BAB 2
Landasan Teori
2.1. Teori-Teori Umum
2.1.1. Pengertian Sistem
Menurut (Satzinger, Jackson, & Burd, 2009:6), sistem adalah suatu
kumpulan dari komponen yang saling berhubungan yang bertujuan sama untuk
mencapai suatu hasil.
Menurut (Carlo, 2009:21), sistem adalah sebuah alur yang terdiri dari
komponen-komponen yang sama yang terhubung satu dengan yang lain sehingga
dapat memberikan hasil dan dapat mencapai tujuan tertentu.
2.1.2. Pengertian Informasi
Menurut OBrien (2010:34), informasi adalah data yang diubah ke dalam
suatu kontek yang memiliki arti dan berguna bagi end user tertentu.
Menurut Turban (2010:41), informasi adalah data yang sudah
diorganisasi sehingga memiliki arti dan nilai untuk penerima.
Menurut Cegielski & Rainer (2011:10), informasi adalah data yang telah
terorganisasi sehingga dapat memberikan arti dan nilai bagi yang menerima
informasi.
2.1.3. Pengertian Sistem Informasi
Menurut OBrien dan Marakas (2010:4), sistem informasi dapat berupa
kombinasi yang terorganisir antara orang, perangkat keras, perangkat lunak,
jaringan, komunikasi, dan sumber data yang terkumpul, berubah, dan
menyebarkan informasi dalam sebuah organisasi.
Menurut John W.Satzinger (2009:6), sistem informasi adalah suatu
kumpulan
dari
penyimpanan
komponen
dan
yang
meyajikan
meliputi
hasil
pengumpulan,
informasi
yang
pengelolahan,
diperlukan
untuk
6
Menurut Connolly & Begg (2010:312), sistem informasi merupakan
sumber daya yang memungkinkan informasi untuk dikumpulkan, diolah, diatur,
dan disebarkan di seluruh organisasi.
2.1.4. Pengertian Data
Menurut Cegielski & Rainer (2011:10), data adalah deskripsi dasar dari
benda, event, Aktivitas, dan transaksi yang telah direkam, diklasifikasi, disimpan
tetapi belum bisa menyampaikan arti yang lebih spesifik.
Menurut McLeod & Schell (2008:10), data terdiri atas fakta dan angka
yang biasanya tidak bermanfaat karena volumenya yang besar dan sifatnya yang
masih belum diolah.
Menurut Carlo Vercellis (2009), data adalah representasi struktur
kodifikasi sebuah entitas baik transaksi yang melibatkan dua atau lebih entitas
lainnya,
Menurut Turban (2010:41), data adalah deskripsi dasar dari bendam
peristiwa, Aktivitas dan transaksi yang direkam, dikelompokkan, dan disimpan
tetapi belum terorganisir untuk menyampaikan arti tertentu.
2.1.5. Pengertian Database
Menurut OBrien dan Marakas (2010), database adalah sebuah koleksi
logika yang terintegrasi dan berhubungan dengan data. Sebuah database dapat
dikonsolidasikan sebagai sekian banyak catatan yang disimpan terlebih dahulu di
file yang berbeda.
Menurut Connoly dan Begg (2010:65). database adalah sekumpulan data
tersebar yang berhubungan secara logis, dan penjelasan dari data ini dirancang
untuk memenuhi kebutuhan informasi dari suatu organisasi.
Menurut
Rainer
dan
Turban
(2009:412),
database
merupakan
sekelompok file logis yang memiliki keterkaitan menyimpan data dan asosiasi di
antara mereka.
7
Menurut Gottschalk dan Saether dalam jurnal nya yang berjudul
Computer Information Systems In Financial Crime Investigation (2010:41),
database adalah sekumpulan data yang terorganisir untuk mendukung banyak
aplikasi secara efisien dengan memusatkan data dan mengontrol data redundant.
8
2.1.6.1. Komponen DBMS
Menurut Connolly & Begg (2010:69), komponen DBMS
adalah sebagai berikut :
1. Hardware
DBMS
dan
aplikasi-aplikasi
computer
memerlukan
program
komputer
ditulis
dengan
bahasa
9
Procedure atau prosedur yang dimaksudkan disini adalah
aturan-aturan dan petunjuk yang mempengaruhi desain dan
kegunaan database. Dokumentasi mengenai prosedur diperlukan
oleh pengguna sistem dan staff dalam menjalankan database.
