7

BAB 2

LANDASAN TEORI

2.1 Sistem Informasi

2.1.1 Pengertian Sistem

Menurut James O’Brien (2004, p8), “A system is a group of interrelated

components working together toward a common goal by accepting input and

producing output in an organized transformation process”. Jadi sistem dapat

diartikan sebagai sekelompok komponen yang saling terkait yang bekerja sama

untuk mencapai satu tujuan yang sama dengan menerima masukan dan

menghasilkan keluaran dalam proses perubahan yang terorganisasi. Tiga

komponen dasar yang ada di dalam sistem adalah input, processing, dan output.

2.1.2 Pengertian Sistem Informasi

Menurut Connoly (2005, p282), “Information System : The resource that

enable the collection, management, control, and dissemination of information

throughout an organization”. Jadi Sistem Informasi dapat diartikan sebagai

sumber yang memungkinkan pengumpulan, pengelolaan, pengawasan, dan

penyebaran informasi dalam sebuah organisasi.

Menurut James O’Brien (2004, p7), “An Information System can be any

organized combination of people, hardware, software, communication network,

and data resources that collects, transforms, and disseminates information in an

organization”. Jadi dapat disimpulkan bahwa sebuah sistem informasi merupakan

8

gabungan dari manusia, piranti keras, piranti lunak, komunikasi jaringan, dan

sumber data yang mengumpulkan, merubah, dan menyebarkan informasi di dalam

organisasi.

2.2 Basis Data (Database)

2.2.1 Pengertian Data

Menurut James O’Brien (2004, p7), “Data are raw facts or observations,

typically about physical phenomena or business transactions. More specifically

data are objective measurements of the attributes of entities”. Jadi data dapat

diartikan sebagai fakta mentah atau hasil pengamatan mengenai kejadian fisik atau

transaksi bisnis. Secara lebih spesifik data adalah ukuran tujuan atribut dari suatu

entitas.

2.2.2 Pengertian Basis Data (Database)

Menurut Connoly (2002, p14), “database is a shared collection of

logically related data, and a description of this data design to meet the

information needs of an organization”. Jadi dapat diartikan database adalah

kumpulan data yang saling terhubung secara logika dan dirancang untuk

memenuhi kebutuhan informasi organisasi.

9

2.2.3 Pengertian Database Management System (DBMS)

Menurut Connoly (2002, p16), “Database Management System (DBMS) is

a software system that enables users to define, create, maintain, and control

access to the database”. Jadi dapat diartikan bahwa DBMS adalah sebuah sistem

piranti lunak yang memungkinkan pengguna untuk mendefinisikan, membuat,

memelihara, dan mengawasi akses ke database. Sebuah DBMS harus

menyediakan fasilitas sebagai berikut :

1. Mampu mendefinisikan database, biasanya melalui Data Definition

Language (DDL). DDL memungkinkan pengguna untuk menentukan tipe

data, struktur, dan batasan terhadap data yang akan disimpan ke database.

2. Memungkinkan pengguna untuk memasukkan (insert), merubah (update),

menghapus (delete), dan mengambil (retrieve) data dari database,

biasanya melalui Data Manipulation Language (DML). DML

memungkinkan pengguna untuk melakukan query.

3. Menyediakan kendali akses ke database. Sebagai contoh DBMS dapat

menyediakan :

a. Sistem keamanan yang memungkinkan untuk mencegah

pengguna yang tidak berkepentingan untuk mengakses database.

b. Sistem integrasi yang menjaga konsistensi data yang tersimpan.

c. Sistem kendali yang memungkinkan database untuk diakses

secara bersamaan.

10

d. Sistem pemulihan yang memungkinkan untuk mengembalikan

keadaan database ke kondisi konsisten yang sebelumnya jika

terjadi kesalahan, termasuk kesalahan hardware dan software.

e. Sebuah katalog yang bisa diakses oleh pengguna yang di

dalamnya terdapat deskripsi atau penjelasan dari data yang

terdapat di dalam database.

