bab 2 landasan teori 2.1 teori-teori umum 2.1thesis.binus.ac.id/doc/bab2/2011-1-00174-if bab...
TRANSCRIPT
11
BAB 2
LANDASAN TEORI
2.1 Teori-teori umum
2.1.1 Pengertian data
Menurut Peter Rob, Carlos Coronel (2009, p5), data adalah fakta
mentah. Kata “mentah” menunjukkan bahwa fakta-fakta tersebut belum
diproses untuk mengungkapkan makna mereka.
Menurut O’brien (2005, p38), data adalah fakta atau observasi
mentah yang biasanya mengenai fenomena fisik atau transaksi bisnis.
Sedangkan menurut Connolly (2005, p19), data adalah komponen
yang paling penting dalam DBMS dari sudut pandang end-user. Data
bertindak sebagai jembatan yang menghubungkan antara mesin dengan
pengguna.
2.1.2 Pengertian metadata
Menurut Inmon (2005, p500), metadata adalah data dari sebuah data
yang mendeskripsikan struktur, isi, kunci, index, dan lain-lain mengenai data
tersebut.
Sedangkan menurut Connolly (2002, p1055), metadata memiliki
beberapa tujuan dalam data warehouse yaitu:
1. Proses extraction dan loading
12
Metadata digunakan untuk memetakan sumber data ke pandangan
umum dari data yang berbeda dalam warehouse.
2. Proses manajemen warehouse
Metadata digunakan untuk mengotomatisasi produksi dari tabel
ringkasan.
3. Bagian dari proses manajemen query
Metadata digunakan untuk menghubungkan suatu query ke sumber data
yang paling sesuai.
Struktur dari metadata berbeda pada masing-masing proses karena
tujuannya juga berbeda. Ini menunjukkan bahwa beberapa metadata yang
mendeskripsikan data yang sama disimpan ke dalam data warehouse.
2.1.3 Pengertian informasi
Menurut Peter Rob, Carlos Coronel (2009, p6), informasi adalah
hasil pengolahan data mentah untuk mengungkapkan artinya. Pengolahan
data dapat sesederhana seperti mengorganisasi data untuk mengungkapkan
suatu pola atau serumit seperti membuat perkiraan atau menarik kesimpulan
menggunakan pemodelan statistik.
Sedangkan menurut O’brien (2005, p38), informasi merupakan data
yang telah diubah menjadi konteks yang berarti dan berguna bagi pemakai
akhir tertentu.
Informasi dapat diklasifikasikan ke dalam 4 dimensi antara lain:
1. Ketepatan waktu – suatu informasi harus tersedia tepat pada waktunya
dan tidak boleh terlambat.
13
2. Kelengkapan – suatu informasi haruslah dapat memberikan gambaran
dengan lengkap dari suatu permasalahan maupun penyelesaian.
3. Akurasi – suatu informasi haruslah akurat atau bebas dari kesalahan dan
tidak menyesatkan.
4. Relevansi – suatu informasi haruslah relevan dengan situasi yang ada
dan dapat memberikan manfaat bagi pemakainya.
2.1.4 Pengertian sistem
Menurut Carlo Vercellis (2009, p21), sistem adalah entitas-entitas
yang mana masing-masing terdiri dari satu set komponen yang dalam
beberapa cara terhubung satu sama lain sehingga memberikan hasil kolektif
tunggal dan tujuan yang sama.
Sedangkan menurut O’brien (2005, p5), sistem merupakan
sekelompok dari elemen-elemen yang saling berhubungan atau saling
mempengaruhi yang membentuk kesatuan.
2.1.5 Pengertian sistem informasi
Menurut Karl Eugen Kurbel (2008, p4), sistem informasi adalah
suatu sistem berbasis komputer yang memproses informasi dan data yang
diinput, menyimpan informasi, mengambil informasi, dan menghasilkan
informasi baru untuk menyelesaikan beberapa tugas secara otomatis atau
untuk mendukung manusia dalam hal mengontrol, mengoperasikan, dan
mengambil keputusan organisasi.
14
Sedangkan menurut O’brien (2005, p5), sistem informasi memiliki
pengertian sebagai suatu kesatuan dari manusia, software, hardware,
jaringan komunikasi, dan sumber data melalui pengumpulan, pengubahan,
dan penyebaran informasi dalam suatu organisasi. Aktivitas dari sistem
informasi terbagi menjadi lima, yaitu: input, processing, output, storage,
control.
2.1.6 Pengertian basis data
Menurut Peter Rob, Carlos Coronel (2009, p6), basis data adalah
struktur komputer yang terpadu dan bersama yang menyimpan:
1. Kumpulan data end-user, yaitu fakta-fakta mentah yang menarik bagi
end-user.
2. Metadata, data tentang data, yang mana data end-user terintegrasi dan
dikelola.
Menurut O’brien (2005, p211), basis data adalah kumpulan
terintegrasi dari elemen data yang saling berhubungan secara logikal.
Sedangkan menurut Connoly (2005, p2), basis data adalah kumpulan
data yang terhubung secara logikal, dan deskripsi dari data tersebut, yang
dirancang untuk memenuhi kebutuhan informasi dari suatu organisasi.
2.1.7 Pengertian sistem basis data
Menurut Peter Rob, Carlos Coronel (2009, p19), sistem basis data
adalah sebuah komponen organisasi yang mendefinisikan dan mengatur
15
pengumpulan, penyimpanan, manajemen, dan penggunaan data dalam
lingkungan database.
2.1.8 Pengertian DBMS (database management system)
Menurut Peter Rob, Carlos Coronel (2009, p7), DBMS adalah
kumpulan program yang mengelola struktur database dan mengontrol akses
ke data yang disimpan ke dalam database.
Sedangkan menurut Connoly (2005, p16), DBMS adalah sebuah
sistem perangkat lunak yang memungkinkan pengguna untuk
mendefinisikan (define), membuat (create), memelihara (maintain), dan
mengontrol (control) akses ke database.
2.1.9 Pengertian STD (State Transition Diagram)
Menurut Whitten (2007, p663), state transition diagram digunakan
untuk memodelkan siklus hidup dari sebuah obyek. Diagram ini
menggambarkan state-state yang berbeda yang dapat dimiliki oleh sebuah
obyek, event-event yang dapat menyebabkan state dari obyek berubah pada
waktu tertentu, dan sejumlah peraturan yang mengatur transisi obyek dari
state yang satu ke state yang lainnya. Dengan kata lain, diagram ini
menspesifikasikan dari state mana sebuah obyek diijinkan untuk melakukan
transisi ke state yang lainnya serta kondisi-kondisi yang harus dipenuhi.
Notasi yang terdapat pada state transition diagram yaitu:
16
Tabel 2.1 Notasi pada state transition diagram
Lambang Pengertian Penjelasan
Initial Object State
Kondisi awal dari
sebuah obyek selama
masa hidupnya
End Object State
Kondisi akhir dari
sebuah obyek selama
masa hidupnya
State Transition Event
Kejadian yang
membuat suatu
perubahan pada obyek
state
Activity
Aktivitas yang
dilakukan oleh obyek
setelah menerima
transisi
17
Gambar 2.1 Contoh state transition diagram
(Sumber: Whitten dan Bentley, 2007, p664)
2.1.10 Pengertian DFD (Data Flow Diagram)
Menurut Whitten (2007, p317), data flow diagram adalah sebuah
model proses yang digunakan untuk menggambarkan aliran data yang ada
dalam sebuah sistem atau proses yang dijalankan oleh sistem. Yang
membedakan data flow diagram dengan flowchart adalah data flow
diagram menunjukkan aliran dari data sedangkan flowchart menunjukkan
18
aliran kontrol dari suatu program. Sebuah data flow diagram dapat juga
digunakan untuk visualisasi dari proses data.
