Implementasi Data Warehouse untuk Analisis Peminjaman

Buku pada Perpustakaan

I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra
Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana Bukit Jimbaran, Bali,
Indonesia, telp. (0361) 701806
e-mail: gunaya@gmail.com, jhonarendra@gmail.com, devajayantha870@gmail.com.

Abstrak
Perpustakaan merupakan sebuah koleksi buku dan majalah yang dibiayai dan dioperasikan
oleh sebuah kota atau institusi, dimana masyarakat dapat membaca atau meminjam buku dengan
mengikuti syarat dan ketentuan perpustakaan. Pengelolaan data peminjaman buku di perpustakaan
kebanyakan sudah menggunakan sistem komputer yang memiliki basis data dan sistem yang
terintegrasi. Umumnya data member, pegawai, buku dan data peminjaman tersimpan pada basis data
OLTP (Online Transaction Processing) dengan struktur yang telah ternormalisasi. Basis data yang
sudah ternormalisasi sangat baik untuk meminimalkan kapasitas penyimpanan dan memudahkan
pengeditan data, tetapi tidak efektif dalam penyeleksian data, misalnya untuk membuat sebuah
laporan. Permasalahan tersebut dapat diminimalisir menggunakan data warehouse. Data warehouse
sejatinya ringkasan yang diambil dari basis data OLTP supaya penyimpanan lebih efektif dan seleksi
data lebih cepat. Berdasarkan hal tersebut, penelitian ini mengusulkan data warehouse untuk analisis
peminjaman buku pada perpustakaan. Aplikasi data warehouse pada penelitian ini dapat melakukan
proses ETL (Extract, Transform, Load) dari basis data perpustakaan relasional, kedalam data
warehouse perpustakaan dan menampilkan laporan peminjaman setiap member pada waktu tertentu.

Kata Kunci: Data Warehouse, Peminjaman Buku, Perpustakaan

Abstract
Llibrary is a collection of books and magazines that are funded and operated by a city or
institution, where people can read or borrow books by following the terms and conditions of the library.
Management of data lending books in most libraries already uses a computer system that has an
integrated database and system. Data members, employees, books and borrowing data are stored in
the OLTP (Online Transaction Processing) database with normalized structures. The database that has
been normalized is very good for minimizing storage capacity and facilitating data editing, but is not
effective in selecting data, for example to make a report. These problems can be minimized using a
data warehouse. Data warehouses are actually summaries taken from OLTP databases so that storage
is more effective and data selection is faster. Based on this, this study proposes a data warehouse for
analysis of lending books to libraries. The data warehouse application in this study can perform ETL
processes (Extract, Transform, Load) from the relational library database, into the data warehouse
library and display loan reports for each member at a certain time.

Keywords: Data Warehouse, Borrowing Books, Library

1. Pendahuluan
Perpustakaan merupakan sebuah koleksi buku dan majalah atau sumber ilmu pengetahuan
lain. Perpustakaan lebih dikenal secara umum sebagai sebuah koleksi besar yang dibiayai dan
dioperasikan oleh sebuah kota atau institusi. Perpustakaan dapat dimanfaatkan oleh masyarakat yang
rata-rata tidak mampu membeli buku dengan biaya sendiri dengan melakukan pinjaman. Pada masa
kini sudah banyak institusi perpustakaan yang telah menggunakan sistem komputer dalam pengelolaan
data seperti data pegawai, member, buku dan transaksi peminjaman. Basis data yang digunakan
merupakan basis data dengan struktur yang ternormalisasi atau basis data relasional. Basis data jenis
ini lebih baik digunakan dari segi efektifitas penyimpanan dan maintenance.

