7

BAB 2

LANDASAN TEORI

2.1 Teori Umum

2.1.1 Pengertian Data

Menurut Inmon (2005, p493), data adalah kumpulan fakta, konsep atau

instruksi dalam sebuah media penyimpanan untuk komunikasi, diambil dan

diproses secara otomatis dan dipresentasikan sebagai informasi sehingga

dapat dimengerti oleh manusia.

2.1.2 Pengertian Informasi

Menurut Turban et al (2001, p17), informasi adalah kumpulan fakta

(data) yang diolah dengan beberapa cara sehingga mereka memiliki arti bagi

penerima.

Menurut Inmon (2002, p391), informasi adalah data yang manusia

pahami dan evaluasi untuk menyelesaikan masalah atau membuat keputusan.

Jadi, informasi adalah kumpulan fakta (data) yang memiliki arti setelah

diolah sehingga dapat manusia pahami dan digunakan untuk menyelesaikan

masalah dan membuat keputusan.

8

2.1.3 Pengertian Database

Menurut Connolly dan Begg (2005, p15), database adalah kumpulan

relasi data yang logis dan deskripsi dari data tersebut, yang didesain untuk

memenuhi kebutuhan suatu perusahaan.

Menurut Atzeni et al (2003, p3), database adalah kumpulan data yang

digunakan untuk merepresentasikan informasi yang menarik untuk sebuah

sistem informasi.

Menurut Inmon (2002, p388), database adalah kumpulan data yang

saling berhubungan dan disimpan (biasanya telah dikontrol dan memiliki

redundansi yang terbatas) berdasarkan skema.

Jadi, database adalah kumpulan relasi data yang berhubungan secara

logis yang digunakan untuk merepresentasikan informasi menarik untuk

suatu sistem informasi yang digunakan untuk memenuhi kebutuhan

perusahaan.

2.1.4 Pengertian Database Management System (DBMS)

Menurut Turban et al (2002, p145), Database Management System

(DBMS) adalah kumpulan program yang menyediakan akses ke sebuah

database. DBMS memungkinkan sebuah organisasi untuk menyimpan data

di suatu lokasi di mana data-data tersebut dapat diperbaharui dan diambil

kembali.

Menurut Connolly dan Begg (1995, p16), Database Management

System (DBMS) adalah sistem software yang memungkinkan user untuk

mendefinisikan, menciptakan dan memelihara database dan menyediakan

9

akses kontrol ke database tersebut. DBMS merupakan software yang

berinteraksi dengan aplikasi program user dan juga database.

Jadi, DBMS adalah software yang menyediakan akses ke database

untuk menciptakan, menyimpan, memelihara dan mengontrol database

tersebut.

2.1.5 UML Diagram

Menurut Bennet et al (2006, p108), UML diagram adalah grafik-grafik

yang terdiri dari berbagai macam bentuk yang dikenal dengan node yang

dihubungkan dengan garis dan biasanya disebut dengan alur. Berikut adalah

beberapa jenis UML diagram:

1. Use Case Diagram

Use case diagram adalah suatu diagram yang mendeskripsikan

dari pandangan user, suatu perilaku yang berhubungan dengan suatu

kesatuan dari transaksi yang biasanya dilakukan bersama-sama untuk

menghasilkan beberapa nilai untuk user.

Gambar 2.1 Use Case dari Actor Staff Contact

(Bennet, 2006, p146)

Actor System of Subsystem

boundary

Communication

Association

Use Case

10

2. Statechart Diagram

Statechart diagram merupakan salah satu diagram UML yang

digunakan untuk membantu developer agar lebih mengerti dengan

jelas alur bisnis yang kompleks atau dengan spesifikasi tertentu

maupun alur bisnis dari spesialisasi sistem tertentu.

Statechart diagram menjelaskan alur kontrol dari sebuah state ke

state lainnya. State didefinisikan sebagai sebuah kondisi di mana suatu

object berada dan object tersebut berubah ketika ada pemicunya.

Gambar 2.2 Statechart Diagram dari Order Management System

(Bennet, 2006, p121)

11

3. Activity Diagram

Activity diagram adalah diagram yang menampilkan aktivitas

dan aksi untuk mendespkripsikan alur kerja.

