Anda di halaman 1dari 29

BAB 2

LANDASAN TEORI

2.1

Teori Umum
Teori umum terdiri dari beberapa pengertian-pengertian sebagai berikut :
2.1.1

Pengertian Database
Menurut Obrien (2005, p211), database adalah kumpulan terintegrasi dari

elemen data yang secara logika saling berhubungan.


Menurut Connolly dan Begg (2005, p15), database adalah kumpulan relasirelasi logikal dari data, dan deskripsi dari data, yang dapat digunakan bersama dan
dibuat untuk memperoleh informasi yang dibutuhkan oleh perusahaan.
Jadi database adalah data yang berelasi secara logikal yang dibuat untuk
memperoleh informasi yang di butuhkan oleh perusahaan

2.1.2

Pengertian Entity Relationship Modeling


Menurut Connolly dan Begg (2005, p342), Entity Relationship Modeling

adalah pendekatan top-down untuk perancangan database yang dimulai dengan


mengidentifikasikan data yang penting yang disebut entitas dan relationship antar
data harus diperlihatkan dalam model ini. Kemudian ditambahkan detail-detail
seperti informasi yang ingin ditambahkan tentang entitas dan relationship yang
disebut atribut dan berbagai constraint pada entitas, relationship, atribut, dan
multiplicity.
7

2.1.3

Pengertian Data Mart


Menurut Matteo Golfarelli, Stefano Rizzi (2009, p1), data mart ialah data

yang diambil dari ringkasan data warehouse ke dalam informasi yang relevan untuk
membuat keputusan, dalam bentuk multidimensional cubes, yang secara khusus diquery-kan oleh OLAP dan reporting front-ends. Menurut Conolly dan Begg (2005,
p1171), data mart merupakan bagian dari data warehouse yang mendukung
kebutuhan informasi bagian departemen atau fungsi bisnis tertentu. Karakteristik
yang membedakan antara data mart dengan data warehouse yaitu:

Data mart berfokus pada kebutuhan pengguna yang berhubungan dengan satu
bagian departemen atau fungsi bisnis.

Data mart tidak berisi data operasional yang bersifat detail.

Data mart lebih dimengerti dan digunakan karena berisi data yang lebih sedikit
dibandingkan data warehouse.

2.1.4

Pengertian OLTP (Online Transaction Processing)


Menurut Connolly dan Begg (2005, p1149), OLTP adalah sistem yang

dirancang untuk menangani jumlah hasil transaksi yang tinggi, dengan transaksi
yang biasanya membuat perubahan kecil bagi data operasional organisasi, yaitu data
yang memerlukan penanganan operasi setiap hari.
Menurut Kimball dan Ross (2002, p408), OLTP adalah deskripsi awal dari
setiap aktifitas dan sistem yang berhubungan dengan proses memasukkan data ke
dalam sebuah database. Berdasarkan definisi definisi di atas, dapat disimpulkan
bahwa OLTP adalah suatu sistem yang dirancang untuk menangani proses

pemasukkan data ke dalam database yang memiliki jumlah transaksi yang tinggi
dan biasanya merupakan data operasional harian dari perusahaan.

2.1.5

Pengertian OLAP (Online Analytical Processing)


Menurut Connolly dan Begg (2005, p1205), OLAP adalah sintesis, analisis,

dan konsolidasi dinamis dari sejumlah besar multidimensional data.


Menurut Kimball dan Ross (2002, p408), OLAP adalah kumpulan aturan
yang menyediakan sebuah kerangka dimensional untuk mendukung keputusan.
Berdasarkan definisi-definisi di atas, dapat disimpulkan bahwa OLAP adalah proses
analisis data dari sejumlah besar multidimensional data dengan menggunakan
sekumpulan alat grafikal yang dapat digunakan untuk mendukung proses
pengambilan keputusan.

2.1.6

Konsep Data Warehouse


2.1.6.1 Pengertian Data Warehouse
Menurut Inmon (2005, p29), sebuah data warehouse ialah sebuah
kumpulan data yang integrated, subject-oriented, nonvolatile, dan time
variant yang mendukung manajemen pengambilan keputusan.
Menurut Laudon (2006, p233), data warehouse adalah database
yang menyimpan data penting saat ini dan historis dari kebutuhan informasi
untuk manajer dalam perusahaan.

10

Menurut Ramakhrisnan and Gehrke (2004:651), data warehouse


berisi data gabungan dari banyak sumber,

tambah dengan informasi

ringkasan dan mencakup periode waktu yang lama.


2.1.6.2 Keunggulan Data Warehouse
Menurut Connolly dan Begg (2005, p1152), data warehouse yang
telah diimplementasikan dengan baik dapat memberikan keuntungan yang
besar bagi organisasi, yaitu:

Potensi nilai kembali yang besar pada investasi


Sebuah organisasi harus mengeluarkan uang dan sumber daya dalam

jumlah yang cukup besar untuk memastikan kalau data warehouse telah
diimplementasikan dengan baik, biaya yang dikeluarkan tergantung dari
solusi teknikal yang diinginkan. Akan tetapi, setelah data warehouse
digunakan, maka kemungkinan didapatkannya ROI (Return on Investment)
relatif lebih besar.

