bab 2 landasan teori 2.1 teori umum 2.1 -...
TRANSCRIPT
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.