Baca Juga
Data warehouse
Data warehouse (Darmawikarta, 2003) merupakan tempat penyimpanan untuk ringkasan dari data historis yang diambil dari basis data-basis data yang tersebar di suatu organisasi. Sejumlah besar data yang tersimpan dalam perusahaan membuat bagian administrasi harus dapat mengekstrak informasi yang berguna, pelaporan, evaluasi. Data warehouse adalah sebuah sistem yang mengambil dan mengkonsolidasikan data secara periodik dari sebuah sumber data ke sebuah tempat penyimpanan data yang bersifat dimensional maupun relasional (Rainardi, 2008).
Data warehouse (Inmon, 1980) adalah data yang berorientasi obyek, terpadu, rentang waktu dan tidak mengalami perubahan yang digunakan dalam strategi pengambilan keputusan. Dapat dikatakan bahwa data warehouse mengumpulkan semua data perusahaan dalam satu tempat agar dapat diperoleh pandangan yang lebih baik dengan waktu yang relatif cepat dari suatu proses bisnis/kerja dan menjadi pendukung dalam pengambilan keputusan untuk meningkatkan kinerja organisasi.
Data warehouse mempunyai empat karakteristik (Kamber, 2006) yaitu :
Data tidak dapat berubah atau tetap. Pembentukan sebuah data warehouse dimulai dengan tahapan praproses data (Kamber, 2006) yang akan mengubah data yang bersifat tidak jelas/rusak, data yang kekurangan nilai atributnya, dan data yang tidak konsisten. Tahapan ini terdiri dari :
a. Integrasi data
Integrasi data adalah penggabungan data dari berbagai sumber penyimpanan data untuk menjadi satu kesatuan data yang koheren.
b. Reduksi data
Teknik reduksi data diterapkan untuk memperoleh representasi tereduksi dari sejumlah data yang berimplikasi pada volume yang jauh lebih kecil.
c. Pembersihan data
Proses ini merupakan tahapan pembersihan data, yaitu mengisi data yang hilang, mengatasi data yang kotor dan rusak, mengidentifikasi atau membuang data pencilan, memperbaiki data yang tidak konsisten.
d. Transformasi data
Transformasi data yaitu proses pengubahan data menjadi bentuk yang tepat. Proses ini dilakukan agar kondisi data tetap konsisten dan dapat digunakan untuk proses analisis.
Hubungan Bussiness Intelligence (BI) dan Data Warehouse
BI adalah seperangkat solusi sistem informasi yang dapat menuntun kepada percepatan pengambilan keputusan dalam tingkat akurasi yang tinggi (Thia, 2011). BI seringkali disamakan sebagaimana briefing books, report and query tools, dan sistem informasi eksekutif. BI merupakan sistem pendukung pengambilan keputusan yang berbasiskan data-data (DJ Powers, 2002).
BI dapat didefinisikan sebagai kemampuan perusahaan untuk memahami dan menggunakan informasi dalam rangka meningkatkan kinerja (Curko, 2008). Dapat disimpulkan bahwa BI menjelaskan tentang suatu teknologi mengkonversi data berdasarkan sistem yang berbasiskan data menghasilkan informasi yang tepat waktu untuk meningkatkan kualitas pengambilan keputusan bisnis. Arsitektur BI dapat dilihat pada Gambar.
Gambar Arsitektur BI (Crowsol, 2012)
Arsitektur BI menurut Crowsoll, 2012 terdiri dari empat bagian yaitu :
1. Source Systems
Sebagian besar perusahaan telah membagikan data-data yang berkaitan dengan departemen yang bersangkutan. Penjualan departemen biasanya memiliki metrik yang berhubungan dengan penjualan dan kinerja. Sumber-sumber data yang berbeda membentuk landscape BI bagi perusahaan.
2. Data Staging Area
Sumber data yang berbeda yang terdiri dari informasi bisnis perusahaan akhirnya disimpan dalam gudang data. Ada sebuah proses yang disebut Extract Transform dan Load (ETL) yang memfasilitasi sarana format data dari sumber yang berbeda sehingga data dapat dimuat ke dalam struktur data warehouse.