Keuntungan kompetitif
Keuntungan Kompetitif didapatkan apabila pengambil keputusan

mengakses data yang dapat mengungkapkan informasi yang sebelumnya


tidak diketahui, tidak tersedia, misalnya informasi mengenai konsumen,
trend, dan permintaan.

Meningkatkan produktivitas para pengambil keputusan perusahaan.


Data warehouse meningkatkan produktivitas para pengambil

keputusan perusahaan dengan menciptakan sebuah database yang


terintegrasi secara konsisten, berorientasi pada subjek, dan data historis.

11

Data warehouse mengintegrasikan data dari beberapa sistem yang tidak


compatible ke dalam bentuk yang menyediakan satu pandangan yang
konsisten dari organisasi. Dengan mengubah data menjadi informasi yang
berguna, maka seorang manajer bisnis dapat membuat analisa yang lebih
akurat dan konsisten.
2.1.6.3 Karakteristik Data Warehouse
Menurut Inmon (2005, p29-32), karakteristik dari data warehouse
yaitu subject oriented, integrated, nonvolatile dan time variant. Keempat
karakteristik ini saling terkait satu sama lain, sehingga ke semuanya harus
diimplementasikan agar suatu data warehouse bisa secara efektif memiliki
data yang mendukung pengambilan keputusan.
Menurut Darudianto (2008), suatu basis data dapat digolongkan
sebagai data warehouse jika memiliki karakteristik sebagai berikut.

Berorientasi subjek. Data diorganisasikan oleh subjek detail (misalnya


berdasarkan pelanggan, jenis kebijakan, dan lain-lain).

Terintegrasi , berarti bahwa basis data mencakup data dari kebanyakan


atau semua aplikasi operasional organisasi dan data tersebut dibuat secara
konsisten.

Time-Variant (time series). Data tidak menyediakan status saat ini.


Mereka disimpan untuk lima atau sepuluh tahun atau lebih dan digunakan
untuk tren, peramalan, dan perbandingan. Waktu adalah dimensi penting
yang harus didukung oleh semua data warehouse.

12

Nonvolatile. Sekali dimasukkan ke dalam warehouse, data adalah readonly, mereka tidak dapat diubah. Data usang dibuang dan perubahan
direkam sebagai data baru. Hal itu memungkinkan data warehouse untuk
disesuaikan hampir secara eksklusif untuk akses data.

Ringkas. Jika diperlukan, data operasional dikumpulkan ke dalam


ringkasan. Data di dalam sebuah data warehouse biasanya tidak
dinormalisasi dan sangat redundan.

Sumber. Semua sumber data ada, baik internal maupun eksternal.

Metadata. Metadata mengacu pada data tentang data. Metadata


menguraikan struktur dan beberapa arti tentang data, dengan demikian
mendukung penggunaan efektif atau tidak efektif dari data.

2.1.6.4 Arsitektur Data Warehouse


Arsitektur data warehouse menurut Connolly dan Begg (2005,
p1162) sebagai berikut:

13

Gambar 2. 1 Arsitektur Data warehouse (Connolly, 2005, p1162)


Menurut Connoly dan Begg (2005, p1156), komponen utama data
warehouse, antara lain :

Data Operasional
Data operasional adalah data yang digunakan untuk mendukung proses

bisnis sehari-hari.

Operational Data Store (ODS)


Operatinal data store adalah tempat penyimpanan data operasional

yang bersifat current dan terintegrasi yang digunakan untuk analisis. Atau
dengan kata lain, ODS mendukung proses transaksi operasional maupun
proses analisis. Dengan adanya ODS maka pembangunan data warehouse

14

menjadi lebih mudah karena ODS dapat menyediakan data yang telah
diekstrak dari sumber dan telah dibersihkan sehingga proses pengintegrasian
dan restrukturisasi data untuk data warehouse menjadi lebih sederhana.

Load Manager
Disebut juga komponen front end menangani semua operasi yang

berhubungan dengan fungsi extract data (mengambil data) dan fungsi


loading data (menaruh data) ke dalam data warehouse

Warehouse Manager
Warehouse manager menangani semua operasi yang berhubungan

dengan management data dalam data warehouse. Operasi-operasi yang


dijalankan oleh warehouse manager mencakup :
a. Analisis data untuk menjaga konsistensi data.
b. Melakukan transformasi dan penggabungan sumber data dari tempat
penyimpanan sementara ke dalam tabel-tabel data warehouse.
c. Melakukan denormalisasi.
d. Melakukan agregasi.
e. Menyimpan (archive) dan back-up data.

Query Manager
Query manager (disebut juga komponen backend) menangani semua

operasi yang berhubungan dengan management permintaan user (user


queries). Operasi yang dijalankan oleh query manager meliputi kegiatan
mengarahkan permintaan ke tabel-tabel data yang tepat dan melakukan
penjadwalan eksekusi terhadap permintaan.