Notasi yang terdapat pada data flow diagram yaitu:
Tabel 2.2 Notasi pada data flow diagram
Lambang Pengertian Penjelasan
External Agent
Manusia, organisasi,
atau unit organisasi
yang berinteraksi
dengan sistem
Process Name
Nama proses yang
dikerjakan oleh sistem
Data Flow
Arus data yang keluar
dan yang masuk dalam
sistem
Data Store
Tempat penyimpanan
data
19
Gambar 2.2 Contoh data flow diagram
(Sumber: Whitten dan Bentley, 2007, p318)
2.1.11 Pengertian data mart
Menurut Inmon (2005, p494), data mart merupakan struktur data
yang berpusat pada departemen-departemen tertentu. Data tersebut
diambil dari data warehouse dimana data sudah didenormalisasikan
untuk memenuhi kebutuhan informasi dari suatu departemen.
20
Menurut Kimball (2002, p396), data mart merupakan himpunan
bagian logikal dan fisikal dari presentation area data warehouse. Tujuan
dari data mart adalah untuk menjawab masalah-masalah khusus yang
terdapat dalam sebuah bisnis.
Sedangkan menurut Connolly (2002, p1067), data mart
merupakan himpunan bagian dari sebuah data warehouse yang
mendukung kebutuhan dari departemen atau fungsi bisnis tertentu.
Bentuk dari data mart bisa berdiri sendiri atau terhubung ke data
warehouse pusat perusahaan.
2.1.12 Pengertian data warehouse
Menurut Turban (2008, p209), data warehouse adalah kumpulan
data yang dihasilkan untuk mendukung pengambilan keputusan serta
merupakan sebuah gudang data baik data sekarang maupun data historis
yang menarik bagi para manajer di seluruh organisasi. Data biasanya
terstruktur dan tersedia dalam bentuk yang sudah siap dipakai untuk
kegiatan proses analisis (misalnya proses analisis online (OLAP), data
mining, querying, reporting, dan aplikasi decision support lainnya).
Sebuah data warehouse adalah koleksi data yang subject-oriented,
integrated, time-variant, dan nonvolatile dalam mendukung proses
pengambilan keputusan manajemen.
Menurut Kimball dan Caserta (2004, p23), data warehouse adalah
sebuah sistem yang mengekstrak, membersihkan, menyesuaikan diri, dan
mengirimkan sumber data ke dalam sebuah penyimpanan data
21
dimensional dan mendukung serta mengimplementasikan query dan
analisis untuk tujuan pengambilan keputusan.
Sedangkan menurut Inmon (2005, p495), data warehouse adalah
sebuah kumpulan dari database-database yang saling terintegrasi,
berorientasi pada subyek yang dirancang untuk mendukung fungsi DSS
(decision support system), dimana masing-masing unit dari data saling
berkaitan pada waktu tertentu. Data warehouse terdiri dari data-data yang
bersifat atomik dan berisi kesimpulan-kesimpulan.
2.1.13 Pengertian OLAP (Online Analytical Processing)
Menurut Michael Schrader (2009, p4), OLAP adalah teknologi
yang mendukung kegiatan mulai dari self-service reporting dan analisis
dengan manajemen aplikasi yang dibuat seperti sistem perencanaan dan
penganggaran.
Menurut Turban (2007, p262), OLAP memiliki beberapa tipe
yaitu:
1. Multidimensional OLAP (MOLAP)
MOLAP meringkas transaksi menjadi gambaran multidimensional.
Data diorganisasi ke dalam cube yang dapat dirotasi oleh user.
Dengan MOLAP, query dapat dilakukan dengan cepat karena
konsolidasi data telah dilakukan.
2. Relational OLAP (ROLAP)
ROLAP adalah ketika basis data OLAP diimplementasikan pada basis
data relasional yang sudah ada. ROLAP mengambil data dari basis
22
data relasional. ROLAP lebih sering digunakan pada data dengan
atribut yang banyak, yang tidak dapat dipindahkan ke struktur cube.
3. Database OLAP dan Web OLAP
Database OLAP mengacu pada sistem manajemen basis data
relasional yang didesain untuk menyediakan struktur OLAP dan
menjalankan perhitungan OLAP. Web OLAP mengacu pada data
OLAP yang dapat diakses dari web browser.
4. Desktop OLAP
Desktop OLAP menyangkut tools OLAP yang biayanya rendah dan
sederhana yang dapat melakukan analisis multidimensional lokal dan
presentasi data ke mesin klien dari basis data relasional dan
multidimensional.
2.1.14 Diagram
Menurut Richard Lungan (2006, p21), diagram merupakan
gambaran visual data yang disajikan dalam bentuk gambar-gambar.
Manfaat diagram yaitu:
1. Lebih mudah ditanggapi dibandingkan dengan tabel.
2. Lebih sederhana.
3. Memberi gambaran permasalahan yang mengesankan dan tidak
menjemukan.
4. Lebih mudah menarik perhatian.
5. Dapat diinterpretasikan dengan lebih cepat.
6. Lebih efektif digunakan untuk membandingkan beberapa keadaan.
23
Selain manfaatnya diagram mempunyai beberapa kelemahan
antara lain:
1. Diagram hanya merupakan gambaran atau pendekatan visual, oleh
karena itu diagram tidak dapat digunakan untuk hal-hal yang
memerlukan tingkat ketelitian tinggi.
2. Informasi yang ditampilkannya sangat terbatas.
3. Perbedaan-perbedaan yang kecil tidak tampak.
4. Diagram yang berdimensi lebih dari dua sukar untuk digambarkan.
Diagram dapat dibedakan atas:
1. Diagram batang (bar chart)
Gambar 2.3 Diagram batang
(Sumber: Richard Lungan, 2006, p22)
Jika nama data cukup panjang sehingga balok-balok pada
diagram batang berjauhan, sebaiknya balok-balok tersebut tidak
dibuat mendatar. Diagram batang dua komponen digunakan untuk
membandingkan dua kasus. Sedangkan diagram batang dua arah
0
1
2
3
4
5
6
Category 1
Category 2
Category 3
Category 4
Series 1
Series 2
Series 3
24
digunakan untuk membandingkan dua kejadian atau kasus yang
saling berlawanan.
2. Diagram lingkar (pie chart)
Diagram lingkar digunakan untuk membandingkan beberapa
kasus atau beberapa kelompok data. Misalnya, pada saat kita ingin
membandingkan keuntungan dari beberapa usaha, jumlah penduduk
di beberapa daerah, dan jumlah mahasiswa di beberapa perguruan
tinggi.
Masing-masing kelompok data dapat dibandingkan dengan
kelompok lainnya dengan cara membandingkan besarnya luas sektor
atau besarnya sudut pusat lingkaran yang mewakili masing-masing
kelompok data.
