34
BAB III METODE PENELITIAN
Metode Penelitian yang digunakan untuk pembuatan Data Warehouse ini meliputi : 3.1
Analisa Kebutuhan Sistem Manajemen PT Temprina membutuhkan laporan analisa inventori yang
berisi tentang saldo awal total quantity, dan jumlah amount stok penerimaan barang, pengeluaran barang dan saldo akhir stok inventori per bulan. Laporan inventori tersebut juga dapat dilihat per masing-masing barang dan per masingmasing cabang. Manajemen menginginkan laporan analisa permintaan barang untuk masing-masing departemen cost center sehingga bisa di analisa departemen cost center mana yang sering melakukan permintaan barang pembelian pada waktu tertentu dan barang tertentu. Manajemen juga membutuhkan analisa jumlah pembelian barang per cabang. Laporan analisa pembelian barang per grup supplier tertinggi pada periode waktu tertentu. Barang yang setelah di beli dapat di analisa pada laporan analisa penerimaan barang order pembelian. Laporan tersebut berupa laporan jumlah order pembelian yang sudah terkirim maupun yang belum di terima oleh perusahaan. Manajemen menginginkan laporan analisa penjualan yang berisi tentang jumlah penjualan percabang, per customer, per barang, per tipe pembayaran, per mata uang, dan per periode waktu tertentu.
34
35
Manajemen menginginkan laporan analisa jumlah tagihan / invoice penjualan percabang, per customer, per barang, per tipe pembayaran, per mata uang, dan per periode waktu tertentu. Laporan - laporan analisa tersebut nantinya akan digunakan oleh manajemen untuk membantu dalam pengambilan keputusan. 3.2
Prosedur Pengembangan Prosedur pengembangan dititik beratkan pada langkah-langkah pembuatan
desain Data Warehouse itu sendiri dan bukan pada informasi yang dihasilkan pada sistem operasional Data Warehouse. Ada beberapa tahapan yang dilakukan dalam mendesain Data Warehouse, seperti pada gambar 3.1 berikut ini. 1. Menganalisa Sumber Data
2. Menentukan Subjek Data Warehouse 3. Desain Proses ETL 4. Desain Metadata untuk Business Intelligence
Gambar 3.1 Prosedur Pengembangan 3.2.1
Analisa Sumber Data Pembuatan Data Warehouse dimulai dari menganalisa sumber data yaitu
menentukan sumber data mana yang akan digunakan sebagai input dari Data Warehouse. Sumber data transaksional yang akan digunakan yaitu sumber data transaksional inventori stok, transaksi permintaan barang, transaksi pembelian barang, transaksi penerimaan barang, transksi penjualan, dan transaksi invoice. Relasi sederhana pada tabel-tabel transaksional dapat dilihat pada gambar 3.2.
36
Group Material
Group Master Inv
Detail Material
Beginning Stock Month Detail Master Inv
Supp Cust Group
Stock Out
Supp Cust
Detail Stcok Out
Cabang Mis Unit Mis Unit PT Mis
Group Order
Detail Order
Group DN Group PO
Detail PO
Group PO CO
Group Invoice
Detail PO CO
Detail Invoice Dist
Invoice
Detail Invoice
Gambar 3.2 Skema Sederhana Tabel-tabel OLTP Gambar 3.2 diatas terlihat bahwa transaksi inventori stok tersimpan di dalam tabel Group Master Inv, Beginning Stock Month, Detail Master Inv, Stok Out, dan Detail Stok Out. Order permintaan pembelian tersimpan di tabel Group Order dan Detail Order. Transaksi order pembelian tersimpan di tabel Group PO dan Detail PO. Transaksi Penerimaan Barang tersimpan di tabel Group DN, Invoice, dan Detail Invoice. Untuk transaksi penjualan sales tersimpan di tabel Group PO CO dan Detail PO CO. Sedangkan transaksi faktur penjualan tersimpan di tabel Group Invoice dan Detail Invoice Dist. Struktur tabel yang tersedia di database transaksional PT Temprina Media Grafika dapat dilihat pada gambar 3.3. Adapun struktur tabel yang sudah dibuatkan relasi dapat dilihat pada gambar 3.4.