Contoh dari prosedur adalah sebagai berikut :
tersebut?
Bagaimana cara memulai dan menghentikan
aplikasi DBMS?
Bagaimana cara membuat backup dari database?
Bagaimana cara menghadapi kerusakan software
atau hardware?
Bagaimana cara mengubah struktur sebuah tabel?
5. People
Komponen terakhir dalam sebuah lingkungan DBMS
adalah pihak-pihak yang berhubungan dengan sistem.
2.1.7. Pengertian Online Transaction Processing (OLTP)
Menurut Connolly & Begg (2010:1198), OLTP atau Online Transaction
Processing menghasilkan data operasional yang rinci saat ini dan dapat berubah.
Sistem OLTP mengoptimalkan transaksi dalam jumlah besar, yang diprediksi,
berulang, dan diperbarui secara intensif. Data OLTP dapat diatur sesuai dengan
persyaratan dari transaksi yang terkait dengan aplikasi bisnis dan mendukung
keputusan perhari dalam jumlah besar pada pengguna operasional.
Menurut Hoffer et al (2009:431), OLTP atau Online Transaction
Processing adalah sebuah sistem yang digunakan dalam aplikasi berorientasi
transaksi yang melibatkan pemrosesan transaksi SQL secara real-time. Hal
tersebut memiliki karakteristik berupa entri dan pemanggilan kembali data secara
cepat dalam lingkuangan multiuser.
10
2.1.8. Pengertian Online Analytical Processing (OLAP)
Menurut Connoly & Begg (2010:1249), OLAP atau Online Analytical
Processing adalah istilah untuk menggambarkan sebuah teknologi yang
menggunakan tampilan multidimensional dari data agregat untuk menghasilkan
akses yang cepat ke informasi yang strategis untuk tujuan analisis. OLAP
memungkinkan user untuk mendapatkan pemahaman yang lebih dalam
pengetahuan tentang berbagai aspek data perusahaan mereka dengan cepat,
konsisten, dan interaktif. OLAP memungkinkan untuk melihat tampilan data
perusahaan sedemikian rupa dimana memberikan sebuah gambaran yang lebih
baik dari dimensi sebenarnya dari perusahaan.
Menurut Hoffer et al (2009:431), OLAP atau Online Analaytical
Processing adalah seperangkat alat grafis yang menyajikan pengguna dengan
tampilan multidimensional dari data dan memungkinkan pengguna untuk
menganalisis data menggunakan teknik windowing sederhana.
2.1.9. Pengertian ER Modelling
Menurut Connolly & Begg (2010:371), ER Modelling adalah pendekatan
top-down untuk perancangan database yang dimulai dengan mengidentifikasikan
data yang penting yang disebut entitas dan hubungan antar data harus
diperlihatkan dalam model. 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.
Menurut Connolly dan Begg (2010:371), Entity Relationship Modelling
merupakan pendekatan top-down untuk mendesain database yang diawali
dengan mengidentifikasikan data penting yang disebut dengan entities dan
relationship diantara data-data yang harus direpresentasikan dalam model.
Menurut Rainer dan Turban (2009:413), Entity Relationship Modelling
adalah proses perancangan database dengan mengorganisir entitas data yang
akan digunakan dan mengidentifikasi hubungan di antara mereka.
11
2.1.9.1. Pengertian Entitas
Menurut Connolly & Begg (2010:372), Entitas
merupakan sekumpulan objek dengan properties yang
sama yand diidentifikasi oleh perusahaan.
Begg
(2010:374),
12
Gambar 2. 2 Diagram dari Relationship Type Branch Has Staff
(Connolly & Begg, 2010:376)
2.1.10. Pengertian ERD
Menurut Doro dan Stevalin (2009:71), pengertian ERD atau
Entity Relationship Diagram merupakan suatu metode pemodelan data
yang menggambarkan entitas-entitas yang ada pada suatu database dan
relasi atau hubungan dari masing-masing entitas tersebut.
