Upload
builien
View
213
Download
0
Embed Size (px)
Citation preview
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.