37
38
39
3.2.2
Subjek Data Warehouse Beberapa poin penting yang meliputi subjek Data Warehouse yaitu
kebutuhan Data Multidimensi, Tabel Fakta, dan Tabel Dimensi. Beberapa hal pokok yang termasuk kategori kebutuhan data multidimensi ini antara lain; kandidat measure yaitu jumlah stok barang awal bulan, jumlah penerimaan stok, jumlah pengeluaran stok, jumlah permintaan pembelian, jumlah pembelian barang, jumlah penerimaan barang, jumlah penjualan, jumlah invoice atau tagihan. Sedangkan kandidat dimensi yaitu dimensi waktu, dimensi material, dimensi holding, dimensi supplier dan customer, dimensi cost center, dimensi mata uang, dan dimensi tipe pembayaran. Adapun kebutuhan data multidimensi dapat dilihat pada tabel berikut. Tabel 3.1 Kebutuhan Data Multidimensi Nama Analisa multidimensi Data Multidimensi Analisa Inventori Beginning Measure : Stock (Saldo awal stok) qty_inv_begin, amount_inv_begin Dimensi : 1. Waktu (hirarki) tahun, bulan, hari 2. Material (hirarki) tipe material, Group material, Detail Material 3.Holding (hirarki) holding, branch, company. Analisa Inventori (Penerimaan barang)
Receive Measure : qty_inv_receive, amount_inv_receive Dimensi : 1. Waktu (hirarki) tahun, bulan, hari 2. Material (hirarki) tipe material, Group material, Detail Material 3.Holding (hirarki) holding, branch, company.
40
Nama Analisa multidimensi Analisa Inventori Issued (Pengeluaran stok)
Data Multidimensi
Measure : no_issued, qty_inv_issued, amount_inv_issued Dimensi : 1. Waktu (hirarki) tahun, bulan, hari 2. Material (hirarki) tipe material, Group material, Detail Material 3.Holding (hirarki) holding, branch, company. Analisa Permintaan Barang Measure ro_no, ro_due_date_delivery, Outstanding (RO Outstanding) ro_material_no, ro_qty, ro_supply_canceled, ro_supply, ro_balance, ro_po_no. Dimensi : 1. Waktu (hirarki) tahun, bulan, hari 2. Material (hirarki) tipe material, Group material, Detail Material 3.Holding (hirarki) holding, branch, company. 4. Cost Center Analisa Pembelian Barang (PO Measure : po_no, po_dn_no, po_dn_date, Outstanding) po_invoice_code, po_material_no, po_qty, po_price, po_qty_dn, po_qty_return, po_qty_balance Dimensi : 1. Waktu (hirarki) tahun, bulan, hari 2. Material (hirarki) tipe material, 3. Group material, Detail Material 4. Holding (hirarki) holding, branch, company. 5. Mata Uang 6. Supplier (hirarki) Group Supplier, Detail Supplier. 7. Cost Center 8. Tipe Pembayaran Analisa Penerimaan Barang Measure : dn_no, dn_qty, dn_price, (Delivery Note) dn_amount, dn_net_amount, dn_invoice_code, dn_invoice_date, dn_po_no, dn_material_no Dimensi : 1. Waktu (hirarki) tahun, bulan, hari 2. Material (hirarki) tipe material, Group material, Detail Material 3. Holding (hirarki) holding, branch, company. 4. Mata Uang (hirarki) 5. Supplier (hirarki) Group Supplier, Detail Supplier. 6. Cost Center 7. Tipe pembayaran
41
Nama Analisa multidimensi Data Multidimensi Analisa Penjualan Barang Measure : so_no, so_qty, so_price, (Sales Order) so_amount, so_supply, so_supply_invoice, so_qty_outstanding, so_outstanding_amount, so_status Dimensi : 1. Waktu (hirarki) tahun, bulan, hari 2. Material (hirarki) tipe material, Group material, Detail Material 3. Holding (hirarki) holding, branch, company. 4. Customer (hirarki) Group Customer, Detail Customer 5. Mata uang 6. Tipe Pembayaran Analisa Jumlah tagihan Measure : invoice_no, inv_quantity, (Invoice) inv_price, inv_quantity_so, inv_price_so, inv_amount, inv_net_amount Dimensi : 1. Waktu (hirarki) tahun, bulan, hari 2. Material (hirarki) tipe material, Group material, Detail Material 3. Holding (hirarki) holding, branch, company. 4. Customer (hirarki) Group Customer, Detail Customer 5. Mata Uang 6. Tipe Pembayaran A. Struktur Dimensi Berdasarkan ERD diatas dapat dibuat dimensi dimensi kedalam Data Warehouse, seperti dimensi waktu, dimensi holding, dimensi material, dimensi supplier customer, dimensi cost center, dimensi mata uang, dan dimensi tipe pembayaran.