15

Detailed Data
Dalam data warehouse, area ini adalah tempat penyimpanan semua

detailed data dalam skema basis data. Detailed data dibagi menjadi 2, yaitu
current detail data (tempat penyimpanan semua detailed data yang bersifat
current) dan old detailed data ( tempat penyimpanan semua detailed data
yang bersifat old).

Lightly and Highly Summerized Data


Area ini adalah tempat penyimpanan sementara data predefinisi yang

teringkas secara light dan high (predefined lightly and highly summarized)
yang dihasilkan oleh warehouse manager. Tujuan dari ringkasan informasi
ini adalah untuk mempercepat tanggapan terhadap permintaan user.
Ringkasan data di-update secara berkala seiring dengan bertambahnya data
dalam data warehouse.

Archive / Backup data


Dalam data warehouse, area ini digunakan untuk menyimpan detailed

data dan data yang telah diringkas. Tujuannya adalah untuk penyimpanan
(archiving) dan backup. Data kemudian ditransfer ke media penyimpanan
seperti magnetic tape atau optical disk.

Metadata
Digunakan untuk menyimpan semua definisi metadata (keterangan

tentang data) yang digunakan dalam seluruh proses warehouse. Metadata


digunakan untuk berbagai tujuan, antara lain :
a. proses extracting dan loading

16

b. proses warehouse management


c. sebagian proses query management

End-User Access Toolss


End-user access toolss adalah tools yang memanfaatkan kegunaan dari

data warehouse. Kegunaan data warehouse tersebut, antara lain untuk


pembuatan laporan, OLAP, data mining dan proses informasi eksekutif.

2.1.6.5 Aliran Data dalam Data Warehouse


Menurut Connoly dan Begg (2005, p1161-1165), data warehouse
fokus pada manajemen lima arus data primer, yaitu :

Inflow
Merupakan proses ekstraksi, pembersihan, dan pengisian data dari

sumber data ke dalam data warehouse. Proses inflow ini berkonsentrasi pada
proses mengambil data dari sumber sistem dan memasukannya ke dalam
data warehouse. Cara lainnya yaitu data dimasukan ke dalam operational
data store (ODS) sebelum dikirim ke data warehouse. Proses rekontruksi
data meliputi :
a. Membersihkan data yang kotor
b. Restrukturisasi data untuk dicocokan dengan kebutuhan dari data
warehouse, contohnya menambah atau membuang field-field, dan
denormalisasi data.
c. Memastikan bahwa sumber data konsisten dengan dirinya sendiri
dan dengan data lainnya yang sudah ada di data warehouse.

17

Upflow
Merupakan penambahan nilai ke dalam data di dalam data warehouse

melalui peringkasan, pemaketan, dan distribusi data. Aktifitas yang


berhubungan dengan upflow yaitu sebagai berikut :
a. Meringkas

data

dengan

proses

memilih,

memperhitungkan,

menggabungkan dan mengelompokan data relasional ke dalam


tampilan yang lebih berguna bagi user.
b. Pengepakan data dengan mengubah data detail ke dalam format yang
lebih berguna seperti spreadsheets, teks dokumen, diagram, tampilan
grafik yang lain, database pribadi dan animasi.
c. Mendistribusikan data ke kelompok-kelompok yang tepat untuk
meningkatkan ketersediaan dan dapat diakses.

Downflow
Merupakan proses mengambil dan mem-backup data dalam data

warehouse. Menyimpan data lama memainkan peranan yang penting di


dalam mempertahankan penampilan dan efektifitas dari warehouse dengan
mengirimkan data lama dengan nilai yang terbatas ke sebuah tempat
penyimpanan seperti magnetic tape dan optical disk. Downflow dari data
juga meliputi proses yang memastikan bahwa kondisi yang sekarang dari
data warehouse dapat dibangun kembali jika terjadi kehilangan data,
kegagalan software atau hardware.

18

Outflow
Merupakan proses membuat data agar tersedia bagi enduser Outflow

merupakan kondisi dimana manfaat dari data warehouse benar-benar


dirasakan oleh sebuah organisasi. Dua aktifitas kunci terdapat pada outflow
yaitu sebagai berikut :
a. Pengaksesan, dimana berhubungan dengan proses memuaskan
pemakai akhir dengan menyediakan data yang dibutuhkan oleh
mereka. Yang menjadi perhatian utama yaitu membuat suatu
lingkungan jadi user dapat dengan efektif menggunakan query tool
untuk mengakses sumber data yang paling tepat. Frekuensi dari
pengaksesan ini dapat bervariasi mulai dari ad hoc, secara rutin,
sampai real time. Selain itu juga harus dipastikan bahwa sumber
sistem digunakan dengan cara yang paling efektif di dalam
menjadwalkan pengeksekusian terhadap query dan user.
b. Pengiriman, dimana berhubungan dengan secara aktif mengirimkan
informasi ke workstation dari user. Ini merupakan area yang baru
dari data warehouse dan sering dihubungkan dengan proses publish
dan subcribe. Warehouse akan mempublish objek bisnis bermacammacam dan user akan mensubcribe terhadap objek bisnis yang
dibutuhkan mereka.

