BAB 2 LANDASAN TEORI

BAB 2
LANDASAN TEORI
2.1 Teori-teori Dasar/Umum
2.1.1 Pengertian Sistem
M enurut M athiassen (2000,p3), sistem adalah kumpulan komponen yang
mengimplementasikan kebutuhan design atau model, fungsi dan tampilan sedangkan
menurut M cLeod (2004,p9), sistem adalah sekelompok elemen-elemen yang
terintegrasi dengan maksud yang sama untuk mencapai tujuan. Suatu organisasi
seperti perusahaan atau suatu area bisnis cocok dengan definisi ini.
Interface Functions Model Gambar 2.1 A general sistem architecture
Sistem berasal dari bahasa Latin (systēma) dan bahasa Yunani (sustēma) adalah
suatu kesatuan yang terdiri komponen atau elemen yang dihubungkan bersama untuk
memudahkan aliran informasi, materi atau energi. Istilah ini sering dipergunakan
9
10
untuk menggambarkan suatu set entitas yang berinteraksi, di mana suatu model
matematika seringkali bisa dibuat.
Sistem juga merupakan kesatuan bagian-bagian yang saling berhubungan yang
berada dalam suatu wilayah serta memiliki item-item penggerak, contoh umum
misalnya seperti negara. Negara merupakan suatu kumpulan dari beberapa elemen
kesatuan lain seperti provinsi yang saling berhubungan sehingga membentuk suatu
negara dimana yang berperan sebagai penggeraknya yaitu rakyat yang berada di
negara tersebut.
2.1.2 Pengertian Data
Data berasal dari kata “Datum” yang berarti fakta atau bagian dari fakta yang
mengandung arti yang dihubungan dengan kenyataan yang dapat digambarkan
dengan simbol, angka, huruf dan sebagainya sedangkan menurut Whitten, et al
(2004, p23), data adalah fakta mentah mengenai orang, tempat, kejadian, dan hal-hal
yang penting dalam organisasi.
2.1.3 Pengertian Informasi
M enurut Whitten, et al (2004, p23), informasi adalah data yang telah diproses
atau diorganisasi ulang menjadi bentuk yang berarti. Informasi dibentuk dari
kombinasi data yang diharapkan memiliki arti bagi penerima.
Informasi adalah pengetahuan yang didapatkan dari pembelajaran pengalaman,
atau instruksi. Namun demikian istilah ini memiliki banyak arti bergantung pada
konteksnya, dan secara umum berhubungan erat dengan konsep seperti arti,
11
pengetahuan, negentropy, komunikasi, kebenaran, representasi, dan rangsangan
mental.
Dalam beberapa hal pengetahuan tentang peristiwa-peristiwa tertentu atau
situasi yang telah dikumpulkan atau diterima melalui proses komunikasi,
pengumpulan intelejen, ataupun didapatkan dari berita juga dinamakan informasi.
Informasi yang berupa koleksi data dan fakta seringkali dinamakan informasi
statistik. Dalam bidang ilmu komputer informasi adalah data yang disimpan,
diproses, atau ditransmisikan. Penelitian ini memfokuskan pada definisi informasi
sebagai pengetahuan yang didapatkan dari pembelajaran, pengalaman, atau instruksi
dan alirannya.
2.1.4 Pengertian Knowledge
M enurut Vercellis (2009, p7) Knowledge adalah suatu informasi yang telah
bertransformasi. Hal ini juga dijelaskan oleh
Turban et al (2007, p482) bahwa
knowledge adalah informasi yang berbentuk kontekstual yang relevan dan dapat
dilakukan. Contohnya, suatu peta yang menjelaskan arah dapat dikatakan sebagai
data, pemberitahuan yang menyatakan bahwa jalan tol sedang diperbaiki disebut
dengan informasi, sementara kesadaran untuk mencari jalan lain disebut juga dengan
knowledge.
2.1.5 Pengertian Sistem Informasi
Sistem Informasi adalah sekumpulan hardware, software, brainware, prosedur
dan atau aturan yang diorganisasikan secara integral untuk mengolah data menjadi
informasi yang bermanfaat guna memecahkan masalah dan pengambilan keputusan.