Gambar 2.3 Activity Diagram untuk Menetapkan Anggota Staf yang

Bekerja pada Kampanye (Bennet, 2006, p116)

2.1.6 OLTP (Online Transaction Processing)

Menurut Connolly dan Begg (2005, p1153), OLTP adalah sistem yang

dirancang untuk menangani transaksi yang tinggi, dengan transaksi yang

biasanya membuat perubahan kecil bagi data operasional organisasi, yaitu

data yang memerlukan operasi penanganan setiap hari.

12

2.1.7 OLAP (Online Analytical Processing)

Menurut Turban et al (2005, p76), OLAP merupakan pemrosesan data

seketika setelah proses transaksi terjadi. Di mana data-data tersebut dapat

digabungkan dengan suatu cara tertentu sehingga bisa menghasilkan

jawaban atas sebuah pertanyaan bisnis dengan cepat.

Menurut Kimball dan Ross (2002, p408), OLAP adalah kumpulan

aturan yang menyediakan sebuah kerangka dimensional yang dapat

mendukung sebuah keputusan.

Jadi, OLAP merupakan suatu proses data yang dilakukan berdasarkan

suatu aturan dengan kerangka dimensional untuk mendukung atau

memudahkan pengambilan keputusan.

2.1.8 Pengertian Data Warehouse

Menurut Turban et al (2001, p155), data warehouse adalah database

management system relasional atau multidimensional yang dirancang untuk

mendukung manajemen pengambilan keputusan.

Menurut Inmon (2002, p389), data warehouse adalah kumpulan

database terintegrasi dan subject-oriented yang dirancang untuk mendukung

fungsi DSS, dimana setiap unit data relevan untuk beberapa waktu.

Menurut O’Brien (2005, p143), data warehouse adalah sumber pusat

data yang telah dibersihkan, diubah dan diatur sehingga mereka dapat

digunakan oleh para manajer dan profesional bisnis lainnya untuk data

mining, online analytical processing dan bentuk lain dari analisis bisnis, riset

pasar, dan mendukung keputusan.

13

Jadi, data warehouse adalah database management system relasional

atau multidimensional yang terintegrasi dan subject-oriented, bersumber dari

data yang telah dibersihkan, diubah dan diatur untuk mendukung manajemen

pengambilan keputusan.

2.1.9 Pengertian Data Mart

Menurut Connolly dan Begg (2005, p1171), data mart adalah sebuah

bagian dari data warehouse yang mendukung kebutuhan informasi dari suatu

departemen tertentu atau fungsi bisnis dalam suatu perusahaan.

Menurut Inmon (2002, p389), data mart adalah struktur data terbagi-

bagi yang diperoleh dari data warehouse di mana data didenormalisasi

berdasarkan kebutuhan informasi untuk departemen.

Jadi, data mart adalah bagian dari data warehouse yang datanya

didenormalisasi berdasarkan kebutuhan informasi untuk mendukung

kebutuhan informasi dari suatu departemen tertentu atau fungsi bisnis dalam

suatu perusahaan.

2.1.10 Karakteristik Data Warehouse

Menurut Inmon (2002, p31-p35), data warehouse mempunyai empat

karakteristik yaitu:

1. Subject-oriented

Sistem operasi diatur berdasarkan pemakaiannya dalam suatu

perusahaan. Sebagai contoh, untuk perusahaan asuransi, maka aplikasi

yang mungkin digunakan adalah auto, health, life dan casuality.

14

Sedangkan untuk perusahaan manufaktur, aplikasi yang mungkin

digunakan adalah product, order, vendor, bill dan raw goods.

2. Integrated

Hal yang paling penting dari data warehouse adalah seluruh

aspek dari data warehouse terintegrasi. Data dari sumber yang

berbeda-beda dan terpisah dikonversi, di-format ulang, di-resequence,

diringkas dan sebagainya sehingga menjadi suatu fisik yang

terkooperasi.

3. Non-volatile

Data pada data warehouse bersifat non-volatile, di mana

biasanya data operasional diakses secara regular dan dimanipulasi

secara bersamaan. Data di-update pada lingkungan operasional adalah

hal biasa, berbeda dengan data warehouse. Pada data warehouse, data

dimuat (biasanya dalam jumlah besar) dan diakses tetapi tidak di-

update (secara umum). Ketika data pada data warehouse di-load, data

tersebut di-load dalam snapshot dengan format yang statis. Ketika ada

data yang berubah, sebuah record baru tertulis, sehingga histori

perubahan tetap ada.