Menurut Connolly dan Begg (2010:330), ERD atau Entity
Relaionship Diagram digunakan untuk menggambarkan struktur logical
database dalam bentuk diagram. ERD menyediakan
2.1.10.1. Pengertian Atribut
Menurut Connolly & Begg (2010:378), atribut adalah
sebuah property dari entitas atau type relationship. Atribut dapat
dikelompokkan menjadi atribut simple atau composite, atribut
single-valued atau multi-valued, atau atribut derived. Simple
attribute adalah atribut yang dibentuk oleh sebuah komponen
dengan independent existence. Composite Attribute adalah atribut
yang dibentuk oleh beberapa komponen masing-masing dengan
independent existence. Single-valued attribute adalah atribut yang
menampung nilai tunggal untuk setiap entitas. Multi-valued
attribute adalah atribut yang menampung banyak nilai untuk
entitas. Derived attribute adalah atribut yang mepresentasikan
nilai yang dapat di turunkan dari nilai sebuah atau sekumpulan
atribut.
2.1.10.2. Pengertian Multiplicity
Menurut Connolly & Begg (2010:385), Multiplicity adalah
jumlah atau jangkauan kemunculan yang mungkin terjadi di
dalam sebuah entitas yang berhubungan dengannya. Ada tiga tipe
hubungan multiplicity antara lain :
13
1 : 1 (One-to-One)
1 : * (One-to-Many)
Gambar 2. 4 Multiplicity hubungan 1 : * dari staff yang mengawasi Property For Rent
14
(Connolly & Begg, 2010:388)
: * (Many-to-Many)
15
Menurut Connolly dan Beg (2010:1197), data warehouse adalah
sekumpulan data yang berorientasi subjek, terintegrasi, memiliki varian
waktu, dan tidak berubah yang dapat mendukung fungsi dari decision
support system (DSS), dimana setiap unit data relevan untuk beberapa
saat dalam suatu waktu Data warehouse berisikan data atomik dan
ringkasan data.
Menurut Carlo Vercellis (2009:45). data warehouse adalah
repository (tempat penampungan) untuk data yang tersedia yang nantinya
dapat digunakan sebagai data untuk mengembangkan intelejensi bisnis
atau untuk membantu pengambilan keputusan.
Menurut Carlo Vercellis (2009:45-46) terdapat 3 jenis data yang
berada dalam data warehouse yaitu :
Internal Data
Data Internal disimpan untuk sebagian besar dalam database,
disebut sebagai sistem transaksi atau sistem operasional, yang
merupakan tulang punggung dari suatu sistem informasi
perusahaan.
Data
internal
yang
dikumpulkan
melalui
Sistem
back-offlice,
yang
mengumpulkan
catatan
16
External Data
External data adalah data yang bersumber dari luar
perusahaan. Sebagai contoh, beberapa pihak mengumpulkan
dan membuat data yang tersedia relative terhadap penjualan,
pangsa pasar dan trend prediksi masa depan untuk industry
bisnis tertentu, serta prediksi ekonomi dan indikator keuangan.
Personel Data
Dalam kasus pada umumnya, pembuat keputusan
melakukan analisa intelejensi bisnis juga mengandalkan
informasi dan penilaian pribadi yang disimpan di dalam
lembar kerja atau database local yang terletak di komputer
mereka. Pengambilan seperti informasi dan intergrasi dengan
data terstruktur dari internal dan eksternal sumber adalah salah
satu tujuan dari sistem manajeman pengetahuan.
Menurut Dewi dalam jurnal nya yang berjudul Perancangan
Struktur Data Warehouse Untuk Mendukung Perencanaan Pemasaran
Produk Menggunakan Star Schema
merupakan salah satu bentuk basis data yang memiliki data berskala
besar. Data warehouse bukan merupakan basis data operasional,
melainkan basis data yang berisi data dalam dimensi waktu tertentu yang
sangat berguna untuk keperluan evaluasi, analisis dan perencanaan yang
dilakukan oleh pihak manajemen dalam sebuah perusahaan. Meskipun
demikian, belum banyak perusahaan yang
mengembangkan dan
17
Menurut Rudy, dalam jurnalnya yang berjudul Pemanfaatan
Data Warehouse Pada Instusi Pemerintahan (2012:7) aplikasi data
warehouse dapat membantu manajemen dalam melakukan analisis
terhadap kondisi yang ada dalam rentang waktu yang panjang, karena
data
warehouse
dapat
menampung
data-data
historis,
sehingga
manajemen dapat melihat tren yang terjadi dari waktu ke waktu. Dengan
memanfaatkan aplikasi dashboard, manajemen dapat dengan mudah
melihat kondisi yang ada pada organisasi karena disajikan dalam bentuk
grafikal. Sedangkan laporan yang disajikan dari data warehouse
