BAB 2 LANDASAN TEORI
2.1
SISTEM INFORMASI Pada
subbab
ini
akan
dijabarkan
tentang
konsep
dasar, komponen-komponen, dan kelas-kelas dari sistem informasi. 2.4.2
Konsep Dasar Sistem Informasi Untuk memperoleh suatu informasi yang baik maka
diperlukan
suatu
sistem,
yang
disebut
dengan
sistem
informasi. Sistem informasi terdiri dari 2 kata yaitu sistem dan informasi. Definisi sistem adalah: “Seperangkat elemen yang digabungkan satu dengan yang lainnya untuk tujuan bersama.” (Murdick, 1997). Sedangkan definisi informasi: “Data yang telah diambil kembali, diolah, atau sebaliknya
digunakan
untuk
tujuan
informatif
atau kesimpulan, argumentasi, atau sebagai dasar untuk peramalan atau pengambilan keputusan.” (Murdick, 1997). Sehingga
secara
didefinisikan
sebagai
hardware,
software
memberikan
satu
lugas
sistem
kumpulan
yang
saling
pelayanan
orang,
prosedur,
berinteraksi
informasi
mengambil keputusan (Murdick, 1997).
6
informasi
bagi
user
untuk untuk
2.1.2
Komponen-komponen Sistem Informasi Sistem
yang
informasi
disebut
dengan
terdiri istilah
dari blok
komponen-komponen bangunan
(Building
blocks) yang terdiri dari: 1. Blok Data Blok
data
sebagai
meliputi
input
data
dalam
mentah
sistem
yang
digunakan
informasi
untuk
diproses dan membuat informasi yang berguna. 2. Blok Proses Blok proses adalah aktivitas-aktivitas (termasuk manajemen) yang membawa misi untuk bisnis. 3. Blok Antarmuka Blok antarmuka adalah bagian dari sistem informasi yang mengatur bagaimana sistem berhadapan dengan usernya dan SI yang lain. 4. Blok Jaringan Blok jaringan mengatur komunikasi antara hardwarehardware
yang
digunakan
dalam
suatu
sistem
informasi, maupun komunikasi antara suatu sistem informasi dangan sistem informasi lainnya.
D AT A B u ild in g B lo c k s
PR O CESS B u ild in g B lo c k s
The
IN T E R F AC E B u ild in g B lo c k s
N e tw o rk
Gambar 2.1. Information Systems Building Blocks
2.1.3
Kelas-Kelas Sistem Informasi
Sistem informasi memiliki kelas-kelas tertentu yaitu :
7
1.
Transaction Processing Systems Transaction
Processing
Systems
adalah
aplikasi
sistem informasi yang mengambil dan memproses data tentang transaksi bisnis, termasuk data maintenance yang
melakukan
pemeliharaan
data-data
yang
tersimpan. 2.
Management Information Systems (MIS) Management sistem
Information
informasi
berorientasi
yang
Systems
adalah
ditujukan
untuk
manajeman.
aplikasi pelaporan
Laporan-laporan
ini
biasanya dibuat pada jadwal yang telah ditentukan dan
tampil
dalam
format
yang
telah
diatur
sebelumnya. 3.
Decision Support Systems (DSS) Decision
Support
informasi
yang
berorientasi
Systems
adalah
menyajikan
keputusan
aplikasi
kepada
saat
user
timbul
sistem
informasi
situasi
yang
membutuhkan pemecahan masalah. Saat diterapkan pada executive managers, sistem ini dinamakan Executive Information Systems (EIS). Data
warehouse
read-only
dan
adalah
basis
informasional
data
yang
sifatnya
yang
dibentuk
dari
detailed, summary, dan exception data dan informasi yang
diambil
dari
transaksi
lain
dan
MIS.
Data
warehouse kemudian dapat diakses oleh end-user dan manager (DSS)
dengan
yang
tool-tool
menghasilkan
Decision
Support
bermacam-macam
System
informasi
dalam mendukung keputusan tidak terstruktur. 4.
Expert Systems Expert Systems adalah sistem informasi pengambilan keputusan
terprogram
yang
8
mengambil
dan
menghasilkan kembali pengetahuan dan keahlian dari ahli
pemecahan
kemudian
masalah
atau
mensimulasikan
pengambil
“pemikiran”
keputusan
atau
“aksi”
dari ahli tersebut. Expert system diimplementasikan dengan teknologi artificial intelligence. 5.
Office Automation Systems Office Automation Systems merupakan sebuah sistem untuk mendukung aktivitas bisnis organisasi secara luas yang ditujukan untuk aliran kerja yang lebih baik dan komunikasi antar pekerja, meskipun mereka tidak berada dalam kantor yang sama. Seperti telah dijelaskan diatas, sistem informasi
digunakan
untuk
mengolah
informasi
yang
diharapkan
pengambilan
keputusan.
data
sehingga
dapat
menjadi
membantu
Selanjutnya
akan
dalam
dijelaskan
bagaimana sebuah sistem dapat memberikan dukungan bagi pengambilan
keputusan
dalam
sebuah
organisasi
atau
perusahaan.
2.2
SISTEM
PENDUKUNG
KEPUTUSAN
(DECISION
SUPPORT
SYSTEM) Istilah
Decision
Support
System
diperkenalkan
P.G.W. Keen dan Michael S. Scott Morton lewat bukunya “Decision
Support
Systems:
An
Organizational
Perspective” pada tahun 1978. Sistem tersebut adalah suatu
sistem
yang
berbasis
komputer
yang
ditujukan
untuk membantu pengambil keputusan dalam memanfaatkan data
dan
model
tertentu
untuk
persoalan yang tidak terstruktur.
9
memecahkan
berbagai
Berikut
ini
adalah
beberapa
definisi
decision
support system menurut beberapa ahli : 1. Little Little
mendefinisikan
sebagai
suatu
model
untuk
set
decision
support
prosedur-prosedur
memproses
data
(data
yang
system berbasis
processing)
dan
penilaian (judgement) untuk membantu seorang manajer dalam pengambilan keputusannya. 2. Moore dan Shang Moore dan Shang berargumen bahwa konsep terstruktur tersebut,
lebih
mengacu
kepada
definisi-definisi
decision support terdahulu (yaitu, bahwa DSS dapat menangani situasi-situasi semi terstruktur dan tidak tersrtuktur), dan tidak mempunyai arti secara umum; suatu masalah dapat dijabarkan sebagai terstruktur atau tidak terstruktur hanya oleh pembuat keputusan yang yang
bersangkutan spesifik
atau
(jadi
berdasarkan keputusan
suatu bahwa
situasi situasi
terstruktur dikatakan terstruktur adalah karena kita memilih untuk mengatakannya demikian). Jadi, mereka mendefinisikan DSS sebagai sistem-sistem yang dapat diperluas data
ad
yang hoc
dan
mampu
mendukung
decision
analisis-analisis
modelling,
berorientasi
kepada perencanaan masa depan, dan tidak digunakan pada interval yang teratur dan terencana. 3. Man dan Watson SPK merupakan suatu sistem interaktif yang membantu pengambil
keputusan
melalui
penggunaan
data
dan
model-model keputusan untuk memecahkan masalah yang sifatnya semi terstruktur dan tidak terstruktur.
10
Dari definisi di atas, terlihat bahwa SPK adalah suatu sistem berbasis komputer yang dirancang untuk meningkatkan efektivitas pengambil keputusan dalam memecahkan atau
masalah
tidak
yang
bersifat
semi
Kata
berbasis
terstruktur.
terstruktur komputer
merupakan kata kunci, karena hampir tidak mungkin membangun alat
SPK
bantu,
tanpa
memanfaatkan
termasuk
untuk
komputer
menyimpan
sebagai
data
serta
mengelola model. Dari definisi-definisi diatas dapat disimpulkan bahwa SPK
adalah
ditujukan
suatu
untuk
sistem
informasi
membantu
manajemen
spesifik dalam
yang
mengambil
keputusan yang berkaitan dengan persoalan yang bersifat semi
struktur.
