Aplikasi Data Warehouse untuk Analisis Penjualan
Mobil Berbasis Multidimensional Modeling (MDM)dan Star Schema Design
(Studi Kasus PT. Asco Automotive)
Abstract
A company in order to make decision exactly, needs informations
from aspect-aspect which involved in. The solution to get that information
is data warehouse. Data warehouse is a database that stores information
oriented to satisfy decision making requests. Multidimensional Modeling
(MDM) used in data warehouse, built based on OLAP(Online Analytical
Processing) method which owning dimension, hierarchy, level, and member
concept. With MDM, data will be viewed from different perspectives,
these perspectives are called dimensions. To organize that dimensions,
needed single fact table with n-dimension tables linked to it. This schema
is known as Star Schema design. The purpose of this paper is to give
overview of approaching muldimensional modeling using Star Schema
and represent a system that can be used to support decision making in
level management, specially for sales data.
1. Pendahuluan
Dewasa ini perkembangan teknologi komputer mengalami kemajuan yang
pesat. Hampir setiap perusahaan berusaha untuk mengoptimalkanfungsi dari teknologi
komputer itu sendiri dengan harapan teknologi tersebut memberikan suatu nilai
tambah tersendiri. Didesak adanya kebutuhan akan informasi yang tepat dan juga
semakin bertambah banyaknya data yang harus didokumentasikan maka hal ini
mendukung berkembangnya berbagai aplikasi yang mencoba untuk memaksimalkan
penyimpanan data itu sendiri.
from aspect-aspect which involved in. The solution to get that information
is data warehouse. Data warehouse is a database that stores information
oriented to satisfy decision making requests. Multidimensional Modeling
(MDM) used in data warehouse, built based on OLAP(Online Analytical
Processing) method which owning dimension, hierarchy, level, and member
concept. With MDM, data will be viewed from different perspectives,
these perspectives are called dimensions. To organize that dimensions,
needed single fact table with n-dimension tables linked to it. This schema
is known as Star Schema design. The purpose of this paper is to give
overview of approaching muldimensional modeling using Star Schema
and represent a system that can be used to support decision making in
level management, specially for sales data.
1. Pendahuluan
Dewasa ini perkembangan teknologi komputer mengalami kemajuan yang
pesat. Hampir setiap perusahaan berusaha untuk mengoptimalkanfungsi dari teknologi
komputer itu sendiri dengan harapan teknologi tersebut memberikan suatu nilai
tambah tersendiri. Didesak adanya kebutuhan akan informasi yang tepat dan juga
semakin bertambah banyaknya data yang harus didokumentasikan maka hal ini
mendukung berkembangnya berbagai aplikasi yang mencoba untuk memaksimalkan
penyimpanan data itu sendiri.
Dari uraian di atas dapat dilihat bahwa dalam suatu organisasi perusahaan,
kebutuhan akan data sangat lah besar. Namun ada beberapa yang masih mengalami
kesulitan dalam hal memproses data itu sendiri khususnya data penjualan menjadi
sebuah informasi yang nantinya akan mendukung proses pengambilan keputusan.
Untuk itu penulis mencoba untuk merancang suatu sistem yang dapat
memproses data penjualan dengan mencoba menerapkan apa yang disebut dengan
data warehouse atau pergudangan data. Data warehouse memiliki kemampuan
melakukan query yang kompleks, model data yang lengkap dan menekankan pada
dukungan analisis data. Pada jurnal ini nantinya akan dibahas lebih jauh bagaimana
sistem dapat mengkategorikan data menurut dimensi yakni item, waktu, dan lokasi,
sehingga dapat menghasilkan suatu analisis (OLAP) dan bukan pada proses transaksi.
Aplikasi akan dibangun menggunakan teknologi Visual Basic .Net 2005 dan SQL
Server 2000.
Dengan sistem data warehouse ini, diharapkan perusahaan dapat
mengorganisasi data penjualan yang dimiliki sehingga memilki suatu nilah tambah
sehingga dapat digunakan untuk mendukung pengambilan keputusan pada tingkat
manajemen.