menampilkan informasi yang dapat dilihat secara rinci berdasarkan
beberapa dimensi yang dibutuhkan
dibagi
18
2. Intergrated
Data dalam data warehouse berasal dari berbagai sumber yang
terpisah. Data yang dimasukkan ke dalam data warehouse
akan
19
20
Gambar 2. 8 Perbedaan data di Data Operasional dan Data Warehouse
(Immon, 2005:32)
4. Time Variant
Setiap satuan data dalam data warehouse bersifat akurat
dalam interval waktu tertentu. Pada tiap record terdapat bentuk
penanda waktu untuk menunjukkan kapan waktu suatau record
akurat. Misalnya, dilakukan time stamping atau
pemberian
Sistem OLTP
Tujuan Utama
Mendukung proses
Umur Data
Latensi Data
operasional
Saat ini
Real time
Historic
Tergantung pada panjang siklus
untuk data suplemen ke
21
Granularitas
Data
Proses Data
Detailed data
warehouse
Detailed data, lightly dan highly
summarized data
Pola yang kurang dapat
diprediksi
mengenai query
insert, update,
hingga rendah
delete. Hasil
transaksi tingkat
Laporan
Pengguna
tinggi
Terprediksi, satu
Tidak terprediksi,
dimensi, laporan
multidimensional, laporan
dinamis
tetap
Melayani
pengguna
operasional dalam
jumlah besar
22
2.1.11.4. Struktur Data Warehouse
Menurut Immon (2005:33), terdapat perbedaan detail data dalam
data warehouse. Terdapat older level dari detail
(biasanya berupa
pengganti, bulk storage), current level dari detail, level dari lightly
summarized data (level data mart), dan level dari highly summarized
data. Aliran data ke dalam data warehouse dari lingkungan opersional.
Biasanya transformasi secara signifikan dari data terjadi pada bagian dari
level operasional ke level data warehouse.
Setelah data pada usia data warehouse, data warehouse berubah
dari current detail menajadi older detail. Saat data dirangkum, data
diubah dari current detail menjadi lightly summarized data, lalu dari
lightly summarized data menjadi highly summarized data.
23
darimana asalnya, dan apa yang telah dilakukan dalam proses cleansing,
intergrating, dan summarizing.
2.1.11.6. Pengertian Granularity
Menurut Immon (2005:41), Granularity mengacu pada level dari
rincian atau ringkasan dari satuan data dalam data warehouse. Semakin
detil, semakin rendah level granularity. Semakin kurang detil, semakin
tinggi level granularity.
2.1.11.7. Arsitektur Data Warehouse
Menurut Connoly dan Begg (2010:1204), arsitektur data
warehouse dapat dijelaskan pada gambar berikut ini
24
Menurut Connoly dan Begg (2010:1203), operasional data adalah
sumber data untuk data warehouse didapat dari :
a. Mainframe data opersional berada dalam hierarki dan jaringan
database generasi pertama. Diperkirakan bahwa sebagian besar
data operasional perusahaan disimpan dalam sistem ini.
b. Data departemen disimpan dalam file sistem yang dimiliki seperti
VSAM, RMS, dan DBMS relasional seperti Infomix dan Oracle.
c. Private data disimpan dalam work station dan private server.
d. Sistem eksternal seperti Internet, database komersial, atau
database yang berhubungan dengan pemasok atau pelanggan
organisasi.
2. Operational Data Store
Sebuah Operational Data Store (ODS) adalah sebuah data
warehouse dari data operasioal saat ini dan terintegrasi yang digunakan
untuk menganalisis. ODS biasanya melakukan penstrukturan dan
penyediaan data seperti halnya sebuah data warehouse, tetapi sebenarnya
bertindak secara sederhana sebagai suatu tempat penampungan sementara
sebelum data akan dipindahkan ke warehouse.
Membangun sebuah operational data store dapat membantu
dalam pembangunan sebuah data warehouse, karena ODS menyediakan
data yang sudah diekstrak dari sumber dan sudah dibersihkan. Ini dapat
diartikan bahwa pekerjaan yang tersisa untuk menintegrasikan dan
merestrukturisasi data warehouse disederhanakan.
3. Load Manager
Load manager atau biasa disebut komponen fronted, melakukan
sebuah operasi terkait dengan ekstraksi dan permuatan data ke dalam
warehouse. Data mungkin diekstrak secara lansung dari sumber data atau
dari operational data store.
Operasi dilakukan oleh manajer, dapat mencakup sebuah
transformasi sederhana dari sebuah data, yang bertujuan untuk
mempersiapkan data untuk masuk ke dalam warehouse.
