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