Gambar 2.4 Diagram lingkar
(Sumber: Richard Lungan, 2006, p24)
Sales
1st Qtr
2nd Qtr
3rd Qtr
4th Qtr
25
3. Diagram lambang (pictograph)
Diagram lambang menampilkan data dalam bentuk lambang-
lambang sesuai dengan jenis dan nilai data. Misalnya kita ingin
menyajikan data perkembangan produksi TV dari tahun ke tahun,
dimana setiap 100.000 buah TV ditampilkan dengan sebuah gambar
TV. Atau perkembangan jumlah penduduk Indonesia dari tahun ke
tahun, di mana setiap 1.000.000 orang ditampilkan dengan satu
gambar orang.
Gambar 2.5 Diagram lambang
(Sumber: Dini Afriyanti, 2007, p37)
4. Diagram peta (kartogram)
Diagram peta merupakan keterangan statistik berupa lambang-
lambang pada peta. Diagram peta sering dijumpai pada peta ilmu
bumi atau pada pameran-pameran pembangunan, di mana beberapa
wilayah pada peta diberi lambang-lambang untuk menandai
kekhususan dari wilayah yang bersangkutan. Misalnya suatu wilayah
pada peta diberi gambar pohon kelapa, menandakan bahwa wilayah
yang bersangkutan merupakan wilayah penghasil kelapa.
26
Gambar 2.6 Diagram peta
(Sumber: Judith A. Tyner, 2010, p196)
5. Diagram garis (line chart)
Diagram garis digunakan untuk mengetahui perkembangan
satu atau beberapa kelompok data dari waktu ke waktu.
Gambar 2.7 Diagram garis
(Sumber: Richard Lungan, 2006, p27)
0123456
Series 1
Series 2
Series 3
27
6. Diagram wilayah (range chart)
Diagram wilayah atau diagram ulas dapat digunakan untuk
memperkirakan atau membandingkan beberapa hal dalam periode
tertentu. Misalkan kita ingin mengetahui suhu kota Jakarta selama 24
jam terakhir. Untuk maksud tersebut, suhu udara minimum dan
maksimum dapat dicatat setiap jam. Titik-titik selama 24 jam
dihubungkan sehingga diperoleh grafik suhu maksimum. Wilayah
yang dibatasi grafik suhu minimum dan maksimum dinamakan
diagram wilayah.
Gambar 2.8 Diagram wilayah
(Sumber: Richard Lungan, 2006, p28)
2.1.15 Pengertian business intelligence
Menurut Steve Williams (2007, p2), business intelligence
mengkombinasikan produk, teknologi, dan metode untuk mengorganisir
informasi kunci yang dibutuhkan manajemen untuk meningkatkan
keuntungan dan performa. Lebih umumnya, business intelligence adalah
informasi bisnis dan analisis bisnis di antara konteks dari proses bisnis
05101520253035
Series 1
Series 2
28
utama yang menentukan keputusan dan tindakan dan semua itu
menghasilkan performa bisnis yang meningkat. Secara khusus, business
intelligence artinya meningkatkan aset informasi di antara proses-proses
bisnis utama untuk mencapai performa bisnis yang meningkat. Semua itu
melibatkan informasi bisnis dan analisis yang:
1. Digunakan di antara konteks proses-proses bisnis utama.
2. Mendukung keputusan dan tindakan.
3. Menuntun pengembangan performa bisnis.
Gambar 2.9 What business intelligence means in practice
(Sumber: Steve dan Nancy, 2007, p3)
Bagi bisnis, fokus utamanya adalah meningkatkan pendapatan dan
mengurangi biaya, dengan demikian akan meningkatkan performa dan
29
meningkatkan penghasilan. Bagi sektor publik, fokus utamanya adalah
pelayanan bagi masyarakat, mengatasi keterbatasan anggaran, dan
menggunakan segala sumber daya dengan bijaksana dalam mendukung
misi kantor.
Menurut Robert Stackowiak (2007, p3), business intelligence
dapat didefinisikan sebagai akses yang tepat ke data atau informasi yang
dibutuhkan untuk membuat keputusan bisnis yang tepat pada saat yang
tepat. Data tersebut dapat berupa data mentah ataupun data yang telah
dianalisis sebelumnya. Dengan adanya akses informasi semacam ini,
memungkinkan pengelolaan bisnis dilakukan berdasarkan fakta, bukan
dengan mengandalkan intuisi.
2.1.16 Pengertian portal
Menurut Efraim Turban (2006, p46), portal adalah sebuah titik
akses melalui web browser untuk informasi bisnis di dalam atau di luar
organisasi.
Ada enam tipe portal (Efraim Turban, 2006, p47) yaitu:
• Commercial (public) portals. Portal ini menawarkan beragam konten
untuk komunitas dan merupakan portal paling popular di internet.
Contohnya adalah yahoo.com.
• Corporate portals. Portal perusahaan menyediakan akses ke konten
yang kaya hanya untuk perusahaan-perusahaan tertentu dan partner-
partnernya, biasanya dikenal dengan sebutan enterprise portals atau
30
enterprise information portals. Contohnya adalah intra.garuda-
indonesia.com (corporate portal milik PT.Garuda Indonesia).
• Publishing portals. Portal ini ditujukan bagi komunitas dengan
kepentingan tertentu. Contohnya adalah indonesiakreatif.net.
• Personal portals. Portal yang menyediakan informasi spesifik yang
telah disaring untuk individu. Contohnya adalah igoogle.
• Mobile portals. Portal yang diakses melalui mobile device. Contohnya
adalah i-mode.
• Voice portals. Portal yang diakses melalui telepon atau ponsel.
Contohnya adalah voice portal Bakrie Telecom pada Esia dan
Wifone.
2.2 Teori-teori khusus
2.2.1 Pendekatan data warehouse
2.2.1.1 Karakteristik data warehouse
Menurut Inmon (2995, p29), data warehouse memiliki
empat karakteristik utama, yaitu sebagai berikut:
1. Subject-Oriented
Pengertian dari subject-oriented adalah data warehouse
didesain untuk menganalisis data berdasarkan subyek-subyek
tertentu yang terdapat dalam organisasi, bukan pada proses atau
fungsi aplikasi tertentu.
31
Data warehouse diorganisasikan di sekitar subyek-
subyek utama dari perusahaan, dan tidak diorganisasikan pada
area-area aplikasi utama. Hal ini dikarenakan kebutuhan dari
data warehouse untuk menyimpan data-data yang bersifat
sebagai penunjang suatu keputusan daripada aplikasi yang
berorientasi terhadap data. Sebagai contoh, subyek utama untuk
perusahaan asuransi terdiri dari nasabah, kebijakan atau
peraturan, premi, dan klaim. Untuk perusahaan manufaktur,
subyek utama terdiri dari produk, pesanan, vendor, dan bahan
baku. Untuk perusahaan retail, subyek utama terdiri dari produk,
penjualan, vendor, dan sebagainya. Setiap jenis perusahaan
memiliki kelompok subyeknya masing-masing yang bersifat
unik. Jadi dengan kata lain, data yang disimpan adalah
berorientasi kepada subyek, bukan terhadap proses.
Gambar 2.10 Contoh orientasi subyek terhadap data
(Sumber: Inmon, 2005, p30)
32
2. Integrated
Data warehouse dapat menyimpan data-data yang
berasal dari sumber-sumber yang terpisah ke dalam suatu
format yang konsisten dan saling terintegrasi antara satu dengan
yang lainnya. Dengan demikian, data yang terdapat dalam data
warehouse tidak dapat memiliki bentuk yang bermacam-macam
walaupun memiliki maksud dan tujuan yang sama. Dengan
adanya data yang bersifat konsisten, maka para pengguna dapat
mengakses data yang seragam atau sama.