2.3 Data Warehouse

2.3.1 Pengertian Data Warehouse

Menurut W.H. Inmon (2002, p31), “a data warehouse is a subject-

oriented, integrated, non volatile, and time-variant collection of data in support of

management’s decisions”. Yang mana dapat diartikan bahwa data warehouse

adalah koleksi dari data yang mempunyai sifat berorientasi pada subjek,

terintegrasi, tidak mengalami perubahan, dan berdasarkan waktu untuk

mendukung proses pengambilan keputusan manajemen. Data warehouse biasanya

digunakan untuk analisis jangka panjang sehingga data-data yang disimpan juga

bersifat historis. Data-data yang disimpan dalam data warehouse mencakup waktu

yang cukup panjang (tahunan)

2.3.2 Tujuan Data Warehouse

Menurut Connoly (2002, p1048), “the ultimate goal of data warehousing is

to integrate enterprise wide corporate data into a single repository from whish

11

users can easily run queries, produce reports, and perform analysis. In summary,

data warehouse is data management and data analysis technology”. Yang mana

dapat diartikan bahwa tujuan data warehouse adalah mengintegrasikan data

organisasi dengan jumlah yang besar menjadi satu wadah dimana pengguna dapat

dengan mudah menjalankan query, membuat laporan serta melakukan analisis.

Singkatnya, data warehouse adalah teknologi manajemen dan analisi data.

2.3.3 Keuntungan Data Warehouse

Menurut Connoly (2002, p1048) ,implementasi data warehouse yang

berhasil dapat memberikan keuntungan yang besar bagi organisasi, seperti :

a) Investasi berpotensi untuk memberikan keuntungan yang lebih tinggi.

b) Keuntungan kompetitif. Contohnya, pembuat keputusan lebih memiliki akses

terhadap data yang dapat memperlihatkan informasi yang sebelumnya tidak

ada, tidak diketahui, dan tidak tersedia.

c) Meningkatkan produktivitas pembuat keputusan dengan membuat database

yang terintegrasi secara konsisten, berorientasi subjek, dan historis.

2.3.4 Karakteristik Data Warehouse

Menurut W.H. Inmon (2002, p31), karakteristik data warehouse adalah :

a. Subject-oriented

Subject-oriented berarti bahwa data warehouse dibuat atau disusun

berdasarkan pada subjek utama dalam lingkungan perusahaan, bukan

berorientasi pada proses atau fungsi aplikasi seperti yang terjadi pada dunia

operasional. Sebagai contoh adalah sebuah perusahaan asuransi, aplikasinya

12

terdiri dari mobil, kesehatan, jiwa, dan kehilangan sedangkan pada data

warehouse data diatur berdasarkan pelanggan, polis, premi, dan klaim.

Gambar 2.1 Contoh Subject Oriented

b. Integrated

Integrated mempunyai maksud bahwa data yang ditemukan dalam data

warehouse saling terpadu selalu, ditunjukkan dengan konsistensi dalam

pemberian nama, penentuan pengukuran ukuran dari tipe variable, dan struktur

coding. Hal ini berarti ada satu struktur kunci tunggal yang dapat ditemukan

dalam data warehouse, walaupun terdapat banyak bentuk dari data yang sama

pada aplikasinya. Data ditransformasikan ke dalam data warehouse, yaitu data

diubah, diformat ulang, diringkas, dan sebagainya.

13

Sebagai contoh bila dalam satu lingkungan aplikasi perusahaan,

masing-masing aplikasi menggunakan istilah yang berbeda untuk

menggambarkan gender. Aplikasi A menggunakan istilah M dan F untuk

menggambarkan laki-laki dan perempuan, aplikasi B menggunakan istilah 1

dan 0, aplikasi C menggunakan istilah X dan Y, dan aplikasi D menggunakan

istilah MALE dan FEMALE. Maka pada data warehouse diperlukan satu

gambaran fisik yang menerangkan laki-laki dan perempuan, sehingga dipilih

istilah M dan F untuk menggambarkannya.

Gambar 2.2 Contoh Integrated

c. Non volatile

Non-volatile berarti bahwa data tidak mengalami perubahan (updating

dan deleting) secara terus-menerus. Data baru mungkin ditambahkan tetapi

data lama tidak akan dihilangkan. Jika terdapat perubahan pada data, maka data

hasil perubahan tersebut akan ditambahkan ke dalam data warehouse. Dengan

kata lain dalam data warehouse hanya ada 2 operasi data yaitu “load data” dan

“access data”. Hasil akhir pada data warehouse berupa record data secara

historis.

