Perancangan Data Warehouse pada Penjualan Barang

Elektronik

Janie Permatasari (13.2020.1.00890)

Queen Carolyne Sunni (13.2020.1.00902)

ABSTRAK
Database sebagai penyimpan informasi saat ini sudah banyak digunakan di berbagai bidang,
misalnya menggunakan database untuk menyimpan informasi transaksi penjualan. Jumlah
data yang disimpan dalam database mempengaruhi kinerja database, seperti pencarian dan
pengunduhan data. Desain desain Basis data yang tidak akurat dapat menyebabkan hilangnya
data, data yang tidak konsisten, dan redundansi data. Tujuan perencanaan gudang data
penjualan produk elektronik adalah untuk mengumpulkan, mengatur, dan menganalisis
informasi terkait penjualan produk elektronik dari berbagai sumber dalam sistem yang
terintegrasi dan efisien. Metode analisis dilakukan dalam beberapa tahapan yang meliputi
penelitian literatur, wawancara, analisis informasi dan analisis sistem. Perancangan model
data warehouse sistem informasi, khususnya grafik bintang penjualan elektronik, didasarkan
pada data operasional, dan dimensi yang ada siap memberikan laporan yang memuaskan
untuk informasi manajemen, sedangkan dimensi data siap memberikan laporan yang
memuaskan. kebutuhan informasi manajemen digunakan sebagai bahan data dalam
pengambilan keputusan, karena setiap tabel dimensi data memungkinkan perlindungan data
yang lebih akurat dan terperinci.
PENDAHULUAN
1.1 Latar belakang
Di era globalisasi, dimana teknologi memainkan peran yang semakin penting dalam
meningkatkan kinerja organisasi atau bisnis, perusahaan saling bersaing untuk memperoleh
teknologi yang ada untuk mendukung operasi bisnis sehingga bisnis dapat melakukan tugas
seefisien dan seefektif mungkin. Dalam hal ini, perusahaan semakin bersaing satu sama lain.
Memperoleh teknologi yang ada untuk mendukung pekerjaan organisasi agar terlaksana
seefektif dan seefisien mungkin. Itu sebabnya banyak perusahaan menawarkan layanan
terbaik berbasis web atau seluler, seperti layanan yang mempertemukan penjual dan pembeli
barang. Website atau mobile memudahkan penjual untuk mengiklankan dan menjual
produknya kepada konsumen, dan konsumen dapat menemukan barang yang dibutuhkannya
tanpa harus keluar rumah. Namun saat membeli produk elektronik, permasalahan muncul saat
konsumen mencari barang elektronik dan furniture indoor dalam sebuah aplikasi dan masih
menggunakan database bisnis sebagai alat bisnis yang digunakan perusahaan sebagai media
penyimpanan. Berdasarkan permasalahan di atas, dirancang model data warehouse. Model
penyimpanan data yang direncanakan adalah Information System. Diagram yang digunakan
adalah diagram bintang, diagram kepingan salju, 2 dimensi dan 3 dimensi dalam kubus.
1.2 Tujuan
Tujuan perancangan gudang data penjualan produk elektronik adalah untuk mengumpulkan,
mengatur, dan menganalisis data terkait penjualan produk elektronik dari berbagai sumber
dalam sistem yang terintegrasi dan efisien. Data warehouse ini membantu organisasi dalam
proses pengambilan keputusan, didukung oleh analisis data yang terstruktur dan
multidimensi, untuk dapat menyediakan informasi dan data yang lebih akurat dan tepat.
Dengan bantuan gudang data, informasi tentang penjualan produk elektronik tersedia dengan
mudah dan cepat, yang membantu perusahaan memprediksi tren penjualan dan meningkatkan
kinerja bisnis.
LANDASAN TEORI
2.1 Data Warehouse
Data warehouse adalah kumpulan data yang dikelola sedemikaian rupa sehingga
memudahkan pengambilan keputusan dalam suatu perusahaan. Data tersebut berasal dari
data internal maupun data eksternal. Oleh karena itu, perancangan data warehouse dalam
penjualan barang elektronik sangat penting.
Database adalah kumpulan data yang berhubungan secara logis yang dirancang untuk
memenuhi kebutuhan informasi suatu perusahaan. Tentu saja, melalui penerapan database
dapat mengurangi pemrosesan data, penyajian data dan hal ini dapat mengurangi
kemungkinan terjadinya kesalahan dalam pelaksanaan operasi perusahaan.
Dalam mendesain database untuk sistem operasi, desain adalah hal yang umum untuk
Pemrosesan Analitik Online (OLAP), mengotomatiskan operasi bisnis dan menekankan
efisiensi dan memperbarui ratusan kumpulan data individual dalam hitungan detik. Di sisi
lain, merancang database untuk data warehouse memerlukan pertimbangan kemampuan
sistem untuk jutaan catatan data dalam satu proses harus diperhitungkan.