Sistem
ini
memiliki
fasilitas
untuk
menghasilkan berbagai alternatif yang secara interaktif dapat digunakan oleh pemakai. 2.4.2 SPK
Karakteristik SPK berbeda
dengan
sistem
informasi
lainnya,
beberapa karekteristik yang membedakannya adalah : 1. SPK dirancang untuk membantu pengambilan keputusan dalam masalah yang sifatnya semi terstruktur ataupun tidak
terstruktur
dengan
menambah
kebijaksanaan
manusia dan informasi komputerisasi. 2. Dalam
proses
penggunaan
pengolahannya,
SPK
fungsi-fungsi
mengkombinasikan pencari/interogasi
informasi. 3. SPK
dirancang
sedemikian
rupa
sehingga
dapat
digunakan/dioperasikan dengan mudah oleh orang-orang yang
tidak
memiliki
dasar
11
kemampuan
pengoperasian
komputer
yang
tinggi.
Oleh
karena
itu
pendekatan
yang digunakan biasanya model interaktif. 4. SPK
dirancang
dengan
menekankan
pada
akses
fleksibilitas serta kemampuan adaptasi yang tinggi. Sehingga mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi dan kebutuhan pemakai. 2.4.2
Keuntungan dan Keterbatasan SPK SPK
dapat
memberikan
berbagai
manfaat
atau
keuntungan bagi pemakainya yaitu antara lain sebagai berikut : 1. SPK memperluas kemampuan pengambil keputusan dalam memproses data/informasi bagi pemakainya. 2. SPK
membantu
pengambil
keputusan
dalam
hal
penghematan waktu yang dibutuhkan untuk memecahkan masalah
terutama
berbagai
masalah
yang
sangat
kompleks dan tidak teratur. 3. SPK dapat menghasilkan solusi dengan lebih cepat dan hasilnya dapat diandalkan. 4. Meskipun
sebuah
SPK
memecahkan
masalah
keputusan,
namun
stimultan
bagi
mungkin
yang
saja
dihadapi
SPK
tidak
oleh
mampu
pengambil
tersebut
dapat
menjadi
keputusan
dalam
memahami
pengambil
persoalannya karena SPK mampu menghasilkan berbagai alternatif. 5. SPK
dapat
memberikan
menyediakan pembenaran
bukti
sehingga
tambahan dapat
untuk
memperkuat
posisi pengambil keputusan. SPK
memiliki
beberapa
keterbatasan
yang
harus
diperhatikan, keterbatasan-keterbatasan tersebut antara lain adalah :
12
1. Ada beberapa kemampuan manajemen dan bakat manusia yang tidak dapat dimodelkan, sehingga model yang ada dalam sistem tidak semuanya mencerminkan persoalan sebenarnya. 2. Kemampuan kemampuan
suatu yang
SPK
terbatas
dimiliki
pada
pembendaharaan
(pengetahuan
dasar
serta
model dasar) 3. Proses-proses
yang
dapat
dilakukan
SPK
biasanya
tergantung juga pada kemampuan perangkat lunak yang digunakannya. 4. SPK tidak memiliki kemampuan intuisi seperti yang dimiliki manusia karena secanggih apapun suatu SPK, dia
hanyalah
lunak, program
dan yang
suatu sistem dibuat
kumpulan
perangkat,
operasi,
berjalan
manusia
dan
tidak
perangkat
berdasarkan dilengkapi
dengan kemampuan berfikir dan berinisiatif sendiri.
Jadi bagaimanapun juga perlu diketahui bahwa SPK tidak ditekankan untuk membuat keputusan. Dengan sekumpulan kemampuan untuk mengolah informasi/data yang diperlukan dalam proses pengambilan keputusan, sistem ini hanya berfungsi sebagai alat bantu manajemen. Jadi sistem ini tidak dimaksudkan untuk menggantikan fungsi pengambil keputusan dalam membuat keputusan. Sistem ini dirancang hanyalah
untuk
membantu
pengambil
keputusan
dalam
melaksanakan tugasnya. 2.4.2
Hal-hal yang harus diperhatikan dalam SPK Ada
beberapa
hal
yang
harus
diperhatikan
untuk
pengambilan keputusan strategis dalam SPK yaitu antara lain sebagai berikut :
13
1.
Aspek-aspek pengambilan keputusan strategis Ada
2
buah
aspek
yang
harus
diperhatikan
yaitu
aspek sistematik dan aspek dinamis. a. Aspek sistematik Keputusan
yang
diambil
dilihat
dari
berbagai
tingkatan abstraksi dan perspektif serta mencakup seluruh entitas yang saling berhubungan. b. Aspek dinamis Berorientasi
ke
depan.
Hal
harus
melihat
masa
ini
lalu,
berarti ke
saat
ini
keputusan
masa
lalu
dan
yang
masa
diambil
sehingga
dapat
memperbaiki kesalahan yang telah terjadi, sesuai dengan keadaan organisasi saat ini dan memiliki prediksi
mengenai
masa
depan
sehingga
dapat
membuka peluang yang lebih baik bagi organisasi. 2.
Informasi
yang
dibutuhkan
dalam
pengambilan
keputusan strategis Informasi yang diambil harus dilihat dari berbagai tingkat
rincian,
segala
bersifat
aspek
terpadu
yg
historis/kronologis,
yaitu
relevan,
serta
mencakup bersifat
dirancang
untuk
keperluan analisa. 3.
Permasalahan
dalam
memperoleh
informasi
untuk
pengambilan keputusan strategis Informasi yang sesuai kebutuhan akan menghasilkan keputusan startegis yang tepat. Namun ada beberapa permasalahan informasi
yang
untuk
ditemui
pengambilan
dalam
memperoleh
keputusan
strategis,
mampu
menyediakan
yaitu : a. Sistem
operasional
tidak
informasi pendukung keputusan secara efisien
14
Hal
ini
disebabkan
karena
sistem
operasi
operasional beorientasi transaksi (record-based), bersifat
divisional
dan
tidak
menyimpan
data
kronologis. b. Kebutuhan
informasi
untuk
analisa
bersifat
incremental. Siklus
iterasi
permintaan-pengolahan-pelaporan
dapat memakan waktu mingguan, hal ini menyebabkan tidak tersedianya informasi pada saat yang tepat. c. Sistem transaksional tidak dirancang untuk query rumit yg melibatkan banyak data. Ketika
sistem
melakukan
transaksional
query
dijalankan
yang
dapat
dipaksakan
rumit,
menghambat
untuk
proses kinerja
yang sistem
operasional. Secara
garis
besar
dapat
dikatakan
bahwa
SPK
dirancang untuk menghasilkan berbagai alternatif yang ditawarkan
kepada
melaksanakan pengambilan pencarian diharapkan
para
tugasnya.
Karena
keputusan alternatif pengambil
pengambil
yaitu telah
keputusan
sebagian perumusan
dikerjakan
keputusan
akan
dalam
besar
proses
masalah sistem,
lebih
cepat
dan maka dan
akurat dalam menangani masalah yang dihadapinya. Jadi secara manfaat
umum
dapat
bagi
dikatakan
pengambil
bahwa
keputusan
SPK
dalam
memberikan meningkatkan
efektifitasnya dan efisiensi kerjanya terutama dalam proses pengambilan keputusan. Selanjutnya Analytical
akan
dibahas
Processing)
yang
mengenai
OLAP
merupakan
(Online teknologi
software pengolahan data untuk mendukung pengambilan keputusan sebuah organisasi.
