Rekayasa Independent Data Mart Dari Basis Data

Prosiding Seminar Nasional Manajemen Teknologi XI
Program Studi MMT-ITS, Surabaya 6 Pebruari 2010
REKAYASA INDEPENDENT DATA MART DARI BASIS DATA
OPERASIONAL TAK TERINTEGRASI
Devi Fitrianah, Elfrida S. Lumbantobing
Teknik Informatika, Fakultas Ilmu Komputer Universitas Mercu Buana
Email: [email protected], [email protected]
ABSTRAK
Perusahaan XYZ adalah perusahaan yang bergerak di bidang industri flavour
dan fragrance. Departemen Inventory Control dan Sales, merupakan dua departemen
utama dalam proses bisnis di perusahaan ini. PT. XYZ memiliki Sistem Informasi untuk
mendukung kegiatan operasionalnya dengan beberapa basisdata operasional ditiap
departemen yang belum terintegrasi antara satu dengan yang lainnya. Masalah yang
timbul dari keadaan ini adalah proses penarikan data untuk pelaporan menjadi tidak
efisien karena kesulitan dalam melakukan integrasi data dari basisdata yang satu dengan
basisdata yang lain; belum adanya bentuk informasi yang dapat mendukung
pengambilan keputusan bagi manajemen mengenai jumlah transaksi pemasukan dan
pengeluaran stok dan fluktuasi angka penjualan barang.
Jurnal ini bertujuan untuk membahas rekayasa IDM (Independent Data Mart)
dengan sinkronisasi dari beberapa basisdata operasional yang belum terintegrasi dari
Perusahaan XYZ sehingga menjadi sebuah independent data mart. Sinkronisasi
dilakukan melalui proses ETL (Ekstraksi, Transformasi dan Loading). Proses ekstraksi
menyeleksi data-data yang relevan bagi keperluan analisis dan pengambilan keputusan.
Transformasi dilakukan dari data dengan skema dan struktur yang berbeda menjadi
skema dan struktur target yang didefinisikan, kemudian, Loading, memindahkan data
secara fisik dari basisdata operasional kedalam skema independent data mart yang
dibangun.
Hasil akhirnya adalah sebuah Independent Data Mart yang dapat mendukung
proses pelaporan sehingga pengambilan keputusan yang berfokus pada Inventory
Control dan Sales menjadi lebih baik.
Kata kunci: Independent Data Mart, Proses ETL, Pelaporan, Inventory Control dan
Sales
PENDAHULUAN
Perusahaan XYZ adalah perusahaan yang bergerak di bidang industri flavour
dan fragrance. Perkembangan bisnis yang menjanjikan mengakibatkan kebutuhan akan
informasi yang akurat, tepat, dan cepat merupakan hal yang sangat esensial. Untuk
mendukung kegiatan operasionalnya, perusahaan ini telah memiliki sistem informasi,
akan tetapi sistem ini didukung oleh beberapa basis data yang belum terintegrasi
sehingga penyajian informasi yang dibutuhkan untuk analisis dan pengambilan
keputusan kurang efisien.
Departemen Inventory Control dan Sales, merupakan dua departemen utama
dalam proses bisnis di perusahaan ini. Masing-masing departemen memiliki
basisdatanya sendiri-sendiri. Lokasi basis data operasional yang berbeda-beda ini
mengakibatkan penarikan data untuk pelaporan menjadi tidak efisien karena kesulitan
dalam melakukan integrasi data dari basisdata yang satu dengan basisdata yang lain.
Prosiding Seminar Nasional Manajemen Teknologi XI
Program Studi MMT-ITS, Surabaya 6 Pebruari 2010
Masalah lainnya adalah belum adanya bentuk informasi yang dapat mendukung
pengambilan keputusan bagi manajemen mengenai jumlah transaksi pemasukan dan
pengeluaran stock dan fluktuasi angka penjualan barang.
Solusi terhadap permasalahan diatas adalah dengan melakukan sinkronisasi
kedua basisdata yang tidak terintegrasi menjadi sebuah Independent Data Mart yang
dapat menyimpan data untuk proses pelaporan dan menyediakan informasi bagi analisis
dan pengambilan keputusan bagi manajemen perusahaan XYZ.