3. Data Warehouse
Bentuk-bentuk berbagai data bisa disimpan dalam sebuah Data Warehouse. Data Warehouse adalah struktur yang memfasilitasi pekerjaan utama intelijen bisnis - pelaporan dan analisis. Bit data yang terstruktur dengan cara memfasilitasi matriks fleksibel yang pada akhirnya dapat dikonfigurasi untuk menampilkan data dalam berbagai dimensi dengan memanfaatkan konsep Online Analytical Processing (OLAP). Konsep ini menyediakan struktur dikonfigurasi untuk menganalisis data.
4. User Interface
Analisis BI dapat terwujud dalam beberapa cara berbeda. Bisa diwujudkan dengan aplikasi berbasis Web ataupun aplikasi custom yang menampilkan informasi.
Online Analitycal Processing (OLAP)
OLAP (Subhan, 2007) merupakan operasi basis data untuk mendapatkan dalam bentuk kesimpulan dengan menggunakan aggregasi sebagai mekanisme utama. Mekanisme berupa analisis dan pengambilan keputusan. Kelebihan OLAP adalah kemampuannya untuk menciptakan struktur bisnis (wilayah penjualan, kategori produk, kalender fiskal, saluran partner, dan sebagainya) dan menggabungkannya dengan cara tertentu sehingga pengguna dapat dengan cepat menjawab berbagai pertanyaan bisnis.
OLAP dapat menganalisis lebih dari yang disediakan laporan biasa pada umumnya dan memungkinkan OLAP untuk mengembangkan apa yang disediakan oleh data, mencari tren dan anomali (Bukhbinder, 2004). Tanpa adanya tampilan multidimensi yang tersedia pada laporan, user harus mengambil informasi dari berbagai tabel atau sumber lain dan melakukan analisis yang berorientasi obyek seperti pada spreadsheet elektronik, atau melakukan query database yang kompleks. Respon yang cepat dan kemampuan non-profesional untuk melakukan analisis tanpa keterlibatan programmer adalah keuntungan dan kelebihan dari OLAP. Pada dasarnya dengan adanya OLAP laporan-laporan spreadsheet standar menjadi ketinggalan jaman (Bukhbinder, 2004).
Dengan menggunakan teknologi OLAP, user dapat menganalisis data secara interaktif dengan menggunakan fasilitas yang baik untuk membuat laporan, user diijinkan untuk merotasi grid laporan, menelusuri data yang meringkasnya, melakukan filter dan melakukan sorting terhadap data dan menghasilkan beberapa view/bentuk laporan hanya dengan manipulasi mouse. Dengan demikian dapat diciptakan berbagai laporan yang kompleks dari satu tabel tanpa memerlukan pengetahuan ekstra tentang pembuatan query dan bantuan seorang programmer. Dengan pengujian data dari sudut yang berbeda, user akan dapat lebih memahami data sehingga dapat mengambil keputusan yang efektif (Hermawan, 2005).
Operasi-operasi OLAP
Operasi-operasi yang terdapat pada OLAP antara lain :
1. Slicing dan Dicing
Merupakan operasi untuk melihat data sebagai visualisasi dari kubus. Dengan slicing dan dicing pengguna dapat melihat data dari beberapa perspektif atau dimensi. Pengguna dapat mengekstrak bagian dari data agregated dan dapat memeriksa dengan detail berdasarkan dimensi-dimensi yang diinginkan (Kember, 2006). Konsep slicing dan dicing berfungsi untuk mengambil potongan cubes berdasarkan nilai tertentu pada satu atau beberapa dimensinya (Hendric, 2006).
Konsep ini dapat dilakukan dengan memberikan query atau perintah structured query language (sql)yaitu : Select ang, jenj, jenkel, sum (jum) as jumlah from dwmhs where ang=”2000” Group by ang, jenj, jenkel Tampilan grafik hasil dari perintah sql diatas diberikan pada Gambar.