4. Time variant

Hal ini menunjukkan data-data pada data warehouse hanya

akurat pada suatu waktu tertentu. Karena itu pada data warehouse

biasanya selalu memiliki kolom yang menunjukkan waktu transaksi ke

data warehouse dilakukan.

15

2.1.11 Perbandingan Data Operasional dan Data Warehouse

Menurut Connolly dan Begg (p916), perbandingan sistem OLTP dan

sistem data warehouse adalah sebagai berikut.

Tabel 2.1 Perbandingan Sistem OLTP dan Data Warehouse

(Connolly dan Begg, 2005, p1153)

Sistem OLTP Sistem Data Warehouse

Mengandung data terkini Mengandung data historis

Menyimpan data terperinci Menyimpan data terperinci,

singkat dan sangat teringkas

Data bersifat dinamis Sebagian besar data bersifat statis

Pemrosesan berulang Pemrosesan tidak terstruktur

Jumlah transaksi tinggi Jumlah transaksi sedang dan kecil

Pola penggunaan dapat diprediksi Pola penggunaan tidak dapat diprediksi

Digunakan untuk transaksi Digunakan untuk analisis

Berorientasi pada aplikasi Berorientasi pada subjek

Mendukung keputusan harian Mendukung keputusan strategis

Digunakan oleh user operasional

yang berjumlah besar

Digunakan oleh user manajerial yang

berjumlah relatif lebih sedikit

16

2.1.12 Keuntungan Data Warehouse

Menurut Connolly dan Begg (2005, p1152), keuntungan data

warehouse adalah sebagai berikut.

1. Pengembalian investasi yang berpotensi tinggi.

Sebuah organisasi harus memberdayakan sejumlah besar sumber

daya untuk memastikan keberhasilan pelaksanaan sebuah data

warehouse dan biayanya bervariasi dari £50.000 sampai lebih dari £10

juta tergantung pada solusi teknis yang diberikan. Tetapi survei

International Data Corporation (IDC) pada tahun 1996 melaporkan

bahwa rata-rata 3 tahun investment (ROI) dalam data warehouse

mencapai 40% ROI, lebih dari 90% mencapai lebih dari 40% ROI,

setengahnya mencapai lebih dari 160% ROI dan seperempatnya

mencapai lebih dari 600% ROI (IDC, 1996).

2. Keuntungan kompetitif.

Pengembalian yang besar atas investasi perusahaan-perusahaan

yang telah sukses mengimplementasikan suatu data warehouse adalah

bukti dari banyak keuntungan kompetitif yang ada jika menggunakan

data warehouse. Keuntungan kompetitif dapat diperoleh dengan

memfasilitasi para pengambil keputusan untuk mengakses data yang

dapat memperlihatkan apa yang sebelumnya tidak terlihat. Misalnya

pelanggan, permintaan dan lain-lain.

17

3. Meningkatkan produktivitas para pengambil keputusan.

Data warehouse dapat meningkatkan produktivitas para

pengambil keputusan dengan membuat suatu database terpadu dari

data-data yang konsisten, berorientasi pada subjek dan berhistoris.

Dengan merubah data menjadi informasi yang berguna, data

warehouse dapat memfasilitasi para pengambil keputusan untuk

melakukan analisis yang lebih nyata, akurat dan konsisten.

2.1.13 Struktur Data Warehouse

Gambar 2.4 Strukur Data Warehouse (Inmon, 2005, p33)

Menurut Inmon (2005, p33), data warehouse terdiri dari beberapa

level dengan tingkat detail yang berbeda. Level-level tersebut adalah older

level of detail (biasanya tersimpan pada tempat penyimpanan alternatif),

current level of detail, level of lightly summarized data (level data mart) dan

18

level of highly summarized data. Seiring berjalannya waktu, data yang

awalnya berada pada current detail data akan berpindah menjadi older data.

Dan current data yang telah diringkas akan masuk ke level lightly data dan

data dari level tersebut kemudian diringkas dan akan menjadi highly

summarized data.

Komponen dari struktur data warehouse adalah sebagai berikut:

1. Current detail data

Current detail data merupakan data detail yang aktif saat ini,

mencerminkan keadaan yang sedang berjalan dan merupakan level

terendah dalam data warehouse. Pada current detail data, data

warehouse menyimpan seluruh data terperinci yang terdapat pada

skema database di mana jumlah data sangat besar sehingga

memerlukan tempat penyimpanan yang besar dan bisa diakses secara

cepat.

