5

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

menyelesaikan tugas bisnis.

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.

2.1.6. Pengertian Database Management System (DBMS)

Menurut Connolly & Begg (2010:66), database management system
adalah sebuah perangkat lunak yang memungkinkan pengguna untuk
mendefinisikan, membuat, memelihara, dan mengontrol akses ke database.
DBMS berinteraksi dengan program aplikasi user dan database. DBMS
menyediakan fungsi-fungsi sebagai berikut:
1. Memungkinkan user untuk mendefinisikan basis data, biasanya dari
Data Definition Language (DDL). DDL memungkinkan user untuk
membedakan tipe dan struktur data, dan batasan data yang akan
disimpan dalam basis data.
2. Memungkinkan user untuk menyisipkan, mengupdate, menghapus,
dan menerima data dari basis data, biasanya dari Data Manipulation
Language (DML).
3. Menyediakan control akses ke basis dengan menyediakan:
o Sistem keamanan yang mencegah akses illegal ke dalam basis
data.
o Sistem intergrasi yang memelihara akurasi data.
o Sistem pembagian hak akses ke basis data.
o Sistem pengendalian untuk memulihkan basis data ke keadaan
sebelumnya yang dikarenakan oleh kegagalan software atau
hardware.
o Katalog pengaksesan user yang berisi penjelasan data.

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

hardware agar dapat berjalan. Hardware dapat berupa sebuah

Perconal Computer (PC), sebuah mainframe atau jaringan
komputer. Jenis hardware yang diperlukan bergantung pada
kebutuhan organisasi atau DBMS yang digunakan terdapat DBMS
yang dapat berjalan di berbagai jenis hardware dan sistem operasi
yang berbeda, namun ada pula DBMS yang hanya dapat berjalan
pada hardware atau sistem operasi tertentu.
2. Software
Komponen software terdiri dari software DMBS itu
sendiri, program komputer, dan sistem operasi, termasuk juga
software network dimana DBMS dipakai dalam sebuah jaringan,
Umumnya,

program

komputer

ditulis

dengan

bahasa

pemrograman generasi ke-3 atau 3rdGeneration Programming

Language (3GL) seperti C, C++, Java, Visual Basic, COBOL,
Fortran, Ada, atau Pascal atau juga menggunakan bahasa
pemrograman generasi ke-4 atau 4th Generation Programming
Language (4GL) seperti SQL yang di embed ke dalam bahasa
pemorgraman 3GL
3. Data
Dari sudut pandang pengguna, kemungkinan komponen
yang paling penting dalam lingkungan DBMS adalah data.
4. Procedure

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 :

Bagaimana cara login ke dalam DBMS?

Bagaimana cara menggunakan aplikasi DBMS

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.

Gambar 2. 1 Diagram dari Entity Type Branch dan Staff

(Connolly & Begg 2010:374)
2.1.9.2. Pengertian Relationship
Menurut Connolly &

Begg

(2010:374),

Relationship merupakan sekumpulan hubungan yang

memiliki arti antara entitas yang satu dengan yang lain.

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)

Contoh dari hubungan ini adalah :

Gambar 2. 3 Multiplicity hubungan 1:1 dari Staff yang mengatur Branch

(Connolly & Begg, 2010:386)

1 : * (One-to-Many)

Contoh dari hubungan ini adalah:

Gambar 2. 4 Multiplicity hubungan 1 : * dari staff yang mengawasi Property For Rent

14
(Connolly & Begg, 2010:388)

: * (Many-to-Many)

Contoh dari hubungan ini adalah :

Gambar 2. 5 Multiplicity hubungan * : * dari Newspaper yang mengiklankan Property

For Rent
(Connolly & Begg, 2010:389)
2.1.11. Konsep Data Warehouse
2.1.11.1. Pengertian Data Warehouse
Menurut OBrien (2010:561). data warehouse adalah
sekumpulan data terintegrasi yang di dapatkan dari operational database,
historical database, dan external database, yang kemudian dibersihkan,
diubah dan dikelompokkan untuk penelusuran dan analisis untuk
menyediakan business intelligence bagi pengambilan keputusan.
Menurut Rainer dan Turban (2009:412), data warehouse adalah
suatu tempat penyimpanan data histori yang berorientasi objek, yang
telah di atur agar dapat diakses dan diterima untuk Aktivitas proses
analisa.

