Penerapan Data Warehouse untuk Pengelolaan

Penjualan Toko Serba Ada

1)
Amalina Tri Setya Berliana, 2)Salsabila Qatrunnada
1), 2)
Program Studi Sistem Informasi, Institut Teknologi Telkom Surabaya, Kota Surabaya, Indonesia
1)
amalinatri@student.ittelkom-sby.ac.id
2)
salsabilaq18@student.ittelkom-sby.ac.id

Abstrak—Manusia tidak memiliki kemampuan untuk mengetahui apa yang akan terjadi di masa depan. Sebagai contoh
yaitu ketidakmampuan manusia dalam memprediksi banyaknya penjualan produk. Namun, hal tersebut dapat dilakukan
dengan dilakukannya analisis data seperti melihat tren produk yang paling dicari dan diminati konsumen pada bulan
atau tahun depan. Dalam melakukan analisis data dibutuhkan ekosistem yang sesuai. Hal tersebut didukung dengan
adanya data warehouse yang berisi informasi tentang data toko untuk mengekstraksi, menyesuaikan, dan mengirim data
ke dalam penyimpanan data dengan mengimplementasikan dengan query kemudian dilakukan analisis untuk dilakukan
pengambilan keputusan. Data warehouse dirancang sesuai dengan kebutuhan dari toko. Dengan adanya data warehouse,
segala informasi riwayat pada sebuah perusahaan akan dapat diketahui dan didapatkan dengan cepat. Data warehouse
dapat dibangun dengan pengumpulan sumber data, menjalankan proses ETL (extracts, Transformation, Loading)
dengan memanfaatkan tools yang ada. Hasil data warehouse dapat dianalisis melalui proses OLAP (On-line Analytical
Processing) yang kemudian dibuat skema serta dashboard untuk visualisasi dan penyajian informasi dari data yang
diinginkan.

Kata Kunci—Data warehouse, Penjualan, OLAP (On Line Analytical Processing), ETL (Extracts,
Transformation, Loading).

perusahaan yang mana data tesebut tidak tersimpan

I. PENDAHULUAN
Peran teknologi Informasi memiliki peran yang
sangat penting dalam suatu perusahaan saat ini.
Dikarenakan perusahaan besar saat ini telah
menggunakan sistem berbasis komputer dalam
mengatur dan mengolah informasi untuk suatu
kepentingan bisnisnya. Hal tersebut bisa dilihat dari
banyaknya transaksi yang terjadi pada suatu
perusahaan besar. Transaksi tersebut harus segera
dibuat supaya dapat diolah secara cepat, sehingga
dapat menghasilkan suatu data yang akhirnya dapat
dipakai oleh pihak perusahaan dalam mengambil
sebuah keputusan yang dihasilkan [1].
Dalam penulisan kali ini kami mengambil studi
kasus sebuah toko. Toko ini merupakan bangunan
tetap untuk menjual barang kebutuhan sehari-hari.
Toko ini hanya dimiliki oleh seorang perorangan dan
toko tersebut tidak memiliki cabang. Produk yang
dijual adalah kebutuhan sehari-hari, sehingga dapat
toko ini dikategorikan sebagai toko serba ada. Untuk
masalah yang sering dihadapi oleh toko ini adalah
pelayanan kepada konsumen terhadap kebutuhan
suatu produk sering sekali stok barang tersebut selalu
habis saat ada permintaan dari konsumen dan barang
yang diminta tidak dijual saat ada kosumen yang
ingin membeli suatu produk. Masalah lainnya adalah
kesulitan untuk menentukan jumlah stok barang yang
disimpan, sehingga perlu adanya kebutuhan toko agar
bisa mengambilan keputusan secara cepat dan tepat
untuk menyimpan stok suatu produk dalam jumlah
besar atau sedikit. Data yang disimpan dalam sebuah
data warehouse adalah data histori dari suatu
secara rinci maupun secara detail [2].
Tujuan utama dari perancangan data warehouse
ini adalah untuk menyatukan data yang beragam yang
berasal dari berbagai sumber ke dalam sebuah tempat
penyimpanan dimana pengguna dapat dengan mudah
melakukan pencarian data dan menyimpan data. Data
warehouse dapat dibangun dengan pengumpulan
sumber data, menjalankan proses ETL (extracts,
Transformation, Loading) dengan memanfaatkan
tools yang ada. Hasil data warehouse dapat dianalisis
melalui proses OLAP (On-line Analytical Processing)
yang kemudian dibuat skema serta dashboard untuk
visualisasi dan penyajian informasi dari data yang
diinginkan [3].