2. Older detail data

Older detail data menyimpan semua detail dan summarized data

untuk arsip ataupun back-up. Walaupun ringkasan data juga diambil

dari data terperinci, akan tetapi mungkin diperlukan untuk back-up

online. Biasanya data ini disimpan dalam tempat penyimpanan arsip

seperti magnetic tape atau optical disk.

3. Lightly and highly summarized data

Data ini menyimpan semua pra-definisi dari lightly and highly

summarized data yang di-generate oleh data warehouse manager.

Tujuan dari summarized ini adalah untuk menambah kecepatan

19

performa dari query. Walaupun biaya yang cukup besar mungkin akan

diperlukan untuk melakukan summarized data awal, namun bisa

diatasi dengan secara terus menerus menjalankan operasi summary

untuk menjawab query user.

2.1.14 Arsitektur Data Warehouse

Gambar 2.5 Arsitektur Data Warehouse

(Connolly dan Begg, 2002, p919)

Menurut Connolly (p919), arsitektur data warehouse digambarkan

sebagai berikut:

1. Operational data

Sumber data untuk data warehouse disediakan dari:

Data operasional mainframe yang ditempatkan pada database

hirarkis dan jaringan generasi pertama. Diperkirakan bahwa

sebagian besar data operasional perusahaan ditempatkan pada

sistem ini.

20

Data departemen yang ditempatkan pada sistem file tertentu

seperti DBMS relasional (seperti Oracle).

Data pribadi yang ditempatkan pada workstation dan server

pribadi.

Sistem eksternal seperti internet, database komersial yang ada,

atau database yang berhubungan dengan pemasok atau

pelanggan organisasi.

2. Load Manager

Load manager (disebut juga komponen front-end) melakukan

semua operasi yang terkait dengan ekstraksi dan loading data ke dalam

data warehouse. Operasi ini meliputi transformasi data yang sederhana

untuk menyiapkan data masuk ke data warehouse.

3. Warehouse Manager

Warehouse manager melakukan semua operasi yang terkait

dengan pengelolaan data di data warehouse.

Operasi yang dilakukan oleh warehouse manager meliputi:

Analisis data untuk memastikan konsistensi.

Transformasi dan penggabungan data sumber dari penyimpanan

sementara ke dalam tabel data warehouse.

Pembuatan index dan view atas tabel pokok.

Denormalisasi. (jika diperlukan)

Agregasi. (jika diperlukan)

Back-up dan pengarsipan data.

21

4. Query Manager

Query manager (juga disebut komponen back-end) melakukan

semua operasi yang terkait dengan pengelolaan query user. Operasi

yang dilakukan oleh komponen ini meliputi mengarahkan query ke

tabel yang sesuai dan penjadwalan eksekusi query.

5. Detailed Data

Pada data warehouse, detailed data menyimpan semua data

terperinci dalam skema database. Dalam kebanyakan kasus, data

terperinci tidak disimpan online namun diagregatkan ke tingkatan yang

lebih detail. Namun biasanya, data terperinci ditambahkan ke data

warehouse untuk melengkapi data agregat.

6. Lightly and Highly Summarized Data

Pada data warehouse, lightly and highly summarized data

menyimpan semua data yang sedikit dan sangat diringkas

(diagregatkan) yang dihasilkan oleh warehouse manager.

Tujuan dari informasi yang teringkas adalah untuk mempercepat

kinerja query. Meskipun ada kenaikan biaya operasional yang terkait

dengan peringkasan data tersebut, ini harus diimbangi dengan

menghilangkan kebutuhan untuk terus melakukan operasi ringkasan

(seperti sort atau group by) dalam menjawab query user. Data

ringkasan diperbarui terus menerus sebagai data baru yang dimasukkan

ke data warehouse.

22

7. Archive/Backup Data

Pada data warehouse, archive/backup data menyimpan data

terperinci dan teringkas untuk keperluan pengarsipan dan backup. Data

ini ditransfer ke arsip penyimpanan seperti magnetic tape atau optical

disk.

8. Meta-data

Meta-data menyimpan semua definisi meta-data (data tentang

data) yang digunakan oleh semua proses pada data warehouse. Meta-

data yang digunakan untuk berbagai tujuan meliputi:

Pada proses ekstraksi dan loading, meta-data digunakan untuk

memetakan sumber data menjadi tampilan informasi yang umum

di dalam data warehouse.