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

transaksional aplikasi yang secara rutin memimpin operasional

perusahaan, seperti administrasi, akuntansi, produksi, dan logistik.
Data ini biasanya dating dari komponen yang berbeda dari
sistem informasi :

Sistem

back-offlice,

yang

mengumpulkan

catatan

transaksional dasar seperti pesanan, faktur, persediaan,

produksi, dan data logistik.

Sistem front-office, yang berisi data yang berasal dari call
center kegiatan prioritas, bantuan pelanggan, pelaksanaan
kampanye pemasaran.

16

Sistem berbasis website, yang mengumpulkan transaksi

penjualan e-commerce website, kunjungan ke situs web,
data yang tersedia pada formulir yang ada diisi oleh calon
pelanggan.

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

(2012:1), Data warehouse

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

menerapkan data warehouse serta memanfaatkannya guna menunjang

berbagai hal penting didalam organisasi.

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

2.1.11.2. Karakteristik Data Warehouse

Menurut Immon (2005:29), karakteristik data warehouse

dibagi

menjadi beberapa bagian, yaitu :

1. Subject Oriented
Data Warehose disusun berdasarkan subjek-subjek utama
dalam perusahaan. Hal ini menunjukkan bahwa data warehouse
digunakan untuk menganalisis dan mengambil keputusan terkait
histori subjek-subjek utama tersebut, bukan digunakan untuk
mendukung aplikasi operasional.

18

Gambar 2. 6 Contoh Subject Orientation dari Data Warehouse

(Immon, 2005:30)

2. Intergrated
Data dalam data warehouse berasal dari berbagai sumber yang
terpisah. Data yang dimasukkan ke dalam data warehouse

akan

diubah, disusun ulang, diurutkan, dan dirangkum. Hal ini dilakukan

untuk menjaga konsistensi data dalam data warehouse sehingga
tercipta suatu gambaran data yang terintegrasi dalam perusahaan.

19

Gambar 2. 7 Contoh Integration dari Data Warehouse

(Immon, 2005:31)
3. Non Volatile
Data dalam data warehouse tidak di-update secara realtime tapi diperbaharui secara berkala dari data operasional dalam
jumlah data yang besar. Karakteristik data warehouse berbeda
dengan karakteristik operasional data yang dapat diubah. Data
dalam data warehouse hanya dapat loading data (mengambil
data) dan mengakses data.

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

tanggal transaksi untuk tiap record.

Gambar 2. 9 Perbedaan Time Variant di Data Operasional dan Data Warehouse

(Immon, 2005:32)
2.1.11.3. Perbedaan antar OLTP dan Data Warehouse
Menurut Connolly dan Begg (2010:1199), terdapat beberapa
perbedaan mendasar antara sistem OLTP dan sistem data warehouse.
Lihat penjelasan pada tabel berikut ini.
Tabel 2. 1 Perbedaan Sistem OLTP dan Sistem Data Warehouse
(Connolly dan Begg,2010:1199)
Karakteristik

Sistem OLTP

Sistem Data Warehouse

Tujuan Utama

Mendukung proses

Mendukung proses analisis

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

Pola yang dapat

summarized data
Pola yang kurang dapat

diprediksi

diprediksi dari query data. Hasil

mengenai query

transaksi tingkat menengah

insert, update,

hingga rendah

delete. Hasil
transaksi tingkat
Laporan

Pengguna

tinggi
Terprediksi, satu

Tidak terprediksi,

dimensi, laporan

multidimensional, laporan

relative statis dan

dinamis

tetap
Melayani

Melayani jumlah pengguna

pengguna

manajerial yang relative sedikit

operasional dalam
jumlah besar

Menurut Connolly & Begg (2010:1199), meskipun OLTP sistem

dan gudang data yang memiliki karakteristik yang berbeda dan dibangun
dengan tujuang yang berbeda dalam pikiran, sistem ini sangat erat
kaitannya dalam sistem OLTP menyediakan sumber data untuk gudang.
Masalah utama dari hubungan ini adalah bahwa data yang dimiliki oleh
sistem OLTP dapat menjadi tidak konsistenm terfragmentasi, dan dapat
berubah, yang mengandung entri duplikat atau hilang. Dengan demikian,
data operasional harus dibersihkan sebelum dapat digunakan dalam
data warehouse.

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.

