bab 2 landasan teori 2.1 teori umum 2.1.1 pengertian...
TRANSCRIPT
7
BAB 2
LANDASAN TEORI
2.1 Teori Umum
2.1.1 Pengertian Data
Menurut Turban (2005, p38), data adalah deskripsi dasar dari
benda, peristiwa, aktivitas dan transaksi yang direkam, dikelompokkan,
dan disimpan tetapi belum terorganisir untuk menyampaikan arti tertentu.
Menurut Inmon (2002, p388), data adalah rekaman dari fakta,
konsep, ataupun instruksi pada sebuah media penyimpanan untuk
komunikasi, pengambilan, maupun pemrosesan dari pengertian otomatis
dan presentasi dari informasi yang dapat dimengerti oleh manusia.
Jadi, data adalah suatu deskripsi dari benda, fakta, dan transaksi
yang dikelompokkan dan disimpan pada sebuah media penyimpanan
untuk komunikasi maupun pemrosesan untuk menghasilkan informasi
yang dapat dimengerti oleh manusia. Contoh data misalnya : harga
barang, nama barang, dan jumlah barang.
2.1.2 Pengertian Informasi
Menurut Turban (2005, p38), informasi adalah data yang sudah
diorganisasi sehingga memiliki arti dan nilai untuk penerima.
Menurut Inmon (2002, p391), informasi adalah data yang
dipahami dan dievaluasi oleh manusia untuk menyelesaikan masalah atau
membuat keputusan.
8
Jadi, informasi adalah data yang memiliki arti dan sudah diolah
sehingga dapat dipahami manusia dan dapat digunakan untuk
menyelesaikan masalah atau membuat keputusan. Contoh informasi
misalnya : rata–rata penjualan per tahun, harga minimal yang ditawarkan
supplier, dan barang yang paling laku dijual.
2.1.3 Pengertian Database
Menurut Inmon (2002, p388), database adalah sekumpulan data
yang saling berhubungan dan disimpan (biasanya telah terkontrol dan
memiliki redundansi yang terbatas) berdasarkan suatu skema.
Menurut Connolly dan Begg (2005, p15), database adalah suatu
kumpulan relasi-relasi logikal dari data dan deskripsi data yang dirancang
untuk memperoleh informasi yang dibutuhkan oleh organisasi.
Menurut O’brien (2005, p211), database adalah kumpulan elemen
data yang terintegrasi yang berhubungan secara logikal.
Jadi, database adalah kumpulan dari elemen, relasi, atau data
yang saling berhubungan secara logikal, sehingga dapat digunakan untuk
memperoleh suatu informasi yang dibutuhkan oleh suatu organisasi atau
perusahaan.
2.1.4 Database Management System (DBMS)
Menurut Turban (2005, p450), Database Management System
adalah program software atau kumpulan program yang menyediakan
akses ke database.
9
Menurut Inmon (2002, p388), Database Management System
adalah sebuah sistem software berbasis komputer yang digunakan untuk
membuat dan mengatur data.
Menurut Connolly dan Begg (2005, p16), Database Management
System adalah suatu sistem perangkat lunak yang memungkinkan user
untuk mendefinisikan, membuat, memelihara, dan mengontrol akses ke
database.
Jadi, Database Management System adalah suatu sistem software
yang menyediakan akses ke database sehingga dapat digunakan untuk
membuat, mengatur, dan memelihara data.
2.1.5 ER Modeling
Menurut Connolly dan Begg (2005, p342), ER Modeling adalah
pendekatan top-down untuk perancangan database yang dimulai dengan
mengidentifikasikan data yang penting yang disebut entitas dan
relationship antar data harus diperlihatkan dalam model ini. Kemudian
ditambahkan detail-detail seperti informasi yang ingin ditambahkan
tentang entitas dan relationship yang disebut atribut dan berbagai
constraint pada entitas, relationship, atribut, dan multiplicity.
a. Entity (Entitas)
Menurut Connolly dan Begg (2005, p331), entity adalah
sekumpulan objek dengan properties yang sama yang
diidentifikasikan oleh perusahaan.
10
Gambar 2.1 Diagram dari Entity Type Branch dan Staff (Connolly
dan Begg, 2005, p333)
b. Relationship (Hubungan)
Menurut Connolly dan Begg (2005 p334), relationship adalah
sekumpulan hubungan yang memilki arti antara satu atau lebih
entitas.
Gambar 2.2 Diagram dari Relationship Type Branch mempunyai Staff
(Connolly dan Begg, 2005, p333)
11
c. Attribute (Atribut)
Menurut Connolly dan Begg (2005, p338), attribute adalah
property dari sebuah entitas atau tipe relationship. Atribut bisa
dikelompokkan menjadi atribut simple atau composite, atribut single-
valued atau multi-valued, atau atribut derived. Simple attribute adalah
atribut yang dibentuk dari komponen tunggal dengan sebuah
independent existence. Composite attribute adalah atribut yang
dibentuk dari banyak komponen, masing-masing dengan sebuah
independent existence. Single-valued attribute adalah atribut yang
menampung nilai tunggal untuk setiap entitas. Multi-valued attribute
adalah atribut yang menampung banyak nilai untuk setiap entitas.
Derived attribute adalah atribut yang merepresentasikan nilai yang
diturunkan dari nilai atribut yang berhubungan atau kumpulan atribut.
d. Multiplicity
Menurut Connolly dan Begg (2005, p344), multiplicity adalah
sejumlah kemunculan yang mungkin ada dalam sebuah entitas yang
berhubungan dengan kemunculan tunggal dari entitas yang
berhubungan dengannya. Ada tiga tipe hubungan multiplicity antara
lain :
• 1 : 1 (one-to-one)
Contoh dari hubungan ini adalah :
12
Gambar 2.3 Multiplicity Hubungan Satu ke Satu dari Staff yang
mengatur Branch (Connolly dan Begg, 2005, p346)
• 1 : * (One-to-Many)
Contoh dari hubungan ini adalah :
Gambar 2.4 Multiplicity Hubungan Satu ke Banyak dari Staff yang
mengawasi PropertyForRent (Connolly dan Begg, 2005, p347)
• * : * (Many-to-Many)
Contoh dari hubungan ini adalah :
13
Gambar 2.5 Multiplicity Hubungan Banyak ke Banyak dari Newspaper
yang mengiklankan PropertyForRent (Connolly dan Begg, 2005, p348)
2.1.6 OLTP (Online Transaction Processing)
Menurut Connolly dan Begg (2005, p1149), OLTP adalah sistem
yang dirancang untuk menangani jumlah hasil transaksi yang tinggi,
dengan transaksi yang biasanya membuat perubahan kecil bagi data
operasional organisasi, yaitu data yang memerlukan penanganan operasi
setiap hari.
Menurut Kimball dan Ross (2002, p408), OLTP adalah deskripsi
awal dari setiap aktifitas dan sistem yang berhubungan dengan proses
memasukkan data ke dalam sebuah database.