Pada proses manajemen data warehouse, meta-data digunakan

untuk mengotomatisasi produksi tabel ringkasan.

Sebagai bagian dari proses manajemen query, meta-data

digunakan untuk mengarahkan query ke sumber data yang paling

sesuai.

9. End-user Access Tools

Tujuan utama dari data warehouse adalah memberikan informasi

kepada user bisnis untuk pembuatan keputusan yang strategis. Para

user berinteraksi dengan data warehouse menggunakan end-user

access tools. Data warehouse harus secara efisien mendukung analisis

tertentu yang rutin. Performa tinggi dicapai dengan perencanaan syarat

untuk penggabungan (join), penjumlahan dan laporan berkala oleh

end-user.

23

End-user access tools dapat dikategorikan dalam lima kelompok

(Berson dan Smith, 1997), antara lain:

Reporting and query tools

Reporting tools meliputi production reporting tools dan

report writers. Production reporting tools digunakan untuk

menghasilkan laporan operasional rutin atau mendukung

kumpulan pekerjaan berjumlah besar, seperti pesanan/faktur

customer dan bukti pembayaran staf. Report writers bukanlah

alat desktop yang mahal dan dirancang untuk end-user.

Application development tools

Akses user memerlukan application development tools

yang menggunakan graphical data access environment yang

dirancang terutama untuk environment client-server.

Executive information system (EIS) tools

Executive information system, yang belakangan ini disebut

sebagai 'sistem informasi semua orang', awalnya dikembangkan

untuk mendukung pembuatan keputusan strategis tingkat tinggi.

Namun, fokus dari sistem ini melebar untuk menyertakan

dukungan untuk semua tingkat manajemen. EIS tools awalnya

terkait dengan mainframe yang memungkinkan user untuk

membangun aplikasi pendukung keputusan grafis yang

disesuaikan untuk memberikan gambaran data organisasi dan

akses ke sumber data eksternal.

24

Online analytical processing (OLAP) tools

Online analytical processing (OLAP) tool didasarkan pada

konsep database multidimensional dan memungkinkan user

yang pintar untuk menganalisis data menggunakan pandangan

multi-dimensional yang kompleks. Aplikasi bisnis untuk alat ini

termasuk efektivitas menilai kampanye pemasaran, peramalan

penjualan produk dan perencanaan kapasitas. Alat-alat ini

berasumsi bahwa data diatur dalam model multidimensional,

yang didukung oleh database multidimensional khusus (special

multidimensional database/MDDB) atau dengan database

relasional yang dirancang untuk memungkinkan query

multidimensional.

Data mining tools

Data mining adalah proses menemukan korelasi, pola dan

tren baru yang berarti dengan 'menambang' data dalam jumlah

besar yang disimpan dalam data warehouse atau data mart,

menggunakan teknik statistik, matematika dan kecerdasan buatan

(artificial intelligence/AI). Data mining memiliki potensi untuk

menggantikan kemampuan OLAP tools, karena daya tarik utama

dari data mining adalah kemampuannya untuk membangun

model prediksi, bukan retrospektif.

25

2.1.15 Aliran Data dalam Data Warehouse

Gambar 2.6 Aliran Informasi pada Data Warehouse

(Connolly dan Begg, 2002, p924)

Menurut Connolly dan Begg (2002, p924), data warehouse fokus pada

lima aliran informasi yang utama, yaitu:

1. Inflow

Inflow adalah suatu proses yang berhubungan dengan ekstraksi,

pembersihan dan pemuatan data dari sumber sistem ke data

warehouse. Tahap ini memusatkan perhatian pada pengambilan data

dari sumber dan pemuatannya ke data warehouse. Data-data dari

sumber tersebut akan direkonstruksi agar sesuai dengan tujuannya

pada data warehouse. Rekonstruksi tersebut meliputi:

Pembersihan dari data-data yang tidak diperlukan atau junk.

26

Restrukturisasi data agar sesuai dengan lingkungan yang baru dari

data warehouse termasuk penambahan/pengurangan serta peng-

hapusan kolom ataupun denormalisasi data.

Memastikan bahwa data dari sumber bersifat konsisten antara data

itu sendiri ataupun dengan data yang sudah ada di data

warehouse.

2. Upflow

Upflow berhubungan dengan penambahan nilai kepada suatu

data dalam data warehouse melalui:

Summarizing data dengan selecting, joining dan grouping dari

data relasional dan mungkin ditampung di sebuah view yang

lebih cocok dan bermanfaat bagi user.