2. Metode Prototyping
Model prototipe (prototyping model), merupakan suatu teknik untuk
mengumpulkaninformasi tertentu mengenai kebutuhan-kebutuhan informasi pengguna
secara cepat. Pelanggan seringkali menjelaskan sekumpulan sasaran umum perangkat
lunak, namun tidak mengidentifikasi kebutuhan input, proses, atau output. Pada kasus
lain, pengembang mungkin tidak yakin akan efisiensi dari suatu sistem operasi, atau
bentuk yang akan diambil dalam interaksi manusia-mesin. Dalam situasi seperti ini
maupun situasi lain, paradigma prototyping bisa memberikan pendekatan terbaik.
kebutuhan akan data sangat lah besar. Namun ada beberapa yang masih mengalami
kesulitan dalam hal memproses data itu sendiri khususnya data penjualan menjadi
sebuah informasi yang nantinya akan mendukung proses pengambilan keputusan.
Untuk itu penulis mencoba untuk merancang suatu sistem yang dapat
memproses data penjualan dengan mencoba menerapkan apa yang disebut dengan
data warehouse atau pergudangan data. Data warehouse memiliki kemampuan
melakukan query yang kompleks, model data yang lengkap dan menekankan pada
dukungan analisis data. Pada jurnal ini nantinya akan dibahas lebih jauh bagaimana
sistem dapat mengkategorikan data menurut dimensi yakni item, waktu, dan lokasi,
sehingga dapat menghasilkan suatu analisis (OLAP) dan bukan pada proses transaksi.
Aplikasi akan dibangun menggunakan teknologi Visual Basic .Net 2005 dan SQL
Server 2000.
Dengan sistem data warehouse ini, diharapkan perusahaan dapat
mengorganisasi data penjualan yang dimiliki sehingga memilki suatu nilah tambah
sehingga dapat digunakan untuk mendukung pengambilan keputusan pada tingkat
manajemen.
2. Metode Prototyping
Model prototipe (prototyping model), merupakan suatu teknik untuk
mengumpulkaninformasi tertentu mengenai kebutuhan-kebutuhan informasi pengguna
secara cepat. Pelanggan seringkali menjelaskan sekumpulan sasaran umum perangkat
lunak, namun tidak mengidentifikasi kebutuhan input, proses, atau output. Pada kasus
lain, pengembang mungkin tidak yakin akan efisiensi dari suatu sistem operasi, atau
bentuk yang akan diambil dalam interaksi manusia-mesin. Dalam situasi seperti ini
maupun situasi lain, paradigma prototyping bisa memberikan pendekatan terbaik.
REQUIMENTS GATHERING
"QUICK DESIGN"
BUILD PROTOTYPE
EVALUATED AND REFINEMENTS
ENGINEER PRODUCT
Gambar 1 Model Prototyping Dari Gambar 1, terlihat bahwa paradigma prototyping diawali dengan
komunikasi. Pengembang dan pengguna bertemu dan mendefinisikan sasaran-sasaran menyeluruh dari perangkat lunak yang akan dibangun, mengidentifikasi kebutuhan
apa saja yang diinginkan. Iterasi prototyping direncanakan secara cepat, demikian
juga pemodelan dalam bentuk rancangan segera dibuat. Perancangan yang cepat
berfokus pada penggambaran aspek-aspek perangkat lunak yang akan dilihat oleh
pengguna, seperti tampilan antarmuka pengguna dengan sistem, atau format tampilan
output. Rancangan yang cepat ini akan membawa kearah pembuatan program
(konstruksi) dari prototipe.
Prototipe diserahkan dan dievaluasi oleh pengguna. Umpan balik dari
pengguna digunakan untuk memperbaiki kriteria kebutuhan dari perangkat lunak.