II. TINJAUAN PUSTAKA
A. Data warehouse
Menurut McLeod (2004, p406), “Data warehouse,
warehousing a data storage capacity is very large-
scale, the data is accumulated by adding new
records rather than kept current by updating
existing records with new information, the data is
very easily retrievable, and the data is used for
decision making and is not used with the firm’s
daily operations.” yang berarti data warehouse
merupakan sebuah sistem penyimpanan data yang
berkapasitas besar, dimana data tersebut dikumpulkan
dan ditambahkan record baru. Data jenis tersebut
hanya dapat digunakan untuk proses pengambilan
keputusan dan bukan kegiatan operasional perusahaan
sehari-hari dan dalam memenuhi keputusan dukungan
kebutuhan data warehouse dapat menggunakan data
dari berbagai sumber bisa dari internal maupun
external [4].
Maka, dapat disimpulkan bahwa data warehouse
adalah sekumpulan data yang telah diringkas dan
telah terintegrasi dari data sekarang dan data masa lalu
yang berasal dari berbagai sistem operasional dan
sumber yang lain yang menjadi perhatian penting bagi
organisasi yang berfungsi untuk keperluan analisis dan
pelaporan manajemen dalam rangka pengambilan
keputusan [5].
B. Karakteristik Data warehouse
Menurut Bill Inmon (1970), terdapat enam buah
karakteristik pada data warehouse, yang meliputi
Subject Oriented, Integrated, Process Oriented, Time
Variant, Accesible, dan Non Volatile dalam
mengambil suatu keputusan [3].
1. Subject Oriented
Suatu data yang ditampilkan dan disusun menurut
subjek yang hanya diperlukan untuk proses
pengambilan suatu keputusan. Data-data tersebut
telah dirangkum dan lebih menekankan kedalam suatu
bentuk dimensi, yang meliputi periode waktu (time),
riwayat (history), wilayah (region), dan lain-lain.
2. Integrated
Data warehouse yang dibangun dari proses integrasi
yang memiliki berbagai sumber basis data yang
berbeda beda dan dijadikan kedalam satu bentuk
menjadi satu kesatuan yang utuh sehingga dapat lebih
mudah untuk diolah.
3. Process Oriented
Process Oriented Data warehouse yaitu sebuah proses
berkelanjutan dalam suatu pengolahan data yang
diubah menjadi sebuah informasi serta menjadi suatu
pengiriman informasi. Proses tersebut menjadi
orientasi dari data warehouse di dalam
operasionalnya.
4. Time Variant
Berperan penting sebagai dimensi waktu yang harus
didukung oleh semua data warehouse. Karena data
warehouse diidentifikasikan dari periode waktu
penyimpanannya. dengan kata lain, proses
penyimpanan data yang dikumpulkan tersebut,
disimpan berdasarkan waktu penyimpanan .
5. Accesible
Data warehouse beserta dengan data-data di
dalamnya harus dapat diakses dengan mudah oleh
pengguna. Pengguna juga dapat memperoleh data
yang mereka butuhkan, baik keseluruhan maupun
sebagian (parsial), sesuai dengan hak akses (privilege)
yang diartikan oleh sistem atau pemilik sistem.
6. Non Volatile
Suatu data dari berbagai sumber yang dikumpulkan ke
dalam suatu data warehouse yang data tersebut tidak
boleh dimanipulasi, diedit, diupdate maupun didelete.
Karena data warehouse tersebut mementingkan
adanya historical data (data asli), yang berguna untuk
menunjang suatu proses analisis data yang dilakukan
dikemudian hari.
C. OLAP (On Line Analytical Processing)
OLAP merupakan singkatan dari On-Line
Analytical Processing. Secara keseluruhan OLAP
merupakan suatu metode khusus untuk melakukan
analisis data yang terdapat di dalam sebuah media
penyimpanan data (database) dan kemudian
digunakan untuk membuat laporan sesuai dengan
permintaan user (Yudhi Hermawan, 2005 : 110).
Untuk tujuan tersebut data yang berupa informasi
dibuat dalam format khusus [6].
OLAP merupakan suatu proses komputer yang
dapat digunakan dengan mudah untuk memilih dan
melihat data dari sudut pandang yang berbeda-beda.