25
Ukuran dan kompleksitas komponen ini akan bervariasi antara
data warehouse dan dapat dibangun dengan menggunakan kombinasi
vendor data loading tools dan custom built program.
4. Warehouse Manager
Warehouse manager menjalankan semua operasi yang berkaitan
dengan pengelolaan
data
di dalam
warehouse.
Komponen
ini
5. Query Manager
Query Manager yang juga disebut komponen back end,
melakukan semua operasi yang berhubungan dengan pengelolaan user
queries. Komponen ini dibangun dengan menggunakan vendor user-end
data access tools, data warehouse monitoring, fasilitas database, dan
custom build program. Kompleksitas dari query manager ini ditentukan
oleh fasilitas yang disediakan oleh end user access tools dan database.
Operasi yang dilakukan oleh komponen ini termasuk mengarahkan query
ke tabel yang tepat dan penjadwalan eksekusi query.
Dalam beberapa kasus, manager query juga menghasilkan profil
permintaan untuk memungkinkan manajer warehouse untuk menentukan
indeks dan agregasi yang sesuai.
6. Detailed Data
Area dari data warehouse yang menyimpan semua detailed data
di dalam skema database. Dalam banyak kasus, detailed data tidak
26
disimpan secara online tapi disediakan dengan meng-agregasi data ke
tingkatan detail berikutnya. Secara rutin detailed data ditambahkan ke
dalam data warehouse untuk melengkapi data agregat.
7. Lightly dan Hightly Summarized Data
Area ini menyimpan semuah lightly dan highly summarized data
yang dihasilkan oleh warehouse manager. Area dari data warehouse ini
adalah
sebuah
tempat
untuk
menampung
sementara
sebelum
27
Production
reporting
tools
digunakan
untuk
menghasilkan laporan operasional regular atau mendukung highvolume batch job, seperti pesanan pelanggan/faktur dan
pembayaran staff.
Report writer adalah desktop tools yang dirancang untuk
end-user. Query tools data warehouse dirancang untuk menerima
SQL dalam proses query data yang tersimpan didalam data
warehouse.
b. Application development tools
Aplikasi yang sesuai dengan kebutuhan user, yang
dirancang secara ramah bagi client server.
Beberapa aplikasi
28
mendukung semua tingkat manajemen. EIS yang terisolasi dengan
mainframe
memungkinkan
user
untuk
membuat
aplikasi
user
untuk
menganalisis
data
dengan
29
Gambar 2. 12 Aliran Informasi Data Warehouse
(Connolly dan Begg, 2005:1162)
1. Inflow
Menurut Connolly dan Begg (2005:1162). inflow adalah
proses yang berhubungan dengan extraction, cleansing, dan
loading data dari sistem sumber ke dalam data warehouse. Pada
saat data akan dimasukkan ke dalam data warehouse, data harus
direkonstruksi. Rekonstruksi data melibatkan proses sebagai
berikut :
a. Membersihkan data yang kotor
b. Menetapkan ualng struktur data agar sesuai dengan
requirements baru dari data warehouse, sebagai contoh
menambah atau menghapus field dan denormalisasi
data.
c. Memastikan bahwa sumber data konsisten dengan data
yang telah ada di data warehouse.
2. Upflow
Menurut Connolly dan Begg (2005:1163), upflow adalah
proses yang berhubungan dengan menambahkan nilai ke dalam
data warehouse melalui proses summarizing, packaging dan
distribution data. Aktivitas yang berhubungan dengan upflow
meliputi :
a. Summarizing, yaitu meringkas data dengan memilih,
memproyeksikan,
menggabungkan,
dan
30
grafik, presentasi grafis lainnya, database pribadi, dan
animasi.
c. Distributing, yaitu menyebarkan data ke dalam grup
yang sesuai untuk meningkatkan ketersediaan dan
akses.
3. Downflow
Menurut Connolly dan Begg (2005:1164), downflow adalah
proses yang berhubungan dengan mengarsip dan mem-backup data
dalam data warehouse. Mengarsip data lama memainkan peranan
yang penting dalam me-maintain efektivitas dan kinerja dari data
warehouse dengan mengirim data yang lebih lama dari nilai terbatas
ke dalam arsip media penyimpanan seperti magnetic tape atau optical
disc.