Metoda Rekayasa Independent Data Mart
 Konsep Independent Data Mart
Data mart merupakan salah satu cara untuk menyediakan solusi dalam bidang
analisis bisnis. Dalam perkembangannya terdapat beberapa konsep dan istilah yang
berlaku untuk data mart.
1. Multidimensional database
Data mart digunakan sebagai alat untuk mengambil keputusan melalui analisis
bisnis berdasarkan sumber data operasional perusahaan yang biasanya tersedia
dalam bentuk basis data relasional dan sudah ternomalisasi untuk meminimasi
redundansi data, resiko hilangnya data dan data error.
Terdapat dua pendekatan dalam membangun struktur multidimensional database
ini yaitu:
 Struktur multidimensional khusus, contohnya hypercube
Hypercube— Sebuah hypercube adalah sekelompok data cell yang disusun
oleh dimensi-dimensi data. Sedangkan sebuah dimensi didefenisikan sebagai
suatu atribut terstruktur dari sebuah hypercube yang berupa sebuah list of
member yang semuanya memiliki tipe yang sama dalam sudut pandang
pengguna terhadap data. Hypercube secara fisik disimpan dalam bentuk array
multidimensional.
 Struktur multidimensional relasional, contohnya star schema, snowflake
schema, dan sebagainya.
Star schema—biasa disebut juga sebagai model dimensional dan dipopulerkan
oleh Ralph Kimball. Terdapat dua tabel yang mendasari model dimensional ini
yaitu:
 Tabel Fakta (Fact Table)
Fakta adalah data item yang numerik yang merepresentasikan kepentingan
bisnis, digunakan oleh user untuk menganalisis dan menarik kesimpulan
agar mendapatkan pengertian yang lebih baik akan bisnis yang ada.
 Tabel Dimensi
Tabel dimensi merupakan tabel yang menyusun konteks dari fakta, dengan
kata lain tabel dimensi menyimpan keterangan yang mendeskripsikan fakta
dari bisnis (metadata).
Snowflake schema—merupakan varian dari star schema yang beberapa tabel
dimensinya dipecah/ dinormalisasi kembali menjadi beberapa tabel.
Penggambaran graf yang dihasilkan skema ini menyerupai kepingan salju (snow flake).
2. Data Acquisition
Data acquisition merupakan salah satu tahap dalam pembangunan data mart.
Beberapa tahapan dalam data acquisition adalah:
 Identifikasi sumber data yang relevan terhadap subjek area yang dibangun
 Pembangunan strategi ekstraksi data
ISBN : 978-979-99735-9-7
C-10-2
Prosiding Seminar Nasional Manajemen Teknologi XI
Program Studi MMT-ITS, Surabaya 6 Pebruari 2010
 Loading sumber data ke dalam target yang telah didefenisikan
Tahap data acquisition ini juga sering disebut sebagai proses ETL (Ekstraksi,
Transformasi, Loading).
3. Metadata
Metadata merupakan unsur yang sangat penting untuk menjaga integritas data
mart, karena metadata menyimpan informasi kejadian yang terjadi pada proses
bisnis. Informasi ini dapat digunakan untuk bisnis maupun technical user.
Beberapa arsitektur data mart adalah:
 Dependent Data Mart, data mart jenis ini memperoleh data dari dan sangat
tergantung dari sebuah data warehouse terpusat.
 Independent Data Mart, data mart jenis ini dibangun secara terpisah dari
datawarehouse terpusat. Data ini tidak dibangun dari data warehouse maupun
tidak menjadi sumber data untuk sebuah data warehouse.
Independent data mart memiliki beberapa sifat sebagai berikut:
 Setiap data mart bersumber secara langsung dari sistem operasional
 Masing-masing data mart untuk setiap departemen dalam suatu perusahaan yang
sama dibangun oleh tim secara independen dan terpisah.