Metaflow
Merupakan proses manajemen metadata. Metaflow merupakan proses

yang memindahkan metadata (data tentang flow yang lainnya). Metadata

19

merupakan deskripsi dari data yang ditampung di dalam data warehouse,


apa yang telah dilakukan terhadap data tersebut dengan cara cleansing,
integrating, dan summarizing.

2.1.6.6 Anatomi Data Warehouse


Berdasarkan Inmon (2005, p193) berikut ini macam-macam anatomi
yang ada pada Data Warehouse:

Data Warehouse Fungsional


Tiap data warehouse fungsional mencakup sebuah grup tersendiri yang

terpisah (seperti divisi), area fungsional, unit geografis, atau grup pemasaran
produk. Data warehouse fungsional berfokus pada kebutuhan dari sebuah
fungsi bisnis, misalkan departemen, divisi, dan sebagainya. Keuntungan dari
data warehouse ini adalah memberikan fleksibilitas karena dapat
disesuaikan dengan permasalahan bisnis spesifik dan kemungkinan dari
departemen atau lini bisnis tertentu, disamping relatif lebih murah dan lebih
sederhana untuk diimplementasikan.
Perusahaan umumnya membangun beberapa rangkaian data warehouse
fungsional untuk mendukung area yang berbeda-beda, dan hal ini
memberikan pengembangan yang cepat. Perusahaan juga dapat memberikan
respon yang lebih cepat terhadap kesempatan pasar.Namun, terdapat resiko
hilangnya konsistensi data di luar lingkungan fungsi bisnis bersangkutan.
Apabila pendekatan ini lingkupnya diperbesar dari lingkungan fungsional
menjadi lingkup perusahaan, konsistensi data perusahaan tidak dapat
dijamin.

20

Data Warehouse Terpusat


Data Warehouse terpusat adalah sebuah database yang diciptakan dari

pengekstraksian operasional yang menganut pada sebuah model data tunggal


enterprise yang konsisten untuk memastikan konsistensi atas data
pendukung dalam perusahaaan. Merupakan penerapan gaya komputerisasi
dimana semua sistem informasi dilokasikan dan dimanajemen dari sebuah
lokasi fisikal tunggal.
Data warehouse terpusat adalah sebuah database fisikal tunggal yang
menyimpan semua data untuk area fungsional spesifik, departemen, divisi
atau perusahaan (enterprise). Pendekatan ini umumnya digunakan saat
terdapat banyak end-user yang sudah terhubung dengan sebuah komputer
atau jaringan pusat.
Data warehouse terpusat biasanya menyimpan data dari sistem operasi
yang berbeda-beda. Data yang disimpan didalamnya dapat diakses dari
sebuah lokasi dan harus di-load dan dipelihara pada basis data regular data
warehouse terpusat melingkupi sebuah data warehouse tunggal yang
melayani semua kebutuhan perusahaan. Tujuan dari pendekatan ini adalah
untuk memecahkan permasalahan organisasional yang membatasi operasi
perusahaan.
Jadi, membangun sebuah data warehouse terpusat yang terunifikasi
sangat kompleks, membutuhkan biaya besar dan waktu lebih banyak.
Namun, keuntungan dari data warehouse terpusat yang menyediakan
gambaran yang komprehensif, tingkat control dan reliabilitas yang tinggi
karena keterpaduan data di dalamnya.

21

Data Warehouse Terdistribusi


Data warehouse terdistribusi adalah sebuah sumber data terpisah yang

dapat diakses user via gateway pusat menyediakan view logical atas data
corporate dalam gambaran yang dapat dipahami oleh user. Gateway
tersebut akan melakukan parse dan mendistribusikan query secara real-time
ke sumber data terpisah dan mengembalikan result set-nya ke user. Data
warehouse terdistribusi adalah data warehouse yang komponennya
didistribusikan ke beberapa database fisikal yang berbeda.
Pendekatan ini umumnya dipilih saat perusahaan besar ingin mengikut
sertakan level organisasinya yang lebih rendah dalam pengambilan
keputusan, sehingga diperlukan penurunan data untuk pembuatan keputusan
ke komputer lokal tempat pengambilan keputusan lokal. Umumnya, data
warehouse terdistribusi melibatkan data yang paling redundan dan
konsekuensinya adalah proses load dan update yang sangat kompleks.
Pendekatan ini memerlukan biaya yang sangat besar karena setiap sistem
pengumpul data fungsional dan sistem operasinya dikelola secara terpisah.
Disamping

itu,

supaya

berguna

bagi

perusahaan,

data

harus

disinkronisasikan untuk memelihara keterpaduannya.

2.1.7

Nine Step Methodology


Berdasarkan kutipan dari Connolly dan Begg (2005, p1187-1193),

metodologi dalam membangun data warehouse ada 9 tahapan , yang dikenal


dengan Nine-step Methodology. Sembilan tahap tersebut adalah :

22

Pemilihan Proses
Data mart pertama yang akan dibangun harus tepat waktu, disesuaikan dengan
anggaran dan menjawab pertanyaan bisnis yang penting. Data mart adalah
bagian dari data warehouse yang mendukung kebutuhan pada suatu unit
departemen dari perusahaan atau fungsi bisnis.