14

Gambar 2.3 Contoh Non Volatile

d. Time Variant

Time-variant berarti bahwa setiap unit data yang terdapat di dalam data

warehouse memiliki suatu bentuk penanda waktu yang menunjukkan tingkat

akurasi data dalam suatu waktu. Waktu merupakan bagian yang sangat penting

dalam data warehouse karena data warehouse menunjukkan historical data.

15

Gambar 2.4 Contoh Time Variant

2.3.5 Arsitektur Data Warehouse

Menurut Anahory dan Muray (1997), arsitektur dan komponen utama

dalam data warehouse adalah sebagai berikut :

1. Operational Data

Sumber data untuk data warehouse didapat dari:

a. Data operasional yang berasal dari sistem mainframe,

diperkirakan data operasional perusahaan pada

umumnya disimpan dengan menggunakan sistem ini.

b. Data departemen yang disimpan dengan sistem seperti

VSAM, RMS, dan DBMS seperti Informix dan Oracle.

16

c. Data privat yang terdapat di workstations dan server-

server privat.

d. Sistem external seperti internet, database komersil

atau database yang berhubungan dengan supplier atau

customer perusahaan.

2. Operational Data Store

Operational Data Store (ODS) adalah wadah atau penampung data

operasional terintegrasi dan terkini yang digunakan untuk analisis.

ODS memiliki struktur dan cara pengisian data yang sama seperti

data warehouse , tetapi bisa juga digunakan sebagai area

penampung sebelum data dimasukkan ke dalam data warehouse.

ODS biasanya dibuat jika sistem operasional tidak dapat

digunakan untuk memenuhi kebutuhan laporan.

3. Load Manager

Load Manager melakukan semua operasi yang berhubungan

dengan ekstraksi dan pemuatan data kedalam data warehouse.

Operasi-operasi yang dilakukan oleh Load Manager dapat

merupakan transformasi data untuk menyiapkan data sebelum

dimasukkan kedalam data warehouse. Ukuran dan tingkat

kerumitan dari Load Manager dapat bervariasi.

4. Warehouse Manager

Warehouse Manager melakukan operasi-operasi yang

berhubungan dengan manajemen data yang ada dalam data

17

warehouse. Operasi- operasi yang dapat dilakukan oleh

warehouse manager adalah sebagai berikut:

a. Analisa konsistensi data

b. Transformasi dan penggabungan data sumber dari

penyimpanan sementara ke dalam data warehouse.

c. Pembuatan indeks dan view dari table dasar.

d. Melakukan denormalisasi jika diperlukan.

e. Melakukan agregasi jika diperlukan

f. Melakukan back-up dan perolehan data.

5. Query Manager

Query Manager melakukan operasi-operasi yang berhubungan

dengan manajemen query dari user. Operasi yang dilakukan oleh Query

Manager terdiri dari mengarahkan query ke table yang benar, dan

mengatur jalannya query.

6. Detailed Data

Area ini menyimpan semua data detil di dalam skema database.

Pada umumnya, data detil tersedia dengan melakukan aggregasi .

7. Lightly and Highly Summarized Data

Area ini menyimpan data lightly and highly

summarized(teraggregasi) yang dihasilkan oleh Warehouse Manager.

Tujuan dari area ini adalah untuk mempercepat kinerja dari query dengan

peningkatan biaya operasional. Area ini akan terupdate secara terus-

menerus.

8. Archive/Backup Data

18

Area ini menyimpan data detil dan data ringkas dengan tujuan back-

up dan archiving. Data detil dan data ringkas disimpan dalam mendia

penyimpanan seperti magnetic tape, optical disc, dan sebagainya.

9. Meta-Data

Area ini menyimpan meta-data. Meta-data adalah data yang

menjelaskan tentang data yang digunakan dalam data warehouse. Tujuan

dari meta-data antara lain:

a. Proses ekstraksi dan pemuatan - meta-data digunakan

untuk memetakan sumber data ke sudut pandang

umum dari data dalam data warehouse.

b. Proses manajemen warehouse – meta-data digunakan

untuk pembuatan table hasil secara otomatis.

c. Sebagai bagian dari proses manajemen query – meta-

data digunakan untuk mengarahkan query ke sumber

data yang benar.