15
2.3
ON-LINE ANALYTICAL PROCESSING (OLAP) Menurut Dr. E. F. Codd, OLAP adalah suatu kategori
teknologi
perangkat
analisis,
manajer,
lunak dan
yang
memungkinkan
eksekutif
untuk
para
mendapatkan
pemahaman yang mendalam tentang data melalui akses yang cepat,
konsisten,
keanekaragaman mungkin
atas
dan
yang
interaktif
luas
informasi
di
mengenai
yang
telah
dalam
pandangan
suatu yang
ditransformasikan
dari data mentah untuk menggambarkan dimensionalitas yang nyata dari perusahaan sebagaimana yang dipahami oleh pengguna. OLAP
(On
Line
Analytical
Processing)
adalah
teknologi inti dari Business Intelligence (yang akan dibahas pada bab selanjutnya). Suatu laporan umumnya adalah 2 dimensi. Laporan tersebut berisi data nilainilai (contoh: sales, unit, quantity, dll) yang disusun berdasarkan
tabular
dengan
kolom
dan
baris
dari
parameter yang bersangkutan. Laporan biasanya berbentuk statis, sehingga diperlukan OLAP yang merupakan laporan multi-dimensi. dapat
Dengan
dikatakan
teknologi
secara
OLAP
langsung
ini,
pengguna
mempunyai
akses
terhadap data yang ada (tentunya dengan otorisasi yang ditetapkan). OLAP terdiri dari Fact Table (data nilai yang ingin dilihat, seperti nilai sales, profit, cost, dll) dan dimension data (data parameter yang biasanya berisi
geografis,
waktu,
produk,
dll).
Skema
OLAP
membentuk suatu format dimana tabel fakta (fact table) dihubungkan ke beberapa tabel dimensi (umumnya disebut Star
Schema).
Sehingga
nilai
16
dapat
ditampilkan
berdasarkan
dimensi-dimensi
yang
diinginkan
secara
langsung. Data-data yang telah disusun menjadi skema OLAP ini dapat disebut Cube (Kubus). 2.4.2
Karakteristik OLAP
Karakteristik
yang
dimiliki
suatu
sistem
Online
Analitycal Procesing (OLAP) dapat digambarkan sebagai berikut : 1.
Memberikan memandang
kemudahan suatu
data
bagi
user
secara
untuk
dapat
multidimensional
dan
logis di dalam suatu data warehouse. 2.
Memudahkan
interaktif
query
dan
analisis
yang
kompleks bagi user. 3.
Memungkinkan user untuk melakukan operasi terhadap data multidimensional.
4.
Menyediakan kemampuan untuk melakukan perhitungan dan perbandingan yang rumit.
5.
Menyajikan
hasil
analisis
dalam
berbagai
cara
visualisasi, termasuk grafik. 2.4.2
OLTP dan OLAP OLAP (On-Line Analytical Processing) adalah suatu
pernyataan yang bertolak belakang atau kontras dengan OLTP
(On-Line
menggambarkan
Transaction
sebuah
kelas
Processing).
teknologi
yang
OLAP
dirancang
untuk analisa dan akses data secara khusus. Apalabila pada proses transaksi pada umumnya semata-mata adalah pada
relational
cara
pandang
database,
OLAP
multidimensi
muncul data.
dengan Cara
sebuah pandang
multidimensi ini didukung oleh teknologi multidimensi
17
database.
Cara
ini
memberikan
teknik
dasar
untuk
kalkulasi dan analisa oleh sebuah aplikasi bisnis. OLTP
mempunyai
creating,
karakteristik
updating,
retrieving
beberapa untuk
user
setiap
dapat record
data, selain itu OLTP sangat optimal untuk memperbarui data.
Aplikasi
OLAP
digunakan
untuk
analisa
dan
mengatur frekuensi level dari agregat/jumlah data. OLAP database biasanya di update pada kumpulan data, jarang sekali dari multiple source dan menempatkan kekuatan analisa pada pada back-end pada operasi aplikasi. Sebab itulah
maka
OLAP
sangat
optimal
digunakan
untuk
analisis.
Gambar 2.2. OLTP dan OLAP (Poniah, 2001)
Gambar
diatas
menunjukkan
bagaimana
OLTP
dan
OLAP
mendukung jalannya sebuah organisasi. Dari transaksi– transaksi yang dilakukan dalam sistem OLTP selanjutnya dilakukan analisis manajemen proses dengan sistem OLAP. Hasil yang diperoleh dalam sistem OLAP inilah yang akan membantu
pihak
manajemen
perusahan
dalam
menyusun
perencanaan dan pengambilan keputusan bisnis. Perbedaan utama dari fitur-fitur antara OLTP dan OLAP dapat diringkas sebagai berikut :
18
1.
Orientasi pemakai dan sistem Suatu sistem OLTP berorientasi pelanggan (customer oriented)
dan
digunakan
pemrosesan
query
profesional
teknologi
sistem
OLAP
untuk
untuk
transaksi
pegawai,
informasi.
berorientasi
klien
Sedangkan
pemasaran
dan dan suatu
(market
oriented) dan digunakan untuk analissi data untuk para
pekerja
pengetahuan,
termasuk
manajer,
eksekutif dan analisis. 2.
Isi Data Suatu sitem OLTP mengatur data saat ini (current data) yang secara khusus terlalu terperinci untuk dengan mudah digunakan untuk pengambilan keputusan. Suatu sitem OLAP mengatur sejumlah data historis, menyediakan
fasilitas
untuk
meringkas
dan
mengumpulkan, dan menyimpan dan mengatur informasi pada tingkat granular yang berbeda. 3.
Rancangan basis data Suatu
sistem
model
data
OLTP
pada
umumnya
entity-relationship
mengadopsi
suatu
(ER)
suatu
dan
rancangan basis data berorientasi aplikasi. Suatu sistem OLAP secara khusus mengadopsi suatu model baik
star
maupun
snowflake
dan
suatu
rancangan
database berorientasi obyek. 4.
View Suatu sistem OLTP sebagian besar memusatkan pada data
saat
ini
(current
data)
di
dalam
suatu
departemen atau perusahaan, tanpa mengacu pada data historis
atau
data
di
dalam
organisasi
yang
berbeda. Sebaliknya, suatu sitem OLAP sering kali menjangkau berbagai versi dari suatu skema basis
19
data, dalam kaitannya dengan proses evolusi dari suatu
organisasi.
Sistem
OLAP
juga
berhubungan
dengan informasi yang berasal dari organisasi yang berbeda, dan mengintegrasikan informasi dari banyak penyimpanan data (data store). Karena volume yang sangat
besar
itulah,
data
OLAP
disimpan
dalam
berbagai media penyimpanan. 5.
Pola Akses Pola akses dari suatu sistem OLTP sebagian besar berisi struktur transaksi yang singkat. Sistem yang demikian
ini
mekanisme
recovery.
sistem
OLAP
(semenjak
memerlukan
kendali
Bagaimanapun,
kebanyakan
kebanyakan
adalah data
konkuren akses
operasi
warehouse
dan
terhadap read-only menyimpan
informasi yang historis yang up-to-date), walaupun banyak yang bisa menjadi query yang kompleks. Tabel 2.1. Perbandingan sistem OLTP dan OLAP
Fitur Karakteristik Orientasi Tipe User Fungsi/ Kegunaan Rancangan Database Data
Penggunaan View Unit Kerja Akses Fokus Operasi
OLTP
OLAP
Pemrosesan Operasional Transaksi Clerk, Profesional IT Operasi harian
Pemrosesan Informasi
Analisis Pekerja Pengetahuan Kebutuhan informasi jangka panjang / Pendukung keputusan. Berorientasi Entity Star/Snowflake, Relationship (ER), berorientasi subjek. berorientasi aplikasi Current, Up-to-date, Historikal, akurasi terpelihara dari isolated waktu ke waktu. Berulang Khusus untuk suatu maksud. Detail,Flat Teringkas, Relational Multidimensional Transaksi pendek, Query kompleks. sederhana Read / write Kebanyakan read. Data masuk Informasi keluar Index / hash pada Banyak mengamati
20
Fitur
OLTP
Banyak record yang diakses Banyak user Ukuran Database Prioritas Metrik
OLAP
primary key Puluhan
Jutaan
Ribuan 100 MB - GB
Ratusan 100 GB – TB
High Performance, High Flexibility, high availability end-user autonomy. Throughtput transaksi Throughtput query, waktu respon.