Gambar Grafik konsep Slicing dan Dicing (Hendric, 2006)
2. Roll up dan drill down
Merupakan operasi untuk melihat data global atau detail disepanjang level hirarki dimensi. Roll up untuk melihat data secara global atau rangkuman (summary). Drill down memandu pengguna untuk memperoleh data yang lebih detail (Kamber, 2006). Roll up adalah proses merangkum atau meringkas nilai-nilai ukurannya, sedangkan proses drill down adalah kebalikannya yaitu proses memilih dan menampilkan data rincian dalam satu atau beberapa dimensi (Hendric, 2006). Contoh konsep Roll up diberikan pada Gambar.
Gambar Konsep Roll up (Hendric,2006)
Contoh Konsep Roll up pada Gambar merangkum jumlah mahasiswa pada angkatan 2000, 2001, 2002. Dapat dilakukan dengan perintah sql : Select ang, sum (jum) as jumlah from dwmhs Group by ang Adapun contoh konsep Drill Down:
Gambar Konsep Drill Down (Hendric,2006)
Contoh konsep Drill Down pada Gambar menampilkan informasi secara detail mahasiswa pria yang berjumlah 11 orang pada angkatan 2000. Perintah sql nya adalah : Select a.nim, a.nama from mastmhs a, dwmhs b where left(a.nim,2) = right(b.ang,2) and substr(a.nim,3,2)=b.ps and substr(a.nim,5,1)b.jenj and a.jenkel=b.jenkel
Ada dua cara untuk merealisasikan olap (Hermawan, 2005) yaitu :
1. Cara pertama, dengan mengimplementasikan sebuah OLAP server dimana perhitungan eksekusi dilakukan pada komputer yang terpisah. OLAP server memerlukan invenstasi tambahan dan pemeliharaan permanen karena sama sekali tidak memerlukan bantuan user untuk melakukan kalkulasi. Dengan cara demikian OLAP server dimungkinkan untuk menerima data dengan volume yang sangat besar.
2. Cara kedua adalah dengan mengimplementasikan sebuah OLAP Client yang akan melakukan perhitungan di mesin user, OLAP Client tergolong murah dan tidak membutuhkan maintenance. OLAP Client dapat dipergunakan bilamana kebutuhan untuk melakukan manipulasi data relatif kecil.
Hubungan Datawarehouse dan OLAP
Kemampuan kita mengumpulkan dan menyimpan segala jenis data melampaui kemampuan kita melakukan analisis, peringkasan, dan ekstraksi pengetahuan dari data. Untuk membentuk analisis data diperlukan kakas otomatis yang dapat membantu melakukan ekstraksi dan penemuan pengetahuan dari data. Saat ini orang sudah sepakat bahwa informasi berkualitas tiggi adalah sangat penting dalam dunia bisnis. OLAP (Online Analytical Processing) menggunakan informasi basisdata untuk menyusun keputusan strategis. Basis data yang terlibat biasanya sangat besar dan seringkali tidak memerlukan data terbaru. Aplikasi OLAP dicirikan dengan query yang kompleks, pembaruan tidak sering dan mengakses sebagian besar basis data (Hermawan, 2005). Tujuan OLAP menganalisis data adalah untuk digunakan di suatu pengambilan keputusan taktis dan strategis.
Terdapat dua isu teknis yang utama dalam analisis data, yaitu :
Basisdata OLAP biasanya disimpan di OLAP Server khusus atau di data warehouse yang distrukturkan untuk mendukung OLAP Server. OLAP query sering begitu kompleks, memerlukan data yang sangat besar, yang bila dijalankan sekaligus di lingkungan OLTP akan dapat menyebabkan melambatnya transaksi OLTP secara drastis. Data warehouse adalah repository (arsip) informasi yang dikumpulkan dari banyak sumber, disimpan dengan skema yang disatukan si satu situs tunggal. Begitu dikumpulkan, data disimpan dalam kurun waktu yang lama.
Data warehouse menyediakan satu antarmuka terkonsolidasi tunggal sehingga mempermudah pembuatan query yang mendukung pembuatan keputusan. Dengan mengakses informasi dari data warehouse, pembuat keputusan dapat menjamin bahwa Sistem pengolahan transaksi online tidak akan terganggu. Data warehouse merupakan basisdata dimana data dikumpulkan dari banyak Sistem untuk mendukung pelaporan dan pengambilan keputusan manajemen.