Data pada OLAP disimpan dalam basis data
multidimensi. Jika pada basis data relasional terdiri
dari dua dimensi, maka pada basis data multidimensi
terdiri dari banyak dimensi yang dapat dipisahkan oleh
OLAP menjadi beberapa sub atribut [3].
D. ETL (Extract, Transform, and Loading)
Data warehouse memiliki fungsi ETL (Extraction,
Transformation, Loading) yang berperan dalam
pengisian data untuk kebutuhan analisis dengan
melakukan ekstraksi dari berbagai sumber data,
pengubahan data ke bentuk yang sesuai dan pengisian
ke storage data warehouse.
Menurut Ralph Kimball dan Joe Caserta, ETL
(Extract, Transform, and Loading) merupakan daftar
urutan langkah dari pemrosesan data pada database
(khususnya data warehouse), yang melibatkan suatu
proses pengekstrasian (Extraction) data-data dari
sumber-sumber datanya, mempertahankan kualitas
data, menerapkan standarisasi untuk data dan
menyajikannya ke berbagai bentuk (Transformation),
setelah itu dialirkan atau diteruskan (Loading) ke data
warehouse untuk digudangkan, untuk memenuhi
kebutuan analisis data maupun informasi [3].
E. Dimensional Modeling
Pemodelan dimensi merupakan teknik desain yang
bertujuan untuk menyajikan suatu data secara umum
yang dapat diakses dengan kinerja yang tinggi.
Dimensional Modeling itu sendiri memiliki beberapa
konsep pemodelan dimensi pada data warehouse yang
dikenal secara umum dinamakan star schema, selain
schema tersebut terdapat dua model lain yaitu
snowflake dan fact constellation schema.
F. Star Schema (Skema Bintang)
Star schema merupakan suatu desain skema tabel
yang berisikan sebuah tabel fakta yang berfungsi
sebagai penghubung dimensi tabel-tabel yang ada.
Dari Star schema ini terdapat beberapa kelebihan dan
kekurangannya yang terdapat pada performansi
sistem. Star schema dapat diandalkan daripada skema-
skema yang ada. Hal tersebut dikarenakan pengguna
antar tabel dimensi dan tabel fact yang sedikit dapat
memudahkan sistem untuk melakukan suatu
pelanggaran [5].
Gambar Star Schema
G. Snowflake Schema
Grafik skema yang dihasilkan oleh Snowflake
schema ini bentuknya yang mirip dengan kepingan
salju dan serupa dengan star schema, karena terdiri
dari satu tabel fact yang berfungsi sebagai penghubung
tabel-tabel dimensi, Namun dalam snowflake schema,
ada tabel dimensi yang mengalami normalisasi ke
dalam suatu tabel dimensi baru yang lebih kecil
cakupannya.
Gambar Snowflake Schema
H. Fact Constellation Schema
Fact Constellation Schema ini berbeda dari kedua
tipe sebelumnya, dikarenakan memerlukan beberapa
tabel fakta untuk dibagikan tabel dimensi. Skema
semacam ini juga galaxy schema [5].
Gambar Fact Constellation Schema
I. My SQL
MySQL adalah sebuah database manajemen
system (DBMS) popular yang memiliki fungsi sebagai
relational database manajemen system (RDBMS).
Selain itu MySQL software merupakan suatu aplikasi
yang sifatnya open source serta server basis data
MySQL memiliki kinerja sangat cepat, reliable, dan
mudah untuk digunakan serta bekerja dengan
arsitektur client server atau embedded systems [7].
Hal yang menjadikan MySQL menjadi pilihan
utama sebagai database, dikarenakan MySQL
menggunakan lisensi GPL dan multiplatform,
sehingga tidak membutuhkan biaya besar dalam
membuat aplikasi serta tidak harus tergantung pada
OS Windows ataupun Linux karena dapat dijalankan
pada kedua OS tersebut dan beberapa OS lainnya [2].
III. PEMBAHASAN
Sebuah usaha atau toko harus melakukan
pencatatan dari seluruh hasil transaksi penjualan toko.
Pencatatan data dapat dilakukan dengan
mengimplementasikan sistem yang telah
menggunakan database untuk menangani transaksi
operasionalnya. Apabila hal tersebut belum dimiliki,
maka akan menyebabkan kesulitan dalam analisis data
karena seluruh transaksi tidak dicatat secara lengkap.
Dengan demikian, haruslah dibangun sebuah database
terlebih dahulu untuk kemudian dilanjutkan dengan
data warehouse [2].