4. Outflow
Menurut Connolly dan Begg (2005:1164), outflow adalah
proses yang berhubungan dengan membuat data tersedia bagi
pengguna akhir. Dua aktivitas kunci yang terlibat dalam outflow, yaitu
:
a. Accessing, yang berfokus pada memenuhi permintaan
pengguna akhir untuk data yang dibutuhkannya.
b. Delivering, yang berfokus secara pro-aktif menyampaikan
informasi pada work station pengguna akhir dan disebut
juga sebagai jenis dari proses publish and subscribe.
5. Meta-flow
Menurut Connolly dan Begg (2005:1165), metaflow adalah
proses yang berhubungan dengan management metadata.
2.1.11.9.Tipe Data Warehouse
1. Data Warehouse Terpusat
Menurut Immon (2005:193), sebagian besar organisasi
membangun dan mengelola suatu data warehouse terpusat. Hal
ini disebabkan karena :
31
a) Data dalam data warehouse terintegrasi dalam
seluruh perusahaan dan tampilan terintegrasi hanya
digunakan di kantor pusat.
b) Perusahaan beroperasi dalam model bisnis terpusat.
c) Volume data dalam data warehouse merupakan
suatu media penyimpanan data terpusat yang
masuk akal.
d) Sekalipun data dapat terintegrasi, jika data ini
disebar ke beberapa situs lokal, hal ini akan
mempersulit pengaksesan.
2. Data Warehouse Terdistribusi
Menurut Immon (2005:194), ada tiga tipe dari data
warehouse terdistribusi, yaitu :
technologically.
Lingkungan data warehouse tumbuh dalam cara yang tidak
teratur. Pertama-tama satu data warehouse muncul, lalu yang
lainnya. Kurangnya koordinasi pertumbuhan dari data
warehouse yang berbeda biasanya sebagai akibat dari
perbedaan politis dan organisasi. Kasus ini dapat disebut
32
data
warehouse
terdistribusi
yang
berevolusi
secara
independen.
2.1.11.10.
ETL (Etraction, Transforming, Loading)
Menurut Miranda dalam jurnalnya yang berjudul Desain
data warehouse pada sistem informasi sumber daya manusia subsistem rekrutment (2012:309), membuat data warehouse tidak
sekedar memindahkan data opersional ke dalam data warehouse.
Memindahkan
data
dari
beberapa
sumber
berpotensi
33
berbeda.
Sistem
yang
terpisah-pisah
ini
mungkin
saja
34
2.1.11.11. Business Dimensional Lifecycle Road Map
berfokus
pada
memulai
program/proyek
yang
35
masa depan), dari pada meminta apa yang anda inginkan dalam
data warehouse?. Peluang utama di seluruh perusahaan
diidentifikasi,
diprioritaskan
berdasarkan
nilai
bisnis
dan
dengan
tetap
memperhatikan
realitas
data
yang
parameter, dashboard,
36
Deployemnt, Maintencance, and Growth
Iterasi deployed memasuki fase maintenance, sementara
pertumbuhan (growth) menunjukkan dengan arrow back ke
perencanaan proyek untuk iterasi berikutnya dari data warehouse.
Pada fase maintenance and growth tim proyek memfokuskan pada
persyaratan yang akan dihadapi, penyampaian yang signifikan
atau risiko dalam usaha penerapan. Oleh karena itu dilakukan
support, education, technical support dan program support.
2.1.11.12 . Dimentionality Modeling dalam Data Warehouse
Menurut Connolly & Begg (2010:1227), dimensionality modeling
merupakan teknik logical design yang bertujuan untuk mempresentasikan
data dalam standard tertentu yang memungkinkan pengaksesan dengan
performa yang baik. Di dalam dimensionality modeling ini terdapat 3
konsep modeling, diantaranya star schema, snowflake schema, dan
starflake schema
Dimensionality modeling dalam data warehouse dibagi menjadi
tiga, yaitu :
a. Star Schema
Menurut Connolly dan Begg (2010:1227), star schema adalah
struktur logis yang memiliki tabel fakta yang memuat data factual di
pusat dan dikelilingi oleh tabel dimensi yang memuat data referensi
(yang dapat didenormalisasi).