Gambar 2.11 Persoalan mengenai integrasi data
(Sumber: Inmon, 2005, p31)
33
3. Time Variant
Time variant memberikan pengertian bahwa setiap unit
dari data yang terdapat dalam data warehouse bersifat akurat
pada satu waktu tertentu. Dalam beberapa kasus, sebuah record
menujukkan data yang berhubungan dengan waktu. Pada kasus
lain, sebuah record menunjukkan data yang berupa tanggal
transaksi. Tetapi dalam setiap kasus, ada beberapa bentuk yang
memperlihatkan kapan suatu data yang terdapat dalam record
bersifat akurat.
Gambar 2.12 Persoalan mengenai time variant
(Sumber: Inmon, 2005, p32)
4. Nonvolatile
Karakteristik terakhir dari data warehouse adalah non-
volatile. Pada data operasional, data secara berkala diakses dan
dimanipulasi setiap record pada waktu tertentu. Data-data
tersebut diupdate pada lingkungan operasional untuk
menunjang tugas-tugas operasional, tetapi data yang terdapat
34
dalam data warehouse memiliki karakterisktik yang berbeda
dengan data operasional. Data yang terdapat dalam data
warehouse dipanggil dan diakses, tetapi data tersebut tidak
diperbaharui. Jadi ketika dipanggil, data tersebut dipanggil
dalam bentuk yang statis. Ketika ada beberapa perubahan pada
data terjadi, sebuah snapshot baru dari data disimpan sehingga
data-data yang bersifat historis disimpan dalam data warehouse.
Gambar 2.13 Persoalan mengenai nonvolatile
(Sumber: Inmon, 2005, p32)
2.2.1.2 Komponen data warehouse
Menurut Kimball (2002, p7), ada 4 komponen terpisah dan
berbeda yang terdapat dalam lingkungan data warehouse yaitu
operational source systems, data staging area, data presentation
area, dan data access tools.
35
Gambar 2.14 Elemen-elemen dasar dari data warehouse
(Sumber: Kimball dan Ross, 2002, p7)
1. Operational Source Systems
Operational source systems adalah sistem yang
menyimpan transaksi sehari-hari dari sebuah bisnis. Source
systems berada di luar lingkungan data warehouse karena kita
tidak memiliki kontrol terhadap konten dan format dari data di
dalam sistem yang sedang berjalan. Tujuan utama dari source
systems adalah untuk mendapatkan processing performance dan
availability. Source systems hanya mempertahankan sedikit
data-data yang bersifat historis. Query-query yang terdapat
dalam source systems memiliki skala yang terbatas, yang
merupakan bagian dari alur transaksi normal dan terkadang
dibatasi oleh permintaan dari sistem operasional yang sedang
berjalan.
36
2. Data Staging Area
Data staging area dari data warehouse terdiri dari area
penyimpanan dan sejumlah proses yang dikenal sebagai ETL
(extract, transformation, load). Data staging area merupakan
jembatan antara operational source systems dan data
presentation area.
Extraction adalah langkah pertama dalam sebuah proses
untuk memasukkan data ke dalam lingkungan data warehouse
dimana sumber data dibaca dan data-data yang diperlukan untuk
data warehouse diduplikasi ke dalam staging area untuk
diproses lebih jauh.
Setelah data diekstrak ke dalam staging area, ada
sejumlah transformasi yang dilakukan seperti membersihkan
data, menggabungkan data dari berbagai sumber,
menghilangkan data-data duplikat, dan menentukan warehouse
keys. Transformasi ini adalah sebuah langkah awal dalam
memasukkan data ke dalam data warehouse presentation area.
3. Data Presentation
Data presentation area adalah sebuah tempat dimana
data diorganisir, disimpan, dan disediakan aksesnya agar user
dapat melakukan query secara langsung, membuat report serta
aplikasi-aplikasi lainnya untuk keperluan analisis.
37
4. Data Access Tools
Data access tools merupakan tools yang dipergunakan
untuk melakukan query terhadap data yang terdapat dalam data
warehouse presentation area. Sebuah data access tool bisa
terdiri dari ad hoc query tool yang sederhana atau aplikasi data
mining yang kompleks. Beberapa dari data access tools dapat
dipakai untuk mengirimkan kembali hasil analisisnya ke
operational source systems atau staging presentation area dari
data warehouse.
2.2.1.3 ETL (Extract, Transform, Load)
ETL merupakan singkatan dari extract, transform, load yang
berfungsi untuk melakukan ekstraksi data dari data source, dan
kemudian melakukan transformasi data, sebelum mengirimkannya
ke data store tujuan. Dimensional data store adalah data source
tujuan yang akan dijadikan basis pengolahan data analitis berupa
business intelligence, data mining, CRM, dan lain-lain.
Dari fungsi ETL di atas dapat kita simpulkan bahwa extract
adalah suatu pengambilan atau perpindahan data yang dilakukan dari
suatu tempat data awal ke tempat data sementara. Kemudian
transform adalah suatu perubahan bentuk yang dilakukan untuk
memenuhi kebutuhan. Sedangkan load adalah suatu pengiriman atau
perpindahan data dari tempat data sementara atau variabel tertentu ke
38
tempat penampungan akhir sebelum data tersebut ditampilkan atau
diolah kembali.
Hal ini dijelaskan oleh Kimball (2002, p401) yang
menyatakan bahwa Extract Transform Load (ETL) adalah kumpulan
dari proses dimana sumber data operasional disiapkan untuk
dimasukan ke dalam data warehouse. Ini merupakan proses utama
dari proses latar belakang (backroom process) staging area dari data
warehouse, sebelum data dipresentasikan atau diquery. Proses ini
terdiri dari proses ekstraksi (extracting) data operasional dari sumber
aplikasi, mengubah bentuknya (transforming), mengeluarkan
(loading) dan membuat index dari data itu untuk menjamin kualitas
dari data tersebut dan menerbitkannya.
2.2.1.4 Dimensional modeling
1. Tabel fakta (fact table)
Tabel fakta merupakan tabel utama dalam model
dimensional dimana ukuran dari performa suatu bisnis disimpan.
Tabel fakta umumnya mengandung angka dan data history yang
terdiri dari foreign key yang merupakan primary key dari
beberapa dimension table yang saling berhubungan. Tabel fakta
sering disebut juga dengan major table.
39
Gambar 2.15 Contoh tabel fakta
(Sumber: Kimball dan Ross, 2002, p17)
2. Tabel dimensi (dimension table)
Tabel dimensi berisi deskripsi yang bersifat tekstual dari
sebuah bisnis. Dalam sebuah data model dimensional, tabel
dimensi memiliki banyak kolom atau atribut dimana atribut ini
mendeskripsikan row yang terdapat dalam tabel dimensi.
Atribut-atribut yang terdapat pada tabel dimensi merupakan
sumber utama untuk query constraints, grouping, dan report
labels. Sebagai contoh, penjualan berdasarkan dimensi waktu
mingguan, dimana mingguan merupakan atribut yang terdapat
dalam tabel dimensi. Tabel dimensi sering disebut juga dengan
minor table.
40
Gambar 2.16 Contoh tabel dimensi
(Sumber: Kimball dan Ross, 2002, p20)
2.2.1.5 Skema bintang (star schema)
Menurut Connolly (2002, p1079), skema bintang adalah
struktur logikal yang mempunyai sebuah tabel fakta yang berisi data
fakta di tengah dan dikelilingi oleh tabel-tabel dimensi yang berisi
data referensi atau keterangan yang biasanya dapat didenormalisasi.