Dalam melakukan perancangan data warehouse,
harus dilakukan persiapan pada beberapa hal, yaitu
analisis kebutuhan informasi, memilih grain,
identifikasi penyesuaian dimensi, dan memilih fakta
[2]. Analisis kebutuhan infomasi dilakukan dengan
menentukan apa saja yang dibutuhkan dalam proses
evaluasi dan analisis pengambilan keputusan
penjualan. Salah satu kebutuhan tersebut adalan
informasi tentang hasil penjualan serta jumlah unit
produk yang terjual pada bulan atau tahun tertentu
untuk kemudian digunakan dalam memprediksi barang
yang akan dijual [1][2]. Data dari calon fakta yang
dapat dianalisis atau yang disebut Grain akan diplih
berdasarkan proses bisnis yang ada. Contoh grain
yang dipilih adalah jumlah penjualan yang dilihan
berdasarkan indikator atau dimesi waktu, kategori
barang, jenis barang, dan nama barang [2].
Perancangan dimensi data warehouse dilakukan
dengan membuat matriks antara grain dengan dimensi
yang telah ditentukan sebelumnya [2]. Selanjutnya
yaitu mengidentifikasi dan menyesuaikan dimensi [1].
Hal tersebut berguna sebagai dasar pembuatan data
warehouse [2]. Setelah itu, selanjutnya adalah memilih
fakta yang akan digunakan dalam data warehouse [2]
Setelah dilakukan perancangan, proses selanjutnya
yaitu melakukan implementasi data warehouse. Proses
ini dilakukan dengan membuat skema data warehouse,
proses ETL, dan proses OLAP [2]. Pembangunan
database untuk data warehouse dapat dilakukan
dengan menggunakan DBMS MySQL. Proses
integrasi ini menggunakan data yang bersumber data
operasional akan diproses dengan konsep ETL
(Extracts, Transformation, Loading) ke data
warehouse [2]. Contoh tools yang dapat digunakan
yaitu Talend Open Studio Business Intelligence dan
Pentaho [2][3]. Dengan demikian, proses pengambilan
dan pemindahan data ke database data warehouse
akan menjadi lebih mudah. Pembuatan skema untuk
perancangan data hasil transformasi tabel dimensi
pada data warehouse dapat menggunakan skema
bintang (star schema) [3].
Setelah itu akan dilakukan pengambilan informasi
secara detail yang dibutuhkan oleh user dari data
warehouse dengan OLAP (Online Analytical
Processing) yang merupakan salah satu cara mengolah
data pada data warehouse [2]. Proses tersebut
dilakukan dengan mengolah data menggunakan query
untuk mendapatkan informasi dari database data
warehouse yang sebelumnya telah diimplementasikan
[2]. Contoh informasi yang dapat diambil yaitu
informasi jumlah barang yang terjual berdasarkan
nama barang pada bulan tertentu pada tahun tertentu.
Hasil query dapat digunakan untuk mempredikasi
jumlah barang yang harus distok pada bulan tertentu
ke depannya [2]. Sebagai contoh pada bulan
November 2020, produk yang paling sering dibeli oleh
konsumen adalah tas. Dengan demikian, perlu
disiapkan stok tas dengan jumlah yang lebih banyak.
Setelah seluruh proses dilakukan, tahap akhir dalam
pembangunan data warehouse adalah pembuatan
dashboard. Tools yang dapat digunaka yaitu Pentaho
BI Server atau Pentaho Business Analytics. Tools
tersebut merupakan engine yang menggunakan Bahasa
pemrograman Java yang menyajikan informasi dalam
bentuk grafik sehingga akan lebih mudah dipahami.
Berikut adalah contoh grafik batang yang
menunjukkan barang yang terjual pada toko
Magnifique Clothes selama 4 tahun [2].
Contoh Grafik Batang Informasi Barang yang Terjual
Tahun 2014 sd 2017 (Darmawan, 2019)
Perancangan data warehouse dapat dilakukan
dengan mendesain arsitektur fisik dan logical data
warehouse. Implementasi data warehouse harus
disesuaikan dengan kebutuhan user [2]. Aplikasi data
warehouse menyediakan laporan atau dashboard
dalam bentuk grafik yang memudahkan pihak
eksekutif dalam menganalisis data dan membuat
keputusan [1]. Hasil yang disajikan pada dashboard
hanya berupa read-only dan tidak dapat dilakukan
proses edit dan delete [4].