Berdasarkan definisi – definisi di atas, dapat disimpulkan bahwa
OLTP adalah suatu sistem yang dirancang untuk menangani proses
pemasukan data ke dalam database yang memiliki jumlah transaksi yang
tinggi dan biasanya merupakan data operasional harian dari perusahaan.
14
2.1.7 OLAP (Online Analytical Processing)
Menurut Connolly dan Begg (2005, p1205), OLAP adalah
sintesis, analisis, dan konsolidasi dinamis dari sejumlah besar multi-
dimensional data.
Menurut Kimball dan Ross (2002, p408), OLAP adalah kumpulan
aturan yang menyediakan sebuah kerangka dimensional untuk
mendukung keputusan.
Berdasarkan definisi-definisi di atas, dapat disimpulkan bahwa
OLAP adalah proses analisis data dari sejumlah besar multidimensional
data dengan menggunakan sekumpulan alat grafikal yang dapat
digunakan untuk mendukung proses pengambilan keputusan.
2.1.8 Pengertian Data Warehouse
Menurut Turban (2005, p418), data warehouse adalah tempat
penyimpanan data historis yang berorientasi subjek, yang diatur agar
dapat diakses dan diterima untuk aktivitas proses analisis.
Menurut Inmon (2002, p389), data warehouse adalah sekumpulan
data yang terintegrasi, berorientasi pada subjek yang dirancang dan
digunakan untuk mendukung proses pengambilan keputusan di mana
setiap unit dari data bersifat saling berhubungan untuk beberapa waktu
tertentu.
Menurut Kimball dan Ross (2002, p397), data warehouse adalah
perpaduan dari sebuah organisasi, baik dari staging area maupun area
15
presentasi, di mana data operasional secara spesifik serta terstruktur
untuk query dan analisis performansi dan memudahkan penggunaan.
Menurut O’Brien (2005, p697), data warehouse adalah kumpulan
terpadu dari data yang diambil dari database operasional, historis, dan
eksternal, yang dibersihkan, diubah, dan dikatalogkan untuk penelusuran
dan analisis untuk menyediakan kecerdasan bisnis bagi pengambilan
keputusan bisnis.
Jadi, data warehouse adalah tempat penyimpanan data yang
berorientasi pada subjek, terintegrasi, tidak mudah berubah, dan memiliki
rentang waktu, yang diambil dari database operasional, historis, dan
eksternal, yang diproses agar dapat dianalisis untuk mendukung proses
pengambilan keputusan.
2.1.9 Pengertian Data Mart
Menurut Inmon (2002, p389), data mart adalah sebuah struktur
data yang terbagi-bagi yang diperoleh dari data warehouse di mana data
tersebut telah didenormalisasi berdasarkan kebutuhan informasi
manajemen.
Menurut Connolly dan Begg (2005, p1171), data mart adalah
bagian dari data warehouse yang mendukung kebutuhan informasi dari
departemen tertentu atau fungsi bisnis dalam perusahaan.
Menurut Kimball dan Ross (2002, p396), data mart adalah bagian
dari logikal dan fisikal dari area cakupan yang dimiliki oleh data
warehouse.
16
Jadi, data mart adalah bagian dari data warehouse yang dirancang
untuk mendukung kebutuhan informasi manajemen dari unit departemen
tertentu dalam suatu perusahaan.
2.1.10 Karakteristik Data Warehouse
Menurut Inmon (2002, p31), data warehouse memiliki sifat-sifat
berikut :
1. Subjek Oriented
Data warehouse dibuat berdasarkan subjek utama dari
perusahaan (seperti customer, product, dan sales), bukan dari area
aplikasi utama (seperti customer invoicing, stock control, dan product
sales). Ini menggambarkan kebutuhan penyimpanan data yang
mendukung keputusan, bukan penyimpanan data yang berorientasi
aplikasi.
2. Integrated
Data dalam data warehouse dikumpulkan dari berbagai
sumber data dari seluruh sistem aplikasi perusahaan yang berbeda.
Sumber data seringkali tidak konsisten. Oleh karena itu, sumber data
terintegrasi harus dibuat konsisten untuk menjamin kebenaran
informasi yang dihasilkan.
3. Non-volatile
Data dalam data warehouse tidak diupdate secara real time,
tetapi di-refresh dari sistem operasional secara berkala. Data baru
17
ditambahkan ke database sebagai pelengkap bukan pengganti,
sehingga data histori tetap disimpan di dalam database.
4. Time-variant
Setiap unit data di dalam data warehouse hanya valid dan
akurat pada suatu waktu tertentu atau interval waktu tertentu.
2.1.11 Perbandingan Data Operasional dan Data Warehouse
Menurut Connolly dan Begg (2005, p1153), perbandingan antara
sistem OLTP dan sistem data warehouse adalah sebagai berikut :
Sistem OLTP Sistem Data warehouse
Mengandung data terkini Mengandung data historis
Menyimpan data yang detail Menyimpan data rinci, sedang, ringkas
Data bersifat dinamis Data bersifat statis
Prosesnya berulang Proses tidak terstruktur, tergantung tujuan
Digunakan untuk transaksi Digunakan untuk analisis
Jumlah transaksi tinggi Jumlah transaksi sedang dan kecil
Berorientasi pada aplikasi Berorientasi pada subjek
Penggunaan bisa diprediksi Penggunaan tidak bisa diprediksi
Mendukung keputusan harian Mendukung keputusan strategis
Digunakan oleh user operasional Digunakan oleh user manajerial
Tabel 2.1 Perbandingan antara sistem OLTP dan sistem data
warehouse (Connolly dan Begg, 2005, p1153)
18
2.1.12 Keuntungan data warehouse
Menurut Connolly dan Begg (2005, p1152), data warehouse yang
telah diimplementasikan dengan baik dapat membawa keuntungan besar
bagi perusahaan antara lain :
1. Pengembalian yang besar dari investasi yang ada.
2. Keuntungan kompetitif.
3. Meningkatkan produktivitas para pembuat keputusan.
2.1.13 Struktur data warehouse
Menurut Inmon (2002, p35), ada beberapa tingkatan detail pada
lingkungan data warehouse. Tingkatan ini dikategorikan menjadi empat,
yaitu Older Detail Level, Current Detail Level, Lightly Summarized Data
Level dan Highly Summarized Data Level. Aliran data awalnya terjadi
dari lingkungan operasional ke dalam data warehouse. Pada aliran data
inilah proses transforamsi terjadi. Aliran data pada data warehouse
selanjutnya berada pada tingkatan detail. Seiring berjalannya waktu, data
dari Current Detail Level mengalir menuju Older Detail Level. Apabila
terjadi summarize, maka data akan beralih dari Current Detail Level
menuju Lightly Summarized Data Level yang kemudian akan menuju
Highly Summarized Data Level.