Implementasi Data Warehouse untuk Analisis Peminjaman Buku pada Perpustakaan

(I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra) 1
 Menampilkan laporan data peminjaman dari perpustakaan bisa dilakukan dengan cara biasa.
Namun, basis data relasional memiliki struktur tabel dengan relasi yang banyak, sehingga
memungkinkan query berjalan lambat. Mungkin kecepatan eksekusi query tidak akan terasa jika data
masih dibawah 100 baris. Apabila diatas 100 baris, query akan berjalan lambat dan kemungkinan sulit
untuk dilakukan penyeleksian data secara dinamis. Penyeleksian data secara dinamis yang dimaksud
adalah pengguna dapat melihat data peminjaman oleh member tertentu, dalam waktu tertentu dan
pada perpustakaan tertentu.
Cara terbaik mengatasi permasalahan kecepatan query, adalah dengan membuat data
warehouse atau gudang data. Data warehouse atau dalam bahasa Indonesia Gudang Data merupakan
suatu sistem komputer yang bertujuan untuk mengarsipkan dan menganalisis data historis suatu
organisasi seperti data transaksi penjualan, gaji, dan informasi lain dari operasi waktu. Konsep data
warehouse berstruktur dimensional, bukan relasional, sehingga tabel tidak banyak berelasi satu sama
lain. Cara kerja data warehouse yaitu ekstraksi data dari source atau database sumber ke dalam basis
data data warehouse. Proses tersebut dinamakan ETL (Extract, Transform, Load) dimana extract
berarti ekstraksi data, transform berarti penyempurnaan data supaya sesuai dengan data warehouse,
dan load yaitu pemindahan data dari source ke data warehouse.
Data warehouse yang akan diimplementasikan pada penelitian ini adalah data peminjaman
dari perpustakaan. Data peminjaman yang dimaksud adalah jumlah peminjaman buku yang dilakukan
oleh member pada waktu tertentu, dan lokasi perpustakaan tertentu. Selain itu juga terdapat data
warehouse yang menampilkan data buku beserta jumlah peminjamannya.

2. Metodologi Penelitian
Data sumber yang digunakan dalam penelitian ini berupa basis data perpustakaan yang sudah
dirancang sesuai dengan bisnis proses pada sistem perpustakaan pada umumnya. Objek dari
penelitian ini adalah data member, pegawai, buku dan data peminjaman yang akan dilakukan ekstraksi
kedalam data warehouse. Gambaran umum dari penelitian mengenai implementasi data warehouse
untuk analisis peminjaman buku pada perpustakaan dapat dilihat pada Gambar 1 dibawah ini.

Gambar 1 Gambaran Umum Aplikasi

Implementasi Data Warehouse untuk Analisis Peminjaman Buku pada Perpustakaan

(I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra) 2
 Tahap awal sistem dimulai dari memasukkan data dari database sumber ke aplikasi. Data dari
database sumber dilakukan proses ETL dalam aplikasi sehingga menghasilkan Data Warehouse dan
dimasukkan ke database data warehouse. Pengguna dapat memasukkan data seleksi seperti tahun
dan bulan kedalam aplikasi, lalu aplikasi menyeleksi data dari Data Warehouse kemudian memberikan
output Data Hasil Seleksi ke sistem dan diterima oleh Pengguna.

3. Kajian Pustaka
3.1 Perpustakaan
Perpustakaan adalah sebuah koleksi buku dan majalah atau sumber ilmu pengetahuan lain
yang terkumpul dan terkategorisasi dengan baik. Perpustakaan lebih dikenal secara umum sebagai
sebuah koleksi besar yang dibiayai dan dioperasikan oleh sebuah kota atau institusi. Perpustakaan
dapat dimanfaatkan oleh masyarakat yang rata-rata tidak mampu membeli buku dengan biaya sendiri
dengan melakukan pinjaman. Peminjaman buku biasanya dilakukan oleh member yang sudah terdaftar
pada perpustakaan untuk menghindari hal-hal yang tidak diinginkan. Pustakawan juga perlu mendata
buku, member dan data peminjaman. Peminjaman yang dilakukan oleh member harus mengikuti
ketentuan-ketentuan yang diberlakukan oleh pustakawan. Misalnya dikenakan sanksi jika terjadi
keterlambatan pengembalian atau kerusakan pada buku.