42
A.1 Dimensi Waktu Dimensi waktu terdapat 3 level yaitu tahun, bulan, dan hari. Dimensi ini dipakai untuk semua kubus karena untuk melihat data berdasarkan histori waktu. Dimensi waktu bisa dilihat pada gambar 3.5.
Gambar 3.5 Dimensi Waktu A.2 Dimensi Material Dimensi material terdiri dari 3 level, yaitu TYPE_MATERIAL, GROUP_MATERIAL, dan DETAIL_MATERIAL. Penentuan level pada dimensi material ini ditinjau dari cara mengelompokkan datanya.
Gambar 3.6 Dimensi Material
43
A.3 Dimensi Supplier Customer Dimensi
Supplier
Customer
terdiri
dari
2
level,
yaitu
GROUP_SUPP_CUST, dan DETAIL_SUPP_CUST. Penentuan level pada dimensi Supplier customer ini ditinjau dari cara mengelompokkan datanya. Dimensi ini merupakan gabungan antara data supplier dan customer, dikarenakan bisa terjadi perusahaan yang bersangkutan bisa menjadi supplier sekaligus juga bisa menjadi customer. Dimensi Supplier Customer dapat dilihat pada gambar 3.7.
Gambar 3.7 Dimensi Supplier Customer
44
A.4 Dimensi Cabang Dimensi Cabang terdiri dari 3 level yaitu HOLDING, BRANCH, dan COMPANY. Dimensi Cabang bisa dilihat pada gambar 3.8.
Gambar 3.8 Dimensi Cabang A.5 Dimensi Cost Center Dimensi Cost Center terdiri dari 2 level yaitu DEPARTMENT dan COST CENTER.Dimensi Cost Center bisa dilihat pada gambar 3.9 dibawah ini.
Gambar 3.9 Dimensi Cost Center
45
A.6 Dimensi Mata Uang Dimensi Mata Uang terdiri dari 2 level yaitu GROUP_CURRENCY dan DETAIL_CURRENCY. Dimensi Mata Uang bisa dilihat pada gambar 3.10 berikut ini.
Gambar 3.10 Dimensi Currency A.7 Dimensi Tipe Pembayaran Dimensi
Tipe
Pembayaran
terdiri
dari
2
level,
yaitu
GROUP_PAYMENT_TYPE dan DETAIL_PAYMENT_TYPE. Dimensi tipe pembayaran bisa dilihat pada gambar 3.11.
Gambar 3.11 Dimensi Tipe Pembayaran
46
B. Struktur Kubus
Gambar 3.12 Kubus Inventori Cube disusun dari Measures dan Dimension References, Measure merupakan total atau ringkasan agar proses pembuatan laporan analisa menjadi lebih cepat. Cube mempunyai relasi ke dimensi-dimensi.
47
Kubus inventori digunakan untuk menampung data stok inventori. Seperti stok awal bulan, jumlah penerimaan barang, jumlah pengeluaran barang, dan saldo stok akhir. Kubus inventori mempunyai relasi ke dimensi waktu, dimensi material, dimensi cabang, dimensi cost center, dimensi mata uang, dimensi waktu, dan dimensi tipe pembayaran. Kubus ini dapat dilihat pada gambar 3.12. C.
Struktur Tabel Fakta Tabel fakta distribusi digunakan untuk menyimpan data stok inventori.
Seperti stok awal bulan, jumlah penerimaan barang, jumlah pengeluaran barang, dan saldo stok akhir. Tabel fakta ini juga digunakan untuk menampung transaksi permintaan pembelian, order pembelian, dan penerimaan barang pembelian. Selain itu juga digunakan untuk menyimpan transaksi order penjualan dan faktur penjualan. Tabel fakta distribusi mempunyai kolom dim_holding yang mempunyai relasi ke tabel dimensi holding. Kolom dim_material berelasi dengan tabel dimensi material. Kolom dim_time berelasi dengan tabel dimensi waktu. Kolom dim_cost_center berelasi dengan tabel dimensi cost center. Kolom dim_currency berelasi dengan dimensi waktu. Kolom dim_payment_type berelasi dengan dimensi tipe pembayaran. Kolom dim_supp_cust berelasi dengan dimensi supplier customer. Tabel fakta inventori stok dapat dilihat pada gambar 3.13 berikut ini.