Menurut Inmon (2005, 128), skema bintang adalah struktur
desain yang dibutuhkan untuk mengatur data dengan cara
denormalisasi dalam jumlah yang besar ke dalam sebuah entity
dalam sebuah data mart untuk mengoptimalkan akses data.
41
Menurut Robert Stackowiak (2007, p56), skema bintang ada
di dalam database sebagai sebuah tabel fakta yang besar dikelilingi
oleh beberapa tabel dimensi (juga dikenal sebagai tabel look-up)
dengan hubungan foreign key. Biasanya time adalah salah satu
dimensi yang membuat skema menghasilkan sebuah query yang
menampilkan sejumlah transaksi yang terjadi pada periode waktu
tertentu, lokasi tertentu, atau dimensi lainnya.
Gambar 2.17 Illustration of a simple star schema
(Sumber: Stackowiak, Rayman, dan Greenwald, 2007, p57)
2.2.1.6 Jenis-jenis skema bintang
Ada beberapa macam jenis dari skema bintang yaitu:
1. Simple star schema
Dalam skema ini, setiap tabel harus memiliki primary key
yang terdiri dari satu kolom atau lebih dan primary key tersebut
harus bersifat unik. Foreign key adalah kolom pada satu tabel
yang nilainya didefinisikan oleh primary key pada tabel lain.
42
Gambar 2.18 Simple star schema
(Sumber: Poe, 1996, p124)
2. Multiple fact star schema
Skema bintang dapat memiliki lebih dari satu tabel fakta,
karena adanya fakta yang tidak saling berhubungan. Misalnya di
samping penjualan, terdapat tabel fakta forecasting dan tabel
fakta result. Walaupun terdapat banyak tabel fakta, tabel
dimensinya tetap digunakan bersama-sama.
43
Gambar 2.19 Multiple fact star schema
(Sumber: Poe, 1996, p126)
2.2.1.7 Variasi skema bintang
1. Skema snowflake
Skema snowflake merupakan sebuah variasi dari skema
bintang dimana tabel-tabel dimensi tidak mengandung data yang
didenormalisasikan (Connolly, 2002, p1080).
Skema snowflake menggunakan beberapa tabel fakta dan
tabel dimensi yang sudah mengalami normalisasi, sedangkan
skema bintang biasa menggunakan tabel dimensi yang masih
didenormalisasi. Skema snowflake dibuat berdasarkan OLTP
44
(Online Transaction Processing) sehingga semua data akan
termuat detail dalam setiap tabel fakta dan tabel dimensi.
Gambar 2.20 Contoh skema snowflake
(Sumber: Rajiv Parida, 2006, p249)
2. Skema starflake
Skema starflake merupakan skema campuran yang
mengandung kombinasi antara antara skema bintang biasa dan
skema snowflake (Connolly, 2002, p1081).
Skema starflake merupakan skema yang paling sesuai
untuk database karena skema ini menggabungkan data yang
didenormalisasi dan data yang dinormalisasi. Beberapa dimensi
bisa muncul dalam bentuk normalisasi dan denormalisasi untuk
memenuhi kebutuhan query yang berbeda.
45
2.2.2 Corporate portal
Corporate portal adalah sebuah pintu gerbang ke situs web
perusahaan yang memungkinkan komunikasi, kolaborasi, dan akses ke
informasi perusahaan.
Corporate portal menawarkan para karyawan, rekan bisnis, dan para
pelanggan sebuah fokus yang terorganisir yang menunjang interaksi mereka
dengan perusahaan.
Banyak organisasi yang telah mengimplementasikan corporate
portal. Alasannya adalah untuk memotong biaya dan menghemat waktu para
eksekutif dan manajer yang sibuk.
Ada beberapa tipe corporate portal yaitu:
• Portal for Suppliers and Other Partners. Dengan menggunakan portal
ini, suppliers dapat mengatur inventori online mereka. Mereka dapat
menampilkan apa yang mereka jual pada pemilik portal dengan harga
jual tertentu. Mereka dapat melihat level inventori pemilik portal dan
mengirim materi dan persediaan ketika telah mencapai level pemesanan,
dan mereka dapat berkolaborasi dengan pembeli-pembeli dari
perusahaan dan staff lainnya.
• Customer Portals. Portal untuk pelanggan dapat melayani baik bisnis
maupun pelanggan individu. Pelanggan dapat menggunakan customer-
facing portals mereka untuk menampilkan produk dan layanan dan
untuk memesan, yang nantinya mereka dapat melihat daftar pesanannya
kembali. Mereka dapat menampilkan account mereka sendiri dan
46
melihat apa yang terjadi pada account mereka secara real-time. Mereka
dapat membayar produk dan layanan, serta meminta garansi dan
pengiriman.
• Employee Portals. Portal ini digunakan untuk pelatihan, penyebaran
berita dan informasi perusahaan, diskusi grup, dan lainnya. Portal
pegawai juga digunakan untuk aktivitas pelayanan pribadi, terutama di
daerah personal. Portal pegawai juga kadang-kadang dipaketkan dengan
portal supervisor yang dikenal dengan workforce portals.
• Executive and Supervisor Portals. Portal ini memungkinkan manajer
dan supervisor mengontrol seluruh proses manajemen tenaga kerja dari
pembiayaan hingga jadwal tenaga kerja. Sebagai contoh, Pharmacia
(perusahaan Pfizer) membangun sebuah portal bagi eksekutif dan
manajernya di seluruh dunia, yang bernama Global Field Force Action
Planner, yang menyediakan tampilan performa dan finansial dari
perusahaan. Business goals dan sales figures dengan mudah tersedia,
yang mengijinkan manajemen perusahaan mengevaluasi dan mendukung
kantor-kantor cabang dengan lebih efektif. Manajer suatu negara dapat
membagikan pengalaman praktek terbaik dengan sesamanya dan belajar
dari pengalaman lainnya, membantu mereka membuat keputusan yang
lebih baik.
• Mobile Portals. Mobile portal adalah portal yang diakses melalui mobile
device, terutama ponsel dan PDA.
47
2.2.3 Pendekatan business intelligence
2.2.3.1 Arsitektur business intelligence
Menurut Vercellis (2009, p9), arsitektur dari sebuah business
intelligence system, terdiri dari enam komponen utama yaitu:
1. Data sources
Pada tahap pertama, diperlukan suatu proses untuk
mengumpulkan dan mengintegrasikan data-data yang disimpan
dalam berbagai sumber yang bervariasi, yang mana saling
berbeda baik itu asal maupun jenisnya. Sumber ini kebanyakan
berasal dari data-data yang terdapat pada operational systems,
tetapi bisa juga berasal dari dokumen yang tidak terstruktur
seperti email dan data-data yang dikirimkan oleh pihak luar.
2. Data warehouse dan data marts
Dengan menggunakan extraction dan transformation
tools yang dikenal sebagai ETL (extract, transform, load), data
yang berasal dari berbagai sumber yang berbeda disimpan ke
dalam database yang ditujukan untuk mendukung analisis
business intelligence. Database inilah yang biasanya dikenal
dengan sebutan data warehouses dan data marts.