19
Gambar 2.6 Struktur data warehouse (Inmon, 2002, p36)
Komponen – komponen struktur data warehouse sebagai berikut :
1. Current Detailed Data
Data yang mencerminkan keadaan yang sedang berjalan saat
ini dan merupakan level terendah dari data warehouse. Oleh karena
itu, data di level ini belum efisien untuk digunakan sekalipun datanya
detail. Hal ini karena proses analisis data menjadi rumit jika
dilakukan dengan data dalam jumlah besar.
2. Old Detailed Data
Data historis berupa hasil backup yang disimpan dalam media
penyimpanan terpisah, seperti tape atau disk dengan frekuensi akses
yang relatif rendah. File atau direktori dari data ini disusun
berdasarkan umur dari data untuk mempermudah pencarian atau
pengaksesan kembali.
20
3. Lightly Summarized Data
Data hasil ringkasan dari current detailed data. Pada tingkat
ini, data hasil ringkasan masih belum dapat digunakan dalam proses
pengambilan keputusan karena belum bersifat total summary dan
masih bersifat detail. Biasanya digunakan untuk gambaran dari
keadaan yang sedang atau sudah berlangsung.
4. Highly Summarized Data
Data hasil summary yang bersifat total dan mudah diakses.
Data di level ini dapat digunakan untuk mendukung pengambilan
keputusan di kalangan eksekutif perusahaan karena dianggap sudah
representatif dan ringkas. Data ini tetap dapat merepresentasikan
keadaan secara keseluruhan sehingga memudahkan eksekutif karena
tidak perlu membaca dan menganalisis data untuk waktu yang lama.
5. Metadata
Menurut Kimball dan Ross (2002, p14), metadata adalah
keseluruhan informasi yang ada di dalam environtment data
warehouse, bukan data aktual itu sendiri, melainkan lebih mengarah
pada sebuah ensiklopedia dari data warehouse.
Menurut Inmon (2002, p393), metadata adalah data mengenai
data atau deskripsi dari struktur, isi, kunci, indeks, dan lain-lain
mengenai data.
Jadi, metadata adalah informasi yang ada di dalam data
warehouse yang mendeskripsikan mengenai struktur, isi, kunci,
indeks, dan hal lain mengenai data.
21
Peranan metadata yaitu :
1. Sebagai direktori yang dipakai user untuk menempatkan isi
data dan mengetahui lokasi data dalam data warehouse.
2. Sebagai panduan untuk menempatkan data pada saat data
ditransformasikan dari OLTP ke dalam data warehouse.
3. Sebagai panduan untuk proses summary data dari current
detail data menjadi lightly summarized data dan kemudian
menjadi highly summarized data.
2.1.14 Arsitektur Data Warehouse
Menurut Connolly and Begg (2005, p1157), arsitektur data
warehouse digambarkan sebagai berikut :
Gambar 2.7 Arsitektur Data Warehouse (Connolly, 2002, p1157)
22
1. Operational data
Operational data adalah data yang dipakai untuk mendukung
proses bisnis sehari-hari. Data untuk data warehouse berasal dari :
• Mainframe data operasional yang berada pada tingkatan
database generasi pertama dari database jaringan.
Diperkirakan sebagian besar data operasional perusahaan
disimpan pada sistem tersebut.
• Data masing-masing departemen yang disimpan dalam sistem
file dan DBMS relasional.
• Data internal yang disimpan di dalam server dan workstation
pribadi.
• Sistem eksternal seperti internet, database komersial, dan
database yang berhubungan dengan supplier dan customer.
2. Operational Data Store (ODS)
Operational Data Store (ODS) adalah tempat penyimpanan
data operasional saat ini yang terintegrasi dan dapat digunakan untuk
melakukan analisis. Operational Data Store (ODS) memungkinkan
pembangunan data warehouse menjadi lebih mudah karena
menyediakan data yang telah diekstrak dari sumber data sehingga
proses pengintegrasian dan restrukturisasi data untuk data warehouse
menjadi lebih mudah dan sederhana.
23
3. Load Manager
Load Manager berperan dalam menangani semua operasi
yang berhubungan dengan fungsi extract data dan fungsi loading data
ke dalam data warehouse. Data bisa diekstrak secara langsung dari
sumber data atau biasanya dari operational data store.
4. Warehouse Manager
Warehouse Manager berperan dalam menangani semua
operasi yang berhubungan dengan manajemen data di dalam data
warehouse. Warehouse Manager menjalankan operasi – operasi :
• Analisis data untuk menjaga konsistensi data.
• Transformasi dan penggabungan sumber data dari tempat
penyimpanan sementara ke tabel – tabel data warehouse.
• Melakukan denormalisasi (optional).
• Melakukan pengumpulan / aggregation (optional).
• Menyimpan dan melakukan back-up data.
5. Query Manager
Query Manager (komponen back end) berperan dalam
menangani semua operasi yang berhubungan dengan manajemen
permintaan user. Operasi yang dijalankan oleh Query Manager antara
lain menghubungkan permintaan ke tabel–tabel data yang tepat dan
melakukan penjadwalan eksekusi terhadap permintaan.
24
6. Detailed Data
Dalam data warehouse, detailed data menyimpan semua detail
dari data di dalam skema database. Biasanya detailed data tidak
disimpan secara online melainkan dibuat dengan melakukan agregasi
data. Tetapi pada dasarnya, detailed data ditambahkan ke warehouse
untuk melengkapi data aggregate. Detailed Data dibagi menjadi dua,
yaitu current detailed data (tempat penyimpanan detailed data saat
ini) dan old detailed data (tempat penyimpanan detailed histori).
7. Lightly and Highly Summarized Data
Dalam data warehouse, lightly and highly summarized data
adalah tempat penyimpanan semua data predefined lightly dan highly
summarized yang dihasilkan oleh Warehouse Manager. Tujuan dari
ringkasan informasi ini adalah mempercepat tanggapan terhadap
permintaan user. Ringkasan data di-update terus-menerus seiring
dengan bertambahnya jumlah data dalam data warehouse.
8. Archieve / Backup data
Dalam data warehouse, archieve / backup data digunakan
sebagai tempat penyimpanan detailed data dan data yang telah
diringkas. Data yang telah diringkas dan disimpan akan ditransfer ke
media penyimpanan seperti magnetic tape dan optical disc.
25
9. Metadata
Dalam data warehouse, Metadata digunakan sebagai tempat
penyimpanan semua definisi Metadata (keterangan mengenai data)
yang digunakan di seluruh proses data warehouse. Metadata
bertujuan untuk :
• Proses extracting dan loading
Melakukan pemetaan sumber data pada data warehouse.
• Proses Warehouse Management
Mengotomatiskan produksi pada tabel–tabel produksi.
• Sebagian proses Query Management
Mengarahkan permintaan ke sumber data yang tepat.
10. End User Access Tools (EUAT)
Tujuan utama data warehouse adalah menyediakan informasi
untuk bisnis yang dapat digunakan dalam pengambilan keputusan.