2.2 Online Analytical Processing (OLAP)

Online Analytical Processing adalah teknologi untuk mengumpulkan, mengorganisir,
mengagresasi, dan menganalisis data bisnis dalam multidimensi yang menghasilkan
informasi dan insight. OLAP memungkinkan penggunanya untyk melakukan analisis
terdapat data secara fleksibel dan efisien, dengan memanipulasi data untuk memperoleh
informasi yang lebih spesifik dan insight yang lebih dalam. Hal ini dikarenakan konsep
multi karena data yang berupa fakkta yang sama dapat dilihat dengan mengunakan fungsi
yang berbeda. Perangkat lunak OLAP memiliki fungsi roll-up dan drill-down. Apa yang
dimaksud dengan drill-down dan roll-up? Drill down berfungsi untuk detal dari suatu
informasi, sedangkan roll-up adalah kebalikannya.

2.3 Arsitektur Data Warehouse

Komponen-komponen utama dalam sebuah data warehouse antara lain
 Gambar 1. Arsitektur Data Warehouse
1. Operational Data
Sumber data Warehouse dapat diambil langsung dari mainframe, basis data relasional
seperti My SQL, Oracle, MS SQL Server dan sebagainya, Selain itu dapat melalui
Operational Data Source (ODS). ODS menampung data yang diekstrak dari sistem
utama atau sumber sumber data yang ada, diekstrak dan dibersihkan.
2. Load Manager
Load Manager melakukan seluruh operasi yang berhubungan dengan ekstrasi dan me-
load data (ETL:Extract, Transform, Loading) ke data Warehouse yang diambil dari
database operasional.
3. Warehouse Manager
Warehouse manager melakukan seluruh operasi-operasi yang berhubungan dengan
kegiatan manajemen data dalam data warehouse, operasi-operasi tersebut
meliputi :analisis terhadap data untuk memastikan konsistensi, transformasi dan
penggabungan sumber data dari media penyimpanan sementara ke tabel data
warehouse, membentuk indeks dan view pada tabel, generate proses de-normalisasi,
generate aggregasi, dan melakukan back up dan archiving data.
4. Query Manager
Query manager juga disebut komponen back-end, melakukan semua operasi yang
berhubungan dengan pengaturan query yang dimasukkan oleh user. Operasi yang
dilakukan komponen ini berupa pengarahan query pada tabel-tabel yang tepat dan
penjadwalan eksekusi query.
5. End User Access Tools
Tujuan utama dari data warehouse adalah mendukung dalam proses pembuatan
keputusan yang strategis dalam berbisnis. Para pengguna berinteraksi dengan data
warehouse menggunakan end-user access tools.

METODE PENELITIAN
Metode yang digunakan dalam penelitian ini, terdapat dua jenis metode, yaitu :
1. Metode Analisis
Metode analisis dilakukan melalui beberapa tahap, antara lain:
A. Penelitian literatur memeriksa literatur tentang metodologi untuk menyiapkan
gudang data.
 B. Pemetaan sistem yang sedang berjalan dengan mewawancarai orang-orang yang
terlibat dalam mendukung dan mengelola operasional perusahaan menggunakan
sistem penyimpanan data yang dibangun.
C Menganalisis informasi yang dibutuhkan oleh para eksekutif untuk mengambil
keputusan yang akan digunakan pada saat merancang sistem penyimpanan data.
D. Rencana pasca melibatkan pengguna dan analis sistem dalam menentukan rencana
pasca sistem untuk mencapai tujuan. Penggunaan dan analisis bertemu untuk
mengidentifikasi tujuan dari sistem informasi dan tujuan yang diperlukan untuk
mencapai tujuan tersebut. Dalam fase ini sangat penting untuk melibatkan kedua
belah pihak. Strategi aksi ini diimplementasikan melalui mekanisme yang
direpresentasikan sebagai diagram tulang ikan sebab dan akibat.