Struktur dari meta-data berbeda-beda dalam setiap proses, karena

tujuan dari masing-masing proses berbeda-beda. Ini berarti data

warehouse menyimpan banyak meta-data untuk satu data yang

sama.

10. End-User Access Tools

Tujuan dari data warehouse adalah untuk menyediakan informasi

kepada pengguna bisnis untuk digunakan sebagai pengambilan

keputusan secara strategis. Pengguna bisnis ini berinteraksi

dengan data warehouse dengan menggunakan End-User Access

19

Tools . Data warehouse harus mampu lakukan analisis rutin dan

terkini secara efisien.

Menurut Berson dan Smith (1997) ada 5 kategori umum dari

Tools ini yaitu:

a. Reporting dan query tools.

b. Application development tools.

c. Executive information system (EIS) tools.

d. Online Analytical Processiong (OLAP) tools.

e. Data Mining tools.

Gambar 2.5 Arsitektur Data Warehouse

20

2.3.6 Bentuk Data Warehouse

2.3.6.1 Functional Data Warehouse

Functional Data Warehouse adalah data warehouse yang dibuat

lebih dari satu dan dikelompokkan berdasarkan masing-masing fungsi

yang ada di dalam perusahaan seperti fungsi keuangan, fungsi marketing,

fungsi personalia, dan lain-lainnya. Keuntungan dari bentuk ini adalah

sistem mudah dibangun dengan biaya yang relatif murah. Kerugiannya

adalah sulit untuk menjaga konsistensi data dan terbatasnya kemampuan

pengguna dalam mengumpulan data.

Gambar 2.6 Functional Data Warehouse

21

2.3.6.2 Centralized Data Warehouse

Bentuk centralized data warehouse hampir sama dengan bentuk

functional data warehouse, tetapi sumber data terlebih dahulu

dikumpulkan atau diintegrasikan pada suatu tempat terpusat, kemudian

barulah data tersebut dibagi-bagi berdasarkan fungsi-fungsi yang

dibutuhkan oleh perusahaan. Keuntungan dari bentuk ini adalah data

benar-benar terpadu karena konsistensinya yang tinggi. Kerugiannya

adalah biaya yang mahal serta perlu waktu yang cukup lama dalam

membangun bentuk ini.

Gambar 2.7 Centralized Data Warehouse

2.3.6.3 Distributed Data Warehouse

Distributed data warehouse adalah data warehouse yang

komponen-komponennya didistribusikan melewati sejumlah database

fisikal yang berbeda. Distributed data warehouse menggunakan gateway

yang berfungsi sebagai jembatan antara data warehouse dengan

22

workstation yang menggunakan sistem yang beraneka ragam atau

berbeda, sehingga pada bentuk ini memungkinkan kita untuk mengakses

sumber data yang berada di luar lokasi perusahaan (eksternal).

Keuntungan dari bentuk ini adalah kemampuan untuk mengakses

data dari luar perusahaan yang telah mengalami sinkronisasi terlebih

dahulu agar tetap terjaga konsistensinya. Kerugian dari bentuk ini adalah

bentuk yang paling mahal dan kompleks untuk diterapkan, karena sistem

operasinya dikelola secara terpisah.

Gambar 2.8 Distributed Data Warehouse

2.3.7 Struktur Data Warehouse

Data warehouse mempunyai perbedaan dalam tingkatan ringkasan

(summary), detail serta umur data. Struktur data warehouse tersebut

terdiri atas :

23

a. Current Detail Data

Current Detail Data adalah data yang aktif saat ini. Current

Detail Data merupakan level terendah dari data warehouse, dan biasanya

memerlukan tempat penyimpanan yang besar. Hal ini disebabkan karena

jumlah datanya yang sangat besar. Kelebihannya adalah cepat dalam

pengaksesan data. Kekurangannya adalah biayanya besar dan tingkat

kerumitannya tinggi (kompleks).

b. Older Detail Data

Older Detail Data adalah data lama atau data historis dari Current

Detail Data yang telah dibackup dan disimpan ke dalam tempat

penyimpanan yang terpisah untuk dapat diakses kembali jika diperlukan.