3.2 Basis Data

Secara sederhana database (basis data) dapat diungkapkan sebagai suatu pengorganisasian
data dengan bantuan computer yang memungkinkan data dapat diakses dengan mudah dan cepat.
Sedangkan DBMS (database management system) merupakan perangkat lunak atau program
komputer yang dirancang secara khusus untuk memudahkan pengelola database [6]. Dalam membuat
suatu rancangan databse, digunakan Conceptual database design. Conceptual database design
adalah proses membangun model data yang digunakan di dalam suatu perusahaan, bersifat
independent dari semua pertimbangan fisikal [2].

3.3 Data Warehouse

Data warehouse adalah suatu konsep dan kombinasi teknologi yang memfasilitasi organisasi
untuk mengelola dan memelihara data historis yang diperoleh dari sistem atau aplikasi operasional [1].
Data warehouse adalah kumpulan data yang bersifat subject-oriented, integrated, nonvolatile, dan
dapat digunakan untuk mendukung pihak manajemen dalam membuat keputusan [5]. Data warehouse
tidak termasuk dalam suatu produk tetapi suatu lingkungan dimana pengguna dapat menemukan
informasi strategis. Dengan kata lain data warehouse sebenarnya merupakan suatu hasil ringkasan
yang diambil dari basis data sumber yang digunakan untuk pelaporan data. Karakteristik dari data
warehouse adalah sebagai berikut.
a. Integrated
Data pada data warehouse bersumber dari database source. Tidak hanya berasal dari
database operasional (internal source) tetapi juga berasal dari data diluar sistem (external
source).
b. Nonvolatile Data
Secara berkala atau periodik data pada database relasional dipindahkan kedalam data
warehouse sesuai dengan jadwal yang sudah ditentukan atau pada keadaan tertentu.
c. Time-Variant
Waktu adalah dimensi penting pada data warehouse. Semua data pasti akan berkaitan dengan
waktu. Data untuk analisis dari berbagai sumber berisi berbagai nilai waktu, misalkan harian,
mingguan, dan bulanan.

Online Analytical Processing (OLAP) merupakan salah satu tools yang digunakan untuk
mengakses informasi dalam data warehouse. Teknologi OLAP memungkinkan data warehouse
digunakan secara efektif untuk proses online analysis, memberikan respon yang cepat terhadap
analytical queries yang kompleks [4].
Teknik pemodelan pada data warehouse disebut dimensional modelling technique atau teknik
pemodelan dimensional. Pemodelan dimensional terdiri dari Star Schema dan Snowflake Schema. Star

Implementasi Data Warehouse untuk Analisis Peminjaman Buku pada Perpustakaan

(I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra) 3
Schema adalah struktur pemodelan dimesional dengan menerapkan tabel fakta pusat dan dikelilingi
tabel dimensi tidak bertingkat. Sedangkan Snowflake Schema memiliki tabel dimensi yang bertingkat.
Tabel fakta berisi atribut deskriptif yang digunakan untuk proses query dan foreign key untuk
menghubungkan ke tabel dimensi.
Dalam data warehouse, dikenal proses ETL. ETL (Extract Transform Load) merupakan proses
mengambil dan mengirim data dari database sumber ke data warehouse. Data yang akan dimasukkan
dalam data warehouse harus dioperasikan terlebih dahulu melalui tahapan tertentu supaya
menghasilkan data yang bersih dan berkualitas baik. Proses inti dari ETL pertama mengambil data atau
ekstraksi dari data sumber, meletakan pada staging area, dan kemudian mentransform, lalu terakhir
meng-load ke data warehouse.
a. Ekstraksi
Dalam pengembangan sebuah data warehose proses ekstraksi informasi dari sumber asli dan
dipindahkan ke dalam data warehouse
b. Transformasi
Untuk mengkonversi data ke bentuk yang disepakati dilakukan transformasi data
(transformation). Ada beberapa permasalahan dalam transformasi, yaitu Konversi data dari
sistem yang berbeda ke dalam bentuk yang diinginkan, Penyeragaman atau cleaning data.
c. Loading
Data yang masuk ke dalam data warehouse haruslah benar. Apabila data yang masuk
merupakan informasi yang salah maka informasi tersebut tidak akan digunakan pengguna.
Oleh karena itu, perlu dilakukan pengecekan seperti keseragaman (Uniformity), versi (version),
kelengkapan (completeness), kesesuaian (conformity) [3].