48
Gambar 3.13 Tabel Fakta Inventori
49
D.
Memetakan Data Warehouse Data Warehouse perlu dipetakan atau di mapping agar data dari tabel2
transaksional bisa di ekstrak transform load ke Data Warehouse. Proses mapping bertujuan agar data bisa dipilih mana saja yang bisa di pakai untuk sumbersumber Data Warehouse. Proses mapping ini meliputi 2 proses yaitu proses mapping dimensi dan proses mapping kubus. D.1
Mapping Dimensi Dimensi-dimensi yang akan dipetakan atau di mapping ke tabel-tabel
datawarehouse yaitu : D.1.1 Mapping Dimensi Holding Proses mapping dimensi holding diawali dengan pembuatan view DIM_HOLDING_VIEW yang merupakan gabungan atau ringkasan dari tabeltabel transaksional yang memiliki informasi data cabang yang berguna bagi dimensi holding. Lalu masing-masing kolom view tersebut dibuat mapping ke dimensi holding agar kolom-kolom datanya sesuai dengan data yang diinginkan. Mapping Dimensi Holding dapat dilihat pada gambar 3.14.
Gambar 3.14 Mapping Dimensi Holding
50
D.1.2 Mapping Dimensi Cost Center Proses mapping dimensi cost center diawali dengan pembuatan view DIM_COST_CENTER_VIEW yang merupakan gabungan atau ringkasan dari tabel-tabel transaksional yang memiliki informasi data cost center yang berguna bagi dimensi cost center. Lalu masing-masing kolom view tersebut dibuat mapping ke dimensi cost center agar kolom-kolom datanya sesuai dengan data yang diinginkan. Mapping Dimensi Cost Center dapat dilihat pada gambar 3.15.
Gambar 3.15 Mapping Dimensi Cost Center D.1.3 Mapping Dimensi Currency
Gambar 3.16 Mapping Dimensi Currency Proses mapping dimensi currency diawali dengan pembuatan view DIM_CURRENCY_VIEW yang merupakan gabungan atau ringkasan dari tabeltabel transaksional yang memiliki informasi data currency yang berguna bagi dimensi cost currency. Lalu masing-masing kolom view tersebut dibuat mapping
51
ke dimensi currency agar kolom-kolom datanya sesuai dengan data yang diinginkan. Mapping Dimensi Currency dapat dilihat pada gambar 3.16. D.1.4 Mapping Dimensi Material Proses mapping dimensi material diawali dengan pembuatan view DIM_MATERIAL_VIEW yang merupakan gabungan atau ringkasan dari tabeltabel transaksional yang memiliki informasi data material yang berguna bagi dimensi material. Lalu masing-masing kolom view tersebut dibuat mapping ke dimensi material agar kolom-kolom datanya sesuai dengan data yang diinginkan. Mapping Dimensi Material dapat dilihat pada gambar 3.17.
Gambar 3.17 Mapping Dimensi Material D.1.5 Mapping Dimensi Tipe Pembayaran Proses mapping dimensi payment type diawali dengan pembuatan view DIM_PAYMENT_TYPE_VIEW yang merupakan gabungan atau ringkasan dari tabel-tabel transaksional yang memiliki informasi data tipe pembayaran yang berguna bagi dimensi type payment. Lalu masing-masing kolom view tersebut dibuat mapping ke dimensi tipe pembayaran agar kolom-kolom datanya sesuai dengan data yang diinginkan. Mapping Dimensi Tipe Pembayaran dapat dilihat pada gambar 3.18.