3. Data exploration
Pada level ketiga ini, tools-tools yang berfungsi untuk
keperluan analisis business intelligence pasif digunakan. Tools-
tools ini terdiri dari query dan reporting systems, serta statistical
methods. Metodologi ini bersifat pasif karena para pengambil
48
keputusan harus mengambil keputusan berdasarkan hipotesa
mereka sendiri atau mendefinisikan kriteria dari data extraction,
kemudian menggunakan tools analisis untuk menemukan
jawaban dan mencocokkannya dengan hipotesa awal mereka.
4. Data mining
Level keempat ini terdiri dari sejumlah metodologi
business intelligence yang bersifat aktif yang tujuannya adalah
untuk mengekstrak informasi dan pengetahuan dari data.
Metodologi ini berisi sejumlah model matematika untuk
pengenalan pola, pembelajaran mesin, dan teknik data mining.
Tidak seperti tools yang digunakan pada level sebelumnya,
model dari business intelligence yang bersifat aktif ini tidak
mengharuskan para pengambil keputusan untuk mengeluarkan
hipotesa apapun.
5. Optimization
Pada level ini, solusi terbaik harus dipilih dari sekian
alternatif yang ada, yang biasanya sangat banyak dan beragam.
6. Decisions
Pada level terakhir ini yang menjadi persoalan utama
adalah bagaimana menentukan keputusan akhir yang akan
diambil yang dikenal sebagai decision making process.
Walaupun metodologi business intelligence berhasil diterapkan,
pilihan untuk mengambil sebuah keputusan ada pada para
pengambil keputusan. Pertimbangan untuk mengambil keputusan
49
ini biasanya diambil juga dari informasi yang tidak terstruktur
serta tidak formal dan memodifikasi rekomendasi serta
kesimpulan yang dicapai melalui penggunaan model matematika.
Gambar 2.21 Komponen utama dari business intelligence
(Sumber: Vercellis, 2009, p10)
2.2.3.2 Jenis-jenis business intelligence
Menurut Turban (2007, p257), business intelligence terbagi
ke dalam lima jenis yaitu:
1. Enterprise reporting
Enterprise reporting digunakan untuk menghasilkan laporan-
laporan statis yang didistribusikan ke banyak orang. Jenis
laporan seperti ini sangat sesuai untuk laporan operasional dan
dashboard.
50
2. Cube analysis
Tools cube yang berbasis pada business intelligence digunakan
untuk menyediakan analisis OLAP multidimensional yang
ditujukan untuk manajer bisnis dalam lingkungan yang terbatas.
3. Ad hoc querying and analysis
Tools relational OLAP digunakan untuk memberikan akses
kepada user agar dapat melakukan query pada database, dan
menggali informasi sampai pada tingkat paling dasar dari
informasi transaksional. Query ini berfungsi untuk mengeksplor
informasi yang dilakukan oleh user.
4. Statistical analysis and data mining
Tools statistik, matematis, dan data mining digunakan untuk
melakukan analisis prediksi atau untuk menentukan korelasi
sebab akibat diantara dua matrik. Analisis keuangan serta
ramalan juga dilakukan pada jenis ini.
5. Report delivery and alerting
Mesin distribusi laporan digunakan secara proaktif untuk
mengirimkan laporan secara lengkap atau memberikan
peringatan kepada populasi user yang besar (internal dan
eksternal). Distribusi ini berdasarkan pada jadwal dan event yang
disimpan dalam database.
51
2.2.3.3 Siklus hidup business intelligence
Menurut www.athena-solutions.com, siklus hidup untuk
pengembangan dan implementasi untuk business intelligence, data
warehousing, dan corporate performance management yaitu:
1. Perencanaan proyek, organisasi dan manajemen.
2. Bekerja dengan bisnisnya untuk mengumpulkan dan menemukan
kebutuhan bisnisnya, membuat model data berdasarkan pada
kebutuhannya dan mendesain fungsional business intelligence
dari kebutuhan yang telah ditemukan ini.
3. Mendesain model data dan basis data untuk
mengimplementasikan model ini.
4. Mengintegrasikan data dari aplikasi yang lain seperti CRM
(Customer Relationship Management), ERP (Enterprise
Resource Planning), dan Web.
5. Memilih dan menggunakan tools ETL (Extract, Transform &
Load) kepada database yang dibutuhkan.
6. Memilih dan menggunakan tools Business Intelligence dan
OLAP (Online Analytical Processing) untuk menyediakan fungsi
bisnis yang berguna bagi perusahaan.
2.2.3.4 Manfaat business intelligence
Menurut Williams (2007, p38), business intelligence dapat
digunakan untuk memberikan manfaat bagi sebuah bisnis secara
52
umum serta menghasilkan contoh-contoh nyata yang berhubungan
dengan fungsi bisnis tersebut. Manfaat tersebut yaitu:
1. Efisiensi Transaksi
Efisiensi transaksi ini dapat dicapai karena dapat
mengubah proses-proses yang tidak terstruktur menjadi proses-
proses yang terstruktur dan berulang-ulang. Contohnya adalah
model optimisasi pendapatan yang digunakan pada industri hotel
dan penerbangan, model optimisasi jaringan logistik dan rantai
suplai yang digunakan pada industri penyaluran dan jasa.
2. Otomatisasi proses manual
Proses-proses yang tadinya dilakukan secara manual
dapat dibuat menjadi otomatis karena keberadaan manusia dapat
dihilangkan atau digantikan dalam sebuah proses. Contohnya
adalah perencanaan operasi dan penjualan, segmentasi
pelanggan, perencanaan anggaran, analisis perubahan, laporan
kinerja, analisis produktivitas.
3. Penerapan teknik analisis
Sejumlah metode analisis yang kompleks dapat
diintegrasikan ke dalam proses-proses yang ada. Metode analisis
ini memiliki kemampuan analisis yang dapat dipercaya untuk
dapat digunakan oleh user dengan hanya membutuhkan kurva
pembelajaran yang singkat. Contohnya adalah dashboard dan
scorecard eksekutif, aplikasi pendeteksi kecurangan dan
53
penilaian kredit, analisis pengaturan kampanye penjualan,
ramalan penjualan, segmentasi pelanggan.
4. Pengiriman informasi
Business intelligence dapat mengirimkan rincian
informasi dalam jumlah yang besar ke dalam sebuah proses.
Kumpulan informasi transaksional yang ada pada perusahaan
dapat dimanfaatkan untuk mendeteksi penjualan serta
mengurangi biaya. Contohnya adalah pengenalan pola dan data
mining, analisis rantai suplai, analisis operasi, analisis trend
pendapatan, aplikasi manajemen retail.
5. Pelacakan
Business intelligence memberikan kebebasan untuk
melacak status, input, dan output dari sebuah pekerjaan atau
proses secara terperinci. Sistem pelacakan yang dilakukan secara
manual berdasarkan pada lembar kerja dapat digantikan oleh
sistem yang bersifat otomatis. Contohnya adalah dashboard,
scorecard pemasok, manajemen inventori.
54
Gambar 2.22 Tabel manfaat business intelligence
(Sumber: Steve dan Nancy, 2007, p39)
2.2.4 Executive dashboard
Setiap executive di sebuah perusahaan setiap harinya berhadapan
dengan banyak karyawan dan berbagai macam data. Mereka pun diharuskan
untuk membuat keputusan yang cepat berdasarkan informasi-informasi
tersebut. Ketika transaksi semakin banyak terjadi maka informasi yang
dihasilkanpun semakin detail sehingga semakin sulit pula dalam
pengambilan keputusan strategis dalam waktu yang cepat. Seorang
pemimpin bisnis perlu mengetahui bagaimana performa bisnisnya secara
menyeluruh walaupun cakupan area dari perusahaan sangat luas. Dashboard
dan scorecard yang berisi charts (kurva), grafik, diagram, dan lain-lain yang
menggambarkan tren dan perbedaan berdasarkan pada kumpulan data yang
55
besar merupakan jawaban atas kebutuhan para executive perusahaan (Turley,
Bryant, Counihan, DuVarney, 2006, p290).