Pemilihan Grain
Memilih grain berarti menentukan secara tepat apa yang direpresentasikan oleh
record pada tabel fakta. Sebagai contoh PropertySale merepresentasikan fakta
mengenai setiap penjualan properti dan menjadi tabel fakta dari skema bintang
PropertySale. Oleh karena itu, grain dari tabel fakta PropertySale adalah
penjualan

properti

itu

sendiri.

Ketika

grain

dipilih,

dimensi

dapat

diidentifikasikan dari tabel fakta. Sebagai contoh Branch, Staff, Owner,


ClientBuyer, PropertyForSale, dan Promotion entity akan digunakan untuk
tabel dimensi utama yang selalu ada dalam skema bintang.

Identifikasi dan Penyesuaian Dimensi


Mengatur dimensi dari data mart yang dibangun dengan baik akan memberikan
kemudahan dalam memahami dan menggunakan data mart tersebut. Dimensi
diidentifikasikan dengan detail untuk menjelaskan suatu hal seperti client dan
properti pada grain yang tepat.
Sebagai contoh dimensi client buyer mendeskripsikan atribut ID, nama, tipe,
kota, area, dan negara. Jika dimensi apapun ada di dalam dua data mart, maka
dimensi tersebut merupakan dimensi yang sama, atau dimensi yang satu
merupakan suatu perhitungan matematika dari dimensi yang lainnya. Hanya

23

dengan ciri ini, dua data mart dapat berbagi satu atau lebih data mart, dimensi
tersebut harus sesuai. Sebagai contoh, dimensi-dimensi yang sesuai dengan
penjualan

properti

dan

periklanan

properti

adalah

dimensi

Time,

PropertyForSale, Branch, dan Promotion. Jika dimensi-dimensi tersebut tidak


sesuai, maka data warehouse akan gagal untuk dibangun, sebab dua data mart
tersebut tidak akan dapat digunakan secara bersamaan.

Pemilihan Fakta
Sumber dari sebuah tabel fakta menentukan fakta mana yang bisa digunakan
dalam data mart. Semua fakta harus diekspresikan pada tingkat yang telah
ditentukan oleh sumber. Misalnya, jika sumber dari tabel fakta adalah property
sale, maka semua fakta numerik harus menunjuk pada particular sale.

Menyimpan Pre-calculation pada Table Fakta


Setelah fakta-fakta dipilih maka dilakukan pemeriksaan ulang untuk
menentukan apakah fakta-fakta memungkinkan diterapkan untuk precalculation (kalkulasi awal) dan melakukan peyimpanan pada tabel fakta.
Contoh umum dari kebutuhan untuk penyimpanan pre-calculation muncul
ketika fakta berisi pernyataan untung atau rugi. Situasi ini akan meningkat
ketika tabel fakta didasarkan pada invoice atau sales.

Melengkapi Table Dimensi


Dalam langkah ini, kembali pada tabel dimensi dan menambahkan gambaran
teks terhadap dimensi yang memungkinkan. Gambaran teks harus mudah
digunakan dan dimengerti oleh user. Kegunaan suatu data mart ditentukan oleh
lingkup dan atribut tabel dimensi.

24

Pemilihan durasi Basis Data


Durasi mengukur waktu dari pembatasan data yang diambil dan dipindahkan ke
dalam tabel fakta. Sebagai contoh, perusahaan asuransi memiliki kebutuhan
untuk menyimpan data dalam jangka waktu 5 tahun atau lebih. Tabel fakta yang
besar menimbulkan dua persoalan. Pertama, semakin lama umur data, akan
muncul masalah pembacaan dan interpretasi terhadap file yang lama. Kedua,
terdapat kemungkinan digunakannya versi dimensi yang lama, bukan versi
terbarunya.

Melacak Perubahan dari Dimensi Secara Perlahan


Memperhatikan perubahan dimensi yang ada pada tabel khusus data history atau
data lama yang telah berubah. Tiga dasar perubahan dimensi secara perlahan,
yaitu:
a. Perubahan data dimensi langsung dilakukan pada tabel dimensinya
b. Perubahan data dimensi mengakibatkan pembentukan record baru.
c. Perubahan data dimensi mengakibatkan sebuah atribut atau kolom alternatif
dibuat, jadi antara record yang lama dan record yang baru diakses secara
bersama-sama.

Memutuskan Prioritas dan Mode dari Query


Mempertimbangkan pengaruh dari rancangan fisik, seperti penyortiran urutan
tabel fakta pada disk dan keberadaan dari penyimpanan awal ringkasan
(summaries) atau penjumlahan (aggregate). Selain itu, masalah administrasi,
backup, kinerja indeks, dan keamanan juga merupakan faktor yang harus
diperhatikan.