Aplikasi menggunakan OLTP cenderung atomized untuk “record-at-a-time”
data.
Dengan
OLAP
aplikasi
lebih
cenderung pada summarized data. Sedangkan OLTP aplikasi lebih cenderung tidak mempunyai historical data. Hampir setiap
aplikasi
historical
data.
OLAP
dikaitkan
Jadi
OLAP
dengan
database
kebutuhan membutuhkan
kemampuan untuk menangani data time series. Aplikasi dan
database
menggunakan
OLTP
lebih
cenderung
pada
proses pengelompokan data (data entry). Sedangkan OLAP lebih cenderung pada subject oriented.
2.4
DATA WAREHOUSE Data Warehouse menyediakan arsitektur dan program
bantu
(tool)
bagi
bisnis
eksekutif
untuk
pengaturan
sistematis, pemahaman dan penggunaan data untuk membuat strategi pengambilan keputusan. 2.4.1
Pengertian Data Warehouse
Data Warehouse memiliki definisi yang beragam sehingga sulit untuk merumuskan ke dalam definisi yang tepat. Beberapa
definisi
data
warehouse
berikut:
21
adalah
sebagai
1. Menurut Barry Devlin dari IBM, Data Warehouse adalah pusat
koleksi
perusahaan
yang
yg
lengkap
dan
dikumpulkan
dari
konsisten berbagai
data sumber
untuk memberikan informasi yang dapat dipahami dan dipergunakan dalam konteks bisnis. 2. Menurut Vivek Gupta dari System Services Corp, Data Warehouse adalah sistem terstruktur berskala besar untuk
menganalisa
ditransformasikan
data
dari
statis
berbagai
yang
aplikasi
telah asalnya
agar sesuai dgn struktur bisnis, terkumpul dlm waktu yang
lama,
direpresentasikan
dalam
terminologi
bisnis, dan terangkum untuk memudahkan analisa. Secara keseluruhan, suatu data warehouse adalah suatu tempat penyimpanan data (data store) yang secara semantic
konsisten
yang
bertindak
sebagai
suatu
implementasi fisik dari model data penunjang keputusan dan menyimpan informasi dimana suatu perusahaan harus membuat keputusan yang strategis. Suatu data warehouse juga
sering
dipandang
sebagai
suatu
arsitektur
yang
dibangun dengan memadukan (mengintegrasikan) data dari banyak
sumber
yang
heterogen
untuk
mendukung
query
terstuktur dan/atau query-query khusus(ad hoc query), laporan analisis, dan pembuatan keputusan. Gambar dibawah ini menunjukkan proses pengolahan data
sampai
penyampaian
informasi
dalam data warehouse.
22
yang
telah
diolah
Gambar 2.3. Pengumpulan Data hingga Penyampaian Informasi (Poniah, 2001)
2.4.2
Karakteristik Data Warehouse
Beberapa karakteristik data warehouse adalah sebagai berikut : 1. Menyeluruh dan terangkum (integrated) Suatu
data
memadukan
warehouse
biasanya
(mengintegrasikan)
dibangun
banyak
Teknik
pembersihan
dan
integrasi
untuk
memastikan
konsistensi
sumber data
dalam
dengan data.
digunakan penamaan,
struktur penyandian, ukuran atribut dan sebagainya, diantara sumber-sumber yang berbeda. Data atas suatu subjek tertentu didefinisikan dan disimpan sekali. 2. Historis (time varying) Horison waktu untuk data warehouse secara signifikan lebih lama dari pada sistem operasional. Data dari data
warehouse
menyediakan
informasi
dari
suatu
tinjauan historis (misalkan, 5-10 tahun terakhir). Setiap
struktur
key
di
dalam
data
dari
data
warehouse memuat suatu elemen waktu, baik itu secara
23
eksplisit dinyatakan maupun implisit. Tetapi setiap struktur key dari data operasional bisa memuat atau bisa juga tidak memuat elemen waktu. Data disimpan dalam
sederetan
snapshot,
yang
masing-masing
menggambarkan suatu periode waktu. Fokus dari data warehouse atas perubahan dari waktu ke waktu adalah apa yang dimaksud dengan istilah varian waktu (time variant). 3. Statis (non-volatile) Penyimpanan
data
ditransformasikan Dengan
pemisahan
memerlukan
secara dari
ini,
lingkungan suatu
mekanisme
fisik
data
terpisah operasional.
warehouse
pemrosesan,
tidak
recovery
dan
kendali persetujuan secara bersamaan. Namun biasanya hanya
membutuhkan
dua
operasi
dalam
pengaksesan
data, yaitu : pemasukan data awal (initial loading of
data)
dan
pengaksesan
data
(access
of
data).
Nonvolatile berarti ketika data sudah dimasukkan ke dalam data warehouse, data tidak mudah berubah. Hal ini merupakan suatu hal yang logis karena tujuan dari sebuah data warehouse adalah untuk memungkinkan user untuk menganalisa apa yang telah terjadi. 4. Terorganisasi
menurut
topik
analisa
(subject
oriented) Sebuah
data
warehouse
diorganisasikan
berdasarkan
kegunaan di sekitar subjek bukan aplikasi, misalkan customer, supplier, product dan sales. Suatu data warehouse data
dipusatkan
untuk
keputusan,
pada
pemakai bukan
pemodelan
bisnis
untuk
dan
sebagai
operasi
analisis pembuatan
harian
atau
pemrosesan transaksi. Oleh sebab itu, data warehouse
24
secara
khusus
sederhana
menyediakan
di
memisahkan
sekitar
data-data
view
subjek yang
yang
ringkas
pembicaraan
tidak
berkaitan
dan
dengan dengan
proses penunjang keputusan. 5. Volume data sangat besar Data
yang
terdapat
pada
sebuah
data
warehouse
memiliki volume yang besar karena biasanya merupakan data
sebuah
sistem
yang
perusahaan, dapat
sehingga
merangkum
diperlukan
semuanya
agar
suatu dapat
dipantau oleh pihak manajemen. 6. Update secara append only dan periodenya terjadwal sesuai dengan siklus bisnis Untuk memperoleh data yang akurat, update dilakukan terjadwal sesuai dengan siklus yang ditetapkan agar bisnis tetap dapat berjalan dengan baik. 7. Harus dipisahkan dari data operasional Alasan
mengapa
operasional berbeda
harus
karena
dengan
dipisahkan
struktur
OLTP.
Selain
dan itu
dari
data
definisi
data
pemrosesan
query
OLAP yang intensif dapat membebani OLTP. 2.4.3
Arsitektur Data Warehouse
Terdapat tiga arsitektur data warehouse, yaitu : 1.
Virtual (query driven) Pada arsitektur ini, akses yang dijalankan langsung ke
basis
data
OLTP.
Terdapat
kelebihan
yang
dimiliki oleh arsitektur ini, yaitu : murah (tidak ada duplikasi data), data selalu paling mutakhir dan
lengkap
untuk
dari
berbagai
kebutuhan
terduga/terencana.
sumber
informasi Namun
25
juga
ada
sehingga yang
cocok tak
kelemahannya,
yaitu : tidak memiliki data historis, tidak efisien dan lambat karena proses ETL dilakukan untuk setiap query,
serta
dapat
mengganggu
kinerja
OLTP
yang
menyangkut produktivitas perusahaan.
analytical tools Virtual DW
information access (filtering, staging, merging) queries
result sets data access
data access
data access OLTP Systems
DBMS
DBMS
DBMS
Gambar 2.4. Arsitektur Data Warehouse – Virtual
2.
