
mendapatkan data waktu terakhir pembaharuan data terjadi.
[Nama_Table_Input] adalah proses mendapatkan data dari
tabel yang ingin ditransform untuk dijadikan tabel dimensi
pada database beasiswa. Get_System_Update adalah proses
untuk mendapatkan waktu pada saat transform terjadi untuk
dimasukan ke dalam field last_update. Proses terakhir yaitu
Insert/Update untuk memasukan data yang telah dipilih ke
133
dalam data warehouse beasiswa pada tabel dimensi yang
diinginkan.
3. Transform Tabel Fakta
Gambar 4.16 Transform Table Fakta
Gambar 4.16 merupakan transform pembentukan tabel Fakta.
Terdapat 11 langkah yang diperlukan dalam membuat tabel
Fakta. Berikut adalah tabel penjelasan pada proses transform
Tabel Fakta.
Tabel 4.16 Penjelasan Transform Tabel Fakta
Nama Tahap Fungsi
Max Last Update Proses untuk mendapatkan data waktu terakhir
pembaharuan data terjadi
TJK Merupakan singkatan dari Total Jenis Kelamin. Proses
134
pembuatan tabel fakta dan query untuk melakukan join
dengan tabel dimensi
Get Data String Proses untuk merubah format tipe date menjadi tipe
string sebelum akhirnya bisa dirubah ke tipe integer
agar didapatkan format yyyymmdd
Get Data Keys Proses merubah data date string menjadi integer
jk Proses menambahkan foreign key pada tabel dimensi
jenis_kelamin pada datawarehouse beasiswa.
Provinsi Lookup Proses mendapatkan foreign key pada tabel dimensi
provinsi pada datawarehouse beasiswa.
Generate ID Proses mendapatkan value dengan menggunakan
formula date+jenis_kelamin_id
Get System Info Proses untuk mendapatkan waktu pada saat transform
terjadi untuk dimasukan ke dalam field last_update
Select Values Proses untuk memilih field yang diperlukan untuk
dibawa ke tahap selanjutnya
Insert/Update Proses untuk memasukkan semua data yang telah
terpilih ke dalam tabel fakta
4.8 Hasil Skema Bintang
Skema bintang dari proses beasiswa ini terdiri dari tabel fakta
beasiswa yang berhubungan langsung dengan enam tabel dimensi yaitu
135
dimprovinsi, dimuniversitas, dimperiode, dimfakultas, dimjurusan, dan
dimjeniskelamin. Berikut ini adalah skema bintang dari proses beasiswa:
Gambar 4.17 Skema Bintang
4.9 Meta Data
Pada tahap ini dibuat rancangan metadata yang akan digunakan
membuat data warehouse. Rancangan menggambarkan sumber database,
tabel yang digunakan, column serta attribute.
136
Gambar 4.18 Metadata Repository
4.10 Tampilan Dashboard
Setelah data berhasil dimasukan Maka langkah selanjutnya adalah
membuat dashboard beasiswa menggunakan plugin CDE (Community
Dashboard Editor). Dashboard yang berjalan diatas CDF (Community
Dashboard Framework), sedangkan untuk melakukan analisis data
menggunakan plugin Saiku Analysis. Plugin yang digunakan didapatkan
dari marketplace yang tersedia pada BI Server.
Gambar 4.19 Tampilan CDE Dashboard
137
Gambar 4.20 Tampilan SAIKU Analysis
Gambar 4.21 Tampilan Intelligence Dashboard I
138
Gambar 4.22 Tampilan Intelligence Dashboard II
139
Gambar 4.23 Tampilan Intelligence Dashboard III
140
5 BAB V
PENUTUP
5.1 Kesimpulan
Bedasarkan pembahasan yang sudah diuraikan pada bab-bab
sebelumya, maka penulis dapat mengambil kesimpulan dari penelitian
mengenai Perancangan Data Warehouse Beasiswa Karya Salemba Empat
Dengan Nine Step Design Method sebagai berikut:
1. Penelitian ini menghasilkan sebuah rancangan data warehouse beasiswa
sebagai wadah atau tempat yang aman dalam menyimpan dan
mengelola data-data beasiswa pada Yayasan Karya Salemba Empat.
2. Penelitian ini menghasilkan sebuah rancangan data warehouse untuk
pihak Yayasan Karya Salemba Empat agar dapat mengurangi kesalahan
seperti kehilangan data, data yang dupilkat (redudansi), dan manipulasi
data.
3. Penelitian ini menghasilkan rancangan data warehouse beasiswa untuk
membantu Yayasan Karya Salemba Empat dalam dalam melakukan
pengumpulan dan analisis data beasiswa agar pelaporan data beasiswa
jadi lebih mendetail dan dinamis.