25

2.1.8

Skema Bintang (Star Schema)


Menurut Connolly dan Begg (2005, p1183), skema bintang adalah sebuah

struktur logikal yang memiliki tabel fakta di tengahnya, yang terdiri atas data
faktual, dan dikelilingi oleh tabel-tabel dimensi yang berisi referensi data. Skema
bintang mengeksploitasi karakteristik data faktual seperti fakta yang digenerasikan
oleh events yang muncul pada waktu yang lampau dan tidak berubah. Skema
bintang dapat digunakan untuk mempercepat kinerja query dengan informasi
referensi denormalisasi ke tabel dimensi tunggal.
Skema bintang memiliki beberapa kelebihan yang tidak ada dalam struktur
relasional biasa. Keuntungan skema bintang yaitu :

Efisiensi, struktur database konsisten sehingga efisien dalam mengakses data


dengan menggunakan tool untuk menampilkan data termasuk laporan tertulis
dan query.

Kemampuan untuk mengatasi perubahan kebutuhan, skema bintang dapat


beradaptasi terhadap perubahan kebutuhan pengguna karena semua tabel
dimensi memiliki kesamaan dalam hal menyediakan akses ke tabel fakta.

Extensibility, model dimensional dapat dikembangkan. Seperti menambah tabel


fakta selama data masih konsisten, menambah tabel dimensi selama ada nilai
tunggal di table dimensi tersebut yang mendefinisikan setiap record tabel fakta
yang ada, menambahkan attribute tabel dimensi, dan memecah record tabel
dimensi yang ada menjadi level yang lebih rendah daripada level sebelumnya.

Kemampuan untuk menggambarkan situasi bisnis pada umumnya, pendekatan


standar untuk menangani situasi umum di dunia bisnis yang terus bertambah.

26

Proses query yang bisa diprediksi, aplikasi data warehouse yang mencari data
dari level yang di bawahnya akan mudah menambahkan jumlah attribute pada
tabel dimensi dari sebuah skema bintang. Aplikasi yang mencari data dari level
yang setara akan menghubungkan tabel fakta yang terpisah melalui tabel
dimensi yang dapat diakses bersama.

2.1.9

Tabel Fakta (Fact Tabel)


Menurut Inmon (2005, p497), fact table ialah pusat dari tabel star join

dimana data dengan banyak kepentingan tersimpan.


Menurut Kimball dan Ross (2002, p402), fact table pada sebuah star schema
ialah tabel central dengan pengukuran performansi bisnis dalam bentuk numerik
yang memiliki karakteristik berupa sebuah composite key, yang tiap-tiap elemennya
adalah foreignkey yang didapat dari tabel dimensi. Dari beberapa teori tersebut
dapat disimpulkan Table fakta sering disebut major table, yang merupakan inti dari
skema bintang dan berisi data aktual yang akan dianalisis.

2.1.10 Tabel Dimensi (Dimension Tabel)


Menurut Inmon (2005, p495), dimension table atau table dimensi merupakan
tempat dimana data tambahan yang berhubungan dengan tabel fakta ditempatkan
pada sebuah table multidimensional.
Menurut Kimball dan Ross (2002, p399), tabel dimensi ialah sebuah tabel
pada model dimensional yang memiliki sebuah primary key tunggal dan kolom
dengan atribut deskriptif.

27

Dari beberapa teori tersebut dapat disimpulkan Table dimensi merupakan


tabel dari skema bintang yang menyediakan jenis perspektif dari cara pandang
terhadap data.

2.1.11 ETL (Extract, Transform, Loading)


Menurut Kimball dan Ross (2002, p401), ETL adalah kumpulan proses
menyiapkan data dari operational source untuk data warehouse.
Proses ini terdiri dari extracting, transforming, loading, dan beberapa proses
yang dilakukan sebelum dipublikasikan ke data warehouse. Jadi, ETL adalah proses
menyiapkan data yang meliputi pencarian data, pengintegrasian data, dan
penempatan data dari operational source ke dalam data warehouse. Proses ini
terdiri dari tiga tahap, yaitu :

Extraction
Menurut Kimball dan Ross (2002, p8), extraction ialah langkah pertama dalam
proses mendapatkan data ke dalam lingkungan data warehouse. Langkah
pertama dari proses ETL adalah proses penarikan data dari satu atau lebih
sistem operasional sebagai sumber data (biasa diambil dari sistem OLTP, tapi
bisa juga dari sumber data di luar sistem database). Kebanyakan proyek data
warehouse menggabungkan data dari sumber-sumber yang berbeda. Pada
hakekatnya, proses ekstraksi adalah proses penguraian dan pembersihan data
yang diekstrak untuk mendapatkan suatu pola atau struktur data yang
diinginkan.