User berinteraksi dengan warehouse menggunakan End User Access
Tools. End User Access Tools dikelompokkan menjadi 5 golongan :
• Reporting dan Query Tools
Reporting tools meliputi production reporting tools
dan report writers. Production reporting tools digunakan
untuk menghasilkan laporan operasional biasa, sedangkan
report writer adalah desktop tools yang dirancang untuk end
user. Query Tools untuk data warehouse relasional dirancang
26
untuk menerima SQL atau menghasilkan pernyataan SQL
untuk query data yang disimpan dalam data warehouse.
• Application Development Tools
Aplikasi yang dapat digunakan user yaitu graphical
data access yang dirancang untuk sisi client server. Beberapa
application development tools terintegrasi dengan OLAP tools
dan dapat mengakses semua sistem basis data utama,
mencakup Oracle, Sybase dan Informix.
• Executive Information System (EIS) tools
Executive Information System (EIS) tools semula
dikembangkan untuk mendukung pengambilan keputusan
tingkat tinggi kemudian meluas untuk mendukung semua
tingkat manajemen. EIS tools yang terisolasi dengan
mainframe memungkinkan user membuat aplikasi pendukung
pengambilan keputusan untuk menyediakan overview data dan
mengakses sumber data eksternal. Saat ini perbedaan antara
EIS dan decision support tools lainnya semakin tidak jelas,
sejak EIS menyediakan aplikasi custom build untuk area bisnis
seperti penjualan, marketing, dan keuangan.
• Online Analytical Processing (OLAP) tools
Online Analytical Processing (OLAP) tools berbasis
pada konsep database multidimensional dan memungkinkan
pengguna untuk menganalisis data menggunakan view yang
27
kompleks dan multidimensional. Tools ini mengasumsikan
data diatur dalam model multidimensi yang didukung special
multidimensional database (MDDB) atau basis data relasional
yang dirancang untuk mendapatkan multidimensional query.
• Data Mining tools
Data mining adalah proses menemukan korelasi, pola
dan arah baru yang berarti ‘menambang’ sejumlah besar data
dengan menggunakan teknik statistik, matematika dan
artificial intelligence. Data mining berpotensi mengganti
kemampuan dari OLAP tools.
2.1.15 Anatomi Arsitektur Data Warehouse
2.1.15.1 Functional Data Warehouse (Data Warehouse Fungsional)
Merupakan database yang diperoleh dari kegiatan sehari-
hari atau kegiatan operasional perusahaan. Data warehouse dibuat
lebih dari satu dan dikelompokkan berdasarkan fungsi-fungsi
yang ada di dalam perusahaan seperti fungsi keuangan (financial),
marketing, personalia dan lain-lain.
Keuntungan dari bentuk data warehouse seperti ini adalah
sistemnya mudah dibangun dengan biaya yang relatif murah
sedangkan kerugiannya adalah resiko akan kehilangan konsistensi
data dan terbatasnya kemampuan sistem dalam pengumpulan data
bagi pengguna.
28
Gambar 2.8 Bentuk Data Warehouse Fungsional
(myhut.org/public/datawarehouse.doc)
2.1.15.2 Centralized Data Warehouse (Data warehouse Terpusat)
Bentuk data warehouse ini terlihat seperti bentuk data
warehouse fungsional, namun sumber data terlebih dahulu
dikumpulkan ke dalam satu tempat terpusat, kemudian data
disebar ke dalam fungsinya masing-masing, sesuai kebutuhan
perusahaan. Data warehouse terpusat ini biasa digunakan oleh
perusahaan yang belum memiliki jaringan eksternal.
Keuntungan dari bentuk ini adalah data benar-benar
terpadu karena konsistensi yang tinggi sedangkan kerugiannya
adalah biaya pemeliharaan yang mahal serta memerlukan waktu
yang cukup lama untuk membangunnya.
29
Gambar 2.9 Bentuk Data Warehouse Terpusat
(myhut.org/public/datawarehouse.doc)
2.1.15.3 Distributed Data Warehouse (Data Warehouse Terdistribusi)
Pada data warehouse terdistribusi, digunakan gateway
yang berfungsi sebagai jembatan penghubung antara data
warehouse dengan workstation yang menggunakan sistem
beraneka ragam. Dengan sistem terdistribusi seperti ini
memungkinkan perusahaan dapat mengakses sumber data di luar
lokasi perusahaan (eksternal).
Keuntungannya adalah data konsisten karena sebelum
digunakan, data terlebih dulu disesuaikan atau mengalami proses
sinkronisasi. Sedangkan kerugiannya adalah sistem ini lebih
kompleks untuk diterapkan karena sistem operasi dikelola secara
30
terpisah. Selain itu, sistem ini memerlukan biaya yang paling
mahal dibandingkan dengan bentuk data warehouse lainnya.
Gambar 2.10 Bentuk Data Warehouse Terdistribusi
(myhut.org/public/datawarehouse.doc)
2.1.16 Aliran Data dalam Data Warehouse
Menurut Connolly dan Begg (2005, p1161), data warehouse
fokus pada manajemen lima arus data primer, yaitu :
1. Inflow
Proses yang berhubungan dengan extraction, transformation,
dan loading (ETL) data dari sumber data ke dalam data warehouse.
Proses Inflow berperan dalam proses pengambilan data dari sumber
31
sistem dan memasukkannya ke dalam data warehouse. Cara lainnya
yaitu dengan memasukkan data ke dalam operational data store
(ODS) sebelum dikirim ke data warehouse. Proses rekonstruksi dari
data meliputi :
• Membersihkan data yang kotor.
• Restrukturisasi data yang dicocokkan dengan kebutuhan data
warehouse, contohnya menambah atau membuang field-field.
• Memastikan sumber data konsisten dengan dirinya sendiri dan
data lainnya yang sudah ada di dalam data warehouse.
2. Upflow
Proses penambahan nilai ke data di dalam data warehouse
melalui proses meringkas, mengemas, dan menyalurkan data.
Aktivitas yang berhubungan dengan proses Upflow meliputi :
• Meringkas data dengan proses memilih, memperhitungkan,
menggabungkan, dan mengelompokkan data relasional ke
dalam tampilan yang lebih baik dan berguna bagi user.
• Pengepakan data dengan mengubah data yang detail ke dalam
format yang lebih berguna seperti spreadsheets, teks
dokumen, diagram, grafik, database pribadi dan animasi.
• Mendistribusikan data ke kelompok–kelompok yang tepat
untuk meningkatkan ketersediaan agar dapat diakses.
3. Downflow
32
Proses pengarsipan dan backup data di dalam data warehouse.
Menyimpan data lama memainkan peranan yang penting dalam
mempertahankan penampilan dan efektifitas dari warehouse dengan
mengirimkan data lama dengan nilai yang terbatas ke sebuah tempat
penyimpanan seperti magnetic tape atau optical disk.