Hal ini dilakukan berulang-ulang dimana prototipe disesuaikan untuk memenuhi
kebutuhan pengguna, sementara pada saat yang sama pengembang memiliki
pemahaman yang lebih baik mengenai apa yang diinginkan pengguna untuk dipenuhi. [1]
3. Data Warehouse dan Multidimensional Database (OLAP) Data warehouse
Data warehouse adalah basis data yang menyimpan data sekarang dan data
masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber
eksternal) yang menjadi perhatian penting bagi manajemen dalam organisasi dan
ditujukan untuk keperluan analisis dan pelaporan manajemen dalam rangka
pengambilan keputusan. Data warehouse digunakan untuk mendukung pengambilan
keputusan, bukan untuk melaksanakan pemrosesan transaksi [2].
Menurut situs wikipedia, gudang data (data warehouse) adalah suatu sistem
komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi seperti
data penjualan, gaji, dan informasi lain dari operasi harian. Pada umumnya suatu
organisasi menyalin informasidari sistem operasionalnya (seperti penjualan dan SDM)
ke gudang data menurut jadwal teratur, misalnya setiap malam atau setiap akhir
minggu. Setelah itu, manajemen dapat melakukan query kompleks dan analisis
terhadap informasi tersebut tanpa membebani sistem yang operasional [3].
Data warehouse yang secara harafiah berarti gudang data, sebetulnya memiliki
makna lebih dalam dari sekedar “gudang”. Bill Inmon, yang dianggap sebagai
pencetus ide tentang data warehouse mendefinisikan bahwa data warehouse adalah
database yang memiliki karakter subject oriented, integrated, non-volatile, dan
time variant.
Subject oriented berarti data warehouse disusun menurut subyeknya. Hal
ini berlawanan dengan data transaksi (OLTP) dimana subject oriented lebih
menekankan pada subjek areanya misal untuk transaksi penjualan subjek areanya
adalah item barang, waktu penjualan, lokasi. Integrated berarti dari data yang
bermacam-macam dijadikan ke dalam satu bentuk sehingga mudah untuk diolah.
Misalnya id barang yang berbeda harus disamakan. Non volatile maksudnya adalah
data yang diolah data warehouse adalah data akhir berbeda dengan data-data
operasional yang mencakup data bergerak seperti pesanan yang belum diverifikasi
atau transaksi yang belum diterima. Data-data ini masih memiliki status belum akhir
dan dikatakan masih rentan. Untuk menghindari pengunaan data yang salah, data
warehouse seharusnya memuat data yang sudah final dan bersifat historis. Data
warehouse adalah data yang hanya bisa dibaca dan tidak bisa dimodifikasi (read
only). Data warehouse bersifat time variant berarti memiliki dimensi waktu sebagai
variabel. Aspek time variant dari suatu data warehouse memberikan kemampuan
untuk menyajikan informasi dalam bentuk trend. Hampir semua bisnis saat ini
membutuhkan trend analisis untuk melihat tingkat kemajuan dari perusahaan yang
bersangkutan.
pengguna digunakan untuk memperbaiki kriteria kebutuhan dari perangkat lunak.
Hal ini dilakukan berulang-ulang dimana prototipe disesuaikan untuk memenuhi
kebutuhan pengguna, sementara pada saat yang sama pengembang memiliki
pemahaman yang lebih baik mengenai apa yang diinginkan pengguna untuk dipenuhi. [1]
3. Data Warehouse dan Multidimensional Database (OLAP) Data warehouse
Data warehouse adalah basis data yang menyimpan data sekarang dan data
masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber
eksternal) yang menjadi perhatian penting bagi manajemen dalam organisasi dan
ditujukan untuk keperluan analisis dan pelaporan manajemen dalam rangka
pengambilan keputusan. Data warehouse digunakan untuk mendukung pengambilan
keputusan, bukan untuk melaksanakan pemrosesan transaksi [2].
Menurut situs wikipedia, gudang data (data warehouse) adalah suatu sistem
komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi seperti
data penjualan, gaji, dan informasi lain dari operasi harian. Pada umumnya suatu
organisasi menyalin informasidari sistem operasionalnya (seperti penjualan dan SDM)
ke gudang data menurut jadwal teratur, misalnya setiap malam atau setiap akhir
minggu. Setelah itu, manajemen dapat melakukan query kompleks dan analisis
terhadap informasi tersebut tanpa membebani sistem yang operasional [3].