12
Hal ini dijelaskan oleh O’Brien (2006,p5), Sistem Informasi adalah proses
yang menjalankan fungsi mengumpulkan, memproses, menyimpan, menganalisis,
dan
menyebarkan
informasi
untuk
kepentingan
tertentu;
kebanyakan
SI
dikomputerisasi, adapun menurut Whitten (2004, p10), Sistem Informasi adalah
pengaturan sumber daya manusia, data, proses, dan teknologi informasi sehingga
dapat berinteraksi guna mengumpulkan, memproses, menyimpan, dan menyediakan,
output informasi yang diperlukan untuk mendukung sebuah organisasi.
2.1.6 Pengertian Database
Database adalah kumpulan informasi yang disimpan di dalam komputer secara
sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk
memperoleh informasi dari basis data tersebut. Hal ini dijelaskan oleh Connolly dan
Begg (2002, p14), database adalah kumpulan data yang berhubungan secara logical,
deskripsi dari data-data tersebut yang dapat digunakan oleh beberapa user, dibentuk
untuk dapat menghasilkan informasi untuk organisasi.
M enurut Whitten et.al (2004, p518) Database adalah kumpulan file yang saling
terkait sedangkan menurut M cleod dan Schell (2004, p196), database adalah
kumpulan seluruh sumber daya berbasis komputer milik organisasi.
2.1.7 Pengertian Metadata
Metadata adalah data dari data yang mengandung informasi mengenai isi dari
suatu data yang dipakai untuk keperluan manajemen data dalam suatu basis data.
Inmon (2005, p393) memaparkan metadata adalah data dati data atau deskripsi dari
struktur, isi, kunci, indeks, dan lain-lain mengenai sebuah data.
13
Sementara menurut Connolly (2002, p1055), Metadata digunakan untuk
berbagai tujuan seperti:
•
Proses extraction dan loading
Metadata digunakan untuk memetakan sumber data ke pandangan umum
dari data yang berada dalam warehouse
•
Proses management warehouse
Metadata digunakan untuk mengotomatisasi produksi dari tabel ringkasan
•
Bagian dari proses manajemen query
Metadata digunakan untuk menghubungkan suatu query ke sumber data
yang paling sesuai
2.1.8 Pengertian Sistem Manajemen Basis Data
M enurut Connolly (2002, p15) Sistem M anagement Basis Data (Database
Management Sistem/DBM S) adalah sebuah software system yang memungkinkan
user mendefinisi, membentuk dan mengatur database dan yang mengendalikan
akses ke database. DBM S berinteraksi dengan pengguna aplikasi program dan
database.
Komponen utama DBMS :
1. Perangkat keras
2. Perangkat lunak
3. Data
4. Pengguna
Keuntungan DBMS (Database Management Sistem)
14
1. M engurangi kekurangan data.
2. M encapai indenpendensi data.
3. M engintegrasikan data beberapa file.
4. M engambil data dan informasi secara tepat.
5. M eningkatkan keamanan.
Kerugian DBMS (Database Management Sistem)
1. M emperoleh perangkat lunak yang mahal.
2. M emperoleh konfigurasi perangkat keras yang besar.
3. M emperkerjakan dan mempertahankan staf DBA.
2.1.9 Pengertian Bisnis
Dalam ilmu ekonomi, bisnis adalah suatu organisasi yang menjual barang atau
jasa kepada konsumen atau bisnis lainnya, untuk mendapatkan laba. Secara historis
kata bisnis dari bahasa Inggris, dari kata dasar busy yang berarti "sibuk" dalam
konteks individu, komunitas, ataupun masyarakat. Dalam artian, sibuk mengerjakan
aktivitas dan pekerjaan yang mendatangkan keuntungan. M enurut M adura (2009, p5)
dalam bukunya menyatakan bisnis adalah suatu usaha yang menyediakan produk
atau jasa yang diinginkan oleh pelanggan.