Basis data multidimensi yang merupakan basisdata Sistem OLAP multidimensi memberi solusi yang berorientasi bisnis untuk menjawab pertanyaan yang kompleks. Pendekatan ini mempunyai tingkat keberhasilan yang tinggi ketika jawaban disusun dari matriks atau data kuantitatif. Skema tabel yang sering digunakan adalah skema bintang. Skema bintang merupakan skema yang digunakan OLAP, skema tabel ini membentuk struktur informasi multidimensi yang kompatibel dengan kebutuhan bisnis. Skema bintang untuk menyelesaikan isu-isu di seputar model ER yang dinormalkan untuk kebutuhan basisdata informasi bisnis.
Karakteristik utama skema bintang adalah sebagai berikut :
Jika tabel-tabel dimensi dinormalisasi (sehingga dapat menjadi beberapa tabel), skema menjadi lebih kompleks, disebut bercak salju (snowflake schema). Namun terdapat alasan tabel dimensi jarang dinormalisasi, yaitu :
Desain Model Aplikasi
Desain model menggunakan pendekatan fungsional yang direpresentasikan menggunakan Data Alur Diagram (DAD) untuk menunjukan secara fisik alur proses dan data pada program yang dibuat. Diagram yang menggunakan notasi-notasi untuk menggambarkan arus data sistem tersebut dengan DAD. Notasi-notasi DAD dilihatkan pada Tabel (Jogiyanto, 1999).
Tabel Notasi-Notasi DAD
Model Pengembangan Perangkat Lunak Waterfall
Menurut Roger S. Pressman, model pengembangan perangkat lunak meliputi model air tejun (Waterfall Model), Prototipe (Prototyping), RAD (Rapid Application Development), Evolusioner dan Formal. Dalam penelitian ini menggunakan model Waterfall, model ini dipilih dengan alasan untuk membangun sistem ini dibutuhkan beberapa tahap yang berbeda yang merupakan sebuah pendekatan kepada perkembangan perangkat lunak yang sistematik dan sekuensial mulai pada tingkat dan kemajuan sistem pada seluruh analysis, design, coding, dan testing.
a. Analisis kebutuhan. Proses pencarian kebutuhan diintesifkan dan difokuskan pada software. Untuk mengetahui sifat dari program yang akan dibuat, maka para programmer harus mengerti tentang informasi dari software, misalnya fungsi yang dibutuhkan, user interface.
b. Desain. Proses ini digunakan untuk mengubah kebutuhan-kebutuhan diatas menjadi representasi ke dalam bentuk software sebelum coding dimulai. Design harus dapat mengimplementasikan kebutuhan yang telah disebutkan pada tahap sebelumnya. Seperti aktivitas sebelumnya, maka proses ini juga harus didokumentasikan sebagai konfigurasi dari software.
c. Implementasi. Untuk dapat dimengerti oleh mesin, dalam hal ini komputer, maka desain tadi harus diubah bentuknya menjadi bentuk yang dapat dimengerti oleh mesin, yaitu ke dalam bahasa pemrograman melalui proses coding. Tahap ini merupakan implementasi dari tahap design yang secara teknis nantinya dikerjakan oleh programmer.
d. Pengujian. Sesuatu yang dibuat haruslah diujicobakan. Demikian juga dengan software. Semua fungsi-fungsi software harus diujicobakan, agar software bebas dari error, dan hasilnya harus benar-benar sesuai dengan kebutuhan yang sudah didefinisikan sebelumnya.
Data warehouse (Inmon, 1980) adalah data yang berorientasi obyek, terpadu, rentang waktu dan tidak mengalami perubahan yang digunakan dalam strategi pengambilan keputusan. Dapat dikatakan bahwa data warehouse mengumpulkan semua data perusahaan dalam satu tempat agar dapat diperoleh pandangan yang lebih baik dengan waktu yang relatif cepat dari suatu proses bisnis/kerja dan menjadi pendukung dalam pengambilan keputusan untuk meningkatkan kinerja organisasi.