Dashboard juga menyediakan gambaran visual yang lengkap
mengenai ukuran, trend, dan eksepsi performa korporasi. Dashboard
mengintegrasikan informasi dari berbagai area bisnis. Dashboard juga
memperlihatkan grafik yang menggambarkan performa aktual dibandingkan
dengan satuan yang diinginkan (Turban, 2007).
2.2.5 Pengertian sistem prepaid
Sistem prepaid dalam industri telekomunikasi adalah sebuah layanan
telekomunikasi berbayar yang berdasarkan kepada pembayaran secara
langsung. Dengan adanya sistem prepaid, para pengguna bisa mendapatkan
layanan komunikasi dengan membayar secara langsung ketika ingin
mendapatkan pulsa di tempat yang menyediakan penjualan pulsa. Dengan
pulsa yang didapatkan oleh pengguna, maka sejumlah layanan
telekomunikasi yang disediakan oleh perusahaan telekomunikasi bisa
diakses oleh pengguna.
Ketika pengguna memanfaatkan layanan telekomunikasi yang
disediakan, maka pulsa yang dimiliki akan berkurang sejumlah harga dari
layanan tersebut. Harga untuk masing-masing layanan bergantung pada jenis
perusahaan telekomunikasi yang dipiih dan bisa bervariasi antara satu
dengan yang lainnya. Jadi, perusahaan telekomunikasi mendapatkan
pemasukan setiap kali ada pengguna yang memakai layanan yang
disediakan.
2.2.6 B
2
Bisnis telek
2.2.6.1 Jenis
1. G
s
T
k
g
w
t
s
d
(Sumbe
omunikasi
s-jenis tekn
GSM (Globa
GSM
sebuah tekn
Teknologi G
khususnya p
gelombang m
waktu, sehin
tujuan. GSM
sekaligus s
digunakan or
Gambar 2.
er: Wikipedi
ologi teleko
al System for
M (global sys
nologi kom
GSM banyak
pada telepon
mikro dan pe
ngga sinyal i
M dijadikan
sebagai tek
rang di selur
23 Struktur
ia.org, diaks
omunikasi
r Mobile Com
stem for mo
munikasi sel
k diterapkan
n genggam. T
engiriman sin
nformasi ya
standar glob
knologi selu
ruh dunia.
r jaringan G
ses tanggal 2
mmunication
obile commu
luler yang
n pada komu
Teknologi in
nyal yang di
ang dikirim a
bal untuk ko
uler yang
GSM
20-10-2010)
n)
unication) a
bersifat di
unikasi berg
ni memanfa
ibagi berdas
akan sampai
omunikasi se
paling ba
)
56
adalah
igital.
gerak,
aatkan
arkan
i pada
elular
anyak
57
2. CDMA (Code Division Multiple Access)
CDMA (code division multiple access) adalah sebuah
bentuk pemultipleksan dan sebuah metode akses secara bersama
yang membagi kanal tidak berdasarkan waktu, namun dengan
cara mengkodekan data dengan sebuah kode khusus yang
diasosiasikan dengan tiap kanal yang ada dan menggunakan
sifat-sifat interferensi konstruktif dari kode-kode khusus itu
untuk melakukan pemultipleksan.
Gambar 2.24 Struktur jaringan CDMA
(Sumber: Nurrahmihidayati, 2008)
2.2.6.2 Jenis-jenis layanan telekomunikasi
1. SMS (Short Message Service)
SMS (short message service) adalah sebuah layanan yang
dilaksanakan dengan sebuah telepon genggam untuk mengirim
atau menerima pesan-pesan pendek. Sebuah pesan SMS
58
maksimal terdiri dari 140 bytes, dengan kata lain sebuah pesan
bisa memuat 140 karakter 8-bit, 160 karakter 7-bit atau 70
karakter 16-bit.
2. MMS (Multimedia Messaging Service)
MMS (multimedia messaging service) adalah sebuah
standar layanan pesan telepon yang memungkinkan untuk
mengirim pesan yang mengandung obyek multimedia seperti
gambar, audio, video, dan rich text. Layanan ini berbeda dengan
SMS (short messaging service) yang hanya dapat mengirim
pesan teks saja. MMS digunakan bersama-sama dalam sebuah
jaringan selular dengan sistem perpesanan lainnya seperti SMS,
mobile instant messaging, dan mobile e-mail.
2.2.6.3 Generasi teknologi telekomunikasi
1. Generasi I
Telepon seluler generasi pertama disebut juga dengan 1G.
1-G merupakan telepon seluler pertama yang sebenarnya.
Teknologi yang digunakan 1-G masih bersifat analog dan dikenal
dengan istilah AMPS. AMPS merupakan frekuensi antara 825
Mhz – 894 Mhz dan dioperasikan pada Band 800 Mhz.
2. Generasi II
Telepon seluler generasi kedua disebut juga dengan 2G.
Teknologi seluler ini hadir menggantikan teknologi seluler
pertama, 1G yang menggunakan sistem analog seperti AMPS
59
(advanced mobile phone system). 2G merupakan jaringan
telekomunikasi selular yang diluncurkan secara komersial pada
jaringan GSM standar di Finlandia. Berbeda dengan 1G, 2G
menggunakan sistem digital. Selain melayani komunikasi suara,
2G juga dapat melayani komunikasi teks, yakni SMS (short
messaging service).
3. Generasi III
Telepon seluler generasi ketiga disebut juga dengan 3G.
3G merupakan sebuah standar yang ditetapkan oleh ITU
(international telecommunication union) yang diadopsi dari
IMT-2000 untuk diaplikasikan pada jaringan telepon seluler.
Melalui 3G, pengguna telepon seluler dapat memiliki akses cepat
ke internet dengan bandwidth sampai 384 kilobit setiap detik
ketika alat tersebut berada pada kondisi diam atau bergerak
secepat pejalan kaki. Akses yang cepat ini merupakan andalan
dari 3G yang tentunya mampu memberikan fasilitas yang
beragam pada pengguna seperti menonton video secara langsung
dari internet atau berbicara dengan orang lain menggunakan
video.
4. Generasi IV
Telepon seluler generasi keempat disebut juga dengan
4G. 4G merupakan sistem telepon seluler yang menawarkan
pendekatan baru dan solusi infrastruktur yang mengintegrasikan
teknologi wireless yang telah ada termasuk WiBro (wireless
60
broadband), 802.16e, CDMA, wireless LAN, Bluetooth, dan
lain-lain. Sistem 4G berdasarkan heterogenitas jaringan IP yang
memungkinkan pengguna untuk menggunakan beragam sistem
kapan saja dan dimana saja. 4G memberikan pelayanan
pengiriman data cepat untuk mengakomodasi berbagai aplikasi
multimedia seperti video conferencing, game online, dan lain-
lain.
2.2.7 Oracle
Oracle adalah salah satu perusahaan utama pengembang sistem
manajemen basis data (database management system), perangkat lunak
untuk mengembangkan basis data, perangkat lunak manajemen hubungan
pelanggan, enterprise resource planning, dan perangkat lunak manajemen
rantai pasokan. Oracle didirikan pada tahun 1977 (www.oracle.com).