Packaging data dengan mengkonversi hasil dari peringkasan ke

dalam format yang lebih bermanfaat kepada user seperti

spreadsheet, teks dokumen, diagram ataupun animasi.

Pendistribusian data menjadi kelompok yang tepat untuk

meningkatkan ketersediaan dan kemampuan akses.

3. Downflow

Downflow merupakan proses yang berhubungan dengan

pengarsipan dan back-up serta pemulihan data dalam data warehouse.

Pengarsipan data-data yang sudah tua memegang peranan penting

dalam memelihara efektivitas dan performa data warehouse dengan

memindahkan data-data tersebut ke bagian penyimpanan arsip

misalnya pada magnetic tape atau optical disk.

27

4. Outflow

Outflow merupakan proses menyediakan data yang dibutuhkan

user akhir. Proses ini membuat suatu organisasi menyadari nilai nyata

dari proses data warehouse. Dua aktivitas kunci yang terlibat dalam

tahap ini yaitu:

Pengaksesan, yang memfokuskan pada kepuasan user akhir akan

kebutuhan data yang mereka perlukan dengan menciptakan

lingkungan di mana user dapat secara efektif menggunakan

peralatan query dalam mengakses sumber data yang paling tepat

sesuai kebutuhan mereka.

Pengiriman, memfokuskan pada pengiriman data secara aktif ke

lingkungan kerja user yang ditinjau secara berkala dengan

memonitor pola penggunaan suatu data.

5. Metaflow

Metaflow merupakan proses yang berhubungan dengan

pengaturan meta-data. Meta-data merupakan deskripsi dari isi sebuah

data warehouse yang berasal dari sumber asli ataupun yang sudah

dikenai proses misalnya pembersihan, integrasi maupun summarizing.

2.1.16 ETL (Extraction Transformation Loading)

Menurut Inmon (2002, p390), ETL adalah proses pengambilan data

aplikasi legacy dan pengintegrasian data tersebut ke dalam data warehouse.

28

2.1.17 Dimensionality Modeling

Menurut Conolly dan Begg (2005, p1183), dimensionality modeling

adalah sebuah teknik logical design yang bertujuan untuk menampilkan data

dalam bentuk standard dan intuitif yang memungkinkan pengaksesan

database dengan peforma yang tinggi.

Beberapa konsep pemodelan data warehouse pada dimentionality

modeling, antara lain star schema, snowflake schema dan starflake schema.

1. Star schema adalah suatu struktur logikal yang memiliki sebuah tabel

fakta berisikan data-data fakta di tengahnya, dan dikelilingi oleh tabel-

tabel dimensi yang berisikan data-data referensi (bisa dalam bentuk

denormalisasi).

Skema bintang mengeksploitasi karakterisitik data faktual seperti fakta

yang digenerasikan oleh event yang muncul pada waktu yang lampau

dan tidak berubah. Skema bintang dapat digunakan untuk

mempercepat kinerja query dengan informasi referensi denormalisasi

ke tabel dimensi tunggal.

2. Snowflake schema adalah suatu variasi dari skema bintang di mana

tabel-tabel dimensi tidak berisikan data hasil denormalisasi sehingga

tabel dimensi bisa memiliki dimensi lagi.

3. Starflake schema adalah struktur campuran antara skema bintang dan

skema snowflake. Beberapa tabel dimensi dapat disajikan dalam

bentuk skema bintang maupun skema snowflake untuk memenuhi

kebutuhan query yang berbeda-beda.

29

2.1.18 Fact Table (Tabel Fakta)

Menurut Kimball dan Ross (2002, p16), fact table (tabel fakta) adalah

sebuah tabel primer dalam model dimensional tempat perhitungan performa

numerik dari sebuah bisnis disimpan. Perhitungan tersebut diambil dari

interseksi dari semua dimensi yang diperlukan.

2.1.19 Dimensional Table (Tabel Dimensi)

Menurut Kimball (2002, p19), tabel dimensi adalah pasangan integral

ke tabel fakta.

Menurut Inmon (2002, p389), tabel dimensi adalah tempat data asing

yang berhubungan dengan tabel fakta yang ditempatkan dalam tabel multi-

dimensional.

Jadi, tabel dimensi adalah tempat data asing yang menjadi pasangan

integral ke tabel fakta.