Gambar 2. 10 Struktur Data Warehouse

(Immon, 2005:34)
2.1.11.5. Pengertian Metadata
Menurut Connoly dan Begg (2005:1165), metadata adalah
penjelasan isi data dalam data warehouse, apa yang ada didalamnya,

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

Gambar 2. 11 Arsitektur Data Warehouse

(Connolly dan Begg, 2010:1203)
Komponen-komponen yang terdapat di dalam arsitektur data
warehouse yaitu :
1. Operational Data

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

dikonstruksikan dengan menggunakan vendor data management dan

custom built program. Operasi yang dijalankan oleh warehouse manager
meliputi:

Analisis data untuk memastikan konsistensi.

Transformasi dan pengggabungan sumber data dari media

penyimpanan sementara ke dalam tabel data warehouse.

Membuat index dan view pada tabel.
Melakukan denormalisasi (jika diperlukan).
Melakukan aggregation (jika diperlukan).
Backup dan archive data.

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

dilakukannya perubahan secara berkelanjutan untuk merespon perubahan

profil query.
Tujuannya adalah untuk mempercepat pencapaian query. Biaya
operasi ini akan meningkat berhubungan dengan proses peringkasan data.
Ini dapat diseimbangkan dengan menghapus keperluan secara terusmenerus untuk melakukan operasi ringkasan dalam menjawab query user.
Ringkasan data akan terus di-update ketika terdapat data baru yang terisi
ke dalam warehouse.
8. Archive dan Backup Data
Area dalam data warehouse ini menyimpan data detail dan
rangkuman dengan tujuan mengarsip dan mem-backup. Meskipun data
rangkuman di gemerate dari data detail itu memungkinkan untuk membackup rangkuman data secara online, jika data tersebut disimpan
melebihi waktu/periode penyimpanan untuk data detail. Data dikirim ke
arsip penyimpanan seperti magnetic tape atau optical drive.
9. Meta-data
Area dalam warehouse ini menyimpan semua penjelasan
metadata (data tentang data) yang digunakan oleh semua proses dalam
data warehouse. Metadata digunakan untuk berbagai tujuan sebagai
berikut :

Proses extraction dan loading-metadata digunakan untuk

memetakan sumber data ke dalam bentuk view data secara
umum dalam data warehouse.

27

Proses manajemen warehouse-metadata digunakan untuk

mengotomatisasi pembutan tabel rangkuman.

Sebagai bagian dari proses manajemen-metadata digunakan

untuk mengatur query pada sumber data yang paling tepat.

10. End-User Access Tools

Tujuan utama dari data warehouse adalah menyediakan informasi
pada pengguna bisnis untuk pengambilan keputusan strategis. Pengguna
ini berinteraksi dengan data warehouse menggunakan end-user access
tools. Data warehouse harus mendukung analisis ad-hoc dan rutin secara
efisien. Secara umum end-user access tools dikelompokkan sebagai
berikut :
a. Reporting and query tools
Reporting tools meliputi production reporting tools dan
writers.

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

terintegrasi dengan OLAP tools dan dapat mengakses semua

sistem basis data utama, seperti Oracle, Sybase, Infomix.
c. Executive Information System (EIS) tools
EIS, sebenarnya dibangun untuk mendukung high-level
pembuatan keputusan yang strategis. Namun akhirnya meluas dan

28
mendukung semua tingkat manajemen. EIS yang terisolasi dengan
mainframe

memungkinkan

user

untuk

membuat

aplikasi

pendukung pengambilan keputusan untuk menyediakan data

organisasi dan mengakses ke sumber data eksternal.
d. Online Analytical Processing (OLAP) tools
OLAP berbasis pada konsep database multi dimensi dan
memperbolehkan

user

untuk

menganalisis

data

dengan

menggunakan sebuah view yang kompleks dan multidimensional.

Tools ini juga didukung oleh multidimensional database (MDDB),
atau oleh database relasional yang dirancang untuk mendapatkan
multidimensional queries.
e. Data mining tools.
Data mining adalah sebuah proses menemukan korelasi,
pola dan arah baru yang mempunyai arti dengan mining sejumlah
besar data dengan menggunakan teknik statistik, matematika, dan
artificial intelligence. Data mining memiliki potensi untuk
menggantikan kemampuan OLAP tools.
2.1.11.8 Data Flow dalam Data Warehouse

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

menghubungkan data relasional ke dalam view yang

lebih sesuai dan berguna bagi pengguna akhir.
b. Packaging, yaitu mengemas data dengan mengubah
data detail atau summarized ke dalam format yang
lebih berguna, seperti spreadsheet, text document,

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 :

Bisnis terdistribusi secara geografis atau terdiri atas banyak

lini produk yang berbeda. Dalam kasus seperti ini, dapat
disebut data warehouse lokal dan data warehouse global.
Data warehouse lokal mewakili data dan proses pada situssitus kecil, dan data warehouse global mewakili bagian dari

bisnis yang terintegrasi di seluruh bisnis.