141
5.2 Saran
Pada analisis dan perancangan ini masih terdapat keterbatasan dan
kekurangan serta memerlukan perbaikan untuk meningkatkan manfaat dari
sistem ini yang dapat dikembangakan pada penelitian selanjutnya. Adapun
saran yang dapat diberikan penulis untuk penelitian selanjutnya adalah
sebagai berikut:
1. Perancangan Data Warehouse pada Yayasan Karya Salemba Empat ini
dapat dikembangkan dengan mengintegrasikan data dari divisi atau
departemen lainnya yang saling berkaitan, seperti divisi keuangan.
2. Penelitian ini dapat berguna untuk dijadikan referensi dalam pembuatan
aplikasi seperti Decission Support System atau Executive Information
System.
3. Meningkatkan keamanan database dan data warehouse, dengan cara
pembatasan user yang berwenang untuk mengakses data yang ada. Dan
back-up data secara periodik.
142
6 DAFTAR PUSTAKA
7
Abraham SIlberschatz, Henry F. Korth, S. S. (2011). Database System Concepts
(6th Editio). Newyork: McGraw-Hill.
Cegielski, R. and. (2011). Introduction to Information Systems (3rd Edition) (3rd
Editio). USA: Wiley.
Connolly, Thomas and Begg, C. (2010). Database Systems: A Practical Approach
to Design, Implementation, and Management, Fifth Edition. Boston: Pearson
Education.
Connolly, T., & Begg, C. (2005). DATABASE SYSTEMS A Practical Approach to
Design, Implementation, and Management 4th Edition (4th Editio).
ADDISON-WESLEY.
Elmasri, R., & Navathe, S. B. (2011). Fundamentals of Database Systems Sixth
Edition. Boston: Pearson Education Inc.
Few, S. (2006). Information Dashboard Design. Italy: O’REILLY.
Guritno, Sudaryono, dan U. R. (2011). Theory and Application of IT Research.
Yogyakarta, Indonesia: Andi.
Inmon, W. H. (2005). Building the Data Warehouse (4th Editio). Indianapolis:
Wiley Publishing, Inc.
James A. O’Brien, G. M. M. (2011). MANAGEMENT INFORMATION SYSTEMS
(10th Editi). Newyork: McGraw-Hill/Irwin.
Jogiyanto. (2008). Metodologi Penelitian Sistem Informasi. Yogyakarta,
Indonesia: CV Andi Offset.
Kimball, R., & Ross, M. (2002). The Data Warehouse Toolkit Second Edition The
Complete Guide to Dimensional Modeling. Wiley Computer Publishing.
143
Kimball, R., & Ross, M. (2010). The Kimball Group Reader: Relentlessly
Practical Tools for Data Warehousing and Business Intelligence.
Indianapolis: Wiley Publishing, Inc.
Kumaladewi, N., & Sugiarti, Y. (2016). Design analysis of data warehouse for
lecturer performance evaluation (Case study: Faculty of science and
technology UIN Jakarta). Bandung, Indonesia: IEEE.
McLeod, Raymond, Jr & schell, G. P. (2008). Sistem Informasi Manajemen Edisi
10. Jakarta: Salemba Empat.
Ponniah, P. (2001). Data Warehousing Fundamentals: A Comprehensive Guide
for IT Professionals. Data Warehousing Fundamentals - A Comprehensive
Guide for IT Professionals (Vol. 6).
Rainardi, V. (2008). Building a Data Warehouse With Examples in SQL Server.
apress.
Robert Halenar. (2012). Real Time ETL Improvement. International Journal of
Computer Theory and Engineering, 4(3), 405–409.
https://doi.org/10.7763/IJCTE.2012.V4.493
Satzinger, J. W., Jackson, R. B., Burd, S. D., Jackson, R. B., & Burd, S. D.
(2010). Systems Analysis and Design in A Changing World (5th Edition)
(Vol. 5th ed..). Newyork: Course Technology.
Sugiarti, Y. (2010). Metode Penelitian di Bidang Komputer dan Sistem Informasi.
Banten: Dikti Provinsi Banten. Buku Ajar.
Sugiarti, Y. (2014). Implementation knowledge management system of teaching
materials in improving teacher competence MTs Jakarta. South Tangerang:
IEEE.
144
Sugiarti, Y. (2018). DASAR-DASAR PEMROGRAMAN JAVA NETBEANS
DATABASE, UML dan INTERFACE. Bandung: Rosda.
Suryani, & Hendrayadi. (2015). Metode Riset Kuantitatif, Teori dan Aplikasi pada
Penelitian Bidang Manajemen dan Ekonomi Islam. Jakarta, Indonesia:
Prenadamedia Group.