Terpusat (centralized) Pada arsitektur ini, akses yang dijalankan langsung ke
data
warehouse
pemrosesan kinerja
query
OLTP
warehouse.
pusat. yang
dan
Kelemahan
Kelebihannya
tinggi,
memenuhi
tidak
:
kinerja
mengganggu
persyaratan
arsitektur
ini
data
adalah
:
informasi yang dihasilkan belum tentu mutakhir, dan dapat terjadi duplikasi data dengan OLTP.
26
information access data access data warehouse ETL (staging) data access
data access
data access OLTP systems
DBMS
DBMS
DBMS
Gambar 2.5. Arsitektur Data Warehouse – Terpusat
3.
Tersebar (federated) Pada arsitektur ini akses basis data tersebar ke data
marts.
Kelebihannya
warehouse
terpusat
dimiliki
lebih
pemrosesan
data warehouse data
marts
ditambah
tinggi
paralel.
:
sama dengan
karena
Kelemahannya
dengan
data
kinerja
yang
dimungkinkannya :
sama
dengan
terpusat ditambah dengan struktur
pendukung
belum
kebutuhan di tingkat pusat.
27
tentu
sesuai
dengan
data access
information access
Data Mart
Data Mart
Data Mart
marketing
finance
customer care
Gambar 2.6. Arsitektur Data Warehouse – Tersebar
2.4.4
Fase-Fase Pengembangan Data Warehouse Sebuah proyek pengembangan data warehouse memiliki
beberapa
tahapan,
dimana
beberapa
aktivitas
yang
setiap
tahapan
mungkin
melibatkan
dilaksanakan
secara
paralel. Tahapan-tehapan tersebut adalah : 1. Studi Kelayakan (Justifikasi) Dalam
tahapan
permasalahan
studi atau
kelayakan
peluang
dilakukan
bisnis
yang
analisa dimiliki
perusahaan. Aktivitas yang dilakukan dalam tahapan ini adalah evaluasi kelayakan bisnis yang meliputi analisa
terhadap
peluang
perkiraan
ROI
(Return
perkiraan
penghematan
On
bisnis, Invesment),
biaya
jika
data
perhitungan perhitungan warehouse
dibangun, dan analisa resiko. 2. Perencanaan Dalam
tahapan
rencana akan
perencanaan
strategis
dibangun.
dan
dilakukan
taktis
Aktivitas
data
yang
penyusunan
warehouse dilakukan
yang dalam
tahapan ini adalah : a. Perencanaan Infrastruktur Meliputi
perencanaan
teknis
(seperti
hardware,
sistem operasi, DBMS, jaringan, sistem aplikasi
28
yang
akan
standar
digunakan)
penamaan
dan
data,
non
teknis
(seperti
metodologi,
prosedur
pelaksanaan, prosedur testing dan sebagainya) b. Perencanaan Aktivitas Proyek Meliputi penjadwalan, costing dan sebagainya. 3. Analisa Bisnis Dalam tahapan analisa bisnis dilakukan identifikasi kebutuhan solusi bisnis dan analisa rinci. Aktivitas yang dilakukan dalam tahapan ini adalah : a. Pendefinisian solusi dan skop proyek Dapat dilakukan dengan wawancara atau pertemuan kelompok
(joint
application
development/JAD
session). b. Analisa data Dilakukan analisa terhadap data-data yang dimiliki perusahaan informasi
yang untuk
selama
ini
mendukung
diolah keputusan
menjadi bisnis
perusahaan. c. Pembuatan prototipe aplikasi Pembuatan prototipe aplikasi perlu dilakukan untuk pembuktian konsep (proof of concept), mengevaluasi dini potensi dan keterbatasan teknologinya serta untuk
menyempurnakan
requirement
dan
ekspektasi
dari pengguna. d. Analisa repositori metadata 4. Design Dalam
tahapan
design
dilakukan
pembuatan
rancang
bangun. Aktivitas yang dilakukan dalam tahapan ini adalah : a. Design model dan skema data Ada dua macam skema multidimensional data yaitu :
29
1. Skema Star Pada skema ini, tabel fakta tunggal berisi data rinci dan agregat. Satu kolom kunci untuk tiap dimensi
sebagai
kunci
primer
(primary
key)
tabel fakta. Nilai-nilai pada kolom kunci telah terdefinisi.
Setiap
dimensi
akan
direpresentasikan dalam satu tabel yang umumnya sangat terdenormalisasi. Keuntungan Star Schema: a. mudah dipahami b. mudah
untuk
merepresentasikan
hirarki
dimensi c. metadata tidak rumit d. low maintenance jumlah operasi join minimal 2. Skema Snowflake Pada skema ini, atribut level tidak diperlukan lagi. Setiap tabel dimensi memiliki satu kolom kunci untuk setiap level dalam hirarki dimensi. Tabel dimensi pada level terendah menggabungkan atribut-atribut tabel dimensi lainnya dan masih berupa tabel fakta yang terdenormalisasi. Kelebihan Schema
Snowflake
adalah
Schema
pemrosesan
dibandingkan
query
tinggi
Star untuk
query-query yang melibatkan agregasi (hitungan total). Sedangkan Kekurangan Snowflake Schema adalah jumlah tabel dalam database membengkak dan rumit dalam pemeliharaan dan metadatanya. b. Desain ETL (Extract, Transform, Loading) ETL (Extract, Transform, Load) adalah teknologi pengintegrasian mengambil
data
data. dari
ETL
sumber
30
digunakan (source),
untuk mengubah
(transform) data tersebut berdasarkan format dan kalkulasi untuk dimasukkan kedalam database tujuan (destination).
Dalam
source
adalah
disini
data
warehouse
database
berarti,
transaksi
yang
berisi data aplikasi yang akan dimasukkan ke dalam data
warehouse.
kemampuan database
Pada
umumnya
membaca/menyalin beragam
data
teknologi.