IV. SIMPULAN
Dari pembahasan di atas, terdapat kesimpulan
sebagai berikut:
- Pembuatan data warehouse penjualan akan
mempermudah penyampaian informasi menjadi
lebih fleksibel
- Penyajian informasi dari data warehouse penjualan
akan membantu dalam proses evaluasi, perencanaan,
pemasaran barang, rekayasa proses bisnis, serta
pengamatan tren barang yang diminati konsumen
setiap bulan atau tahun.
- Data warehouse yang diimplementasikan pada
sebuah toko berguna untuk melihat perkembangan
keuntungan dan penjualan pada setiap kurun waktu
tertentu serta membantu dalam proses pengambilan
keputusan produk apa yang akan dijual serta
disimpan dengan stok yang berlebih
- Aplikasi data warehouse menyajikan laporan multi
dimensi dan bersifat dinamis dimana user dapat
melihat laporan berdasarkan dimensi dimensi yang
ada sesuai dengan kebutuhan.
- Dengan adanya data warehouse pada sebuah toko,
maka data-data akan lebih terangkum ke dalam
laporan yang detail berdasarkan dimensi yang telah
ditentukan.
- Hasil yang disajikan pada data warehouse hanya
berupa read-only dan tidak dapat dilakukan proses
edit dan delete.
V. SARAN
Dari pembahasan dan kesimpulan di atas, penulis
dapat memberikan saran sebagai berikut.
- Tidak hanya perusahaan besar yang dapat
menerapkan data warehouse, tetapi usaha rintisan
pun dapat pula memanfaatkan untuk mendukung
dalam perkembangan usaha.
- Data warehouse dapat dikembangkan kembali
dengan penambahan data baru, seperti penjualan di
tahun yang akan datang sehingga data warehouse
akan menjadi tempat penyimpanan dan penyajian
informasi penjualan secara periodik
- Data warehouse dan dashboard dapat dibangun
secara berkelanjutan untuk pengembangan usaha ke
depannya.
- Berbagai jenis data lain dapat ditambahkan ke dalam
data warehouse, seperti data pembelian barang ke
distributor atau data lainnya.
- Aplikasi data warehouse ini dapat dikembangkan
lebih luas lagi pada perancangan aplikasi Decision
Support System dan Data Mining dengan
menggunakan dasar data warehouse untuk
melakukan analisis data secara lebih mendalam
sehingga dapat menyediakan solusi kepada para
eksekutif.
DAFTAR PUSTAKA
[1] S. Lim, "Data Warehouse untuk Pengelolaan Penjualan pada
PT. Lippo Karawaci, Tbk.," Media Neliti, vol. 2, no. 1, pp.
61-70, Januari 2012.
[2] I. P. A. E. Pratama and I. G. A. Pradipta, "Desain dan
Implementasi Data Warehouse," Jurnal Teknologi
Informatika dan Terapan, vol. V, no. 01, pp. 65-71, Juni 2018.
[3] D. Subuh and W. Yasman, "Implementasi Data Warehouse
Dan Penerapannya pada Toko Magnifique," Seminar
Nasional Inovasi dan Aplikasi Teknologi di Industri
(SENATI) 2019, vol. V, no. 2, pp. 29-36, 2 Februari 2019.
[4] A. H. Kridalaksana, H. Hamdani and N. Yanti, "Perancangan
Data Warehouse Penjualan untuk Perhitungan Laba Rugi
(Studi Kasus di Era 5000 Lembuswana Samarinda)," Jurnal
Ilmiah Ilmu Komputer, vol. 6, no. 3, pp. 119-125, September
2011.
[5] R. A. Nugroho, J. Tambotoh and T. J. Hoetama, "Aplikasi
Data Warehouse untuk Analisis Penjualan Mobil Berbasis
Multidimensional Modeling (MDM) dan Star Schema Design
(Studi Kasus PT. Asco Automotive)," Jurnal Teknologi
Informasi-Aiti, vol. V, no. 2, pp. 186-200, 2008.
[6] I. Tresnawati and E. Susilowati, "Implementasi Teknologi
OLAP pada Sistem Pengolahan Data Penjualan," Seminar
Nasional Sains dan Teknologi, pp. 1-7, 2014.
[7] H. Yuliansyah, "Perancangan Replikasi Basis Data MySQL
dengan Mekanisme Pengamanan Menggunakan SSL
Encryption," Jurnal Informatika, vol. 8, no. 1, Januari 2014.