Data warehouse mempunyai empat karakteristik (Kamber, 2006) yaitu :
- Berorientasi subyek, terorganisasi pada subyek utama sesuai topik bisnis atau berdasarkan subyek dari organisasi;
- Terintegrasi, data dibangun dengan mengintegrasikan berbagai sumber data;
- Time variant, dimensi waktu secara eksplisit termasuk dalam data, jadi model dan perubahannya dapat diketahui setiap saat;
- Non volatile, data terpisah dari basis data operasional sehingga hanya memerlukan pemuatan dan akses data.
Data tidak dapat berubah atau tetap. Pembentukan sebuah data warehouse dimulai dengan tahapan praproses data (Kamber, 2006) yang akan mengubah data yang bersifat tidak jelas/rusak, data yang kekurangan nilai atributnya, dan data yang tidak konsisten. Tahapan ini terdiri dari :
a. Integrasi data
Integrasi data adalah penggabungan data dari berbagai sumber penyimpanan data untuk menjadi satu kesatuan data yang koheren.
b. Reduksi data
Teknik reduksi data diterapkan untuk memperoleh representasi tereduksi dari sejumlah data yang berimplikasi pada volume yang jauh lebih kecil.
c. Pembersihan data
Proses ini merupakan tahapan pembersihan data, yaitu mengisi data yang hilang, mengatasi data yang kotor dan rusak, mengidentifikasi atau membuang data pencilan, memperbaiki data yang tidak konsisten.
d. Transformasi data
Transformasi data yaitu proses pengubahan data menjadi bentuk yang tepat. Proses ini dilakukan agar kondisi data tetap konsisten dan dapat digunakan untuk proses analisis.
Hubungan Bussiness Intelligence (BI) dan Data Warehouse
BI adalah seperangkat solusi sistem informasi yang dapat menuntun kepada percepatan pengambilan keputusan dalam tingkat akurasi yang tinggi (Thia, 2011). BI seringkali disamakan sebagaimana briefing books, report and query tools, dan sistem informasi eksekutif. BI merupakan sistem pendukung pengambilan keputusan yang berbasiskan data-data (DJ Powers, 2002).
BI dapat didefinisikan sebagai kemampuan perusahaan untuk memahami dan menggunakan informasi dalam rangka meningkatkan kinerja (Curko, 2008). Dapat disimpulkan bahwa BI menjelaskan tentang suatu teknologi mengkonversi data berdasarkan sistem yang berbasiskan data menghasilkan informasi yang tepat waktu untuk meningkatkan kualitas pengambilan keputusan bisnis. Arsitektur BI dapat dilihat pada Gambar.
Gambar Arsitektur BI (Crowsol, 2012)
Arsitektur BI menurut Crowsoll, 2012 terdiri dari empat bagian yaitu :
1. Source Systems
Sebagian besar perusahaan telah membagikan data-data yang berkaitan dengan departemen yang bersangkutan. Penjualan departemen biasanya memiliki metrik yang berhubungan dengan penjualan dan kinerja. Sumber-sumber data yang berbeda membentuk landscape BI bagi perusahaan.
2. Data Staging Area
Sumber data yang berbeda yang terdiri dari informasi bisnis perusahaan akhirnya disimpan dalam gudang data. Ada sebuah proses yang disebut Extract Transform dan Load (ETL) yang memfasilitasi sarana format data dari sumber yang berbeda sehingga data dapat dimuat ke dalam struktur data warehouse.
3. Data Warehouse
Bentuk-bentuk berbagai data bisa disimpan dalam sebuah Data Warehouse. Data Warehouse adalah struktur yang memfasilitasi pekerjaan utama intelijen bisnis - pelaporan dan analisis. Bit data yang terstruktur dengan cara memfasilitasi matriks fleksibel yang pada akhirnya dapat dikonfigurasi untuk menampilkan data dalam berbagai dimensi dengan memanfaatkan konsep Online Analytical Processing (OLAP). Konsep ini menyediakan struktur dikonfigurasi untuk menganalisis data.