ETL dari
Koneksi
mempunyai dan
untuk
yang
umum
adalah ODBC dan OLE DB. Sehingga database apapun yang
digunakan
aplikasi
bisnis,
dapat
diterima
oleh data warehouse. c. Design repositori metadata Hasil yang diperoleh dari tahapan ini adalah model data logis (multidimensional) dan fisik (skema) serta spesifikasi sumber data dan pemetaannya 5. Konstruksi Dalam
tahapan
konstruksi
dilakukan
pembuatan
(pemrograman) sesuai dengan design yang telah dibuat sebelumnya. Aktivitas yang dilakukan dalam tahapan ini adalah : a. Pengembangan ETL berdasarkan skema sumber data, aturan/ketentuan
bisnis,
dan
skema
data
multidimensional b. Pengembangan aplikasi untuk akses data dan analisa c. Pengembangan repositori metadata Hasilnya
yang
diperoleh
dalam
tahapan
ini
adalah
program (script) ETL, modul ETL atau software ETL. 6. Deployment Dalam tahapan ini aktivitas yang dilakukan adalah implementasi. 7. Uji Kelayakan
31
Aktivitas menguji
yang
dilakukan
kelayakan
dalam
data
tahap
warehouse
ini
adalah
yang
telah
dibangun. 2.4.5
Data Mart Data mart merupakan bentuk kecil atau subset dari
data
warehouse
yang
menyediakan
informasi-informasi
spesifik untuk kebutuhan-kebutuhan departemental bagi user. Jadi data mart dapat berupa data warehouse yang subject-oriented atu
untuk
keperluan-keperluan
departemental,
atau
dapat
fungsional
juga
berupa
enterprisewide data warehouse dalam bentuk kecil yang mengkombinasikan
data
dari
beberapa
area
subjek
dan
bertindak sebagai sebuah titik sumber dari enterprise data warehouse. 2.4.5.1
Perbedaan antara Data Warehouse dan Data Mart
Perbedaan-perbedaan
antara
data
mart
dan
data
warehouse dapat dilihat pada tabel di bawah ini:
Tabel 2.2 Perbedaan antara data warehouse dan data mart (Psomas & Mitravinda, 2002)
PROPERTI
DATA WAREHOUSE
Lingkup
Perusahaan (Enterprise)
Subjek
Lebih dari satu
DATA MART Departemen Subjek
tunggal,
Line of Business Sumber Data
Banyak
Sedikit
Waktu
Berbulan-bulan
Implementasi
Bertahun-tahun
sampai Berbulan-bulan
•
Lingkup
32
Sebuah data warehouse berhubungan dengan lebih dari satu area subjek dan biasanya diimplementasikan dan diatur oleh sebuah unit organisasional pusat seperti departemen IT perusahaan. Seringkali disebut dengan data warehouse pusat/perusahaan. Sedangkan data mart biasanya hanya dibuat untuk departemen atau bagian dari
perusahaan
yang
tertentu
saja
dan
tidak
mewakili seluruh informasi perusahaan seperti data warehouse. •
Subjek Sebuah data mart merupakan bentuk departemental dari data
warehouse
yang
dirancang
untuk
sebuah
garis
bisnis tunggal (single line of business/LOB). •
Sumber data / data source Sebuah data warehouse umumnya mengambil data dari banyak data
sistem
mart
sumber
mengambil
(source data
dari
systems),
sedangkan
sumber-sumber
yang
jumlahnya lebih sedikit. •
Waktu implementasi Data
mart
biasanya
lebih
sederhana
daripada
data
warehouse dan karena itu lebih mudah untuk dibuat dan dipelihara. Sebuah data mart juga dapat dibuat sebagai
langkah
“pembuktian
konsep”
terhadap
pembangunan sebuah enterprisewide data warehouse. 2.4.5.2
Tipe Data Mart
Berdasarkan pada sumber data (data sources), data mart
dapat
dikategorikan
ke
dalam
dua
tipe,
yaitu
Dependent Data Mart dan Independent Data Mart. Berikut ini akan dijelaskan secara lebih rinci tentang kedua tipe ini.
33
1. Dependent Data Mart Dependent
data
mart
mempunyai
karakteristik-
karakteristik sebagai berikut: ¾ Sumber datanya adalah data warehouse. Dependent data mart mengandalkan data warehouse untuk isinya. ¾ Proses
ETL
(Extraction,
Transformation,
load)–nya
mudah. Dependent data mart mengambil data dari data warehouse pusat yang telah terlebih dahulu dibangun. Karena itu upaya utama dari membangun sebuah data mart,
yaitu
dilewatkan. data
untuk
membersihkan Data
mart
dan
tipe
dipindahkan
mengekstraksi,
ini
dari
hanya satu
dapat
membutuhkan database
ke
database lainnya. ¾ Data
mart
perusahaan.
ini
adalah
Dependent
bagian
data
mart
dari
perencanaan
biasanya
dibangun
untuk mencapai ketersediaan data dan performa yang lebih
baik,
kontrol
yang
lebih
baik,
dan
biaya
telekomunikasi yang lebih rendah sebagai hasil dari akses lokal ke data yang relevan terhadap departemen tertentu.
Gambar 2.7. Dependent data mart (Psomas, 2001)
34
2.
Independent Data Mart Independent
data
mart
merupakan
sebuah
sistem
stand-alone yang dibangun per-bagian, yang mengambil data langsung dari sumber-sumber data operasional atau eksternal.
Independent
data
mart
mempunyai
sistem-sistem
operasional
karakteristik sebagai berikut: ¾ Sumber-sumbernya
adalah
dan eksternal. ¾ Proses ETL-nya sulit. Karena independent data mart mengambil data dari sumber-sumber data yang belum bersih
atau
dilakukan
belum
konsisten,
dititikberatkan
sehingga
kepada
error
usaha
yang
processing
dan integritas data. ¾ Data
mart
dibangun
untuk
memenuhi
kebutuhan-
kebutuhan analitik. Penciptaan independent data mart seringkali diakibatkan karena kebutuhan solusi yang cepat untuk permintaan-permintaan analisis.
Gambar 2.8. Independent data mart (Psomas, 2001)
35
Analisis data telah menjadi kebutuhan vital untuk meningkatkan
daya
saing
Pengambilan
keputusan
sebuah
organisasi
bergaya
bisnis.
entrepreneur
yang
cenderung mengandalkan intuisi menjadi kurang relevan di tengah lingkungan persaingan yang semakin kompleks. Perusahaan memerlukan alat bantu yang mampu mengolah data-data yang dimilikinya menjadi informasi bernilai lebih dan tidak hanya terpaku pada angka-angka mati. Alat bantu tersebut harus mampu menerjemahkan berbagai hal implisit dan gejala penting dari sekumpulan data. Salah
satu
jawabannya
adalah
Business
Intelligence
(BI).
2.5
BUSINESS INTELLIGENCE Business
intelligence
merupakan
evolusi
dari
decision support systems. Business intelligence yang proaktif terfokus pada akselerasi pengambilan-keputusan dengan
mempengaruhi
untuk
infrastruktur
mengidentifikasi,
BI
yang
telah
memperhitungkan,
ada dan
mendistribusikan tepat waktu, informasi yang missioncritical. Secara
umum
Business
Intelligence
(BI)
adalah
sebuah solusi untuk: 1. Mengubah sebuah
data
yang
informasi
terdapat
untuk
di
memberikan
database suatu
menjadi
pandangan
terhadap bisnis secara umum (summary) ataupun secara detil (transaksi). 2. Memberikan melihat,
keleluasaan menganalisa,
terhadap dan
36
pengguna
bersimulasi
untuk
terhadap
informasi
dan
data
yang
berasal
dari
transaksi
aplikasi-aplikasi bisnis (ERP, CRM, dll). 3. Mendukung
pengguna
pandangan
untuk
(insights)
menemukan
terhadap
informasi
pandanganatau
data
yang dimiliki untuk melihat dan menganalisa kondisi, kinerja dan perencanaan. 2.5.1
Siklus Pembelajaran Business Intelligence (BI Learning Cycle) Ada lima langkah virtual pada siklus pembelajaran
business
intelligence.
proses
pembangunan
intelligence
itu
Yang
merupakan
sebuah
sendiri,
intisari
lingkungan
yaitu:
dari
business
meng-capture
data,
menganalisanya, merencanakan, bertindak, dan meninjau kembali
(capture
data,
analyze
it,
plan,
act,
and
review). Lihat gambar 2.9. Ketika
sebuah
organisasi
mengulang
siklus
pembelajaran ini, mereka memperoleh suatu pengertian empiris
yang
beroperasi
kuat
dan
tentang
bagaimana
bagaimana
bisnis
mereka
keputusan-keputusan
dan
tindakan-tindakan yang mereka ambil mempengaruhi pangsa pasar dan juga sebaliknya.
-
Gambar 2.9.