28

Transformation
Menurut Kimball dan Ross (2002, p8), setelah data di extract, ada sejumlah
transformation yang mungkin dilakukan, seperti melakukan cleansing data
(memperbaiki kesalahan pengejaan kata, mengatasi masalah elemen yang
hilang, atau mengubah ke bentuk standard), mengkombinasikan data dari
berbagai sumber, dan memberikan warehouse keys.
Proses membersihkan data yang telah diambil pada proses extract sehingga
data itu sesuai dengan struktur data warehouse atau data mart.
Hal-hal yang dapat dilakukan dalam tahap transformasi :
a. Hanya memilih kolom tertentu saja untuk dimasukkan ke dalam data
warehouse.
b. Menerjemahkan nilai berupa kode (misal, database sumber menyimpan nilai
1 untuk pria dan 2 untuk wanita, tetapi data warehouse menyimpan M untuk
pria dan F untuk wanita). Proses yang dilakukan disebut automated data
cleansing, tidak ada pembersihan secara manual selama proses ETL.
c. Mengkodekan nilai-nilai ke dalam bentuk bebas (misal, memetakan
male,1, dan Mr ke dalam M).
d. Melakukan

perhitungan

nilai-nilai

baru

(misal

sale_amount

qty*unit_price).
e. Menggabungkan data dari berbagai sumber bersama-sama.
f. Membuat ringkasan dari sekumpulan baris data (misal, total penjualan untuk
setiap bagian).
Kesulitan yang terjadi pada proses transformasi adalah :
a. Data harus digabungkan dari beberapa sistem terpisah.

29

b. Data harus dibersihkan sehingga konsisten.


c. Data harus diagregasi untuk mempercepat analisis.

Loading
Menurut Kimball dan Ross (2002, p8), setelah melakukan transformasi maka
data dapat dimuat ke dalam data warehouse. Merupakan tahap akhir dalam
proses ETL. Proses memasukkan data ke dalam target akhir, dalam hal ini
adalah data warehouse atau data mart. Data berasal dari proses transformasi.
Setelah data yang dihasilkan dari proses transformasi sesuai dengan kondisi
yang diinginkan pada data warehouse atau data mart, maka proses loading akan
berjalan. Data dari staging area akan dipindahkan ke dalam data warehouse
atau data mart.

2.1.12 Pengertian Supply Chain Management (SCM)


Menurut Christina Whidya Utami, (2006, p.126), supply chain management
adalah proses penyatuan bisnis dari pengguna akhir melalui para penyalur asli yang
menyediakan produk, jasa pelayanan, dan informasi untuk menambah nilai
pelanggan.
Menurut Yolanda M Siagian (2005, p.6), supply chain management
menegaskan interaksi antar fungsi pemasaran, produksi pada perusahaan.
Memanfaatkan kesempatan untuk meningkatkan pelayanan dan penurunan biaya
dapat dilakukan melalui koordinasi dan kerjasama antara pengadaan bahan baku dan
pendistribusiannya.

30

2.1.13 Pengertian Intranet


Menurut James A. OBrien (2005, p326), intranet adalah jaringan internal
organisasi yang menggunakan infrastruktur dan standarisasi seperti internet dan web
yang hanya dapat diakses oleh para pekerja perusahaan tersebut.
Menurut McLeod & Schell (2004, p123), intranet adalah jaringan terbatas
yang memiliki kemampuan seperti internet dalam suatu perusahaan, tidak dapat
diakses oleh pihak luar dari perusahaan.
Jadi Intranet adalah jaringan komunikasi yang sama dengan jaringan internet
tetapi hanya dalam lingkup yang terbatas, dimana hanya dalam satu kesatuan
organisasi saja, misalnya dalam perusahaan atau kantor saja yang tidak dapat
diakses oleh pihak luar dari perusahaan.
Website adalah kumpulan yang menampilkan informasi, dokumen
dokumen, berkas-berkas gambar, video, atau jenis-jenis berkas lainnya. Sebuah
situs web biasanya ditempatkan setidaknya pada sebuah server web yang dapat
diakses melalui jaringan seperti internet, ataupun jaringan wilayah lokal (LAN).

31

2.2

Teori Khusus
2.2.1

Pengertian Persediaan
Menurut Alfredson (2007, p342), persediaan adalah aset yang tersedia untuk

dijual dalam proses bisnis biasa atau aset yang ada dalam proses produksi seperti
untuk dijual atau aset dalam bentuk material atau supplier untuk digunakan dalam
proses produksi atau dalam memberikan pelayanan.
Pendapat Warren, Reeve, Fess (2005:440) mengatakan persediaan adalah
barang dagang yang disimpan untuk dijual dalam operasi bisnis perusahan, dan
bahan yang digunakan dalam proses produksi atau disimpan untuk tujuan itu.
Persediaan yang diperoleh perusahaan langsung dijual kembali tanpa mengalami
proses produksi selanjutnya disebut persediaan barang dagang
Jadi dapat disimpulkan bahwa persediaan merupakan suatu aset yang
tersedia yang disimpan untuk digunakan dalam proses produksi atau disediakan
untuk memenuhi permintaan pelanggan setiap waktu.
Metode Pencatatan Persediaan
Berdasarkan pendapat Horngren et al (2002, p169-170), terdapat dua tipe utama
dari sistem persediaan, yaitu :
a.

Sistem Persediaan Periodik

Sistem ini dilakukan dengan melakukan perhitungan fisik dari persediaan yang ada
di gudang pada setiap akhir periode, dan menggunakan data yang di dapat untuk
membuat laporan keuangan.