 Analisis sistem dan basisdata as-is
Sebelum melakukan sinkronisasi basis data operasional menjadi independent data
mart, maka dilakukan analisis sistem dan basis data yang sedang berjalan di PT.
XYZ. Analisis ini meliputi:
 Analisis masalah yang dihadapi sistem yang sedang berjalan
 Analisis kebutuhan informasi di bidang Inventory Control dan Sales
 Analisis basis data operasional yang terlibat dalam penyajian informasi
Inventory Control dan Sales
 Analisis tabel dan data yang terlibat dalam penyajian informasi Inventory
Control dan Sales
Gambar 1 Sistem as-is PT. XYZ
ISBN : 978-979-99735-9-7
C-10-3
Prosiding Seminar Nasional Manajemen Teknologi XI
Program Studi MMT-ITS, Surabaya 6 Pebruari 2010
Untuk hubungan antar entitas dapat dilihat dari gambar 2 dibawah ini:
Gambar 2 Skema Umum Basis Data Relasional
 Sinkronisasi basis data menjadi Independent Data Mart
Arsitektur independent data mart yang diajukan untuk Inventory Control dan Sales
PT. XYZ secara umum dibagi menjadi dua bagian besar. Bagian pertama merupakan
bagian dari arsitektur basis data operasional, menggunakan RDBMS sebagai media
penyimpanan data operasional. Bagian berikutnya merupakan bagian dari sistem
independent data mart itu sendiri, dimana sumber data diambil dari RDBMS
kemudian dilakukan proses ETL ( Extraction, Transformation, Loading).
Multidimensional data yang telah dihasilkan akan diakses menggunakan aplikasi
berbasis web yang merupakan intermediate layer antara pengguna dengan
independent data mart.
Gambar 3 Arsitektur Independent Data Mart
ISBN : 978-979-99735-9-7
C-10-4
Prosiding Seminar Nasional Manajemen Teknologi XI
Program Studi MMT-ITS, Surabaya 6 Pebruari 2010
Selanjutnya dilakukan tahapan-tahapan pengembangan independent data mart.
1. Perancangan
Pada tahapan ini dilakukan langkah-langkah sebagai berikut:
 Penentuan masalah dan kebutuhan informasi di bagian Inventory Control
dan Sales yang akan diselesaikan (pemenuhan kebutuhan akan informasi
seprti yang telah disebutkan pada butir analisis kebutuhan informasi )
 Klasifikasi data untuk perancangan skema independent data mart
Pada tahapan ini dilakukan analisis dibutuhkan secara umum oleh
independent data mart. Kemudian menentukan dimensi, serta menentukan
tabel fakta.
 Menentukan Granularity
Memilih grain berarti menetapkan apa yang akan dijelaskan pada setiap
baris tabel fakta. Grain dari bisnis proses yang telah dipilih adalah:
 Transaksi Stock
 Transaksi QC Retain
 Transaksi Lab Delivery
 Transaksi Stock In Out
 Transaksi Shipment Posting
 Transaksi Penjualan
 Statistik Penjualan
Level granularity yang akan ditampilkan pada aplikasi independent data
mart Inventory Control dan Sales PT. XYZ adalah:
• Data stock serta harga satuan per hari, bulan, tahun berdasarkan
kategori barang
• Data stock in out barang serta harga satuan per hari, bulan, tahun
berdasarkan jenis transaksi dan jenis barang
• Data jumlah QC Retain serta harga satuan per bulan berdasarkan
divisi dan jenis barang
• Data jumlah Lab Delivery serta harga satuan per bulan berdasarkan
divisi dan jenis barang
• Data jumlah shipment posting serta harga satuan tertagih per bulan
berdasarkan pelanggan dan mata uang
• Data jumlah transaksi serta harga penjualan per bulan berdasarkan
motif tranksaksi dan status penjualan
• Data jumlah penjualan serta production site per bulan berdasarkan
sales person, negara, dan pelanggan
• Data jumlah serta total angka penjualan per bulan, tahun, month to
date, year to date berdasarkan sales person, kategori barang, area, dan
pelanggan
• Data statistik jumlah serta total angka penjualan berdasarkan
pelanggan, produk, negara (lokal atau eksport), dan mata uang
 Dimensi
Dimensi dibuat untuk menjawab pertanyaan bagaimana kalangan bisnis
menjelaskan data yang dihasilkan dari bisnis proses. Setelah memahami
grain yang dipilih maka pembuatan dimensi akan relatif mudah.