BI Learning Cycle
37
Siklus pembelajaran ini mewujudkan intisari dari business
intelligence,
yang
didefinisikan
oleh
TDWI
(The Data Warehousing Institute) sebagai: proses-proses,
alat-alat,
dan
teknologi
yang
diperlukan untuk mengubah data menjadi informasi dan informasi menjadi pengetahuan, serta rencanarencana yang mengendalikan aktifitas bisnis (the processes,
tools,
and
technologies
required
to
turn data into information and information into knowledge and plans that drive effective business activity). Dalam banyak hal, solusi-solusi BI yang terbaik dirancang untuk mengikuti proses-proses yang digunakan oleh
manusia
setiap
hari
untuk
belajar
dan
membuat
keputusan-keputusan bijaksana. Selama hidup kita, kita mengalami berjuta kejadian yang kita rangkum, analisa, dan
ubah
menjadi
aturan-aturan,
dengan
sengaja
atau
tidak. Setiap saat kita memberlakukan sebuah “aturan”, kita mendapatkan umpan balik (feedback) dari berlakunya aturan
tersebut,
memperbaiki
yang
memungkinkan
aturan-aturan
tersebut
kita
dan
untuk
beradaptasi
terhadap perubahan-perubahan dalam lingkungan kita. 2.5.2
Aplikasi Business Intelligence
Aplikasi
BI
adalah
penamaan
umum
dari
aplikasi-
aplikasi yang bertujuan untuk akses data OLAP. Seperti disebutkan mempunyai menjadi
di
atas
akses sebuah
bahwa
terhadap skema
dengan data
OLAP.
OLAP,
yang
Lalu
pengguna
telah
disusun
bagaimana
mungkin
seseorang dapat menemukan informasi didalam data yang berjumlah
besar
lewat
38
Cube/OLAP?
Disinilah
diperlukannya
suatu
aplikasi
agar
pengguna
dapat
bermain dengan tampilan informasi yang disediakan oleh OLAP Cube. Aplikasi ini biasanya menyediakan kemudahan navigasi data dengan beberapa metode : 1. Drill-down and Roll-up. Metode navigasi ini memungkinkan untuk melihat data antara tingkat hirarki dari dimensi. Contoh: Dengan tampilan melihat
awal data
data
berdasarkan
detil
dengan
tahun,
drill-down
kita ke
dapat
kuartal,
bulan, tanggal dan seterusnya. Atau sebaliknya, dari level tanggal, kita dapat melakukan navigasi untuk melihat ringkasan dengan roll-up ke level bulan dan tahun. 2. Slice and Dice. Bila
suatu
laporan
ditampilkan
dengan
kolom
dan
baris berdasarkan parameter, dengan Slice dan Dice di BI, pengguna dapat bernavigasi dengan drop-anddrag dimensi ke area kolom/baris yang diinginkan, sehingga
data
nilai
langsung
berubah
mengikuti
suatu
OLAP/Cube,
kolom/baris yang kita susun. 3. Drill-through. Dari
data
yang
ditampilkan
pada
drill-through akan menampilkan data transaksi. 4. Dashboard. Selain analisa, BI dapat memberikan tampilan menjadi sebuah indikator terhadap kinerja atau kondisi dari suatu
aktifitas.
bagaikan
dashboard
Dashboard sebuah
memberikan
mobil
yang
tampilan
terdiri
dari
indikator-indikator, tabular, grafis, dan lain-lain.
39
2.5.3
Proses dalam Business Intelligence
Gambar 2.10. Proses dalam Business Intelligence (Joko, 2003)
Proses ETL data berkala dari sistem operasional : 1. Extract, sesuai bidang bisnis perusahaan 2. Transform data : Aggregate 3. Load ke sistem Business Intelligence Secara
sederhana,
Intelligence sumber,
adalah
seperti
cara
kerja
mengumpulkan
terminal
point
sistem data of
Business
dari
beragam
sales,
sistem
aplikasi keuangan, sistem CRM, call center, aplikasi data
warehousing
kemudian faktor,
dan
dianalisis, hingga
website dicari
dihasilkan
perusahaan. hubungan
informasi
Data
ini
masing-masing yang
dianggap
berguna untuk memperbaiki proses bisnis (Joko, 2005). 2.5.4
Manfaat Penggunaan BI dalam Bisnis
Business Intelligence mempunyai tiga tujuan utama, yang akan dapat membantu performance bisnis perusahaan, yaitu :
40
1. Memberikan informasi yang cepat dan akurat sehingga membantu
proses
pengambilan
keputusan
yang
lebih
baik 2. Membuat data perusahaan menjadi informasi yang dapat ditindaklanjuti. 3. Menjadikan
proses
pengambilan
keputusan
lebih
transparan (Akbar,2005). Dalam
praktiknya
di
dunia
bisnis,
sistem
BI
sering
dipakai untuk memahami apa yang ada dan terjadi di balik penjualan dan perilaku pelanggan. Dengan sistem ini, perusahaan dapat melakukan hal-hal berikut ini : o Mencapai
tujuan
peningkatan
revenue
ataupun
penghematan biaya Hal
ini
penting
dapat dan
manajemen
dilakukan
relevan
bisa
yang
mengambil
sebab,
berkat
dihasilkan keputusan
informasi
sistem
bisnis
ini,
secara
lebih cepat sekaligus efektif. o Sistem BI dapat digunakan untuk memonitor kinerja tes pasar atas sebuah produk yang dikeluarkan oleh perusahaan. o Sistem
BI
penjualan
digunakan sebuah
untuk
produk
mengevaluasi
sepadan
nilainya
apakah dengan
biaya produksinya. Hasil
yang
diperoleh,
dapat
digunakan
oleh
pihak
manajemen perusahaan untuk memutuskan tindakan apa yang
harus
dilakukan
terhadap
produk
yang
akan
diluncurkan tersebut (Joko,2005). 2.5.5
Kendala dalam BI
Secara umum pelaku bisnis memanfaatkan BI karena mampu mengatasi tiga
kendala terbesar yang dihadapi, yaitu :
41
⇒ Segunung data yang tidak relevan ⇒ Kualitas data yang rendah ⇒ Resistensi pengguna. Berikut akan dijelaskan hal-hal yang berkaitan dengan ketiga kendala tersebut diatas : 1. Data Sistem BI yang hanya mampu melaporkan perubahan tapi tidak memberikan konteks, misalnya faktor apa saja yang mempengaruhi perubahan tersebut, adalah sistem BI yang jelek dan tidak berguna. Jika perusahaan ingin memperoleh nilai tambah dari BI, sistem itu harus memberikan informasi yang mendalam (insights), bukan sekedar tumpukan data. Jadi sebelum membangun sitem BI, harus benar-benar diketahui
informasi
perusahaan.
Data
apa
yang
memang
paling
merupakan
dibutuhkan
komponen
dasar
dalam BI. Tanpa mengelola masukan data dengan baik perusahaan akan dibanjiri data yang tidak relevan. Oleh karena itu, perlu dibuat metode untuk mencegah perusahaan
memperoleh
mengorganisasikan
data
data
berlebihan
sesuai
dengan
dan
kebutuhan
bisnis. 2. Resistensi Pengguna Selain data, resistensi pengguna merupakan hal lain yang harus diperhatikan. Meyakinkan pengguna untuk mempercayai keputusan bisnis yang dibuat oleh sistem BI
bukanlah
pelaku
bisnis
insting
dan
hal
yang
yang
mudah,
sudah
pengalaman
biasa mereka
keputusan bisnis (Joko, 2005).
42
terutama untuk dalam
bagi
para
mempercayai mengambil
Beberapa hal yang harus diperhatikan agar BI berjalan dengan benar adalah : a. Analisis bagaimana para eksekutif membuat keputusan b. Ketahui informasi relevan apa yang dibutuhkan para eksekutif agar bisa membuat keputusan dengan cepat sekaligus akurat. c. Perhatikan masalah kualitas data perlu. d. Temukan indikator/ukuran kinerja yang paling relevan dengan bisnis. e. Sediakan
informasi
kontekstual
soal
faktor-faktor
yang mempengaruhi ukuran kinerja. Sikap dan penerimaan pengguna, dan tangani apa yang menjadi perhatian mereka
2.6
MICROSOFT SQL SERVER 2005 Microsoft SQL Server 2005 adalah generasi terbaru
dari produk data management dan analysis solution yang akan meningkatkan keamanan, skalabilitas, ketersediaan data
dan
aplikasi
dikembangkan
dan
analitik
yang
di-manage.
mudah
Sejak
dibuat, Microsoft
mengeluarkan SQL Server versi 7, sebenarnya kemampuan Business
Intelligence
telah
mulai
dibungkus
dalam
produk ini. Namun kemampuan Business Intelligence yang benar-benar lengkap baru didapat dalam SQL Server 2005. Fitur Business Intelligence ini telah tersedia dalam produknya tanpa harus membeli peralatan tambahan.