2.1.10 Pengertian Business Intelligence
M enurut Vercellis (2009, p3), business intelligence adalah kumpulan model
matematika dan metodologi analisa yang secara sistematik menghasilkan data untuk
menghasilkan suatu informasi dan pengetahuan yang berguna untuk mendukung
proses pengambilan keputusan yang kompleks. Tujuan utama dari business
15
intelligence (BI) adalah untuk menyediakan alat dan metodologi bagi knowledge
worker untuk membuat keputusan yang efektif dan tepat waktu.
Keputusan yang efektif.
Aplikasi dari metode analisa yang butuh ketelitian tinggi membuat pengambil
keputusan harus mengandalkan informasi dan pengetahuan mana yang dapat
diandalkan. Hasilnya, mereka dapat membuat keputusan yang lebih baik dan
membuat suatu perencanaan yang dapat membuat tujuan mereka tercapai dengan
efektif.
Keputusan yang tepat waktu
Perusahaan beroperasi dalam lingkungan ekonomi yang terkarakterisasi oleh
tingkatan kompetisi dan dinamisme yang tinggi. Konsekuensinya, kemampuan untuk
bereaksi dengan pesaing dan kondisi pasar baru merupakan faktor penting dalam
kesukesan ataupun kelangsungan hidup perusahaan.
Gambar 2.2 Keuntungan dari BI
16
2.1.11 Siklus Hidup BI
M enurut Vercellis (2009,p12), ada 4 siklus hidup BI
Gambar 2.3 Siklus Hidup BI
1. Analysis
Saat fase analisis, sangat penting untuk mengenali masalah luar maupun dalam.
Pengambil keputusan harus membuat representasi dari kejadian yang sedang
dianalisis, dengan mengidentifikasi faktor penting yang paling relevan dengan
masalah.
2. Insight
Fase kedua membuat pengambil keputusan mengerti lebih dalam mengenai
masalah, biasanya dalam tingkatan kausal. Sebagai contoh, jika analisis dalam
fase pertama menunjukkan bahwa banyak pelanggan yang tidak lagi
melanjutkan asuransi mereka, dalam fase kedua sangat penting untuk
mengidentifikasi profil dan karakteristik yang dimiliki oleh pelanggan.
Informasi yang didapat dari fase pertama ditransformasikan ke dalam fase
kedua.
3. Decision
17
Saat fase ketiga, pengetahuan yang didapat dari fase kedua diubah menjadi
suatu keputusan yang akan diikuti dengan aksi. M etodologi BI memungkinkan
fase analisis dan pendalaman dieksekusi berkali-kali agar keputusan yang
efektif dan tepat waktu dalam dibuat untuk memenuhi prioritas strategis suatu
perusahaan
4. Evaluation
Fase terakhir dari BI meliputi pengukuran kinerja dan evaluasi. Dengan
menunjukkan indikator kinerja yang dapat digunakan untuk mengevaluasi
kinerja dari perusahaan.
2.1.12 Komponen BI
M enurut Ranjan (2005, p2), komponen BI adalah sebagai berikut
1. OLAP
M erujuk pada bagaimana pengguna bisnis dapat menelusuri data
menggunakan alat canggih yang memungkan navigasi dimensi seperti
waktu atau hierarki. OLAP menyediakan ringkasan bisnis multidimensional
dan digunakan untuk pembuatan laporan, analisa, modeling dan planning
untuk optimalisasi bisnis.
Teknik dan tools OLAP dapat digunakan untuk bekerja dengan data
warehouse atau data mart yang dirancang untuk system enterprise
intelligence yang baik. Sistem process queries ini dibutuhkan untuk
menemukan tren dan menganalisa faktor penting. Software pelaporan
menghasilkan aggregated view dari data untuk menjaga manajemen selalu
diberi tahu tentang keadaan bisnis mereka.
18
BI tools lainnya digunakan untuk menyimpan dan menganalisa data
seperti data mining dan data warehouse, decision support system,
forecasting, document warehouse, document management, knowledge
management,
mapping,
information
visualization,
dashboarding,
management information system, geographic information system, analisis
tren.