Dimensi yang akan dibentuk pada independent data mart Inventory
Control dan Sales PT. XYZ sejumlah 11 buah, antara lain adalah; Period,
Product, Division, Customer, Motive, Category Jual, Currency, Country,
Sales, Area, dan State.
ISBN : 978-979-99735-9-7
C-10-5
Prosiding Seminar Nasional Manajemen Teknologi XI
Program Studi MMT-ITS, Surabaya 6 Pebruari 2010

Fakta
Tabel fakta yang dibentuk pada independent data mart Inventory Control
dan Sales sejumlah 6 buah, antara lain; (Stock_Fact,
Internal_Consumption_Fact,Shipment_Post_Fact, Summarize_Transaction_Fact, Sales_Activity_Fact, Sales_Statistic_Fact)
Skema Bintang Stock
Skema Bintang Internal_Consumption_Stock
Skema Bintang Shipment_Post
Skema Bintang Summarize_Transaction
Skema Bintang Sales_Activity_Fact
Skema Bintang Sales_Statistic
Gambar 4 Skema Bintang yang terbentuk


Membuat metadata mengenai deskripsi tabel fakta dan tabel dimensi yang
terdapat pada skema bintang
Menentukan spesifikasi perangkat keras serta piranti lunak yang akan
digunakan untuk menjalankan aplikasi independent data mart
2. Konstruksi dan Sinkronisasi Data
Konstruksi dilakukan dengan membangun sebuah basis data analisis yang
selanjutnya disebut sebagai independent data mart. Basis data ini menyimpan
objek-objek berupa tabel-tabel dimensi dan tabel-tabel fakta.
Sinkronisasi data dilakukan dilakukan dengan pengaturan proses ETL.
Extraction—menyeleksi data yang relevan dengan penyajian informasi
Inventory Control dan Sales dari basis data operasional
Transformation—melakukan data cleaning dan reformat terhadapa data sebagai
hasil ekstraksi disesuaikan dengan struktur data yang sudah dirancang pada
ISBN : 978-979-99735-9-7
C-10-6
Prosiding Seminar Nasional Manajemen Teknologi XI
Program Studi MMT-ITS, Surabaya 6 Pebruari 2010
independent data mart. Tahap ini menghasilkan 11 tabel dimensi dan 6 tabel
fakta.
Loading—mengisi data yang telah melalui transformasi ke dalam independent
data mart.
HASIL DAN DISKUSI
Setelah IDM departemen Inventory Control dan Sales selesai dibangun, dilakukan
serangkaian pengujian, berikut adalah salah satu contoh pengujian yang dilakukan:
Menampilkan angka statistik penjualan per produk Bulan Januari 2008
Query pada basis data as-is:
SELECT AR_SQL.dbo.Montly_Rekap.Internal_Ref,
SysSQLClone.dbo.Product_Identification.ProductName,
SUM(AR_SQL.dbo.Montly_Rekap.Quantity_IO) AS Total_Qty,
SUM(AR_SQL.dbo.Montly_Rekap.Total) AS Total_IDR,
SUM(AR_SQL.dbo.Montly_Rekap.TotalFRF) AS Total_EUR,
SUM(AR_SQL.dbo.Montly_Rekap.TotalUSD) AS Total_USD
FROM AR_SQL.dbo.Montly_Rekap INNER JOIN
SysSQLClone.dbo.Product_Identification
ON AR_SQL.dbo.Montly_Rekap.Internal_Ref =
SysSQLClone.dbo.Product_Identification.Reference
WHERE (AR_SQL.dbo.Montly_Rekap.[Year] = '2008') AND
(AR_SQL.dbo.Montly_Rekap.Period = 1)
GROUP BY AR_SQL.dbo.Montly_Rekap.Internal_Ref,
SysSQLClone.dbo.Product_Identification.ProductName
ORDER BY AR_SQL.dbo.Montly_Rekap.Internal_Ref
Query pada independent data mart:
SELECT Product.Internal_Ref, Product.Product_Name,