Penyusunan direktori untuk data ini biasanya dilakukan berdasarkan

umur dari data agar memudahkan untuk pengaksesan kembali.

c. Lightly Summarized Data

Lightly Summarized Data merupakan ringkasan dari Current

Detail Data tapi belum bersifat total summary. Biasanya data ini

disimpan pada media penyimpanan seperti disk.

d. Highly Summarized Data

Highly Summarized Data adalah tingkat lanjutan dari lightly

summarized data, berupa ringkasan yang bersifat totalitas, dapat diakses,

dan biasanya digunakan untuk melakukan analisis perbandingan data

berdasarkan waktu dan dimensi tertentu.

24

e. Metadata

Metadata adalah data yang menjelaskan tentang data yang

terdapat di dalam lingkungan data warehouse. Metadata digunakan

sebagai indeks dari isi data warehouse.

Gambar 2.9 Struktur Data Warehouse

2.3.8 Aliran Data Pada Data Warehouse (Data Flows)

Data warehouse berfokus pada 5 pokok aliran data (data flows), meliputi:

1. Inflow

Proses yang berhubungan dengan extraction, cleansing, dan

loading data. Dalam aliran data inflow berhubungan dengan pengambilan

data dari sistem sumber ke dalam data warehouse. Alternatif lain adalah

dengan memuat data ke dalam Operational Data Store (ODS) sebelum

dipindahkan ke dalam data warehouse. Karena data merupakan hasil dari

OLTP maka data tersebut harus direkonstruksi untuk keperluan data

warehouse.

25

Rekonstruksi tersebut meliputi :

a. Membersihkan “data yang kotor”.

b. Membuat ulang struktur data untuk memenuhi kebutuhan dari

data warehouse.

c. Memastikan konsistensi data sumber terhadap data itu sendiri dan

dengan data yang sudah ada dalam data warehouse.

2. Upflow

Proses yang berhubungan dengan adding value ke data yang ada

dalam data warehouse melalui :

a. Meringkas (summarizing) data dengan selecting, projecting,

joining, dan grouping data menjadi bentuk yang lebih nyaman dan

berguna bagi end-users.

b. Mengelompokkan (packaging) data dengan melakukan konversi

data detil atau data yang telah diringkas ke dalam format tertentu,

misalnya : spreadsheets, text documents, charts, atau bentuk

presentasi lainnya.

c. Menyalurkan (distributing) data ke kelompok yang sesuai untuk

meningkatkan ketersediaan dan kemudahan akses.

3. Downflow

Proses yang berhubungan dengan archiving dan backing-up data di

dalam data warehouse. Archiving data memegang peranan yang

penting dalam memelihara efektivitas dan daya guna dari data

warehouse dengan mengirim data yang sudah lama, dengan jumlah

26

tertentu, ke tempat penyimpanan, seperti magnetic tape atau optical

disk.

Downflow juga termasuk proses untuk memastikan bahwa kondisi

data warehouse sekarang dapat dikembalikan jika terjadi kehilangan

data, atau kesalahan pada piranti lunak atau piranti keras.

4. Outflow

Proses yang berhubungan dengan penyediaan data ke end-users

yang tidak menutup kemungkinan sebuah organisasi melakukan

reengineering terhadap proses bisnisnya untuk mencapai keuntungan

kompetitif. Dua aktivitas utama dari outflow adalah :

a. Accessing

Aktivitas pemenuhan kebutuhan end-users terhadap data yang

mereka butuhkan. Tujuan utamanya adalah untuk menyediakan

lingkungan dimana pengguna dapat secara efektif menggunakan query

tools. Untuk mengakses suatu sumber data dalam jangka waktu yang

bervariasi.

b. Delivering

Aktivitas penyampaian informasi ke end-users. Ini adalah area

yang masih baru dalam data warehouse, dan disebut juga sebagai

proses yang publish and subscribe. Warehouse menerbitkan

bermacam-macam business object yang direvisi secara periodik

dengam memonitor pola pemakaian. Pengguna mendaftar ke suatu set

business object yang paling sesuai dengan kebutuhan mereka.

27

5. Meta-flow

Proses yang berhubungan dengan manajemen dari metadata.

Aliran data yang sebelumnya menggambarkan manajemen data

warehouse dengan melihat bagaimana data masuk dan keluar dari data

warehouse. Meta-flow adalah proses yang memindahkan metadata

(data tentang aliran data yang lain). Metadata adalah gambaran dari

data yang terdapat di dalam data warehouse, tentang isi di dalamnya,

dari mana asal datanya, dan apa yang terjadi setelah cleansing,

integrating, dan summarizing.