2. ADVANCED ANAL YTICS
M erujuk sebagai data mining, forecasting atau analisa prediktif,
mengambil
keuntungan
pada
teknik
analisa
statistika
untuk
memprediksikan dan menyediakan kepastian ukuran pada fakta
3. CORPORATE PERFORMANCE MANAGEMENT (Portals, Scorecards,
Dashboards)
Kategori umum ini biasanya menyediakan tempat untuk beberapa
bagian untuk memasang agregasi untuk penyampaian. M isalnya sebuah
scorecard yang seimbang yang memperlihatkan portlets untuk metrik
finansial dengan organizational learning dan metrik pertumbuhan
4. REAL TIME OF BI
M emungkinkan distribusi metrik melalui email, messaging system dan
atau tampilan yang interaktif
5. DATAWAREHOUSE DAN DATA MART
19
Datawarehouse adalah
Berorientasi
subjek
dan
komponen
yang signifikan
dalam BI.
terintegrasi.
Datawarehouse
mendukung
perambatan fisik dari data dengan menangani banyak catatan perusahaan
untuk integrasi, pembersihan, agregasi dan query task.
Datawarehouse juga dapat brisi data operasional yang dapat
didefunusikan sebagai sebuah kumpulan data terintegrasi yang dapat
diupdate yang digunakan untuk pengambilan keputusan taktis yang luas
untuk perusahaan pada area subjek tertentu.
Juga terdiri dari data yang langsung, bukan snapshot, dan tetap
memiliki history yang minimal. Sumber data dapat menjadi operasional
database, database historical, external data sebagai contoh daridari
perusahaan riset atau riset dari internet atau informasi yang sudah ada pada
lingkungan warehouse. Sumber data dapat berupa relational databsae atau
struktur data lainnya yang mendukung garis aplikasi bisnis.
Datawarehouse juga dapat tinggal pada banyak platform lainnya dan
dapat berisi informasi terstruktur seperti table atau spreadsheet atau
informasi tidak terstruktur seperti file teks, gambar atau informasi
multimedia lainnya.
20
Gambar 2.4 Pengertian M endasar BI
Tools BI diterima secara luas sebagai middleware antara aplikasi transaksi dan
aplikasi pendukung keputusan, demikian memisahkan sistem yang disambung pada
penanganan efisien dari transaksi bisnis dari sistem yang berhubungan pada
dukungan efisien dari keputusan bisnis. Kemampuan BI termasuk pendukung
keputusan, OLAP, analisa statistikal, forecasting dan data mining. Hal tersebut
adalah komponen utama yang mengkonstitusikan BI.
2.1.13 Keuntungan Dalam Menggunakan BI
M enurut Ranjan (2005,p5) keuntungan dalam mengunakan BI dipaparkan
sebagai berikut:
• Dengan tools BI yang superior, sekarang karyawan dapat dengan mudah
mengubah knowledge bisnisnya lewat
analytical intelligence untuk
menyelesaikan masalah bisnis, seperti peningkatan rate respon dari surat
langsung, telepon, e-mail dan kampanye pemasaran melalui internet
21
• Dengan BI, perusahaan dapat mengidentifikasi customer yang paling
menguntungkan dan alasan yang mendasar untuk kesetiaan pelanggan
sebagai identitas masa depan pelanggan dengan perbandingan jika bukan
potensial yang lebih
• Analisa click-stream data untuk meningkatkan strategi e-commerce
• Dengan
cepat
mendeteksi
masalah
warranty-reported
untuk
meminimalisasikan dampak dari defisiensi produk
• M enemukan aktivitas pencucian uang oleh kriminal
• Analisa potensial pertumbuhan profitability pelanggan dan mengurangi
resiko dari paparan melalui financial credit scoring yang akurat dari para
customer
• M enentukan kombinasi dari produk dan barisan jasa pelanggan yang
biasanya dibeli
• M enganalisa clinical trial untuk experimental drug
• M enentukan tingkat keuntungan lebih untuk premium asuransi
• M engurangi equipment downtime dengan mengaplikasikan maintenance
prediktif
• M enentukan pengurangan dan mengocok analisis mengapa pelanggan
meninggalkan untuk kompetitor dan atau menjadi pelanggan
• M endeteksi dan menghalangi perilaku yang curang, seperi pencurian saat
kartu kredit atau telpon dicuri