Downflow dari data juga meliputi proses yang memastikan
bahwa kondisi sekarang dari data warehouse dapat dibangun kembali
jika terjadi kehilangan data, kegagalan software atau hardware.
4. Outflow
Proses untuk membuat data tersedia untuk user. Dua aktivitas
yang dilakukan adalah pengaksesan dan pengiriman data.
• Pengaksesan, berhubungan dengan proses memuaskan end-
user dengan menyediakan data yang dibutuhkan. Frekuensi
dari pengaksesan ini bervariasi mulai dari ad hoc secara rutin
sampai real time. Selain itu, dipastikan bahwa sumber sistem
digunakan dengan cara yang paling efektif di dalam
penjadwalan pengeksekusian terhadap query dari user.
• Pengiriman berhubungan secara aktif dalam pengiriman
informasi ke work station dari user. Ini merupakan area baru
dari data warehouse dan sering dihubungkan dengan proses
publish dan subscribe. Warehouse akan menpublikasi objek
bisnis yang bermacam–macam dan user akan berlangganan
terhadap objek bisnis yang dibutuhkan oleh mereka.
33
5. Metaflow
Proses yang berhubungan dengan mengatur metadata.
Metaflow merupakan proses memindahkan metadata (data tentang
flow yang lainnya). Metadata merupakan deskripsi dari data yang
ditampung di dalam data warehouse, apa yang ada di dalamnya, dari
mana asalnya, dan apa yang telah dilakukan terhadap data tersebut
dengan cara cleansing, integrating, dan summarizing.
2.1.17 ETL ( Extraction, Transformation, Loading )
Menurut Inmon (2002, p390), ETL adalah proses melakukan
pencarian data, mengintegrasikan, dan menempatkan data ke dalam
sebuah data warehouse.
Menurut Kimball dan Ross (2002, p401), ETL adalah kumpulan
proses menyiapkan data dari operational source untuk data warehouse.
Proses ini terdiri dari extracting, transforming, loading, dan beberapa
proses yang dilakukan sebelum dipublikasikan ke data warehouse.
Jadi, ETL adalah proses menyiapkan data yang meliputi pencarian
data, pengintegrasian data, dan penempatan data dari operational source
ke dalam data warehouse.
Proses ini terdiri dari tiga tahap, yaitu :
1. Extraction
Langkah pertama dari proses ETL adalah proses penarikan
data dari satu atau lebih sistem operasional sebagai sumber data
(biasa diambil dari sistem OLTP, tapi bisa juga dari sumber data di
34
luar sistem database). Kebanyakan proyek data warehouse
menggabungkan data dari sumber-sumber yang berbeda. Pada
hakekatnya, proses ekstraksi adalah proses penguraian dan
pembersihan data yang diekstrak untuk mendapatkan suatu pola atau
struktur data yang diinginkan.
2. Transformation
Proses membersihkan data yang telah diambil pada proses
extract sehingga data itu sesuai dengan struktur data warehouse atau
data mart.
Hal-hal yang dapat dilakukan dalam tahap transformasi :
- Hanya memilih kolom tertentu saja untuk dimasukkan ke
dalam data warehouse.
- Menerjemahkan nilai berupa kode (misal, database sumber
menyimpan nilai 1 untuk pria dan 2 untuk wanita, tetapi data
warehouse menyimpan M untuk pria dan F untuk wanita).
Proses yang dilakukan disebut automated data cleansing,
tidak ada pembersihan secara manual selama proses ETL.
- Mengkodekan nilai-nilai ke dalam bentuk bebas (misal
memetakan “male”,”1”, dan “Mr” ke dalam “M”).
- Melakukan perhitungan nilai-nilai baru (misal sale_amount =
qty*unit_price).
- Menggabungkan data dari berbagai sumber bersama-sama.
- Membuat ringkasan dari sekumpulan baris data (misal, total
penjualan untuk setiap bagian).
35
Kesulitan yang terjadi pada proses transformasi adalah :
• Data harus digabungkan dari beberapa sistem terpisah.
• Data harus dibersihkan sehingga konsisten.
• Data harus diagregasi untuk mempercepat analisis.
3. Loading
Merupakan tahap akhir dalam proses ETL. Proses
memasukkan data ke dalam target akhir, dalam hal ini adalah data
warehouse atau data mart. Data berasal dari proses transformasi.
Setelah data yang dihasilkan dari proses transformasi sesuai
dengan kondisi yang diinginkan pada data warehouse atau data
mart, maka proses loading akan berjalan. Data dari staging area
akan dipindahkan ke dalam data warehouse atau data mart.
Gambar 2.11 Extract, Transform, Load (www.mcs.csueastbay.edu)
36
2.1.18 Dimensionality Modeling
Menurut Connolly dan Begg (2005, p1183), Dimensionality
Modeling adalah teknik logikal design yang bertujuan untuk
menghadirkan data dalam bentuk standard dan intuitif yang
memungkinkan pengaksesan database dengan performa yang tinggi.
Beberapa konsep pemodelan data warehouse pada dimensionality
modeling, antara lain Skema Bintang, Skema Snowflake, dan Skema
Starflake.
2.1.18.1 Skema Bintang
Menurut Connolly dan Begg (2005, p1183), skema
bintang adalah sebuah struktur logikal yang memiliki tabel fakta
di tengahnya, yang terdiri atas data faktual, dan dikelilingi oleh
tabel-tabel dimensi yang berisi referensi data. Skema bintang
mengeksploitasi karakteristik data faktual seperti fakta yang
digenerasikan oleh events 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.
Skema bintang memiliki beberapa kelebihan yang tidak
ada dalam struktur relasional biasa. Keuntungan skema bintang
yaitu :
37
• Efisiensi, struktur database konsisten sehingga efisien dalam
mengakses data dengan menggunakan tool untuk
menampilkan data termasuk laporan tertulis dan query.
• Kemampuan untuk mengatasi perubahan kebutuhan, skema
bintang dapat beradaptasi terhadap perubahan kebutuhan
pengguna karena semua tabel dimensi memiliki kesamaan
dalam hal menyediakan akses ke tabel fakta.
• Extensibility, model dimensional dapat dikembangkan. Seperti
menambah tabel fakta selama data masih konsisten,
menambah tabel dimensi selama ada nilai tunggal di tabel
dimensi tersebut yang mendefinisikan setiap record tabel fakta
yang ada, menambahkan attribute tabel dimensi, dan
memecah record tabel dimensi yang ada menjadi level yang
lebih rendah daripada level sebelumnya.
• Kemampuan untuk menggambarkan situasi bisnis pada
umumnya, pendekatan standar untuk menangani situasi umum
di dunia bisnis yang terus bertambah.
• Proses query yang bisa diprediksi, aplikasi data warehouse
yang mencari data dari level yang di bawahnya akan mudah
menambahkan jumlah attribute pada tabel dimensi dari sebuah
skema bintang. Aplikasi yang mencari data dari level yang
setara akan menghubungkan tabel fakta yang terpisah melalui
tabel dimensi yang dapat diakses bersama.