Untuk merespon kebutuhan bisnis yang terus berubah, sistem

yang sudah ada juga akan terus berubah secara konstan. Oleh karena

itu data warehouse juga harus merespon perubahan dan merefleksikan

perubaha-perubahan tersebut pada sistem sumber dan lingkungan

bisnis yang berubah. Meta-flow (metadata) harus secara terus-menerus

melakukan update terhadap perubahan-perubahan ini.

2.3.9 Agregasi dan Denormalisasi

2.3.9.1 Agregasi

Menurut Poe (1996, p136), agregasi adalah proses perhitungan

dan fakta selama pendefinisian atribut. Contohnya kita dapat membuat

ringkasan dari penjualan produk berdasarkan wilayah dan waktu dengan

menghitung jumlah produk dari transaksi yang telah terjadi. Umumnya

dilakukan pada saat transformasi dan pengambilan data ke dalam data

28

warehouse. Penyebab dilakukannya agregasi adalah untuk mempercepat

penampilan query dari pengguna serta mengurangi jumlah pemrosesan

CPU.

Konsep yang perlu diingat dalam agregasi ini adalah bahwa ketika

data digunakan dalam data warehouse, kita masih membutuhkan teknik

database klasik, seperti pembagian tabel secara fisik. Hal ini akan lebih

berguna apabila datanya mencapai jumlah yang sangat besar.

2.3.9.2 Denormalisasi

Menurut Poe(1996, p137), denormalisasi dapat diartikan sebagai

suatu proses penggabungan tabel yang dilakukan dengan cermat dan hati-

hati yang bertujuan untuk meningkatkan kinerja.

Berikut adalah kelebihan dan kekurangan dari denormalisasi :

Kelebihan :

1. Dapat meningkatkan performa dengan :

2. Perhitungan awal data (precomputing derived data)

3. Mengurangi jumlah foreign key pada relations (reducing the

number of foreign key in relations)

4. Pengurangan jumlah index (reducing the number of indexes)

5. Pengurangan jumlah relations(reducing the number of

relations)

Kekurangan :

29

1. Meningkatkan kecepatan penarikan data akan tetapi

memperlambat update data (May speed up retrievals but

can slow down updates)

2. Membutuhkan evaluasi ulang setiap kali terjadi perubahan

pada aplikasi (Always application-specific and needs to

be re-evaluated if the application Changes)

3. Dapat meningkatkan ukuran dari relations (Can Increase

the size of relations)

4. Dapat menyederhanakan implementasi pada kasus

tertentu, akan tetapi dapat memperumit kasus yang lain

(May simplify implementation in some cases but may

make it more complex in others)

5. Sacrifices flexibility

2.3.10 Konsep Pemodelan Pada Data Warehouse

2.3.10.1 Dimensionality Modeling

Menurut Connoly (2002, p1079), Dimensionality Modeling adalah

teknik perancangan logikal yang bertujuan untuk menyajikan data dalam

bentuk yang standar, mudah dipahami (intuitive), sehingga

memungkinkan untuk akses dengan kinerja yang tinggi. Dimensionality

Modeling menggunakan konsep dari Entity Relationship (ER) dengan

beberapa batasan-batasan penting. Setiap Dimensional Model terdiri dari

satu buah tabel yang memiliki banyak primary key (composite primary

30

key), yang disebut tabel fakta (fact table), dan satu set tabel-tabel yang

lebih kecil, yang disebut tabel dimensi (dimensional table). Setiap tabel

dimensi memiliki satu buah (non-composite) primary key yang

berhubungan dengan salah satu primary key di tabel fakta. Karakteristik

ini disebut skema bintang (star schema) atau star join, karena bentuknya

yang menyerupai bintang.

2.3.10.2 Skema Bintang (Star Schema)

Skema bintang (star schema) adalah struktur logikal yang

memiliki sebuah tabel fakta yang berisi data faktual di tengah dan

dikelilingi oleh tabel-tabel dimensi yang berisi data referensi (yang dapat

didenormalisasi). Keuntungan skema bintang adalah dapat meningkatkan

kinerja karena waktu query yang lebih cepat. Hal ini disebabkan oleh data

yang sudah didenormalisasi.