• Identifikasi drug compound baru yang menjanjikan
22
2.1.14 Teknologi BI
Agar sistem BI bekerja secara efektif, ada beberapa batasan teknik yang
diperlukan. Ranjan (2005,p6) memaparkan keperluan teknik BI harus dapat melihat
masalah berikut :
• Security dan akses user yang spesifik ke dalam warehouse
• Volume data (kapasitas)
• Berapa lama data akan disimpan
• Benchmark dan kinerja
M anusia yang bekerja dalam BI telah mengembangkan tools yang
mempermudah pekerjaan, khususya saat intelligence task melibatkan pengumpulan
data dan menganalisa data tidak terstruktur dalam skala besar. Setiap vendor
biasanya mendefinisikan BI dengan cara mereka sendiri, dan market tools untuk
melakukan BI dengan cara mereka sendiri. BI terdiri dari tools dalam beberapa
kategori seperti berikut :
• AQL - Associative Query Logic
• Scorecarding
• Business performance management dan performance measurement
• Business Planning
• Business Process Re-engineering
• Competitive Analysis
• Customer Relationship Management (CRM) dan marketing
• Data mining, data farming dan datawarehouse
• DSS dan forecasting
23
• Document warehouse dan document management
• Enterprise Management System
• Executive Information System
• Finance and Budgeting
• Human Resources
• Knowledge Management
• Mapping, Information visualization and Dashboarding
• Management Informations System
• Geographic Information System
• OLAP dan multidimensional analysis
• Real time business intelligence
• Statistic and Technical Data Analysis
• Supply Chain Management / Demand Chain Management
• Systems Intelligence
• Trend Analysis
• User/end-user Query and Reporting
• Web Personalization and Web Mining
• Text mining
BI kadang menggunakan Key Performance Indicator (KPI) untuk menilai
keadaan bisnis terkini dan untuk menentukan laju tindakan. Sebagai contoh, untuk
bisnis yang memiliki resiko kredit / operasional, bank multinasional untuk membuat
data KPI tersedia setiap minggu dan kadang menyediakan analisa dalam angka. Ini
24
berarti data menjadi tersedia dalam 24 jam dimana dibutuhkan automasi dan
menggunaan sistem IT.
2.1.15 Desain dan Implementasi BI
M enurut Ranjan (2005,p7) saat mengimplementasi program BI, kita mungkin
akan mengajukan pertanyaan dan mengambil beberapa keputusan misalnya :
• Goal Alignment queries
Langkah pertama menentukan tujuan jangka pendek dan sedang dari program
tersebut. Tujuan strategis apa yang dibuat program ? Visi/misi organisasi yang
manakah yang berhubungan ? Sebuah hipotesis harus dibuat secara detail
bagaimana inisiatif tersebut dapat meningkatkan hasil.
• Baseline queries
Pengumpulan informasi terbaru yang kompeten yang membutuhkan penilaian.
Apakah perusahaan memiliki kapabilitas untuk memonitor informasi penting ?
Data apa yang dikumpulkan perusahaan dan dimana menyimpannya ? Parameter
statistik apa yang tersedia dan bagaimana perusahaan mengukurnya ?
• Cost and risk queries
Konsekuensi finansial dari BI harus diperkirakan. Sangat perlu untuk menilai
cost dari operasi yang ada dan penambahan cost dengan adanya BI. Resiko apa
yang diterima jika BI gagal ? Penilaian resiko harus diubah menjadi finansial
metrik dan termasuk dalam perencanaan.
• Customer dan Stakeholder queries
25
M enentukan siapa yang mendapat keuntungan dari BI dan siapa yang akan
membayar. Siapa yang memiliki stake (pancang) pada prosedur saat ini ? Customer
dan stakeholder macam apa yang secara langsung memperoleh keuntungan dari BI
? Siapa yang mendapat keuntungan secara tidak langsung ? Apa saja keuntungan
kualitatif dan kuantitafinya ? Apakah BI merupakan cara terbaik untuk
meningkatkan kepuasan pelanggan atau ada cara lain kah ? Bagaimana keuntungan
customer dapat dimonitor ? Bagaimana dengan karyawan, stakeholder, dan
anggota channel distribusi ?
