ABSTRAK
Informasi mengenai data penjualan dibutuhkan oleh para stakeholder pada PT. SWANISH sebagai
dasar analisa untuk pengambilan keputusan dan penentuan strategi. Di sisi lain, banyaknya data
penjualan transaksional yang terjadi setiap harinya menyebabkan kesulitan dalam proses analisa
dan pengambilan keputusan. Untuk mengatasi permasalahan tersebut, dibangun sebuah data
warehouseyang kemudian hasil dari data warehouse akan dianalisa melalui proses OLAP (Online
Analytical Processing). Dengan OLAP, kebutuhan akan analisa data akan mudah terpenuhi karena
kemampuan OLAP untuk menampilkan laporan dengan berbagai dimensi berbeda dan operasi-
operasi unggulan lain seperti pivoting, drill down, dan filtering.
Kata Kunci : Online Analytical Processing(OLAP), Data Warehouse, Snowflake Schema, Drill
Down, Pivoting
1. PENDAHULUAN
1.1LATAR BELAKANG product langsung pada konsumen. Sebagai
perusahaan berkembang yang membutuhkan
Transaksi dalam sebuah perusahaan terjadi proses analisa data penjualan untuk mendukung
setiap hari mengikuti proses bisnis yang penentuan strategi dalam menghadapi
dilakukan perusahaan tersebut. Sekian banyak persaingan bisnis, PT. SWANISH telah
transaksi yang terjadi, direkam dalam sebuah mengimplementasikan software POS (Point of
sistem dan menghasilkan data dengan ukuran Sales) Integrated System (IS) untuk
yang sangat besar dan semakin bertambah mengakomodir transaksi operasional penjualan
setiap harinya. Data transaksional tersebut tidak dalam proses bisnisnya. Dengan IS seluruh
akan berguna jika hanya disimpan melainkan kegiatan penjualan yang bersifat transaksional
perlu dilakukan pengolahan data sehingga dapat dapat beroperasi dengan baik. Namun untuk
menghasilkan informasi yang bermanfaat. proses analisa masih belum tercukupi karena
Untuk pengolahan data dalam ukuran sangat terbatasnya format laporan yang masih bersifat
besar dan agar memudahkan proses analisa, standar. Dengan format laporan dari IS, proses
data disimpan dalam sebuah arsitektur basis analisa masih dilakukan secara manual
data terintegrasi yang disebut dengan data menggunakan Microsoft Excel dimana
warehouse. Salah satu teknologi yang pengolahan datanya memerlukan waktu yang
dipergunakan dewasa ini untuk mengolah data cukup lama sehingga tidak efisien. Sementara
dalam data warehouse adalah OLAP (OnLine proses analisa seringkali memerlukan waktu
Analitycal Processing). Dengan OLAP dapat yang tidak bisa ditunda.
dilakukan query pada basis data dengan cepat, Oleh karena itu dalam makalah ini akan dibahas
mudah, dan efisien serta mendukung business mengenai Pembuatan Aplikasi Pengolahan Data
intelligence. Tujuan dari OLAP antara lain Penjualan Berbasis Teknologi OLAP.
untuk memudahkan para stakeholder dalam 1.2 IDENTIFIKASI MASALAH
mengambil keputusan berdasarkan data-data
transaksional yang ada karena OLAP akan Berdasarkan latar belakang di atas, dapat
menampilkan data dari berbagai sisi diidentifikasikan masalah yang akan dibahas
(multidimensi). dalam penulisan makalah ini yaitu :
PT. SWANISH adalah perusahaan yang 1. Banyaknya data transaksional penjualan
bergerak dalam produksi dan penjualan fresh yang tersimpan di dalam server tidak dapat
digunakan sebagai dasar analisa sebelum informasi penjualan yang akurat dan
dilakukan pengolahan data lebih lanjut. bermanfaat..
2. Pengolahan data penjualan hingga
menghasilkan laporan memakan waktu 2. LANDASAN TEORI
cukup lama karena masih diolah secara
manual dengan bantuan Microsoft Excel. 2.1 Data Warehouse
3. Jenis laporan yang tersedia masih bersifat Data warehouse merupakan kumpulan
standar dan belum dapat mengakomodir data yang terintegrasi secara logis untuk
proses analisa data penjualan. kebutuhan yang spesifik, umumnya berupa
penanganan query analisa dalam sebuah sistem
pendukung keputusan dan sistem informasi
1.3 RUMUSAN MASALAH eksekutif. Oleh karena data warehouse bersifat
informatif, maka kegunaan dasar dari data
Adapun rumusan masalah dalam penulisan warehouse adalah menyediakan sudut pandang
makalah ini adalah bagaimana cara pengolahan data dari perspektif analisis bisnis (business
data penjualan berbasis teknologi OLAP analyst) dan pembuat keputusan (decision
dilakukan hingga menghasilkan informasi yang makers), bukan dari sudut pandang teknis
berguna sebagai dasar pengambilan keputusan (perspective of technicians) [Paulraj Ponniah,
dan penentuan strategi. 2001 : 19].