31

Gambar 2.10 Skema Bintang

2.3.10.3 Skema Snowflake (Snowflake Schema)

Skema snowflake (snowflake schema) merupakan varian dari

skema bintang dimana tabel-tabel dimensi tidak mencakup data yang

didenormalisasi. Pada skema snowflake, terdapat tabel dimensi yang

tidak terhubung secara langsung dengan tabel fakta, melainkan terhubung

dengan tabel dimensi yang lainnya.

32

Gambar 2.11 Skema Snowflake

2.3.10.4 Skema Starflake (Starflake Schema)

Skema Starflake (starflake schema) adalah struktur yang

merupakan gabungan dari skema bintang dan skema snowflake. Beberapa

dimensi mungkin saja menerapkan kedua model ini untuk memenuhi

kebutuhan query yang berbeda-beda.

2.3.10.5 Keuntungan Dimensional Modeling

Keuntungan dimensional modeling, baik dalam bentuk star

schema, snowflake schema, maupun starflake schema adalah sebagai

berikut :

33

1. Efficiency – Konsistensi dari struktur database memungkinkan

untuk akses data yang lebih efisien dengan menggunakan berbagai

macam tools termasuk report writers dan query tools.

2. Ability to handle changing requirements – Skema bintang mampu

beradaptasi dengan perubahan kebutuhan user, karena setiap

dimensi menyediakan akses yang sama ke tabel fakta. Ini berarti

rancangan ini mampu mendukung query user yang berubah-ubah.

3. Extensibility – Model dimensi dapat diperluas. Sebagai contoh,

Dimensional Model harus bisa mendukung perubahan – perubahan

seperti penambahan tabel fakta, penambahan dimensi, penambahan

attribute, dan memecah dimensi yang sudah ada ke tingkat granularity

yang lebih rendah.

4. Ability to model common business situation – Kemampuan untuk

beradaptasi dengan perubahan situasi bisnis.

5. Predictable query processing – Walaupun skema yang dihasilkan

sangat kompleks , tetapi proses query menjadi dapat diduga, hal ini

karena pada level terendah , setiap tabel harus diquery secara

independent.

2.3.10.6 Perbedaan OLTP dan Data Warehouse

Berikut ini adalah tabel perbandingan antara Online Transaction

Processing (OLTP) dengan Data Warehouse :

Tabel 2.1 Perbandingan OLTP dan Data Warehouse

34

OLTP Data Warehouse

Menangani data sekarang Menangani data historis

Menyimpan data secara detil Menyimpan data secara detil, lightly, dan

highly summarized

Datanya dinamis Datanya sebagian besar statik

Prosesnya berulang Prosesnya bersifat ad hoc, tidak

terstruktur, dan heuristic

High level of transaction throughput Medium to low level of transaction

throughput

Pola penggunaannya dapat diprediksi Pola penggunaannya tidak dapat diprediksi

Digunakan untuk transaksi sehari-hari Digunakan untuk analisis

Berorientasi pada aplikasi Berorientasi pada subjek

Mendukung keputusan per hari Mendukung keputusan strategis

Melayani pengguna operasional dalam

jumlah yang besar

Melayani pengguna manajerial dalam

jumlah yang sedikit

2.4 Asuransi

2.4.1. Pengertian Asuransi

Definisi asuransi menurut Pasal 246 Kitab Undang-undang Hukum

Dagang (KUHD) Republik Indonesia adalah suatu perjanjian, dengan mana

seorang penanggung mengikatkan diri pada tertanggung dengan menerima suatu

35

premi, untuk memberi penggantian kepadanya karena suatu kerugian, kerusakan

atau kehilangan keuntungan yang diharapkan, yang mungkin akan dideritanya

karena suatu peristiwa yang tidak tertentu.

2.4.2. Jenis Usaha Perasuransian

Secara garis besar, asuransi dibedakan secara fundamental antara asuransi

privat dan asuransi sosial.

2.4.2.1. Asuransi Privat

Asuransi privat terdiri dari program-program asuransi sukarela

yang tersedia bagi individu sebagai alat perlindungan dirinya terhadap

kemungkinan kerugian yang diakibatkan karena suatu resiko. Sifat

khusus asuransi privat adalah sukarela, dan pengalihan resiko umumnya

dilakukan melalui perjanjian berupa polis.