Lingkungan data warehouse akan menyimpan banyak data,
dan volume data yang akan didistribusikan ke banyak
prosesor. Secara logis ada data warehouse tunggal, tapi
secara fisik ada banyak data warehouse yang berkaitan erat
tapi berada pada banyak prosesor. Konfigurasi ini disebut

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

menimbulkan masalah besar terutama terkait dengan isu tidak

konsistennya data. Data warehouse tidak hanya digunakan dalam
melakukan loading, integrasi, dan menyimpan data dalam jumlah
besar, tapi juga berpotensi untuk mendapatkan sudut pandang
baru dari sebaran data, dan memungkinkan untuk memberikan
pelaporan dan jawaban dari pertanyaan pengguna yang bersifat ad
hoc secara cepat dan lebih baik. Tahapan untuk membangun data
warehouse terdiri atas: identifikasi sumber data, membangun ETL
(extraction, transformation, loading) tool, ekstraksi, transformasi,
dan loading.
Menurut Turban (2011:67) ETL merupakan salah satu
proses penting dalam data warehouse. Tujuan dari ETL adalah
untuk melengkapi data warehouse dengan data yang telah
disaring dan diolah. Data yang digunakan dalam proses ETL dapat
berasal dari berbagai sumber, contohnya mainframe application,
ERP application, CRM tool, data Excel, atau kumpulan pesan.
Proses ETL terdiri 3 proses yaitu :
o Extraction
Langkah pertama pada proses ETL adalah mengekstrak
data dari sumber-sumber data. Kebanyakan proyek data
warehouse menggabungkan data dari sumber-sumber yang

33
berbeda.

Sistem

yang

terpisah-pisah

ini

mungkin

saja

menggunakan format data yang berbeda sehingga perlu dilakukan

ekstraksi. Ekstraksi adalah mengubah data dalam suatu format
yang berguna untuk proses transformasi.
o Transformation
Mengubah data menggunakan serangkaian aturan atau
fungsi untuk mengekstrak data menjadi bentuk yang diperlukan,
sehingga data tersebut dapat diproses dalam data warehouse.
o Load
Fase load adalah fase dimana data dimasukkan ke dalam
data warehouse. Jangka waktu proses ini tergantung pada
kebutuhan perusahaan. Misalnya dalam suatu bagian, menentukan
waktu setiap munggu untuk memindahkan data operasional ke
dalam data warehouse, sedangkan bagian lain bisa saja
menentukan waktu setiap jam untuk memasukkan data ke dalama
data warehouse. Waktu dan jangkauan untuk mengganti atau
menambah data tergantung dari perencanaan data warehouse
pada waktu menganalisis kebutuhan informasi.

34
2.1.11.11. Business Dimensional Lifecycle Road Map

Gambar 2. 13 The Kimball Lifecycle Diagram

(Kimball & Ross, 2010:97)
Kimball & Ross (2010:96) membagi tugas tersebut menjadi 6
langkah, yaitu :
Program/Project Planning dan Management
Menurut Kimball dan Ross (2010:98), kotak pertama pada
roadmap

berfokus

pada

memulai

program/proyek

yang

dijalankan, termasuk assessing readiness, justification, scooping,

dan staffing. Di seluruh daur hidup, program, dan manajemen
proyek yang terus menerus membuat aktivitas tetap pada jalurnya
Business Requirements
Menurut Kimball & Ross (2010:98), memunculkan
kebutuhan bisnis adalah kunci dalam lifecycle Kimball, karena
temuan ini mendorong keputusan yang paling upstream dan
downstream. Persyaratan dikumpulkan untuk menentukan faktorfaktor kunci yang berdampak bagi bisnis denga berfokus pada apa
yang pengguna bisnis lakukan hari ini (atau ingin dilakukan di