2.1.20 Metodologi Perancangan Database untuk Data Warehouse

Menurut Kimball (2002, p1083), ada sembilan tahap dalam merancang

database untuk data warehouse, yaitu:

Langkah 1 : Pemilihan proses

Memilih proses yang ada dalam suatu perusahaan dengan

tepat dan dapat dikirim tepat waktu untuk dirancang ke dalam

data warehouse agar dapat menjawab semua pertanyaan bisnis

yang dibutuhkan.

30

Langkah 2 : Pemilihan grain

Menentukan secara pasti apa yang diwakili dan

direpresentasikan oleh sebuah tabel fakta. Dengan kata lain,

fakta-fakta apa saja yang akan ditampilkan dalam tabel fakta.

Langkah 3 : Identifikasi dimensi

Set dimensi yang dibangun dengan baik dan tepat akan

memberikan kemudahan dalam memahami dan menggunakan

data mart. Dimensi ini penting untuk menggambarkan fakta-

fakta yang terdapat pada tabel fakta.

Jika sebuah dimensi digunakan pada dua data mart atau

lebih, maka dimensi ini harus disinkronisasi agar dapat

digunakan secara bersama-sama.

Langkah 4 : Pemilihan fakta

Grain dari sebuah tabel fakta menentukan fakta mana

yang bisa digunakan. Semua fakta harus diekspresikan pada

tingkat yang telah ditentukan oleh sumber.

Langkah 5 : Menyimpan pre-kalkulasi di tabel fakta

Semua fakta dikaji ulang untuk mengetahui peluang

untuk digunakan dalam pre-kalkulasi.

Langkah 6 : Melengkapi tabel dimensi

Penambahan keterangan selengkap-lengkapnya pada tabel

dimensi. Keterangan bersifat intuitif dan mudah dipahami user.

31

Langkah 7 : Pemilihan durasi database

Menentukan durasi atau batas waktu data perusahaan

yang akan dimasukkan ke dalam data warehouse, misal

perusahaan akan menyimpan data 10 tahun terakhir.

Langkah 8 : Menelusuri slowly changing dimension

Ada tiga tipe slowly changing dimension, yaitu:

Tipe 1. Atribut dimensi yang berubah akan terhapus dan

terisi nilai atribut yang baru.

Tipe 2. Atribut yang berubah akan tetap tersimpan dan

akan dimasukkan suatu record baru dengan atribut yang

sudah berubah.

Tipe 3. Atribut dimensi yang telah berubah menimbulkan

alternatif sehingga nilai atribut lama dan yang baru dapat

diakses secara bersama pada dimensi yang sama.

Langkah 9 : Menentukan prioritas dan cara query

Pada tahap ini kita mempertimbangkan perancangan fisik.

Ini merupakan salah satu tahap penting untuk membentuk suatu

tabel fakta secara fisik dan memunculkan summarized dan

aggregation.

32

2.1.21 Pengertian Rich Picture

Menurut Mathiassen (2000, p26), rich picture adalah gambaran

informasi yang memberikan pemahaman seorang ilustrator dari suatu situasi.

Rich picture memperlihatkan aspek penting dari situasi yang ditentukan oleh

ilustrator. Rich picture harus memberikan suatu uraian dari situasi yang

memungkinkan beberapa penjelasan alternatif.

2.2 Teori Khusus

2.2.1 Teori Keuangan

2.2.1.1 Perpajakan

Menurut Soemitro (Mardiasmo, 2002), pajak adalah iuran

rakyat kepada kas negara berdasarkan undang-undang (yang dapat

dipaksakan) dengan tiada mendapat jasa timbal balik

(kontraprestasi) yang langsung dapat ditunjukkan dan yang

digunakan untuk membayar pengeluaran umum.

Jenis pajak menurut sifatnya terbagi menjadi dua macam,

yaitu pajak langsung dan pajak tidak langsung. Pajak langsung

dibebankan kepada orang yang menerima manfaat dan membayar

pajak atas manfaat yang diterimanya secara langsung, sedangkan

pajak tidak langsung dikenakan kepada orang atau badan yang

harus menanggungnya tetapi dapat diharapkan pihak lain untuk

membayarnya. Beberapa contoh pajak di antaranya adalah Pajak

Pertambahan Nilai (PPN) dan Pajak Penghasilan (PPh).