2.4.2.2. Asuransi Sosial

Asuransi sosial bersifat wajib, dan program-programnya

ditentukan dengan undang-undang, sehingga tidak dikenal adanya

perjanjian berupa polis. Tujuan utama asuransi sosial adalah memberikan

perlindungan dasar bagi masyarakat secara merata.

36

2.4.3. Asuransi Kendaraan Bermotor

Risiko atau kecelakaan yang menimpa kendaraan bermotor bisa berasal

dari luar (ditabrak, dirusak, banjir, dsb) dan bisa juga berasal dari dalam

(kelalaian, kesalahan, kesengajaan pengemudi menabrak kendaraan lain dsb).

Semuanya itu akan menimbulkan kerugian finansial bagi pemilik tidak hanya

karena kerusakan kendaraan bermotornya tapi juga tanggung jawab kepada pihak

lain yang dirugikan terhadap kendaraan bermotornya.

2.4.3.1. Risiko yang Ditanggung

Risiko yang ditanggung yang berkaitan dengan kendaraan bermotor

meliputi:

1. Risiko Gabungan

a. Kebakaran yang dapat ditimbulkan oleh petir, api, perbuatan kriminal

(kecuali keluarga atau pekerja tertanggung).

b. Kerusakan karena kecelakaan yang terjadi di darat, termasuk

perbuatan kriminal (kecuali keluarga atau pekerja tertanggung).

c. Pencurian atau Kehilangan atas peralatan standar atau keseluruhan

kendaran bermotor, termasuk yang didahului maupun yang disertai

kekerasan. Untuk kendaraan bermotor roda dua dan tiga hanya bila

kehilangan secara keseluruhan.

d. Kerusakan selama diatas kapal feri atau alat penerbangan resmi yang

disediakan untuk lalu lintas jalan.

37

e. Biaya-biaya untuk menjaga dan menarik kendaraan bermotor

yang rusak ke bengkel terdekat atau yang ditunjuk penanggung

dengan ganti rugi maksimal 0.5 % dari nilai pertanggungan.

2. Tanggung jawab hukum

Yaitu tanggung jawab kepada pihak-pihak lain yang

menderita kerugian yang disebabkan oleh kendaraan bermotor

yang diasuransikan dalam suatu kecelakaan. Kerugian pihak

ketiga ditanggung maksimal sebesar harga pertanggungan

tanggung hukum yang tercantum dalam polis.

3. Risiko tambahan

Risiko tambahan terdiri dari:

a. Risiko huru-hara dengan tambahan premi 2.5% dari nilai

atau harga pertanggungan.

b. Tanggung jawab hukum terhadap penumpang (di

Indonesia kerugian ini ditanggung oleh Jasa Raharja).

Melihat dari ketiga risiko diatas, premi pertanggungan mengandung tiga

unsur risiko:

1. Premi dasar, adalah premi untuk risiko gabungan.

2. Premi TJH, adalah premi untuk risiko tanggung jawab hukum.

3. Premi Tambahan, adalah premi untuk risiko tambahan.

2.4.3.2. Risiko yang Dikecualikan.

38

Yaitu beberapa macam kerugian yang penanggung tidak

membayar ganti rugi. Ada tiga macam pengecualian:

1. Pengecualian umum

Meliputi kerugian-kerugian yang diakibatkan oleh tidak

digunakannya kendaraan yang dipertanggungkan dan kehilangan

peralatan (non-standar) dari kendaraan yang bersangkutan.

2. Pengecualian pokok

Meliputi kerugian-kerugian yang diakibatkan kendaraan

digunakan untuk perlombaan, belajar mengemudi, untuk menarik

kendaraan lain, kelebihan muatan, dijalankan dalam kondisi tidak

layak jalan, pengemudinya tidak memiliki SIM atau mabuk,

melanggar lalu lintas, mempunyai hubungan langsung atau tidak

langsung dengan bencana alam, karena perang, huru-hara,

sabotase, nasionalisasi, penggunaan untuk tugas operasional untuk

kepolisian atau kemiliteran.

3. Pengecualian Khusus

Meliputi kerugian-kerugian karena reaksi inti atom,

kesalahan konstruksi, karatan (structure defect), keausan,

serangan serangga atau binatang mengerat.