Pembuatan data warehouse perlu mengikuti konsep-konsep atau skema-skema untuk data
dimensional. Terdapat 2 skema yang sering digunakan yaitu Star Schema dan Snowflake Schema [7].
a. Star Schema
Star schema atau skema bintang adalah model data dimensional yang mempunyai fact table
di bagian tengah, dikelilingi oleh tabel dimensi yang terdiri dari data reference (yang bisa di-
denormalized). Dalam data warehouse data datanya akan tersimpan dalam tabel fakta dan
tabel dimensi. Tabel fakta akan menyimpan data-data utama sementara tabel dimensi
mendeskripsikan setiap nilai dari suatu dimensi dan dapat direlasikan ke tabel fakta jika
diperlukan. Data fakta merupakan data yang terukur besarannya, semisal jumlah siswa,
banyaknya rupiah yang diperoleh, rata-rata IPK, dan sejenisnya.

Gambar 2 Contoh Skema Bintang

b. Snowflake Schema
Struktur basis data ini lebih kompleks dari pada skema bintang. Snowflake schema adalah jenis
dari skema bintang dimana tabel dimensinya tidak mengandung denormalisasi. Dapat diartikan
bahwa bahwa tabel fakta pada star schema dikelilingi oleh banyak dimensi dengan hubungan
one-to-many, sedangkan pada snowflake tabel fakta terhubung banyak ke tabel dimensi, yang

Implementasi Data Warehouse untuk Analisis Peminjaman Buku pada Perpustakaan

(I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra) 4
 dimana dimensi tersebut dapat dihubungkan ke tabel dimensi lain, sedangkan starflake
schema merupakan gabungan antara star schema dengan snowflake.

Gambar 3 Contoh Skema Snowflake

4. Percobaan dan Hasil

4.1 Persiapan Data
Data yang digunakan untuk menjalankan aplikasi adalah database sumber yaitu database
perpustakaan. Database sumber yang digunakan pada aplikasi data warehouse ini memiliki skema
seperti gambar dibawah ini.

Gambar 4 Skema OLTP Perpustakaan

Bisnis proses pada database perpustakaan yaitu dapat mengelola data buku berupa judul,
pengarang, penerbit dan lokasi rak. Database juga dapat menyimpan data peminjaman buku oleh
member dengan mencatat nama pegawai, buku yang dipinjam, tanggal meminjam, tanggal
mengembalikan dan batas tanggal waktu mengembalikan buku.
Sedangkan output dari proses ETL disimpan pada data warehouse database yang sudah
dibuat sebelumnya. Skema dari data warehouse perpustakaan seperti pada gambar dibawah ini.

Implementasi Data Warehouse untuk Analisis Peminjaman Buku pada Perpustakaan

(I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra) 5
 Gambar 5 Skema OLAP Perpustakaan

Data warehouse perpustakaan pada penelitian ini menggunakan skema galaksi dimana
terdapat 2 tabel fakta yaitu tabel fakta untuk peminjaman per bulan dan tabel fakta untuk peminjaman
per tahun. Terdapat 3 tabel dimensi yaitu buku, member dan perpustakaan. Tabel history_etl dan
tb_tabel merupakan tabel helper yang digunakan untuk mencatat data ekstraksi dari database sumber.
Mapping tabel dari database OLTP ke OLAP ditunjukkan pada tabel dibawah.

Tabel 1 Mapping Tabel Database OLTP ke OLAP

Database OLTP Database OLAP
buku dim_buku
detail_buku dim_buku
penerbit dim_buku
pengarang dim_buku
peminjaman fact_peminjaman_bulan,
fact_peminjaman_tahun
detail_peminjaman fact_peminjaman_bulan,
fact_peminjaman_tahun
member dim_member
cb_perpustakaan dim_perpustakaan
pegawai dim_pegawai

Terlihat pada tabel, dijelaskan mapping tabel pada database OLTP ke OLAP. Tabel buku,
detail_buku, penerbit dan pengarang di-mapping ke tabel dim_buku. Tabel peminjaman dan
detail_peminjaman di-mapping menjadi fact_peminjaman_bulan dan fact_peminjaman_tahun. Tabel
member menjadi dim_member, cb_perpustakaan menjadi dim_perpustakaan, dan tabel pegawai
menjadi dim_pegawai pada OLAP.