Data warehouse yang secara harafiah berarti gudang data, sebetulnya memiliki
makna lebih dalam dari sekedar “gudang”. Bill Inmon, yang dianggap sebagai
pencetus ide tentang data warehouse mendefinisikan bahwa data warehouse adalah
database yang memiliki karakter subject oriented, integrated, non-volatile, dan
time variant.
Subject oriented berarti data warehouse disusun menurut subyeknya. Hal
ini berlawanan dengan data transaksi (OLTP) dimana subject oriented lebih
menekankan pada subjek areanya misal untuk transaksi penjualan subjek areanya
adalah item barang, waktu penjualan, lokasi. Integrated berarti dari data yang
bermacam-macam dijadikan ke dalam satu bentuk sehingga mudah untuk diolah.
Misalnya id barang yang berbeda harus disamakan. Non volatile maksudnya adalah
data yang diolah data warehouse adalah data akhir berbeda dengan data-data
operasional yang mencakup data bergerak seperti pesanan yang belum diverifikasi
atau transaksi yang belum diterima. Data-data ini masih memiliki status belum akhir
dan dikatakan masih rentan. Untuk menghindari pengunaan data yang salah, data
warehouse seharusnya memuat data yang sudah final dan bersifat historis. Data
warehouse adalah data yang hanya bisa dibaca dan tidak bisa dimodifikasi (read
only). Data warehouse bersifat time variant berarti memiliki dimensi waktu sebagai
variabel. Aspek time variant dari suatu data warehouse memberikan kemampuan
untuk menyajikan informasi dalam bentuk trend. Hampir semua bisnis saat ini
membutuhkan trend analisis untuk melihat tingkat kemajuan dari perusahaan yang
bersangkutan.
Multidimensional Database (OLAP) Multidimensional Modeling (MDM) merupakan salah satu pendekatan dari data warehouse yang dibangun berdasarkan metode OLAP (On-Line Analytical Processing) yang memiliki konsep dimensi, hierarki, level, dan anggota. Agregat dari penerapan konsep tersebut dapat ditampilkan dengan star schema design. Dibandingkan dengan konsep database relasional, konsep multidimensional database dapat melakukan analisa dari berbagai sudut dimensi Model data multidimensional dirancang untuk memfasilitasi analisis dan bukan transaksi. Model ini umum digunakan dalam data warehouse karena bersifat emiliki konsep intuitif dari banyak dimensi atau perspektif pengukuran bisnis atau fakta- fakta. Contohnya untuk melihat penjualan dari perspektif pelanggan, produk dan waktu. OLAP adalah suatu sistem atau teknologi yang dirancang untuk mendukung proses analisis kompleks dalam rangka mengungkapkan kecenderungan pasar dan faktor-faktor penting dalam bisnis. OLAP ditandaidengan kemampuannya menaikkan atau menurunkan dimensi data sehingga pengguna dapat menggolongkan data sampai pada tingkat yang detail dan memperoleh pandangan yang lebih luas mengenai objek yang sedang dianalisis. OLAP juga sering disebut dengan analisis multidimensi [2]. Di dalam permodelan sebuah data warehouse terdapat beberapa macam schema yakni meliputi: 1. Star schema (Gambar 2): merupakan desain skema tabel dimana terdapat sebuah tabel fact dengan n-dimensi berada di tengah-tengah yang berfungsi sebagai penghubung tabel-tabel dimensi yang ada. Ada beberapa kelebihan dan kekurangan dari penggunaan star schema, yaitu untuk performansi sistem, star schema lebih dapat diandalkan dibandingkan dengan skema yang lainnya, hal ini dikarenakan penggunaan tingkat join antar tabel dimensi dan tabel fact yang sedikit sehingga memudahkan sistem untuk melakukan suatu operasi agregasi, sedangkan permasalahan yang timbul ialah munculnya redudansi di dalam tabel dimensi. Contohnya pada tabel dimensi lokasi, field city akan mengalami penulisan berulang pada jalan (street) yang berbeda.