52
Gambar 3.18 Mapping Dimensi Payment Type D.2
Mapping Kubus Inventori
Gambar 3.19 Mapping Kubus Inventori
53
Proses mapping kubus inventori stok diawali dengan pembuatan view CUBE_INVENTORI_VIEW yang merupakan gabungan atau ringkasan dari tabel-tabel transaksional yang memiliki informasi data distribusi yang berguna bagi kubus distribusi. Lalu dilakukan mapping pada masing-masing kolom view tersebut ke kubus inventori agar kolom-kolom datanya sesuai dengan data yang diinginkan. Mapping Kubus Inventori dapat dilihat pada gambar 3.19. 3.2.3
Desain Proses ETL Proses ekstraksi data dilakukan pada data transaksional pada Data
Warehouse. Sedangkan proses loading ini merupakan tahapan proses input data transaksional ke Data Warehouse tujuan dimana data sudah di konversi ke dalam format yang sesuai dengan kepentingan analisa yang diinginkan.
Gambar 3.20 Aliran Proses ETL Dimensi dan Kubus
54
Pada Gambar 3.20 digambarkan aliran proses ETL. Proses dimulai dari ETL pada Dimensi dan kemudian dilanjutkan dengan ETL pada Kubus. Proses ini dijadwalkan untuk di eksekusi jam-jam tidak ada transaksi. 3.2.4
Desain Metadata untuk BI Setelah data masuk ke Data Warehouse maka dilakukan proses desain
metadata untuk keperluan pembuatan laporan di Business Intelligence Oracle. Pembuatan metadata di Oracle BI Administration Tool ada tiga lapisan atau layer yaitu : A. Mendefinisikan Physical Layer, dalam layer ini mendefinisikan sumber data. Dalam hal ini sumber data yang dipakai yaitu tabel-tabel multi-dimensional Data Warehouse. B. Mendefinisikan
Bussiness
Model
and
Mapping
Layer,
yaitu
mengorganisasikan physical layer kedalam kategori yang sesuai dan mencatat metadata untuk akses ke sumber data. C. Mendefinisikan Presentation Layer, lapisan ini untuk mengekspos entitas bisnis model untuk akses pengguna akhir. Hasil desain metadata untuk BI dapat dilihat pada gambar 3.21.
55
Gambar 3.21 Desain Metadata untuk BI
3.3
Arsitektur Data Warehouse Arsitektur Data Warehouse di pengaruhi oleh beberapa 3 Area yang
mempunyai peranan masing-masing yaitu: 1.
OLTP Area Dalam OLTP Area memuat sumber-sumber data transaksi inventori,
transaksi pemnbelian dan penjualan barang sehari-hari, sebelum mengalami tahapan prose Extract, Transform, Load. Area ini mempunyai peranan penting sebagai sumber data yang nantinya akan diolah di Stagging Area. 2.
Stagging Area Area ini bertugas membangun dan mengolah semua sumber data yang
berasal dari OLTP Area, yang dikombinasikan sedemikian rupa sehingga dikenal dengan istilah Metadata atau Proses Mapping. Proses inilah yang nantinya akan sangat berpengaruh dalam terbentuknya suatu Data Warehouse. 3.
Warehouse Area Area ini mempunyai peran untuk menampung semua hasil proses
Mapping atau Metadata yang berasal dari Stagging Area. (ditya, 2007) 3.4
Arsitektur Jaringan Sistem aplikasi OLAP ini melibatkan manajer di setiap cabang PT.
Temprina sebagai user, Server Database Transaksi, Server Aplikasi ERP, Server Data Warehouse, dan Server Bisnis Intelejen (BI). Dengan setiap server terhubung dengan database. Server Datawarehouse melakukan pengambilan data dari database transaksional, kemudian data diolah dan disimpan kedalam database Data Warehouse. Selanjutnya Server BI mengambil data analisa pelaporan dari
57
database Data Warehouse. Data dari Data Warehouse ini kemudian ditampilkan untuk manajer di tiap cabang dalam bentuk laporan yang dapat membantu manajer dalam melakukan analisa. Berikut ini adalah infrastruktur jaringan komputer dalam aplikasi OLAP untuk laporan analisa menggunakan tool Business Intelligence Oracle:
Server Database Transaksi
Manajer Cabang Surabaya
VPN
Database
Manajer Cabang Jakarta
Server Aplikasi ERP VPN
Server Datawarehouse VPN Server BI
Datawarehouse
Manajer Cabang Solo
Metadata
Gambar 3.22 Arsitektur jaringan komputer aplikasi laporan analisa.