38
2.1.18.2 Skema Snowflake (Snowflake Schema)
Menurut Connolly dan Begg (2005, p1184), skema
snowflake adalah variasi lain dari skema bintang dimana tabel
dimensi tidak berisi data denormalisasi. Suatu tabel dimensi dapat
memiliki tabel dimensi lainnya.
2.1.18.3 Skema Starflake
Menurut Connolly dan Begg (2005, p1185), Starflake
Schema adalah struktur yang diturunkan dari penggabungan
konsep Star Schema dan Snowflake Schema. Beberapa dimensi
memiliki kemungkinan untuk dibentuk dengan kedua konsep Star
Schema dan Snowflake Schema tergantung kebutuhan akan query
yang dimiliki.
2.1.19 Fact Table (Tabel Fakta)
Menurut Inmon (2002, p391), tabel fakta adalah tabel pusat dari
skema bintang dimana data yang sering muncul akan ditempatkan di tabel
tersebut. Tabel fakta disebut juga tabel utama (major table), merupakan
inti dari skema bintang dan berisi data actual yang akan dianalisis (data
kuantitatif dan transaksi). Tabel fakta adalah tabel yang umumnya
mengandung angka dan data historis dimana key (kunci) yang dihasilkan
sangat unik karena merupakan kumpulan foreign key dan primary key
yang ada pada masing – masing tabel dimensi yang berhubungan atau
39
merupakan tabel terpusat dari skema bintang. Tabel fakta menyimpan
tipe-tipe measure yang berbeda, seperti measure, yang secara langsung
terhubung dengan tabel dimensi dan measure yang tidak berhubungan
dengan tabel dimensi.
Menurut Connolly dan Begg (2005, p1183), tabel fakta adalah
tabel pada dimensional model yang isinya composite Primary Key (PK).
Jadi, Primary Key pada tabel fakta merupakan beberapa Foreign Key
(FK).
2.1.20 Dimensional Table (Tabel Dimensi)
Menurut Inmon (2002, p389), tabel dimensi adalah tempat dimana
data – data yang tidak berhubungan yang berelasi dengan tabel fakta
ditempatkan di dalam tabel multidimensional.
Tabel dimensi disebut juga tabel kecil (minor table), karena
biasanya lebih kecil dan memegang data deskriptif yang mencerminkan
dimensi suatu bisnis. Tabel dimensi merupakan tabel yang berisi kategori
dengan ringkasan data detil yang dapat dilaporkan, seperti laporan
keuntungan pada tabel fakta dapat dilaporkan sebagai dimensi waktu
(berupa per bulan atau per tahun).
2.1.21 Perbandingan model Dimensionality Modeling dan ER Modeling
Menurut Connolly dan Begg (2005, p1186), dimensionality
modeling biasanya digunakan untuk merancang komponen dari data
warehouse, sedangkan ER modeling biasanya digunakan untuk
40
mendeskripsikan database untuk sistem OLTP. ER modeling adalah
teknik untuk mengidentifikasikan hubungan antar entitas. Tujuan dari ER
modeling adalah untuk mengurangi redundancy data. Hubungan antar ER
modeling dan dimensionality modeling adalah ER modeling tunggal
biasanya terurai menjadi beberapa dimensionality modeling. Beberapa
dimensionality modeling tersebut kemudian saling terhubung melalui
tabel dimensional.
2.1.22 Metodologi Perancangan Database untuk Data Warehouse
Menurut Kimball (Connolly dan Begg, 2005, p1187), ada
sembilan tahap metodologi dalam perancangan database untuk data
warehouse, yaitu :
Langkah 1 : Memilih proses
• Data mart yang pertama kali dibangun haruslah data mart yang dapat
dikirim tepat waktu dan menjawab pertanyaan bisnis yang penting.
• Misanya, pilihan terbaik untuk data mart yang pertama adalah yang
berkaitan dengan sales, seperti property sales dan property leasing.
Langkah 2 : Memilih grain
• Untuk memutuskan secara pasti apa yang diwakili atau
direpresentasikan oleh sebuah tabel fakta.
41
• Misalnya, jika sumber dari sebuah tabel fakta properti sale adalah
properti sale individual maka sumber dari sebuah dimensi pelanggan
berisi rincian pelanggan yang membeli properti utama.
Langkah 3 : Mengidentifikasikan dan menyesuaikan dimensi
• Mengatur dimensi dari data mart yang dibangun dengan baik akan
memberikan kemudahan dalam memahami dan menggunakan data
mart tersebut.
• Dimensi penting untuk menggambarkan fakta-fakta pada tabel fakta.
Misalnya, setiap data pelanggan pada tabel dimensi pembeli
dilengkapi dengan id_pelanggan, no_pelanggan, tipe_pelanggan,
tempat_tinggal, dan lain sebagainya.
• Jika ada dimensi yang muncul pada dua data mart, kedua data mart
tersebut harus berdimensi sama atau salah satunya berupa subset
matematis dari yang lainnya.
• Jika sebuah dimensi digunakan pada dua data mart atau lebih dan
dimensi ini tidak disinkronisasi, maka keseluruhan data warehouse
akan gagal karena dua data mart tidak bisa digunakan secara
bersama-sama.
Langkah 4 : Memilih fakta
• Sumber dari sebuah tabel fakta menentukan fakta mana yang bisa
digunakan dalam data mart.
42
• Semua fakta harus diekspresikan pada tingkat yang telah ditentukan
oleh sumber.
• Misalnya, jika sumber dari tabel fakta adalah property sale, maka
semua fakta numerik harus menunjuk pada particular sale.
Langkah 5 : Menyimpan pre-kalkulasi dalam tabel fakta
• Ketika fakta sudah dipilih, maka masing-masing fakta tersebut harus
diperiksa kembali untuk menentukan apakah ada kemungkinan untuk
menggunakan pre-kalkulasi.
• Contoh umum pemakaian pre-kalkulasi dalam tabel fakta adalah
ketika terdapat fakta yang membandingkan rugi dan laba. Pre-
kalkulasi dalam tabel fakta akan semakin diperlukan jika tabel fakta
didasarkan pada invoice atau penjualan.
Langkah 6 : Melengkapi tabel dimensi
• Pada tahap ini akan ditambahkan keterangan selengkap-lengkapnya
pada tabel dimensi.
• Keterangan yang ditambakan harus bersifat intuitif dan mudah
dipahami oleh pengguna.
Langkah 7 : Memilih durasi dari database
• Misalnya pada suatu perusahaan asuransi, mengharuskan data
disimpan selama 10 tahun atau lebih.
43
Langkah 8 : Melacak perubahan dimensi secara perlahan
• Ada tiga tipe pelacakan perubahan dimensi secara perlahan, yaitu :
Tipe 1. Perubahan dimensi menyebabkan data lama di-overwrite.