Star Schema dapat digunakan untuk mempercepat performa query
dengan melakukan denormalisasi informasi ke dalam tabael dimensi
tunggal. Contoh yang diberikan oleh Connolly & Begg (2010:1228),
terdapat berbagai macam tabel dimensi (seperti Property ForSale,
Branch, ClientBuyer, Staff, dan Owner) berisi data lokasi seperti (city,
region, dan country) dimana data tersebut diulang setiap tabel
dimensi
37
38
adalah
skema
yang
menggunakan
campuran
skema
39
Dasar strukutr database yakni menyediakan akses yang
lebih efisien untuk data dengan berbagai tools seperti penulisan
laporan dan tools query.
Kemampuan untuk menangani perubahan kebutuhan
Skema bintang dapat beradaptasi dengan perubahan
kebutuhan pengguna, karena semua dimensi memiliki sifat
ekuivalen dalam hal menyediakan akses ke tabel fakta. Sehingga
desain multidimensional lebih mampu mendukung ad-hoc query
pengguna.
Ekstensibilitas
Model dimensi dapat diperluas, misalnya perubahan khas
yang harus didukung oleh model dimensional meliputi:
o Penambahan tabel-tabel fakta baru, selama tabel tersebut
konsisten dengan granularity tabel fakta yang ada.
o Penambahan dimensi baru, selama ada atribut nilai tunggal
dimensi yang ditetapkan untuk setiap record fakta yang
ada.
o Penambahan atribut dimensi baru.
o Memecahakan records dimensi yang ada ke tingkat
granularity yang lebih rendah dari titik tertentu.
Kemampuan untuk membuat model situasi bisnis umum
Semakin banyak pendekatan standar untuk menangani
situasi pemodelan yang umum dalam dunia bisnis. Masingmasing situasi dipahami dengan baik dengan alternative yang
secara khusus dapat terprogram dalam penulis laporan, alat query,
dan user interface lainnya, misalnya : perlahan-lahan merubah
dimensi dimana konstanta dimensi seperti branch atau staff
benar-benar berkembang secara perlahan dan ansynchronously.
Proses query yang dapat diprediksi
40
Aplikasi data warehouse yang menggunakan metode drill
down akan menambahkan atribut tambahan dimensi dari dalam
skema bintang tunggal. Aplikasi ini akan menghubungkan tabel
fakta yang terpisah bersama-sama melalui dimensi terkait.
Meskipun secara keseluruhan skema bintang dalam model
dimensi di perusahaan terlihat komplek, pemrosesan query sangat
mudah diprediksi karena terletak pada tingkat terendah, setiap
tabel fakta haruis di query secara independen.
2.1.11.14. Keuntungan Data Warehouse
Menurut Connolly dan Begg (2010:1198), keuntungan dari
implementasi data warehouse adalah sebagai berikut:
pengimplementasian
data
warehouse
mengindikasikan
yang
besar
adanya
dalam
keunggulan
perusahaan
tersebut.
yang
sebelumnya
belum diketahui
pada
pengambilan keputusan.
41
database terintegrasi yang konsisten, subject oriented, dan
historis.
2.2
Teori-teori Khusus
2.2.1. Pengertian Problem Solving
Menurut McLeod & Schell (2008:112), problem solving
merupakan salah satu cara yang terbaik ketika sistem bertemu dengan
objek yang tercermin dari performa standar dari sistem tersebut. Standar
yang dimaksud adalah desire state, di samping itu manajer harus
memiliki informasi yang menggambarkan keadaan sisstem saat
ini(current system).
Keadaan saat ini (current system) yang diinginkan mewakili
kriteria solusi, ini diperlukan untuk membawa kondisi saat ini (current
system) ke keadaan yang diinginkan (requirement). Tentu saja jika
kondisi saat ini terjadi untuk mewakili tingkat yang lebih tinggi dari
kinerja daripada yang diinginkan. Ini merupakan pertanggungjawaban
manager untuk mengidentifikasikan solusi alternif, manajer bisa
mengandalkan pengalamannya sendiri atau memperoleh bantuan dari
bagian non-komputer seperti masukan dari orang lain baik dari dalam
maupun luar organisasi.
pemrosesan informasi.
42
disebut prosedur. Berikut ini adalah contoh-contoh sumber daya software,
yaitu:
43
Rekanan
44
perasaan konsumen. Wujud penjualan tidak langsung (Soft-sell) dapat
ditemui dalam bentuk iklan, humas, tanggung jawab sosial
perusahaan (corporate social responsibility), dan pemasaran interaktif
via internet secara tidak lansung
2.2.7
Pengertian Pembayaran
Menurut Zaharud (2006:6), Pembayaran sangat diperhatikan karena dapat