Vercellis, C. (2009). Business Intelligence: Data Mining and Optimization for
Decision Making. Wiley.
Wajong, A. M. R. (2015). Applying performance dashboard in hospitals.
International Journal of Software Engineering and Its Applications, 9(1),
213–220. https://doi.org/10.14257/ijseia.2015.9.1.19
Whitten L, Jeffery, Bentley D, Lonnie, Dittman C, K. (2004). Metode Desain dan
Analisis Sistem. Yogyakarta: ANDI.
145
LAMPIRAN II
TRANSKRIP WAWANCARA
Transkrip Wawancara Untuk Analisis Sistem Berjalan
Nama Arif Ardiansyah
Jabatan General Manager
Tempat SDR Tour & Travel – Jalan Baung No. 26B,
Kebagusan, Ps. Minggu, Jakarta Selatan
1. P: Tolong jelaskan gambaran umum tentang SDR Tour & Travel!
J:
SDR Tour & Travel merupakan UKM yang bergerak di sektor pariwisata
yang bertujuan untuk memberikan kemudahan kepada orang lain dalam
melakukan perjalanan.
SDR Tour & Travel memiliki visi dan misi sebagai berikut :
Visi : Menjadi perusahaan yang mampu berikan kemudahan dalam perjalanan
orang lain.
Misi : Menyediakan layanan yang cepat tanggap dalam membantu
perencanaan perjalanan orang lain.
SDR Tour & Travel dikepalai oleh Direktur Utama, yang merupakan
pemilik SDR Tour & Travel, dibantu oleh General Manager yang
mengatur beberapa divisi di bawahnya seperti divisi Marketing, divisi
Operasional, dan divisi Keuangan. Karena kami masih UKM, jadi belum
banyak orang-orang/divisi yang terlibat.
2. P: Jasa apa saja yang ditawarkan oleh SDR Tour & Travel kepada
masyarakat?
J: SDR Tour & Travel menawarkan jasa pemesanan tiket transportasi seperti tiket
pesawat dan kereta. Selain itu kami juga menawarkan jasa perjalanan wisata.
3. P: Bagaimana proses atau tahapan untuk melakukan pemesanan jasa
yang perusahaan tawarkan?
J: Pertama-tama, divisi marketing memasarkan jasa-jasa yang disediakan oleh
perusahaan, baik menggunakan media cetak (brosur) ataupun media social.
Masyarakat yang mendapatkan informasi dapat mendatangi kantor SDR Tour
146
& Travel secara langsung ataupun menghubungi melalui telepon untuk
melakukan pemesanan atau sekedar menanyakan informasi yang lebih detil
tentang jasa yang ditawarkan.
Pelanggan yang melakukan pemesanan secara langsung dapat membayar secara
langsung sedangkan yang melalui telepon dapat membayar dengan transfer.
4. P: Apakah proses pemesanan jasa yang telah dilakukan dirasa sudah
efektif?
J: Belum, kami merasa proses yang berjalan belum cukup efektif. Dengan proses
yang dilakukan belum dapat menjangkau pasar yang lebih luas, baru pasar di
lingkungan sekitar kantor dan orang-orang terdekat saja. Pelayanan
pemesanan jasa melalui telepon juga sering mendapat keluhan dari pelanggan
karena pelanggan kesulitan menghubungi SDR. Mungkin karena adanya
antrian ketika ada pelanggan lain yang sedang menelpon.
Karena hal tersebut, dirasa aktivitas bisnis di SDR masih dibilang minim.
5. P: Menurut Anda apakah perlu adanya penambahan suatu sistem untuk
mendukung proses pemesanan jasa pada SDR Tour & Travel?
J: Sangat perlu, terutama untuk mengatasi permasalahan pemasaran agar dapat
menjangkau pasar yang lebih luas dan untuk mengatasi masalah antrian
pelanggan melalui telepon seperti yang saya sebutkan sebelumnya.
6. Apakah Anda setuju / keberatan jika akan dibangun suatu sistem (web
commerce) untuk mendukung proses ppemesanan jasa dan meningkatkan
aktivitas bisnis pada SDR Tour & Travel?
J: Seperti yang saya bilang sebelumnya, kami merasa perlu adanya penambahan
suatu sistem untuk mengatasi permasalahan yang ada, apalagi jika dapat
meningkatkan aktivitas bisnis perusahaan, tentunya saya sangat setuju.
Sebetulnya kami memang ingin memiliki web, namun karena keterbatasan
dana dan SDM yang paham teknologi, hal tersebut belum bias terwujud.
147
148
149
Recommended