Software yang digunakan dalam pengembangan aplikasi business
intelligence pada penulisan ini adalah OBIEE (oracle business intelligence
enterprise Edition) 10g.
2.2.7.1 Definisi OBIEE
Oracle business intelligence enterprise edition merupakan
rangkaian produk business intelligence yang komprehensif untuk
skala perusahaan. Produk ini memiliki sejumlah kemampuan yang
dibutuhkan dalam business intelligence seperti dashboard interaktif,
full ad hoc, alert dan intelligence yang proaktif, laporan keuangan
61
dan perusahaan, kemampuan memprediksi secara real time, analisis
yang tidak dibatasi oleh jaringan, dan lain-lain. Untuk dapat
membuat produk ini menyediakan fungsionalitas business
intelligence yang luas, platform OBIEE berdasarkan pada arsitektur
yang berorientasi pada layanan web modern (www.oracle.com).
2.2.7.2 Arsitektur OBIEE
Arsitektur yang terdapat pada OBIEE terdiri dari
(www.gerardnico.com) :
1. Oracle Business Intelligence Presentation Services
Oracle business intelligence presentation services menyediakan
framework dan interface untuk presentasi dari data business
intelligence kepada web clients. Services ini memelihara sebuah
layanan presentation catalog yang terdapat dalam file sistem
agar framework dari presentasi ini dapat dikostumisasi.
2. Oracle Business Intelligence Server
Oracle business intelligence server adalah proses yang berdiri
sendiri yang memelihara model data logikal yang akan dikirim
ke BI presentation services menggunakan ODBC. Metadata
diupdate secara terus menerus untuk model data dalam sebuah
file lokal yang sesuai, yang disebut dengan rpd (repository file).
Pada proses yang berjalan di belakang, BI server berhubungan
dengan tempat penyimpanan data pelanggan melalui data source
adaptors.
62
3. Oracle Business Intelligence Publisher
Oracle business intelligence publisher berfungsi untuk
menghasilkan laporan dengan format yang sangat sesuai untuk
skala perusahaan.
4. Oracle Business Intelligence Java Host
Oracle business intelligence java host menyediakan layanan
kepada BI presentation services untuk menghasilkan grafik,
ukuran, serta file PDF. Layanan ini disediakan berdasar pada
model request-response.
5. Oracle Business Intelligence Presentation Services Plug-in
Oracle business intelligence presentation services plug-in
merupakan titik awal dalam sebuah proses dimana web client
melakukan request ke BI presentation services. Ada 2 jenis dari
BI presentation services plug-in. Untuk oracle business
intelligence yang dilayani oleh J2EE application servers, yang
akan menjadi plug-in adalah java servlet. Sedangkan untuk
oracle business intelligence dimana web server yang digunakan
adalah IIS (Microsoft Internet Information Services), yang akan
menjadi plug-in adalah ISAPI plug-in.
63
Gambar 2.25 Arsitektur OBIEE
(Sumber: Nicolas Gerard, 2010)
64
2.2.7.3 Komponen OBIEE
Komponen-komponen yang terdapat pada OBIEE yaitu
(www. ealliancebusinessintelligence.com):
1. BI Server
Mengijinkan user untuk mengakses fungsionalitas dari
semua komponen built-in yang ada pada OBIEE.
2. Oracle BI Stack Component, yang terdiri dari:
a. BI Answer
Menyajikan grafik yang interaktif, pivot table serta
laporan yang dapat dibuat oleh pengguna bisnis dengan
menggunakan logical view dari informasi, bukan dengan
menggunakan struktur database yang kompleks.
b. BI Interactive Dashboard
Mengelompokkan konten dan aplikasi yang ditampilkan
melalui dashboard interaktif yang secara dinamis bisa
dipersonalisasikan sesuai dengan identitas serta peranan user.
c. BI Delivers
Mendukung pengawasan aktivitas bisnis melalui
sejumlah saluran seperti email, dashboard, dan mobile.
d. Disconnected Analytics
Memungkinkan fungsi analisis yang menyeluruh bagi
para profesional yang sering bepergian, yang tidak terhubung
dengan jaringan perusahaan.
65
e. BI Publisher
Komponen ini adalah sebuah tool enterprise reporting
dan distribution dimana laporan yang dirancang untuk MS
Word ataupun adobe acrobat dapat dikirim melalui printer,
email, fax, webDAV atau dipublikasikan ke portal.
f. Briefing Books
Tool ini memungkinkan user untuk membuat snapshot
agar dapat dilihat secara offline atau dibagikan dengan orang
lain. Snapshot ini memiliki kontrol paging dan sesuai untuk
dapat menyajikan informasi kepada yang lain.
3. Hyperion Stack Component, yang terdiri dari:
a. Interactive Reporting
Menyediakan kemampuan analisis dan user-directed
query untuk eksekutif, pengguna bisnis, dan analis.
b. SQR Production Reporting
Menyediakan laporan dengan volume yang tinggi serta
format yang berkualitas.
c. Financial Reporting
Menyediakan laporan manajemen dan keuangan yang
sesuai dengan standar perusahaan serta fitur-fitur seperti
penerjemahan nilai mata uang, GAAP, IFRS, dan standar
keuangan lainnya.
66
d. Web Analysis
Menyediakan kemampuan untuk melakukan analisis
OLTP (Online Transaction Processing) berbasis web,
presentasi, dan membuat laporan.
Gambar 2.26 Komponen OBIEE
(Sumber: eAlliance Business Intelligence, diakses tanggal 20-10-2010)
2.2.8 Konsep data modeling pada OBIEE
Konsep data modeling yang terdapat pada OBIEE terdiri dari
physical layer, business model layer, dan presentation layer
(www.ealliancebusinessintelligence.com).
67
Gambar 2.27 Data modeling pada OBIEE
(Sumber: eAlliance Business Intelligence, diakses tanggal 20-10-2010)
2.2.8.1 Physical Layer
Physical layer mengandung informasi tentang sumber data
fisikal. Cara umum yang digunakan untuk membuat schema pada
physical layer adalah dengan mengimpor metadata dari database
dan sumber data lainnya. Layer ini mendukung federated query,
contohnya berupa operasi query database yang dapat menyertakan
data set dari dua sumber data yang berbeda pada OBIEE.
68
2.2.8.2 Business Model Layer
Business model layer mengorganisir informasi berdasarkan
model bisnis. Setiap model bisnis mengandung tabel logikal. Tabel
logikal ini dipetakan pada sumber data yang terdapat pada physical
layer. Proses pemetaan ini bisa terdiri dari tranformasi serta
perhitungan yang kompleks. Layer ini mendefinisikan arti dan
konten dari setiap sumber fisikal yang diterjemahkan ke dalam
istilah model bisnis.
2.2.8.3 Presentation Layer
Presentation layer menampilkan informasi kepada para
eksekutif atau pihak yang memiliki wewenang untuk mengambil
keputusan. Informasi ini ditampilkan dalam bentuk dashboard yang
berisi grafik, pivot table, dan bentuk informasi lainnya. Melalui layer
ini, para pengambil keputusan dapat menjalankan analisis ad-hoc,
menampilkan laporan berdasarkan model bisnis yang sedang
berjalan sekarang. Semua informasi yang ditampilkan pada layer
bersumber dari business model layer.