33

Pajak Pertambahan Nilai (PPN)

Menurut Achmad Tjahjono, Pajak Pertambahan Nilai

(PPN) merupakan pajak yang dikenakan atas konsumsi di

dalam negeri. Sedangkan barang yang tidak dikonsumsi di

dalam negeri (diekspor) dikenakan PPN dengan 0%. Dasar

hukum dari PPN ini adalah Undang-Undang Nomor 8 Tahun

1983, yang berbunyi “Pajak Pertambahan Nilai merupakan

pajak yang dikenakan terhadap pertambahan nilai yang timbul

akibat dipakainya faktor-faktor produksi di setiap jalur

perusahaan dalam menyiapkan, menghasilkan, menyalurkan

dan memperdagangkan barang atau pemberian pelayanan jasa

kepada para konsumen”.

Pajak Penghasilan (PPh)

Menurut Direktorat Jenderal Pajak (DJP) No. Kep-

02/PJ/1995, Pajak Penghasilan (PPh) adalah pajak atas

penghasilan yang berupa gaji, upah, honorarium, tunjangan

dan pembayaran lain dengan nama apapun sehubungan

dengan pekerjaan atau jabatan.

Menurut Undang Undang No. 36 Tahun 2008, subjek

pajak penghasilan adalah pajak untuk pribadi, pajak untuk

warisan yang belum dibagi dan juga pajak untuk badan-badan

yang didirikan atau bertempat kedudukan di Indonesia.

34

2.2.1.2 Deposito

Menurut Kamus Besar Bahasa Indonesia Edisi Ketiga,

deposito adalah uang yang disimpan di bank dengan mendapat

bunga (tersedia beberapa alternatif jangka waktu penyimpanan).

2.2.1.3 Valas (Valuta Asing)

Menurut Kamus Besar Bahasa Indonesia Edisi Ketiga, valas

adalah valuta asing. Valuta sendiri merupakan nilai uang, alat

pembayaran yang terjamin oleh pembelian emas atau perak dan

asing berarti dari luar (negeri).

2.2.2 Teori SCM (Supply Chain Management)

SCM adalah seperangkat pendekatan untuk mengefisienkan integrasi

supplier, manufaktur, gudang dan penyimpanan, sehingga barang diproduksi

dan didistribusikan dalam jumlah yang tepat, lokasi yang tepat, waktu yang

tepat, untuk meminimalisasi biaya dan memberikan kepuasan layanan

terhadap konsumen.

Kegiatan-kegiatan utama yang masuk dalam klasifikasi SCM adalah

sebagai berikut.

1. Kegiatan merancang produk baru (product development).

2. Kegiatan mendapatkan bahan baku (procurement).

3. Kegiatan perencanaan produksi dan persediaan (planning and control).

4. Kegiatan melakukan produksi (production).

5. Kegiatan melakukan pengiriman (distribution).

35

Ukuran performa SCM adalah sebagai berikut.

1. Kualitas, yang meliputi tingkat kepuasan pelanggan, loyalitas

pelanggan dan ketepatan pengiriman.

2. Waktu (total replenishment time, business cycle time).

3. Biaya (total delivered cost, efisiensi nilai tambah).

4. Fleksibilitas (jumlah dan spesifikasi).

2.2.2.1 Kinerja Pemasok (Supplier Performance)

Menurut Kamus Besar Bahasa Indonesia, kinerja adalah

sesuatu yang dicapai, prestasi yang diperlihatkan, kemampuan

kerja.

Pemasok (http://ammarawirausaha.blogspot.com/2010/02/pemasok.html)

adalah perusahaan-perusahaan dan individu yang menyediakan

sumber daya yang dibutuhkan oleh perusahaan dan para pesaing

untuk memproduksi barang dan jasa tertentu. Dalam hal ini,

pemasok yang dimaksud adalah individu atau perusahaan-

perusahaan yang menyediakan bahan dan alat yang diperlukan

untuk proses produksi maupun kegiatan bisnis lainnya PT. Dexa

Medica.

Jadi, kinerja pemasok (supplier performance) dalam kasus ini

adalah prestasi yang diperlihatkan ataupun kemampuan kerja dari

perusahaan maupun individu-individu yang menyediakan bahan dan

alat yang diperlukan PT. Dexa Medica.

36

2.2.2.2 Formula

Formula dalam Bahasa Indonesia juga dikatakan sebagai

rumus. Yang dimaksud formula dalam kasus ini adalah rumusan

atau susunan bahan baku obat dan produk yang dihasilkan dari

susunan bahan baku tersebut.