35
masa depan), dari pada meminta apa yang anda inginkan dalam
data warehouse?. Peluang utama di seluruh perusahaan
diidentifikasi,

diprioritaskan

berdasarkan

nilai

bisnis

dan

kelayakan, dan kemudian persyaratan yang rinci berkumpul untuk

iterasi pertama dari data warehouse dalam pengembangan sistem
business intelligence.
Technology Track
Menurut Kimball & Ross (2010:98), lingkungan data
warehouse atau business intelligence mewajibkan intergrasi dari
berbagai teknologi, data stores, dan metadata yang terkait. Trek
teknologi dimulai dengan desain sistem arsitektur untuk membuat
shopping list dari kemampuan yang dibutuhkan, dilanjutkan
dengan pemilihan dan pemasangan produk yang memenuhi
kebutuhan-kebutuhan aristektur.
Data Track
Menurut Kimball & Ross (2010:98), data track dimulai
dengan desain model target dimensi untuk menangani kebutuhan
bisnis,

dengan

tetap

memperhatikan

realitas

data

yang

mendasarinya. Modem dimensi dikonversi menjadi desain fisik di

mana kinerja strategi tuning dipertimbangkan, kemudian diextract, transform, dan load (ETL) sistem desain dan tantangan
development yang ditangani
Business Intelligence Track
Menurut Kimball & Ross (2010:98), ketika beberapa
anggota proyek tenggelam dalam teknologi dan data, yang lain
focus pada mengidentifikasi dan membangun berbagai aplikasi
BI, termasuk laporan standar, query

parameter, dashboard,

scorecard, model analitik, dan aplikasi data mining, bersama

dengan interface navigasi yang terkait,

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

Gambar 2. 14 Contoh Star Schema

(Connolly & Begg, 2010:1228)
b. Snowflake Schema
Menurut Connoly dan Begg (2010:1229), snowflake schema
adalah sebuah variasi dari star schema dimana tabel dimensi tidak
memuat data yang didenormalisasi.
Dalam snowflake schema, tabel dimensi diperbolehkan untuk
mempunyai tabel dimensi. Contohnya kita dapat menormalisasikan
data lokasi seperti atribut city, region, dan country dalam tabel
dimensi branch untuk menciptakan dua buah tabel dimensia baru
yang dinamai city dan region. Oleh karena itu, data lokasi pada tabael
dimensi seperti PropertyForSale, ClientBuyer, Staff, dan Owner akan
dihapus, lalu tabel dimensia baru, city dan region akan digunakan
bersama-sama oleh tabel tersebut.

38

Gambar 2. 15 Contoh Snowflake Schema

(Connolly & Begg, 2010:1229)
c. Starflake Schema
Menurut Connoly dan Begg (2010:1227). Starflake schema
adalah sebuah struktur hybrid yang memuat kombinasi dari star
schema dan snowflake schema. Dan skema database yang paling
sesuai

adalah

skema

yang

menggunakan

campuran

skema

denormalisasi star dan normalisasi snowflake. Karena kombinasi ini

terdapat beberapa dimensi dapat digunakan bersama-sama pada
kebutuhan yang berbeda.

2.1.11.13. Keuntungan Model Dimensional dalam Data Warehouse

Menurut Connolly dan Begg (2010:1230). Jika skema berbentuk
star, snowflake, atau starflake, perkiraan dan bentuk standar dari model
dimensional utama menawarkan keuntungan dalam lingkungan data
warehouse yang meliputi:
Efisiensi

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:

Potential high return on investment (pengembalian yang

besar dari investasi)
Dalam

pengimplementasian

data

warehouse

dibutuhkan biaya yang besar, tetapi setelah data

warehouse berhasil berjalan maka akan didapatkan
keuntungan yang lebih berarti dibandingkan dengan biaya
yang dikeluarkan.

Competitive advantage (keuntungan kompetitif)

Tingginya ROI (Return Of Investment) yang dicapai
perusahaan
kompetitif

mengindikasikan
yang

besar

adanya

dalam

keunggulan

perusahaan

tersebut.

Keunggulan kompetitif didapatkan dengan memberikan

informasi

yang

sebelumnya

belum diketahui

pada

pengambilan keputusan.

Increased productivity of corporate decision-makers

(meningkatkan produktivitas dari para pengambilan
keputusan)
Data warehouse meningkatkan produktivitas dari
pengambil keputusan perusahaan dengan menciptakan

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.

2.2.2. Pengertian Sumber Daya Hardware

Menurut OBrien & Marakas (2010:32), konsep sumber daya
hardware meliputi semua peralatan dan bahan fisik yang digunakan
dalam pemrosesan informasi.
2.2.3. Pengertian Sumber Daya Software
Menurut OBrien & Marakas (2010:33), konsep sumber daya
software meliputi semua rangkaian perintah

pemrosesan informasi.