4.2 Hasil Uji Coba

Aplikasi data warehouse untuk analisis peminjaman pada perpustakaan dibuat dengan bahasa
pemrograman Python dan menggunakan database MySQL. Tampilan awal dari aplikasi ditunjukkan
pada gambar berikut.

Implementasi Data Warehouse untuk Analisis Peminjaman Buku pada Perpustakaan

(I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra) 6
 Gambar 6 Tampilan Awal Aplikasi

Pada tampilan awal aplikasi, terdapat halaman history ETL pada tab Database. Halaman ini
menampilkan tabel history ETL yang menyatakan laporan ekstraksi data meliputi nama tabel, baris
awal, baris akhir, status dan tanggal. Ketika user memilih tombol Extract Data, aplikasi akan menyeleksi
data dari database source yang id nya lebih dari nilai Data Akhir yang tercatat pada history ETL. Hal ini
bertujuan supaya tidak ada duplikasi data pada database data warehouse.
Terdapat tab Warehouse Tahun dan Warehouse Bulan yang menampilkan halaman report dari
peminjaman buku. Tampilan Warehouse Tahun ditunjukkan seperti gambar berikut.

Gambar 7 Tampilan Aplikasi Peminjaman Tahun Tab Member

Peminjaman tahunan menampilkan peminjaman yang dilakukan member pada tab Member
dan buku dengan jumlah dipinjamannya pada tab Buku. Seleksi data bisa dilakukan oleh pengguna
berdasarkan nama perpustakaan dan tahun tertentu. Tabel menampilkan nama member pada baris
dan bulan pada kolom. Di akhir baris dan di akhir kolom, terdapat field Total yang menyatakan jumlah
peminjaman. Tampilan aplikasi Warehouse Peminjaman Tahunan pada tab Buku ditunjukkan pada
gambar berikut.

Implementasi Data Warehouse untuk Analisis Peminjaman Buku pada Perpustakaan

(I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra) 7
 Gambar 8 Tampilan Aplikasi Peminjaman Tahun Tab Buku

Tabel yang ditampilkan pada tab Buku menyatakan jumlah buku tertentu dipinjam pada tiap
bulan pada tahun tertentu. Baris menyatakan nama buku, sedangkan kolom menyatakan tiap bulannya.
Selain tahun, juga terdapat per bulan yang menyatakan jumlah peminjaman dalam satu bulan, yang
ditunjukkan pada gambar berikut.

Gambar 9 Tampilan Aplikasi Peminjaman Bulan Tab Member

Tabel pada peminjaman bulanan menyatakan peminjaman yang dilakukan per hari yang
dinyatakan dengan tanggal, pada bulan, tahun dan lokasi perpustakaan tertentu. Kolom tanggal yang
terdapat pada tabel sudah disesuaikan dengan jumlah tanggal tiap bulannya untuk mengatasi
kekeliruan data. Aplikasi dapat melakukan export data ke dalam Microsoft Excel dengan menekan
tombol Export. Tampilan data pada Excel seperti gambar berikut.

Implementasi Data Warehouse untuk Analisis Peminjaman Buku pada Perpustakaan

(I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra) 8
 Gambar 10 Tampilan Data Pada Excel

Setelah export data ke Excel, dapat dilihat data yang diseleksi pada aplikasi tampil pada format
Excel. Selain export ke Excel, fitur lain aplikasi yaitu menampilkan data dalam bentuk grafik seperti
contoh pada gambar berikut.

###############################################

Gambar 11 Tampilan Grafik Pada Aplikasi

4.3 Analisis
Analisis yang dilakukan pada aplikasi data warehouse yaitu mengecek waktu yang dibutuhkan
seleksi data dari OLTP dan dibandingkan dengan waktu seleksi data dari Data Warehouse. Pertama,
dilakukan seleksi dari tabel relasional untuk menampilkan buku, member, perpustakaan, tahun, bulan
serta jumlah.