Tipe 2. Perubahan dimensi menyebabkan pembentukan record baru.
Tipe 3. Perubahan dimensi menyebabkan pembuatan atribut alternatif
sehingga nilai yang lama dan nilai yang baru dapat diakses
secara bersama pada dimensi yang sama.
Langkah 9 : Menentukan prioritas dari mode query
• Pada tahap ini kita memutuskan perancangan fisik yang akan
digunakan.
• Dengan langkah-langkah tadi, seharusnya kita bisa membangun
sebuah data warehouse yang baik.
2.1.23 Pengertian Rich Picture
Menurut Mathiassen (2000, p26), rich picture adalah sebuah
gambaran informasi yang mempersembahkan pemahaman seorang
ilustrator dari suatu situasi. Sebuah rich picture berfokus pada aspek
penting dari sebuah situasi yang ditentukan oleh sang ilustrator. Rich
picture harus memberikan suatu uraian dari situasi yang memungkinkan
beberapa penjelasan alternatif.
44
2.2 Teori Khusus
2.2.1 Konsep Pembelian
Menurut Mulyadi (2001, p229), pembelian digunakan dalam
perusahaan untuk pengadaan barang-barang yang dibutuhkan oleh
perusahaan.
Menurut Mulyadi (2001, p229), transaksi pembelian dapat
digolongkan menjadi dua yaitu:
• Pembelian Lokal
Pembelian lokal adalah pembelian dari pemasok dalam negeri.
• Pembelian Impor
Pembelian impor adalah pembelian dari pemasok luar negeri.
Menurut Mulyadi (2001, p300), fungsi pembelian bertanggung
jawab untuk memperoleh informasi mengenai harga barang, menentukan
pemasok yang dipilih dalam pengadaan barang dan mengeluarkan order
pembelian kepada pemasok yang dipilih dalam pengadaan barang.
Menurut Mulyadi (2001, p300), prosedur pembelian dilaksanakan
melalui beberapa bagian dalam perusahaan. Bagian-bagian yang terkait
dalam prosedur ini adalah bagian pembelian, penerimaan barang, hutang,
dan gudang. Transaksi pembelian mencakup prosedur berikut ini.
1. Pada saat persediaan bahan menunjukkan batas minimal fungsi
gudang mengajukan permintaan pembelian ke fungsi pembelian.
2. Fungsi pembelian meminta penawaran harga dari berbagai pemasok.
45
3. Fungsi pembelian menerima penawaran harga dari berbagai pemasok
dan melakukan pemilihan pemasok.
4. Fungsi pembelian membuat order pembelian kepada pemasok yang
dipilih.
5. Fungsi penerimaan memeriksa dan menerima barang yang dikirim
oleh pemasok.
6. Fungsi penerimaan menyerahkan barang yang diterima kepada fungsi
gudang untuk disimpan.
7. Fungsi penerimaan melaporkan penerimaan kepada fungsi akuntansi.
8. Fungsi akuntansi menerima faktur tagihan dari pemasok dan atas
dasar faktor dari pemasok tersebut fungsi akuntansi mencatat
kewajiban yang timbul dari transaksi pembelian.
Menurut Mulyadi (2001, p300), jaringan prosedur yang
membentuk sistem akuntansi pembelian adalah sebagai berikut.
1. Prosedur permintaan pembelian
Dalam prosedur ini, fungsi gudang mengajukan permintaan
pembelian dalam formulir surat permintaan pembelian kepada fungsi
pembelian. Jika barang tidak disimpan di gudang, misalnya untuk
barang langsung pakai, fungsi yang memakai barang mengajukan
permintaan pembelian langsung ke fungsi pembelian dengan
menggunakan surat permintaan pembelian.
2. Prosedur permintaan penawaran harga dan penelitian pemasok
Dalam prosesdur ini, fungsi pembelian mengirimkan surat
permintaan penawaran harga kepada pemasok untuk memperoleh
46
informasi mengenai harga barang dan berbagai syarat pembelian yang
lain, untuk memungkinkan pemilihan pemasok yang akan ditunjuk
sebagai pemasok barang yang diperlukan oleh perusahaan.
3. Prosedur order pembelian
Dalam prosedur ini, fungsi pembelian mengirimkan surat
order pembelian kepada pemasok yang dipilih dan memberitahukan
kepada unit-unit organisasi lain dalam perusahaan, mengenai order
pembelian yang sudah dikeluarkan oleh perusahaan.
4. Prosedur penerimaan barang
Dalam prosedur ini, fungsi penerimaan melakukan
pemeriksaan mengenai jenis, kualitas, dan mutu barang yang diterima
dari pemasok, dan kemudian membuat laporan penerimaan barang
untuk menyatakan penerimaan barang dari pemasok tersebut.
5. Prosedur pencatatan utang
Dalam prosedur ini, fungsi akuntansi memeriksa dokumen-
dokumen yang berkaitan dengan pembelian dan menyelenggarakan
pencatatan utang atau mengarsipkan dokumen sumber sebagai catatan
utang.
6. Prosedur distribusi pembelian
Prosedur ini meliputi distibusi rekening yang didebit dari
transaksi pembelian untuk kebutuhan pembuatan laporan bagi
manajemen.
47
2.2.2 Konsep Penjualan
Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com),
penjualan pada media berarti berurusan dengan sesuatu yang tidak terlihat
(intangible goods), yaitu cita rasa public (public taste), seni (art), dan
citra (image). Penjualan merupakan sebuah proses dimana kebutuhan
pembeli dan kebutuhan penjual dipenuhi melalui pertukaran antar
informasi dan kepentingan.
Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com), materi
iklan di tv yang disebut tv commercial (tvc) atau “spot” dibedakan atas
durasinya : 60’s, 30’s,15’s dan 10’s. Disamping spot iklan komersial,
juga terdapat spot pelayanan masyarakat atau disebut public service
announcement (PSA). Time slot yang belum terjual menjadi inventory.
Target penjualan ditetapkan secara tahunan dan diuraikan dalam tiga
bulanan, bulanan, dan mingguan.
Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com), ada
empat tipe penjualan iklan tv, yaitu :
1. Up front buying : agency membeli jauh di depan
2. Scatter buying : agency menyimpan sebagian biaya iklannya untuk
dibeli setelah dekat dengan waktu penyiaran yang diinginkan.
3. Barter syndication : pemasang iklan menempatkan iklannya pada
program populer milik sindikator yang mempunyai time slot untuk
dijual sendiri.
48
4. Spot market : pembelian iklan, baik untuk siaran lokal ataupun
nasional di masing-masing stasiun atau program guna menyampaikan
pesan penting kepada target pemirsa
Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com), rating
adalah besarnya persentase rumah tangga pemilik tv yang menonton
acara tertentu dari seluruh pemilik tv di daerah tertentu.