32

b.

Sistem Persediaan Perpetual

Adalah suatu sistem yang mencatat seluruh barang yng dibeli dan dijual, persediaan
dihitung setidaknya sekali setahun, dan dapat digunakan untuk seluruh tipe atau
jenis barang.

2.2.2

Pengertian Penjualan
Menurut Marom, Chairul (2002, p28), penjualan adalah penjualan barang

dagangan sebagai usaha pokok perusahaan yang biasanya dilakukan secara teratur.
Berdasarkan pengertian di atas, maka dapat disimpulkan bahwa penjualan
adalah persetujuan kedua belah pihak antara penjual dan pembeli, dimana penjual
menawarkan suatu produk dengan harapan pembeli dapat menyerahkan sejumlah
uang sebagai alat ukur produk tersebut sebesar harga jual yang telah disepakati.
Klasifikasi Transaksi Penjualan
Menurut Midjan, La (2001, p170), transaksi penjualan dapat di klasifikasikan
sebagai berikut :
a.

Penjualan Tunai
Adalah penjualan yang bersifat cash dan carry pada umumnya terjadi secara
kontan dan dapat pula terjadi pembayaran selama satu bulan dianggap kontan.

b.

Penjualan Kredit
Adalah penjualan dengan tenggang waktu rata-rata diatas satu bulan.

33

c.

Penjualan Tender
Adalah penjualan yang dilaksanakan melalui prosedur tender untuk
memegangkan tender selain harus memenuhi berbagai prosedur.

d.

Penjualan Ekspor
Adalah penjualan yang dilaksanakan dengan pihak pembeli luar negeri yang
mengimpor barang tersebut.

e.

Penjualan Konsinyasi
Adalah penjualan yang dilakukan secara titipan kepada pembeli yang juga
sebagai penjual.

f.

Penjualan Grosir
Adalah penjualan yang tidak langsung kepada pembeli, tetapi melalui
pedagang grosir atau eceran.

2.2.3

Pengertian Pembelian
Menurut Kakouris (2006, p709), pembelian sekarang diakui sebagai sebuah

fungsi strategis, tidak hanya karena keputusan dibuat oleh manajer pembelian yang
memiliki pengaruh besar pada kinerja perusahaan secara keseluruhan, tetapi juga
karena para pebisnis harus mengatur proses yang menghubungkan mereka dengan
para pemasok mereka.

34

Menurut

Mulyadi

(2001,

p299-300),

pembelian

digunakan

dalam

perusahaan untuk pengadaan barang yang diperlukan perusahaan. Fungsi pembelian


bertanggung jawab untuk memperoleh informasi mengenai harga barang,
menentukan pemasok yang dipilih dalam pengadaan barang, dan mengeluarkan
order pembelian kepada pemasok yang dipilih dalam pengadaan barang, dan
mengeluarkan order pembelian kepada pemasok yang dipilih.
Menurut Mulyadi (2001, p300), jaringan prosedur yang membentuk sistem
akuntansi pembelian adalah sebagai berikut :
1. Prosedur permintaan pembelian
Dalam prosedur ini, fungsi gudang mengajukan permintaan pembelian
dalam formulir surat permintaan pembelian kepada fungsi pembelian. Jika barang
tidak disimpan di gudang, misalnya untuk barang langsung pakai, fungsi yang
memakai barang mengajukan permintaan pembelian langsung ke fungsi pembelian
dengan menggunakan surat permintaan pembelian.
2. Prosedur permintaan penawaran harga dan penelitian pemasok
Dalam prosesdur ini, fungsi pembelian mengirimkan surat permintaan
penawaran harga kepada pemasok untuk memperoleh informasi mengenai harga
barang dan berbagai syarat pembelian yang lain, untuk memungkinkan pemilihan
pemasok yang akan ditunjuk sebagai pemasok barang yang diperlukan oleh
perusahaan.
3. Prosedur order pembelian
Dalam prosedur ini, fungsi pembelian mengirimkan surat order pembelian
kepada pemasok yang dipilih dan memberitahukan kepada unit-unit organisasi lain

35

dalam perusahaan, mengenai order pembelian yang sudah dikeluarkan oleh


perusahaan.
4. Prosedur penerimaan barang
Dalam prosedur ini, fungsi penerimaan melakukan pemeriksaan mengenai
jenis, kualitas, dan mutu barang yang diterima dari pemasok, dan kemudian
membuat laporan penerimaan barang untuk menyatakan penerimaan barang dari
pemasok tersebut.
5. Prosedur pencatatan utang
Dalam prosedur ini, fungsi akuntansi memeriksa dokumen-dokumen yang
berkaitan dengan pembelian dan menyelenggarakan pencatatan utang atau
mengarsipkan dokumen sumber sebagai catatan utang.
6. Prosedur distribusi pembelian
Prosedur ini meliputi distibusi rekening yang didebit dari transaksi
pembelian untuk kebutuhan pembuatan laporan bagi manajemen.