Gambar 2. Diagram Fishbone

2. Metode Perancangan Data Warehoue

Setelah selesai tahap analisis, dilanjutkan dengan langkah-langkah sebagai berikut:
Perancangan model data warehouse untuk Sistem Informasi, khususnya diagram bintang
departemen penjualan elektronik dibuat berdasarkan data operasional, dan dimensi yang ada
siap membuat laporan yang memuaskan untuk memenuhi kebutuhan informasi manajemen,
sedangkan tujuan dari sistem Snowflake adalah untuk meminimalkan redundansi data.
Dimana dimensi data ini menjadi bahan informasi dalam pengambilan keputusan karena
setiap tabel dimensi data memungkinkan privatisasi informasi yang lebih tepat dan detail.
Dan untuk kubus 3 dimensi terdapat representasi yang digunakan untuk melihat informasi
yang dapat dilihat dari 3 dimensi yang berbeda. Informasi penjualan yang ditampilkan terdiri
dari 3 kubus yaitu produk, waktu penjualan atau kuartal dan wilayah penjualan di Surabaya.
HASIL DAN PEMBAHASAN
a. Dimensi
Dimensi merupakan struktur yang mengkategori kumpulan informasi. Tipe dari dimensi ini
mengandung item yang digunakan sebagai kriteria query untuk database. Contoh dimensi
penjualan barang elektronik di daerah Surabaya.
 Dimensi Daerah = {Jawa Timur, Surabaya, Gubeng, Wiyung, Sukolilo, Rungkut}.
 Dimensi Waktu = {Tahun 2007, Tahun 2008, Tahun 2009, Tahun 2010}.
 Dimensi Barang = {Printer, PC, Tinta Printer, Kertas Foto}.

b. Hierarki
Hierarki merupakan bentuk kesatuan dari sebuah dimensi. Hierarki didefinisikan bagaimana
hubungan antar level. Pada data penjualan barang elektronik terdapat dimensi daerah yang
mempunyai hierarki.
Provinsi

Kota

Kecamatan

c. Level
Level merupakan sebuah kumpulan dalam hierarki. Sebuah dimensi mempunyai multiple layer
informasi, setiap layer adalah level. Seperti dibawah ini:
 Provinsi = {Jawa Timur}
 Kota = {Surabaya}
 Kecamatan = {Gubeng, Rungkut, Sukolilo, Wiyung}

 Teknik Pemodelan DW
Pemodelan data warehouse pada penjualan barang elektronik menggunakan skema bintang (star
schema) dan skema bola salju (snowflake schema). Pada model ini diperlukan tabel fakta dan
tabel dimensi. Tabel fakta berisi fakta numerik yang memiliki ciri-ciri: panjang, kubus, dan besar,
serta sering beubah dan berguna untuk mengukur (measure). Sedangkan untuk tabel dimensi
berisikan kolom yang bersifat deskriptif, kecil, pendek, dan lebar yang berguna untuk filtering
(menyaring) dan didasari pada atribut dimensi.
d. Skema Bintang (Star Schema)
Skema ini mengikuti bentuk bintang, skema ini merupakan skema yang paling sederhana dimana
terdapat satu table fakta yang berada di tengah. Table fakta tersebut terhubung dengan beberapa
dimensi table lainnya. Skema bintang memiliki satu table fakta yang berisikan key dari tabel
dimensi.

Barang
Waktu Barang_Id
Waktu_Id Nama_barang
Hari Cabang
Bulan Type
Tahun Pemasok_Id
Sales Fact Table
Waktu_Id
Barang_Id
Cabang_Id
Lokasi_Id
Jumlah
Harga
Lokasi
Lokasi_Id
Cabang Jalan
Cabang_Id Kota_Id
Nama_cabang Provinsi
Type_cabang Measures Negara

e. Skema Bola Salju (Snowflake Schema)