Rating (%) = (Audience / Universe) x 100%
Contoh :
Pemilik tv (universe) : 2800 rumah tangga
Yang menonton program “a” (audience) : 500rt,
Yang menonton program “b” (audience): 300rt
Rating program “a” = 500 : 2800 = 17,86 % = 18
( Penulisan rating cukup angka saja atau tanpa “%” )
RATING PROGRAM “B” = 300 : 2800 = 11
Beberapa hal yang mempengaruhi rating, antara lain :
- Program (isi dan durasi)
- Program kompetitor (opposition programs)
- Jam tayang (scheduling)
- Konteks (incidental moments)
- Mutu penerimaan signal (reception quality)
- Promosi
Menurut Drs.H.Syafei.S (pksm.mercubuana.ac.id), iklan dapat
ditayangkan setelah melalui beberapa kesepakatan antara pihak stasiun
49
penyiaran dengan pemasang iklan. Ada enam jenis partisipasi pemasang
iklan, yaitu :
1. Blocking time, yaitu pemasang iklan merupakan sponsor penuh
dimana pemasang iklan membayar untuk keseluruhan program siaran
dan hanya iklan sponsor perusahaan tersebut saja yang ditayangkan.
2. Air time sharing (sponsor bersama), yaitu beberapa pemasang iklan
secara bersama-sama menjadi sponsor satu program siaran dengan
membagi waktu iklan menjadi beberapa bagian.
3. Participating advertisement (iklan partisipasi), yaitu beberapa
pemasang iklan mensponsori satu program siaran dengan ketentuan
iklan beberapa sponsor tesebut akan muncul bergantian dalam
commercial break (jeda iklan).
4. Cooperative advertisement (iklan kerjasama), yaitu perusahaan yang
memproduksi suatu produk bekerja sama dengan perusahaan pemilik
jaringan pemasaran untuk menanggung biaya pemasangan iklan
produk yang dihailkan perusahaan tersebut.
5. Barter, yaitu suatu kesepakatan yang pembayarannya tidak dilakukan
dengan uang, melainkan dengan barang.
6. Pay per inquiry (dibayar berdasarkan penjualan), yaitu pemasang
iklan membayar biaya iklan kapada stasiun penyiaran berdasarkan
persentasi dari jumlah barang yang terjual.
Menurut Drs.H.Syafei.S (pksm.mercubuana.ac.id), terdapat enam
tipe kesepakatan waktu penayangan iklan, yaitu :
50
1. Fixed time (waktu tetap), merupakan bentuk kesepakatan yang paling
mahal (premium rate) dimana iklan harus ditayangkan menurut waktu
yang sesuai dengan perjanjian dan stasiun penyiaran tidak boleh
memindahkan ke waktu lain dengan alasan apapun.
2. Run of the schedule (ROS), yaitu waktu penyiaran iklan ditentukan
oleh stasiun televisi sesuai dengan periode dalam kontrak.
3. Pre emptibility, yaitu stasiun televisi menawarkan iklan dengan harga
murah (discount rate) kepada pemasang iklan dengan perjanjian iklan
itu bisa diganti dengan iklan lain yang bersedia membayar lebih
mahal. Ini dilakukan untuk mengoptimalkan penggunaan waktu iklan.
4. Advertisement package (paket iklan), yaitu stasiun penyiaran
memberikan tarif lebih murah kepada iklan yang ditayangkan dengan
frekuensi yang lebih tinggi.
5. Up-front-sale, yaitu kesepakatan antara stasiun penyiaran dengan
pemasang iklan untuk memberikan kesempatan lebih dulu kepada
pemasang iklan yang telah lama berlangganan dengan stasiun
penyiaran tersebut.
6. Special future (kesepakatan khusus), yaitu kesepakatan mengatur tarif
iklan berdasarkan jumlah penonton yang mengikuti suatu program
siaran. Tarif yang dikenakan atas iklan yang disiarkan pada saat
penayangan program bisa meningkat bila jumlah penonton bertambah
secara signifikan.
51
2.2.3 Konsep Produksi
Menurut Wignjosoebroto (2003, p2), aktivitas produksi adalah
sekumpulan aktivitas yang diperlukan untuk mengubah satu kumpulan
masukkan (human resources, materials, energy, information, etc)
menjadi produk keluaran (finished product or services) yang memiliki
nilai tambah.
Di dalam proses produksi akan terjadi suatu proses perubahan
bentuk (transformasi) dari input yang dimasukkan baik secara fisik
maupun non fisik. Pada produksi akan memberikan suatu nilai tambah
(value added) dari input material yang diolah.
Menurut film.banjarnegara.co.cc, sebelum membuat cerita film,
harus ditentukan tujuan pembuatan film agar pembuatan film lebih
terfokus, terarah, dan sesuai. Ada tiga tahap dalam produksi film, yaitu
tahap pra produksi, tahap produksi, dan tahap pasca produksi.
Ada tujuh tahapan dalam tahap pra produksi, yaitu analisis ide
cerita, menyiapkan naskah, menyusun jadwal dan budgeting, hunting
lokasi, menyiapkan kostum dan properti, menyiapkan peralatan, serta
melakukan casting pemain.
Dalam menyusun jadwal perlu dilakukan secara detail, kapan
jadwal pengambilan gambar, siapa saja artis dan kru yang diperlukan,
biaya dan peralatan apa saja yang diperlukan, lokasi pengambilan
gambar, serta batas waktu shooting. Dalam hal ini, lokasi sangat
menentukan jadwal pengambilan gambar. Jika biaya produksi kecil, maka
tidak disarankan tempat yang jauh dan memakan banyak biaya.
52
Ada hal-hal penting yang perlu diperhatikan pada saat menyusun
budgeting, yaitu :
• Penggandaan naskah skenario film untuk kru dan pemain
• Penyediaan kaset video
• Penyediaan CD kosong sejumlah yang diinginkan
• Penyediaan properti, kostum, dan make-up
• Honor untuk pemain dan konsumsi
• Akomodasi dan transportasi
• Menyewa alat jika tida tersedia
Budgeting adalah operasi di mana masing-masing adegan script
diuraikan dan dianalisis serta diikuti penilaian keuangan dari total biaya
untuk setiap adegan. Total kebutuhan financial untuk membuat film
menjadi jumlah anggaran atau budget untuk setiap adegan atau episode.
Sedangkan scheduling adalah proses pengorganisasian di mana barang-
barang, kru, peralatan, dan aktor dijadwalkan pada biaya yang paling
efisien. Perusahaan yang memproduksi film menggunakan informasi
dalam budgeting dan scheduling untuk mengetahui apakah produksi
sesuai dengan anggaran dan tepat waktu.
Sedangkan ada lima hal yang perlu diperhatikan dalam tahap
produksi, yaitu tata setting, tata suara, tata cahaya, tata kostum, dan tata
rias.
Tahap terakhir atau tahap pasca produksi mencakup tiga proses,
yaitu proses editing, review hasil editing, serta presentasi dan evaluasi.