SUM(Sales_Statistic_Fact.Qty) AS Total_Qty,
SUM(Sales_Statistic_Fact.Total_IDR) AS Total_IDR,
SUM(Sales_Statistic_Fact.Total_EUR) AS Total_EUR,
SUM(Sales_Statistic_Fact.Total_USD) AS Total_USD
FROM Sales_Statistic_Fact INNER JOIN
Period ON Sales_Statistic_Fact.Period_Id = Period.Period_Id INNER JOIN
Product ON Sales_Statistic_Fact.Product_Id = Product.Product_Id
WHERE (Period.Tahun = 2008) AND (Period.Bulan = 1)
GROUP BY Product.Internal_Ref, Product.Product_Name
ORDER BY Product.Internal_Ref
Hasil dari kedua query diatas adalah sama, sebagai berikut:
Gambar 5 Hasil Query Menentukan Statistik Penjualan Per Produk Periode Jan 2008
ISBN : 978-979-99735-9-7
C-10-7
Prosiding Seminar Nasional Manajemen Teknologi XI
Program Studi MMT-ITS, Surabaya 6 Pebruari 2010
Dapat dilihat bahwa:
1. Relasi antar tabel fakta dan dimensi terbentuk sudah sesuai dengan tujuan,
dibuktikan dengan query berdasarkan beberapa kebutuhan data yang sering
ditanyakan ke bagian Inventory Control dan Sales.
2. Dari hasil yang ditampilkan oleh query yang dibuat pada tahap pengujian dapat
dilihat bahwa data hasil query sesuai dengan yang diharapkan
3. Dari segi proses pengambilan data, pengambilan data dari independent data mart
lebih efisien, karena akses yang dilakukan hanya terhadap single database
sedangkan pengambilan data pada sistem as-is mengacu ke beberapa basis data
4. Perintah query yang digunakan untuk mendapatkan informasi yang diminta sesuai
dengan kasus yang diujikan sesuai dengan yang diharapkan.
KESIMPULAN



Pengembangan independent data mart untuk mengatasi masalah penyajian
informasi dari beberapa basis data operasional yang belum terintegrasi seperti kasus
PT. XYZ adalah tepat
Metode sinkronisasi data dapat dilakukan dengan proses ETL ( Extract,
Transformation, Loading)
Untuk menjaga kehandalan dan keakuratan independent data mart perlu dilakukan
evaluasi secara berkala
DAFTAR PUSTAKA
Connolly, Thomas; Begg Carolyn Database Systems, Fourth Edition. Addison Wesley. 2005.
Fuller,
David R., The
Stovepipes.
2002.
/articles/article.cfm.
Fundamental
Diakses
:
of Data Warehousing: Beware of
http://www.datawarehouse.com/iknowledge
Inmon, W.H. Building The Data Warehouse, Third Edition. John Wiley & Sons, Inc. 2002.
Inmon, Bill. An Open Letter to Quentin Hardy. 2004. Diakses: http://www.dmreview.com.
Humphries, Mark; Hawkins, Michael W.; Dy, Michelle C. Data Warehousing, Architecture and
Implementation. Prentice Hall, Upper Saddle River, New Jersey. 1999.
Marco, David. Migrating From Independent Data Marts. November 2000. Diakses :
http://www.tdan.com/i014hy01.htm.
Mimno, Myers & Holum. Extracting Data. 2001. Diakses: http://www.mimno.com/extractingdata.html.
Purnomo, Setiawan Hari; Zulkieflimansyah Manajemen Strategi: Sebuah Konsep Pengantar.
Fakultas Ekonomi Universitas Indonesia, Jakarta. 1999.
Vyoma, History of Database Systems. 2007 diakses: http://www.wisetome.com
------, A Data Mart Concepts. 2008. Diakses: http://download.oracle.com
ISBN : 978-979-99735-9-7
C-10-8