2.1.1 Arsitektur Data Warehouse
1.4 BATASAN MASALAH Data warehouse adalah suatu sistem
dengan arsitektur yang bersifat fleksibel
Berdasarkan permasalahan yang telah sehingga untuk membangun sebuah data
dibahas sebelumnya terdapat beberapa batasan warehouse tergantung pada kebutuhan sistem.
masalah yang digunakan sebagai acuan dalam Data dalam data warehouse umumnya
penulisan makalah ini yaitu sebagai berikut : digunakan oleh aplikasi-aplikasi
1. Tahap proses yang dilakukan dimulai dari dalamExecutive Information System (EIS) atau
membuat data warehouse melalui proses Decision Support System (DSS) [J. Han & M.
ETL (Extraction, Transformation, Loading), Kamber, 2006 : 127].
merancang skema basis data, hingga
membuat tampilan antarmuka aplikasi
OLAP.
2. RDBMS (Relational Database Management
System) yang akan digunakan untuk
membangun sistem basis data OLAP adalah
SQL Server 2008.
3. Untuk perancangan aplikasi OLAP
digunakan Delphi 7 sebagai bahasa
pemrogramannya.
Gambar II-1 Contoh Arsitektur Data
Warehouse (Yudhi Hermawan, 2005)
1.5 TUJUAN PENELITIAN
2.1.2 Karakteristik Data Warehouse
Tujuan dari dilaksanakannya penulisan Data warehouse memiliki beberapa
makalah iniyaitu : karakteristik sebagai berikut [Paulraj Ponniah,
2001 : 20] :
1. Membuat datawarehouse dari sistem 1. Subject Oriented
transaksional penjualan yang telah berjalan Sebuah data warehouse dirancang dan
dan dari proses manual yang terjadi dibangun untuk memenuhi kebutuhan
sebelumnya. analisa data berdasarkan subjek tertentu.
2. Mendesain sistem basis data 2. Integrated
multidimensional OLAP studi kasus data Data warehouse menggabungkan data dari
penjualan PT. SWANISH dari data berbagai sumber data yang beragam
warehouse yang telah dibuat. sehingga harus mampu menyelesaikan
3. Membuat aplikasi pengolahan data berbasis masalah konflik penamaan.
teknologi OLAP untuk menyajikan 3. Non-Volatile
Data dalam data warehouse bersifat read penyimpanan data yaitu [Yudhi Hermawan,
only yaitu tidak dapat diubah ataupun di- 2005 : 105] :
update. Data-data tersebut merupakan data
historis yang digunakan untuk memenuhi 2.2.1.1 MOLAP
kebutuhan analisa, bukan untuk menangani MOLAP adalah singkatan dari
transaksi seperti pada basisdata Multidimensional OLAP yang merupakan tipe
transaksional pada umumnya. OLAP yang memiliki storage sendiri.
4. Time Variant Keuntungan dari MOLAP adalah performa
Analisa yang diterapkan pada data kecepatan akses data yang sangat baik. Namun
warehouse berfokus pada perubahan data kelemahannya adalah jika kombinasi agregasi
faktual berdasarkan waktu. data yang dihasilkan untuk semua level, maka
2.1.3 Proses pada Data Warehouse ukuran penyimpanan akan bisa lebih besar
Pada data warehouse terdapat beberapa daripada sumbernya sendiri.
proses dalam pengolahan datanya yaitu sebagai
berikut [Paulraj Ponniah, 2001 : 257] : 2.2.1.2 ROLAP
1. Ekstraksi ROLAP atau Relasional OLAP adalah tipe
Ekstrasi adalah proses pengekstrasian data OLAP yang bergantung kepada RDBMS
dari sumber data untuk diolah lebih lanjut (Relational Database Management System)
dalam data warehouse. Proses ekstraksi sebagai media penyimpanan data yang akan
normalnya tidak dilakukan sekali tetapi diolah. Dengan strategi tersebut maka OLAP
berkali-kali secara berkala untuk menjamin server terhindar dari masalah pengelolaan
data yang ada dalam data warehouse adalah penyimpanan data dan hanya menerjemahkan
data yang terakhir (ter-update). proses query analisis ke relasional query [Yudhi
2. Transformasi dan Loading Hermawan, 2005 : 105]. Keuntungan dari
Proses transformasi dan loading jika ROLAP adalah tidak memerlukan storage
dibandingkan dengan proses ETL lainnya tambahan. Namun kelemahannya adalah jika
merupakan proses yang paling rumit. Pada data untuk suatu cube sangat besar maka
umumnya proses ini terjadi dalam database performa pengambilan data akan memakan
meskipun terkadang ada juga yang waktu lama.
mengimplementasikan di luar database.