Skema ini merupakan perpanjangan dari skema bintang dengan menambahkan beberapa tabel
dimensi lainnya, dimana tabel dimensi lainnya merupakan hasil normalisasi tabel-tabel dimensi
yang ada sebelumya.
Barang
Waktu Barang_Id
Waktu_Id Nama_barang
Hari Cabang Pemasok
Bulan Type Pemasok_Id
Tahun Pemasok_Id Type_pemasok
Sales Fact Table
Waktu_Id
Barang_Id
Cabang_Id
Lokasi_Id
Jumlah
Harga
Lokasi
Lokasi_Id
Kota
Cabang Jalan Kota_Id
Cabang_Id Kota_Id Kota
Nama_cabang Provinsi Provinsi
Type_cabang Measures Negara Negara
f. Data Dummy g. 3D
Produk Daerah Tahun Jumlah
Printer Rungkut 2007 589
Tinta Rungkut 2007 879
Kertas Rungkut 2007 1135
PC Rungkut 2007 325
Printer Wiyung 2007 435
Tinta Wiyung 2007 536
Kertas Wiyung 2007 894
PC Wiyung 2007 365
Printer Sukolilo 2007 635
Tinta Sukolilo 2007 730
Kertas Sukolilo 2007 1205
PC Sukolilo 2007 460
Printer Gubeng 2007 425
Tinta Gubeng 2007 520
Kertas Gubeng 2007 870
PC Gubeng 2007 435
Printer Rungkut 2008 614
Tinta Rungkut 2008 904 Pada gambar diatas kita dapat melihat data
Kertas Rungkut 2008 1160 secara lebih terperinci sehingga
PC Rungkut 2008 358
mempermudah untuk menganalisis data dan
Printer Wiyung 2008 460
Tinta Wiyung 2008 561 menyediakan informasi sesuai kebutuhan
Kertas Wiyung 2008 919 pengguna.
PC Wiyung 2008 342
Printer Sukolilo 2008 660
h. 2D
Tinta Sukolilo 2008 755
Kertas Sukolilo 2008 1230
PC Sukolilo 2008 383
Printer Gubeng 2008 450
Tinta Gubeng 2008 545
Kertas Gubeng 2008 895
PC Gubeng 2008 342
Printer Rungkut 2009 639
Tinta Rungkut 2009 929
Kertas Rungkut 2009 1185
PC Rungkut 2009 355
Printer Wiyung 2009 485 Gambar diatas merupakan potongan kubus
Tinta Wiyung 2009 586
Kertas Wiyung 2009 944 sehingga memfokuskan pada sudut pandang
PC Wiyung 2009 223 yang diinginkan.
Printer Sukolilo 2009 685
Tinta Sukolilo 2009 780
Kertas Sukolilo 2009 1255
PC Sukolilo 2009 322
Printer Gubeng 2009 475
Tinta Gubeng 2009 570
Kertas Gubeng 2009 920
PC Gubeng 2009 225
Printer Rungkut 2010 664
Tinta Rungkut 2010 954
Kertas Rungkut 2010 1210
PC Rungkut 2010 355
Printer Wiyung 2010 510
Tinta Wiyung 2010 611
Kertas Wiyung 2010 969
PC Wiyung 2010 223
Printer Sukolilo 2010 710
Tinta Sukolilo 2010 805
Kertas Sukolilo 2010 1280
PC Sukolilo 2010 322
Printer Gubeng 2010 500
Tinta Gubeng 2010 595
Kertas Gubeng 2010 945
PC Gubeng 2010 350
KESIMPULAN
Dari hasil perancangan data warehouse dalam bentuk model Starflake dan Snowflake yang
tertuang dalam penulisan ini, maka kesimpulan yang dapat ditarik adalah sebagai berikut:
1. Kebutuhan informasi yang didapat dari penjualan barang elektronik yang telah dianalisis
membantu dalam perancangan data warehouse.
2. Dengan dibutnya data warehouse menjadikan data perusahaan yang tersebar diberbagai
cabang menjadi terintegrasi dan dalam bentuk yang lebih ringkas dan menunjang informasi yang
dibutuhkan oleh para eksekutif.
3. Informasi yang ringkas atau bersifat summary pada data warehouse membuat para eksekutif
lebih mudah dan cepat dalam menganalisis sehingga pengambilan keputusan dapat dilakukan
lebih cepat.

REFERENSI
https://teknik.usni.ac.id/jurnal/MUHAIMIN.pdf
https://sis.binus.ac.id/2022/01/06/olap-data-cube-operations/
http://prosiding.senadi.upy.ac.id/index.php/senadi/article/view/208/182