4. User Interface
Analisis BI dapat terwujud dalam beberapa cara berbeda. Bisa diwujudkan dengan aplikasi berbasis Web ataupun aplikasi custom yang menampilkan informasi.
Online Analitycal Processing (OLAP)
OLAP (Subhan, 2007) merupakan operasi basis data untuk mendapatkan dalam bentuk kesimpulan dengan menggunakan aggregasi sebagai mekanisme utama. Mekanisme berupa analisis dan pengambilan keputusan. Kelebihan OLAP adalah kemampuannya untuk menciptakan struktur bisnis (wilayah penjualan, kategori produk, kalender fiskal, saluran partner, dan sebagainya) dan menggabungkannya dengan cara tertentu sehingga pengguna dapat dengan cepat menjawab berbagai pertanyaan bisnis.
OLAP dapat menganalisis lebih dari yang disediakan laporan biasa pada umumnya dan memungkinkan OLAP untuk mengembangkan apa yang disediakan oleh data, mencari tren dan anomali (Bukhbinder, 2004). Tanpa adanya tampilan multidimensi yang tersedia pada laporan, user harus mengambil informasi dari berbagai tabel atau sumber lain dan melakukan analisis yang berorientasi obyek seperti pada spreadsheet elektronik, atau melakukan query database yang kompleks. Respon yang cepat dan kemampuan non-profesional untuk melakukan analisis tanpa keterlibatan programmer adalah keuntungan dan kelebihan dari OLAP. Pada dasarnya dengan adanya OLAP laporan-laporan spreadsheet standar menjadi ketinggalan jaman (Bukhbinder, 2004).
Dengan menggunakan teknologi OLAP, user dapat menganalisis data secara interaktif dengan menggunakan fasilitas yang baik untuk membuat laporan, user diijinkan untuk merotasi grid laporan, menelusuri data yang meringkasnya, melakukan filter dan melakukan sorting terhadap data dan menghasilkan beberapa view/bentuk laporan hanya dengan manipulasi mouse. Dengan demikian dapat diciptakan berbagai laporan yang kompleks dari satu tabel tanpa memerlukan pengetahuan ekstra tentang pembuatan query dan bantuan seorang programmer. Dengan pengujian data dari sudut yang berbeda, user akan dapat lebih memahami data sehingga dapat mengambil keputusan yang efektif (Hermawan, 2005).
Operasi-operasi OLAP
Operasi-operasi yang terdapat pada OLAP antara lain :
1. Slicing dan Dicing
Merupakan operasi untuk melihat data sebagai visualisasi dari kubus. Dengan slicing dan dicing pengguna dapat melihat data dari beberapa perspektif atau dimensi. Pengguna dapat mengekstrak bagian dari data agregated dan dapat memeriksa dengan detail berdasarkan dimensi-dimensi yang diinginkan (Kember, 2006). Konsep slicing dan dicing berfungsi untuk mengambil potongan cubes berdasarkan nilai tertentu pada satu atau beberapa dimensinya (Hendric, 2006).
Konsep ini dapat dilakukan dengan memberikan query atau perintah structured query language (sql)yaitu : Select ang, jenj, jenkel, sum (jum) as jumlah from dwmhs where ang=”2000” Group by ang, jenj, jenkel Tampilan grafik hasil dari perintah sql diatas diberikan pada Gambar.
2. Roll up dan drill down
Merupakan operasi untuk melihat data global atau detail disepanjang level hirarki dimensi. Roll up untuk melihat data secara global atau rangkuman (summary). Drill down memandu pengguna untuk memperoleh data yang lebih detail (Kamber, 2006). Roll up adalah proses merangkum atau meringkas nilai-nilai ukurannya, sedangkan proses drill down adalah kebalikannya yaitu proses memilih dan menampilkan data rincian dalam satu atau beberapa dimensi (Hendric, 2006). Contoh konsep Roll up diberikan pada Gambar.