. 2.2.1.3 HOLAP
2.2 OLAP HOLAP (Hybrid OLAP) merupakan
OLAP singkatan dari On-Line Analytical kombinasi antara MOLAP dan ROLAP dimana
Processing. Secara mendasar OLAP adalah HOLAP akan menyimpan data precomputed
suatu metode khusus untuk melakukan analisis aggregate pada media penyimpanan HOLAP
data yang terdapat di dalam media sendiri. Yang disimpan pada storage HOLAP
penyimpanan data (database) dan kemudian adalah data untuk beberapa level teratas
membuat laporannya sesuai dengan permintaan sedangkan untuk level yang lebih rendah akan
user [Yudhi Hermawan, 2005 : 110]. disimpan di database relasional [Yudhi
OLAP akan menampilkan data dalam Hermawan, 2005 : 115].
sebuah tabel yang dinamis, yang secara
otomatis akan meringkas data ke dalam 2.2.2 Skema OLAP
beberapa irisan data yang berbeda dan OLAP mempunyai beberapa skema
mengizinkan user untuk secara interaktif dimana skema tersebut digunakan untuk
melakukan perhitungan serta membuat laporan. menyelesaikan seputar data multidimensi.
Tool untuk membuat laporan tersebut adalah 2.2.2.1 Star Schema
tabel itu sendiri yaitu dengan melakukan drag Star schema merupakan relasi dari
terhadap kolom dan baris. User dapat beberapa tabel dimensi yang terpusat pada tabel
mengubah bentuk laporan dan fakta. Sebuah skema dikatakan star jika tabel
menggolongkannya sesuai dengan keinginan dimensinya melakukan join secara langsung ke
dan kebutuhan user dan OLAP engine secara tabel fakta. Pemodelan dengan star schema ini
otomatis akan mengkalkulasi data tersebut membutuhkan ruang yang lebih untuk analisa
[Yudhi Hermawan, 2005 : 105]. multidimensi dalam data warehouse. Star
schema ini mengoptimalkan performa dalam
2.2.1 Arsitektur OLAP melakukan query dan memberikan kecepatan
OLAP terbagi menjadi 3 arsitektur utama respon time karena informasi dari masing-
yang membedakan berdasarkan aspek
masing level disimpan dalam tiap barisnya[J. 2.3.4 Operasi pada OLAP
Han & M. Kamber, 2006 : 114]. OLAP dikenal memiliki banyak
keunggulan dalam pengolahan data. Dengan
keunggulan-keunggulan tersebut, userakan
mendapatkan informasi yang diinginkan dengan
berbagai format dengan mudah.Berikut adalah
operasi-operasi yang terdapat pada OLAP yang
merupakan keunggulan dalam proses analisa
Gambar II-2Star Schema OLAP [J. Han & M. Kamber, 2006 : 123] :
(Yudhi Hermawan, 2005) 1. Pivoting
Pivoting adalah kemampuan OLAP untuk
2.2.2.2 Snowflake Schema mengubah berbagai sudut pandang data.
Snowflake schema merupakan perluasan Dengan operasi ini perubahan perspektif
dari star schema dimana satu atau lebih sudut pandang menjadi lebih mudah. Rotasi
dimensinya diperoleh dari beberapa tabel. dapat dilakukan dengan memutar masing-
Dalam skema ini, hanya satu dimensi utama masing sumbu dari cube yang dikehendaki
yang dihubungkan dengan tabel fakta. untuk menampilkan data dari berbagai sudut
Sedangkan dimensi-dimensi lainnya pandang.
dihubungkan dengan tabel dimensi utama.
Skema snowflake membutuhkan biaya
yang besar untuk melakukan proses query-nya
karena beberapa tabel terhubung secara rumit
sehingga akan mengakibatkan proses pencarian
data dalam data warehouse menjadi lambat [J.
Han & M. Kamber, 2006 : 128].