Implementasi Data Warehouse untuk Analisis Peminjaman Buku pada Perpustakaan

(I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra) 9
 Gambar 12 Tampilan Seleksi Data Pada Database OLTP

Terlihat pada gambar hasil seleksi menampilkan 90 baris data dengan waktu eksekusi 0.094
detik. Selanjutnya akan diuji waktu ekstraksi data dari database OLTP ke database warehouse
perpustakaan.

Gambar 13 Tampilan Seleksi Data Pada Database OLAP

Terlihat pada gambar waktu yang dihabiskan untuk seleksi data dari database warehouse
perpustakaan adalah 0.003 sec. Perbandingan waktu tiap proses ditampilkan pada tabel berikut.

Tabel 2 Perbandingan Waktu Tiap Proses

Proses Waktu
Seleksi Database 0.094 sec
OLTP
Seleksi Database 0.003 sec
Warehouse

5. Kesimpulan
Berdasarkan hasil pengujian sistem maka dapat disimpulkan hasil ekstraksi data dari basis
data perpustakaan relasional kedalam data warehouse perpustakaan berjalan dengan baik seperti
men-transformasi data dari tabel transaksional ke dalam tabel fakta, dan menampilkan report atau
laporan dari data warehouse di GUI.
Aplikasi berhasil membuat report yang menampilkan data peminjaman yaitu nama member,
nama buku, tahun, bulan, tanggal, cabang perpustakaan. Penyeleksian data juga dibuat dinamis sesuai
dengan inputan pengguna supaya mudah mencari laporan yang ingin ditampilkan. Seleksi data dari
database OLTP lebih lama dibanding database warehouse yaitu memakan waktu 0.094 sec.
Sedangkan seleksi data dari Database Warehouse memakan waktu 0.003 sec.

Daftar Pustaka
[1] Armadyah Amborowati, “Perancangan dan Pembuatan Data Warehouse Pada Perpustakaan
Stmik Amikom Yogyakarta“. Seminar Nasional Aplikasi Sains dan Teknologi 2008 – IST
AKPRIND Yogyakarta, pp. 35 – 52, 2008.
[2] Gat, “Perancangan Basis Data Perputakaan Sekolah dengan Menerapkan Model Data
Relasional”. STMIK Pontianak, pp. 304 – 315, 2015.
[3] Agus Safril, “Perancangan Dan Implementasi Data Warehouse Meteorologi, Klimatologi,
Geofisika Dan Bencana Alam”. Jurnal Meteorologi Dan Geofisika, pp. 132 – 144, 2009.

Implementasi Data Warehouse untuk Analisis Peminjaman Buku pada Perpustakaan

(I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra) 10
[4] Eka Miranda, Julisar, “Analisis Dan Desain Data Warehouse Pada Pengembangan Sistem
Pengadaan Barang Dan Jasa Pemerintah (E-Government Procurement)”. Seminar Nasional
Aplikasi Teknologi Informasi, pp C-1 – C-7, 2010.
[5] Kristien Margi Suryaningrum, “Analisis Sistem Data Warehouse Menggunakan Skema
Snowflake Pada Pdam Kota Salatiga”. Teknik Informatika Universitas Bunda Mulia, pp 1 – 4,
2015.
[6] Medy Risnandar, Ely Rosely.,M.,B.,S, Hadi Prasetyo Utomo, S.Kom.,MT, ”Pembuatan Aplikasi
Pengelolaan Data Perpustakaan Pada Sma Negeri 4 Bukittinggi Berbasis Web”. Manajemen
Informatika FIT, pp 1 – 8, 2016.
[7] Davor Gornik, “Data Modeling for Data Warehouse”. Rational Software White Paper, 2002.

Implementasi Data Warehouse untuk Analisis Peminjaman Buku pada Perpustakaan

(I Wayan Gunaya, Putu Jhonarendra, I Putu Deva Jayantha Putra) 11