Gambar Konsep Roll up (Hendric,2006)
Contoh Konsep Roll up pada Gambar merangkum jumlah mahasiswa pada angkatan 2000, 2001, 2002. Dapat dilakukan dengan perintah sql : Select ang, sum (jum) as jumlah from dwmhs Group by ang Adapun contoh konsep Drill Down:
Gambar Konsep Drill Down (Hendric,2006)
Contoh konsep Drill Down pada Gambar menampilkan informasi secara detail mahasiswa pria yang berjumlah 11 orang pada angkatan 2000. Perintah sql nya adalah : Select a.nim, a.nama from mastmhs a, dwmhs b where left(a.nim,2) = right(b.ang,2) and substr(a.nim,3,2)=b.ps and substr(a.nim,5,1)b.jenj and a.jenkel=b.jenkel
Ada dua cara untuk merealisasikan olap (Hermawan, 2005) yaitu :
1. Cara pertama, dengan mengimplementasikan sebuah OLAP server dimana perhitungan eksekusi dilakukan pada komputer yang terpisah. OLAP server memerlukan invenstasi tambahan dan pemeliharaan permanen karena sama sekali tidak memerlukan bantuan user untuk melakukan kalkulasi. Dengan cara demikian OLAP server dimungkinkan untuk menerima data dengan volume yang sangat besar.
2. Cara kedua adalah dengan mengimplementasikan sebuah OLAP Client yang akan melakukan perhitungan di mesin user, OLAP Client tergolong murah dan tidak membutuhkan maintenance. OLAP Client dapat dipergunakan bilamana kebutuhan untuk melakukan manipulasi data relatif kecil.
Hubungan Datawarehouse dan OLAP
Kemampuan kita mengumpulkan dan menyimpan segala jenis data melampaui kemampuan kita melakukan analisis, peringkasan, dan ekstraksi pengetahuan dari data. Untuk membentuk analisis data diperlukan kakas otomatis yang dapat membantu melakukan ekstraksi dan penemuan pengetahuan dari data. Saat ini orang sudah sepakat bahwa informasi berkualitas tiggi adalah sangat penting dalam dunia bisnis. OLAP (Online Analytical Processing) menggunakan informasi basisdata untuk menyusun keputusan strategis. Basis data yang terlibat biasanya sangat besar dan seringkali tidak memerlukan data terbaru. Aplikasi OLAP dicirikan dengan query yang kompleks, pembaruan tidak sering dan mengakses sebagian besar basis data (Hermawan, 2005). Tujuan OLAP menganalisis data adalah untuk digunakan di suatu pengambilan keputusan taktis dan strategis.
Terdapat dua isu teknis yang utama dalam analisis data, yaitu :
- Prosedur analisis yang dilakukan dan data yang mendukung prosedur itu.
- Metode-metode untuk memperoleh bagian besar data yang diperlukan secara efisien.
Basisdata OLAP biasanya disimpan di OLAP Server khusus atau di data warehouse yang distrukturkan untuk mendukung OLAP Server. OLAP query sering begitu kompleks, memerlukan data yang sangat besar, yang bila dijalankan sekaligus di lingkungan OLTP akan dapat menyebabkan melambatnya transaksi OLTP secara drastis. Data warehouse adalah repository (arsip) informasi yang dikumpulkan dari banyak sumber, disimpan dengan skema yang disatukan si satu situs tunggal. Begitu dikumpulkan, data disimpan dalam kurun waktu yang lama.
Data warehouse menyediakan satu antarmuka terkonsolidasi tunggal sehingga mempermudah pembuatan query yang mendukung pembuatan keputusan. Dengan mengakses informasi dari data warehouse, pembuat keputusan dapat menjamin bahwa Sistem pengolahan transaksi online tidak akan terganggu. Data warehouse merupakan basisdata dimana data dikumpulkan dari banyak Sistem untuk mendukung pelaporan dan pengambilan keputusan manajemen.
Basis data multidimensi yang merupakan basisdata Sistem OLAP multidimensi memberi solusi yang berorientasi bisnis untuk menjawab pertanyaan yang kompleks. Pendekatan ini mempunyai tingkat keberhasilan yang tinggi ketika jawaban disusun dari matriks atau data kuantitatif. Skema tabel yang sering digunakan adalah skema bintang. Skema bintang merupakan skema yang digunakan OLAP, skema tabel ini membentuk struktur informasi multidimensi yang kompatibel dengan kebutuhan bisnis. Skema bintang untuk menyelesaikan isu-isu di seputar model ER yang dinormalkan untuk kebutuhan basisdata informasi bisnis.