Konsep umum software ini meliputi tidak hanya rangkaian perintah

operasi yang disebut program, dengan hardware komputer pengendalian
dan lansung, tetapi juga rangkaian perintah pemrosesan informasi yang

42
disebut prosedur. Berikut ini adalah contoh-contoh sumber daya software,
yaitu:

Software system, seperti program sistem operasi, yang mengendalikan

serta mendukung operasi sistem komputer.

Software applikasi, yang memprogram pemrosesan lansung bagi

pengguna tertentu komputer oleh pemakai akhir.

Prosedur, yang mengoperasikan perintah bagi orang-orang yang akan
menggunakan sistem informasi.

2.2.4. Pengertian Sumber Daya Data

Menurut OBrien & Marakas (2010:33), data lebih daripada hanya bahan
baku mentah sistem informasi. Data dapat berupa banyak bentuk, termasuk data
alfa numeric tradisional, yang terdiri dari angka dan huruf serta karakter lainnya
yang menjelaskan transaksi bisnis dan kegiatan serta entitas lainnya. Data teks,
terdiri dari kalimat dan paragram yang digunakan dalam menulis komunikasi,
data gambar, seperti bentuk grafik dan angka, serta gambar video grafis dan
video, serta data audio, suara manusia dan suara-suara lainnya, juga merupakan
bentuk data yang penting.
2.2.5. Pengertian Pembelian
Menurut Mulyadi (2008:316), pembelian adalah serangkaian tindakan
untuk mendapatkan barang dan jasa melalui pertukaran, dengan maksud untuk
digunakan sendiri atau dijual kembali.
Menurut Warren, Reeve (2009:281) pembelian didefinisikan sebagai
usaha untuk memenuhi kebutuhan atas barang atau jasa yang diperlukan oleh
perusahaan dan dapat diterima tepat pada waktunya dengan mutu yang sesuai
serta harga yang menguntungkan.
Saat pemesanan

Saat pemesanan sangatlah tergantung pada kualitas barang

yang masih ada,rata rata tingkat pemakaiannya dan jangka
waktu pemesanan.

Jumlah yang dipesan

43

Jumlah yang dipesan ditetapkan secara matematis dan juga

menurut kebijaksanaan untuk medapatkan kuantitas pesananpesanan ekonomis.

Rekanan

Dalam menetapkan pilihan rekanan mesti dikaitkan pada

harga, syarat pembayaran, kualitas keandalan lokasi saat
penyerahan yang dijanjikan.

2.2.6. Pengertian Penjualan

Menurut Mulyadi (2008:160), Penjualan memiliki peranan penting dalam
perusahaan karena penjualan merupakan sumber kelangsungan hidup suatu
pembayaran. Semakin besar jumlah penjualan semakin besar pula laba yang
diperoleh. Penjualan terjadi apabila pihak yang satu (penjual) menyerahkan hak
milik suatu barang, sedangkan pihak lain (pembeli) membayar barang baik
secara tunai maupun kredit sebagai imbalan dari perolehan hak milik tersebut.
Penjualan merupakan sebuah proses dimana kebutuhan pembeli dan
kebutuhan penjualan dipenuhi, melalui antar pertukaran informasi dan
kepentingan (Kotler & Keller, 2006).
Penjualan dapat dibagi menjadi dua bagian, yang tediri dari:

Penjualan Langsung : Penjualan langsung merupakan sebuah strategi

untuk mempromosikan produk atau jasa yang ditujukan untuk
memengaruhi tindakan konsumen. Penjualan langsung (hardsell)
lebih menekankan pengambilan keputusan yang didasarkan atas
rasional atau karena adanya keuntungan tambahan yang diberikan
suatu produk. Wujud dari penjualan langsung (hard sell) dapat
ditemui dalam bentuk promosi penjualan (sales promotion), penjualan
pribadi (personal selling), penjualan langsung (direct response
marketing), serta merchandising dan point of purchase).

Penjualan tidak langsung : merupakan strategi untuk mempromosikan

suatu produk atau jasa yang ditujukan untuk menyentuh pikiran dan

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

mempengaruhi tingkat penjualan di perusahaan,yang khususnya pada barang

kebutuhan industri, produk dengan harga jual cukup tinggi,produk yang harus
dipesan,produk impor dan sebagainya.Dalam pembayaran dapat dilakukan
dengan pembayaran tunai (bayar lunas) dan pembayaran kredit(pembayaran
dengan menyicil sesuai dengan kesepakatan antar kedua pihak)