43
2.6.1
SQL
Server
2005
dan
Business
Intelligence
dalam perusahaan Ada
lima
alasan
utama
mengapa
perusahaan
perlu
berinvestasi di Business Intelligence, yaitu: 1. Menjawab
kebutuhan
bisnis
akan
data
yang
tepat
waktu. 2. Meningkatkan proses pengambilan keputusan. 3. Menjawab peraturan pemerintah. 4. Menjawab kompleksitas kebutuhan laporan manajemen. 5. Me-manage bisnis partner eksternal.
Selanjutnya
ada
empat
halangan
utama
implementasi
Business Intelligence dalam sebuah perusahaan, yaitu: 1. Perusahaan
menemui
kesulitan
dengan
tools
untuk
analisa. 2. Biaya kepemilikan tools yang tinggi. 3. Perusahaan menemui kesulitan dalam integrasi dengan aplikasi yang telah ada sebelumnya. 4. Internal
politik,
terutama
ketakutan
orang
akan
transparasi. Masalah berkembang.
biaya Fitur
adalah
masalah
Business
pokok
Intelligence
untuk
negara
Development
Studio yang ada di SQL Server 2005 memberikan solusi pengembangan
BI
yang
mudah
dipelajari
dan
diimplementasikan dengan biaya rendah. Berbeda dengan Database Management System (DBMS) yang lain, Microsoft memiliki kebijakan multi-core sehingga menghemat biaya operasional server dengan tidak menghitung jumlah core. Hal inilah yang kemudian menjadi menjadi pertimbangan bagi banyak perusahaan besar untuk menggunakan produk Microsoft
yaitu
untuk
menekan
44
besarnya
biaya
operasional
baik
biaya
langsung
maupun
biaya
tidak
langsung. 2.6.2
Proses Business Intelligence dalam SQL Sever 2005 Proses
Business
Intelligence
dalam
SQL
Server
2005 terbagi dalam tiga tahap, yaitu: 1. Integrasi Data Integrasi Business
data
merupakan
Intelligence.
Tahap
kunci ini
keberhasilan
merupakan
proses
mengintegrasikan berbagai data dari berbagai sumber dan memasukkannya ke dalam data warehouse. Data dari sistem operasional divalidasi, diekstrak, diringkas, atau diberikan formula tertentu sesuai dengan hasil analisis
bisnis.
Proses
ini
juga
dikenal
dengan
extract, transform, loading (ETL) yang menggunakan SQL Server Integration Service (SSIS). Sumber data tidak terbatas pada SQL Server saja, tetapi juga Oracle, DB2, flat file, XML dan semua sumber data yang kompatibel dengan ODBC maupun OLEDB. Proses
ini
menghasilkan
dilakukan
setelah
jenis-jenis
analisis
data
yang
sistem harus
diintegrasikan, serta dari mana data tersebut dapat diperoleh. Dalam SSIS tersedia perangkat lunak untuk membuat sumber data yang mampu mengambil data dari berbagai
sumber,
dan
tidak
terbatas
data
tidak
pada
format
Microsoft. Proses
integrasi
hanya
sekedar
melakukan import dari sumber data, tetapi termasuk juga
proses
menggunakan
validasi, berbagai
agregasi, formula
45
dan
yang
perhitungan dikehendaki.
Dengan proses ini maka data yang dimasukkan ke data warehouse benar-benar siap untuk dianalasis. Artinya dalam proses penyajian laporan tidak diperlukan lagi penggunaan formula yang rumit. Hal ini tentu saja sangat
meningkatkan
kecepatan
penyajian
data,
disamping menyederhanakan proses pembuatan laporan. Proses
pembuatan
package
SSIS
ini
mengunakan
SSIS designer yang dilengkapi dengan toolbox SSIS, sehingga
mempermudah
pembuatan
package
secara
visual. Developer juga memasukkan formula code ke dalam tiap tahap pengambilan data tersebut. Selain itu tersedia juga control flow yang digunakan untuk mengatur
proses
looping
berdasarkan
kondisi
yang
telah ditentukan. Developer juga dapat menciptakan event
handler
selama
yang
package
memasukkan
menangkap
tersebut
pesan
atau
berbagai
kejadian
diekseskusi.
tindakan
Misalnya
tertentu
ketika
terjadi error dan selesainya eksekusi. 2. Analisis Dalam dianalisis
tahap
ini
data
menggunakan
di
dalam
Analysis
data
warehouse
Service.
Analysis
Service merupakan alat bantu yang berisi berbagai metode
data
Processing). metode dalam mudah
mining SQL
statistik proses untuk
representasi
dan
Server untuk
data
(Online
2005
membaca
mining.
membuat dari
OLAP
OLAP
cube,
berbagai
Analytical
menyediakan
tujuh
kecenderungan
data
menyediakan
cara
yang
ukuran
merupakan
(measure)
dan
dimensi (dimension) data yang akan dianalisis. Perangkat Analysis Service di SQL 2005 merupakan salah satu implementasi dari konsep OLAP. Developer
46
sering
dihadapkan
pada
kebutuhan
kondisi
dimana
bentuk dan isi reporting yang diinginkan user sering berubah-ubah.
Selain
report
sehingga
baru,
itu
sering
muncul
dilakukan
kebutuhan
pembuatan
berulang-ulang. Analysis Service
query
merupakan solusi
dari masalah itu. Developer dapat membuat berbagai macam cube yang merupakan representasi dari berbagai variabel report yang diinginkan user. Dengan demikian dalam proses reporting mejadi lebih mudah dan user dapat membuat report-nya sendiri sesuai dengan kebutuhannya. Dalam proses data mining, SQL Server menyediakan tujuh metode statistik yang dapat digunakan untuk menganalisa data. Setiap metode memiliki kekurangan dan kelebihannya masing-masing. 3. Menyajikan data dengan Reporting Services Reporting Services merupakan media utama dalam tahap
penyajian
tersedia
dalam
laporan. SQL
Perangkat
Server
2005
dan
ini
telah
terintegrasi
dengan Business Intelligence Development Studio. Di sisi
server
terdapat
Report
Server
yang
melayani
pengolahan dan sisi server terdapat Report Server yang
melayani
pengolahan
dan
penampilan
laporan
untuk end user. Reporting Service berjalan di web browser sehingga sangat mudah untuk didistribusikan di internet. Dengan demikian tidak terdapat komponen yang harus di-install di sisi klien. Developer
dapat
menyediakan
berbagai
format
laporan dan meletakkannya di Report Server sehingga dapat dibaca oleh end user. Selain itu pengguna juga dapat
membuat
laporan
sendiri
47
menggunakan
Report
Builder. Tentu saja berbagai query dan tabel yang rumit
harus
developer,
disiapkan
sehingga
terlebih
pengguna
dahulu
dapat
oleh
menggunakannya
dengan lebih intuitif. Alternatif
lain
dalam
penyajian
data
mengintegrasikannya dalam portal. Infrastruktur yang tersedia
adalah
Sharepoint
terintegrasi
dengan
Sever
Semua
2005.
Analysis
Service,
ditampilkan Intelligence browser,
dan
Windows sajian dan
Server
data
Excel
Semua
sangat
yang 2003
Reporting dapat
diintegrasikan
Portal.
sehingga
Portal
tersaji
memudahkan
SQL
Service, mudah
Business dalam
web
pengembangan
(deployment) dan pemeliharaan (maintenance).
48
dan
dengan
dalam
sudah