Karakteristik utama skema bintang adalah sebagai berikut :
- Pusat skema bintang adalah tabel fakta (fact table).
- Tabel fakta berisi indikator-indikator kinerja pokok.
- Indikator-indikator kinerja pokok adalah atribut-atribut dari tabel fakta.
- Obyek-obyek informasi dan waktu adalah kunci utama tabel fakta.
- Tabel-tabel yang ada disekeliling tabel fakta adalah tabel dimensi.
- Tabel dimensi berisi data mengenai obyek-obyek informasi atau waktu.
- Tabel fakta dan dimensi digabungkan dengan kunci banyak di tabel fakta.
- Skema bintang diimplementasikan menggunakan teknologi basisdata relasional.
Jika tabel-tabel dimensi dinormalisasi (sehingga dapat menjadi beberapa tabel), skema menjadi lebih kompleks, disebut bercak salju (snowflake schema). Namun terdapat alasan tabel dimensi jarang dinormalisasi, yaitu :
- Tabel dimensi telah begitu kecil dibandingkan tabel fakta sehingga ruang yang dihemat melalui normalisasi tidak signifikan.
- Tabel dimensi jarang diperbaharui sehingga anomaly pembaruan tidak merupakan isu utama. Bahkan dalam situasi eksekusi, analisis mendekomposisi relasi-relasi menjadi 3NF atau BCNF dapat menuntun overhead untuk pengolahan query secara signifikan.
Desain Model Aplikasi
Desain model menggunakan pendekatan fungsional yang direpresentasikan menggunakan Data Alur Diagram (DAD) untuk menunjukan secara fisik alur proses dan data pada program yang dibuat. Diagram yang menggunakan notasi-notasi untuk menggambarkan arus data sistem tersebut dengan DAD. Notasi-notasi DAD dilihatkan pada Tabel (Jogiyanto, 1999).
Tabel Notasi-Notasi DAD
Model Pengembangan Perangkat Lunak Waterfall
Menurut Roger S. Pressman, model pengembangan perangkat lunak meliputi model air tejun (Waterfall Model), Prototipe (Prototyping), RAD (Rapid Application Development), Evolusioner dan Formal. Dalam penelitian ini menggunakan model Waterfall, model ini dipilih dengan alasan untuk membangun sistem ini dibutuhkan beberapa tahap yang berbeda yang merupakan sebuah pendekatan kepada perkembangan perangkat lunak yang sistematik dan sekuensial mulai pada tingkat dan kemajuan sistem pada seluruh analysis, design, coding, dan testing.
a. Analisis kebutuhan. Proses pencarian kebutuhan diintesifkan dan difokuskan pada software. Untuk mengetahui sifat dari program yang akan dibuat, maka para programmer harus mengerti tentang informasi dari software, misalnya fungsi yang dibutuhkan, user interface.
b. Desain. Proses ini digunakan untuk mengubah kebutuhan-kebutuhan diatas menjadi representasi ke dalam bentuk software sebelum coding dimulai. Design harus dapat mengimplementasikan kebutuhan yang telah disebutkan pada tahap sebelumnya. Seperti aktivitas sebelumnya, maka proses ini juga harus didokumentasikan sebagai konfigurasi dari software.
c. Implementasi. Untuk dapat dimengerti oleh mesin, dalam hal ini komputer, maka desain tadi harus diubah bentuknya menjadi bentuk yang dapat dimengerti oleh mesin, yaitu ke dalam bahasa pemrograman melalui proses coding. Tahap ini merupakan implementasi dari tahap design yang secara teknis nantinya dikerjakan oleh programmer.
d. Pengujian. Sesuatu yang dibuat haruslah diujicobakan. Demikian juga dengan software. Semua fungsi-fungsi software harus diujicobakan, agar software bebas dari error, dan hasilnya harus benar-benar sesuai dengan kebutuhan yang sudah didefinisikan sebelumnya.