Gambar 2 Desain Star Schema
2. Snowflake schema (Gambar 3): skema ini menyerupai star schema yakni terdiri dari satu tabel fact yang berfungsi sebagai penghubung tabel-tabel dimensi. Namun dalam snowflake schema, ada tabel dimensi yang mengalami normalisasi ke dalam suatu tabel dimensi baru yang lebih kecil cakupannya. Contohnya tabel dimensi Location, pada field city_key mengalami normalisasi sehingga membentuk tabel city untuk menghindari redudansi. Kelemahan dari skema ini
ialah join tabel yang banyak sehingga membuat sistem berjalan lambat.
Gambar 3 Desain Snowflake Schema
3. Fact constellation schema (Gambar 4): tipe skema ini berbeda dari dua tipe skema sebelumnya. Pada tipe skema ini memiliki banyak fact tabel yang menghubungkan banyak tabel dimensi. Skema ini juga disebut galaxy schema.
Gambar 4 Desain Fact Constellation Schema
4. Hasil Penelitian dan Pembahasan Implementasi Desain Sistem
Gambar 5 Usecase Diagram Aplikasi Data Warehouse Penjualan Mobil Pada Gambar 5 terdapat beberapa aktor yaitu (1) Aktor Karyawan, pada aktor ini terdapat generalisasi. Yang dimaksud dengan generalisasi ialah dari aktor yang sifatnya umum, dibuat ke dalam pembentukan aktor yang lebih spesifik. Generalisasi pada aktor karyawan terbagi menjadi beberapa aktor yakni (a) Aktor Manajemen PT ASCO.Aktor manajemen PTASCO merupakan aktor yang menjadi prioritas didalam sistem data warehouse penjualan mobil ini. Peran dari aktor ini digambarkan pada use case analisis data penjualan, use case login aplikasi data warehouse, use case print out data, use case perancangan dan pembuatan data warehouse. Use case tersebut saling berhubungan satu sama lain. Pada awalnya, aktor Manajemen PT ASCO lah yang dimintai keterangan tentang kebutuhan dari sistem, setelah sistem tersebut eksis, ia dapat melakukan login ke sistem dan melihat hasil data penjualan untuk melakukan analisis pasar. Setelah itu ia juga dapat melakukan print out data-data penjualan tersebut; (b) Aktor Karyawan IT, dalam sistem ini, aktor Karyawan IT memiliki beberapa use case di antaranya adalah use case penambahan (impor data) data historis penjualan, use case penyortiran data- data transaksi yang sesuai, use case login aplikasi data warehouse, login sistem transaksi. Aktor Karyawan IT memiliki tugas melakukan update data secara rutin, untuk itu ia akan melakukan login ke dalam sistem transaksi harian, dan melakukan penyortiran data-data transaksi yang ingin di update ke data warehouse, setelah itu ia akan melakukan impor data melalui sistem aplikasi data warehouse penjualan mobil; (2) Aktor Administrator, dalam use case diagram pada Gambar 5, aktor Administrator memiliki beberapa use case di antaranya use case perancangan dan pembuatan data warehouse, use case maintenance data, use case login data warehouse. Aktor Administrator merupakan aktor yang mendesain secara
keseluruhan dari sistem mulai dari identifikasi kebutuhan manajer PTASCO, analisis database transaksi, perancangan dan implementasi data warehouse, serta bertanggung jawab dalam melakukan perawatan data warehouse. Aktor ini bersifat independen dan bukan merupakan bagian dariAktor Karyawan.
........Baca Selengkapnya......
Silahkan Download File Dibawah ini...
Melalui 4shared..
Head Titanium Ti S6 - TITanium Art
ReplyDeleteHeadTiTiS6 – titanium trim hair cutter reviews TITanium Art is the product of T-Core. The T-Core titanium uses has the right form for 2016 ford fusion energi titanium the titanium dioxide head and it allows titanium earrings you to design your own premium premium