• Metrics-related queries
Kebutuhan informasi ini harus dapat dioperasikan menjadi metrik yang jelas.
Harus diputuskan metrik apa yang digunakan untuk setiap informasi yang
dikumpulkan. Apakah ini metrik yang terbaik ? Bagaimana kita bisa mengetahui ?
Bagaimana metrik dapat dipantau ? Bagaimana jika dalam jumlah besar ? Apakah
metrik distandarisasi, jadi dapat dilakukan benchmark terhadap performa dalam
perusahaan ? Apa saja metrik standar dalam industri ?
• Measurement methodology-related queries
Harus ditentukan metodologi atau prosedur untuk menentukan jalan terbaik
(atau dapat diterima) untuk mengukur metrik yang dibutuhkan. M etode apa yang
digunakan dan seberapa sering perusahaan akan mengumpulkan data ? Apakah ada
industri standar untuk hal ini ? Apakah ini cara terbaik untuk membuat pengukuran
? Bagaimana kita dapat mengetahuinya ?
• Result-related queries
26
Seseorang harus dapat memonitor program BI untuk menjamin bahwa tujuan
telah dicapai. Pengaturan program harus di tes untuk akurasi, kehandalan dan
validitas. Bagaimana seseorang dapat menunjukkan BI berkontribusi pada
perubahan dalam hasil ? Seberapa banyak perubahan yang mungkin random ?
2.1.16 Pengertian Data Mining
M enurut Vercellis (2009,
p77) Data Mining adalah
aktivitas yang
menggambarkan sebuah proses analisis yang terjadi secara iteratif pada database
yang besar, dengan tujuan mengekstrak informasi dan knowledge yang akurat dan
berpotensial berguna untuk knowledge workers yang berhubungan dengan
pengambilan keputusan dan pemecahan masalah.
Aktivitas data mining dapat dipisahkan menjadi 2, berdasarkan tujuan dari
analisis yaitu
•
Interpretasi
Tujuan dari interpretasi adalah untuk mengetahui pola dari data dan
menghasilkannya dalam bentuk aturan dan kriteria yang dapat dimengerti
eksekutif. Contohnya, perusahaan retail memiliki keuntungan untuk
mengelompokkan pelanggannya dalam suatu cluster, sehingga data dilihat
suatu pola yang dapat digunakan untuk menemukan suatu pasar baru di
masa depan
•
Prediksi
Tujuan dari prediksi adalah untuk mengestimasikan kejadian-kejadian
yang terjadi di masa depan. Contohnya, perusahaan retail dapat
27
menggunakan data mining untuk memprediksikan penjualan dari produk
mereka di masa depan dengan menggunakan data-data yang telah
didapatkan dari beberapa minggu.
2.1.17 Pengertian OLAP
Online Analytical Processing, atau disingkat OLAP adalah sebuah pendekatan
secara cepat
menyediakan
jawaban-jawaban
terhadap
kueri analitik
yang
multidimensi di dalam alam. OLAP adalah bagian dari kategori yang lebih global
dari pemikiran bisnis, yang juga merangkum hubungan antara pelaporan dan
penggalian data. Aplikasi khusus dari OLAP adalah pelaporan bisnis untuk
penjualan, pemasaran, manajemen pelaporan, manajemen proses bisnis (M PB),
penganggaran dan peramalan, laporan keuangan dan bidang-bidang yang serupa.
Hal ini dijelaskan oleh Inmon (2005, p408), OLAP adalah seperangkap prinsip
yang menyediakan kerangka dimensi untuk pengambilan keputusan. OLAP juga
digunakan untuk mendefinisikan konfederasi dari vendor yang menawarkan produk
basis data nonrelational dan multidimensional yang ditujukan untuk pendukung
pengambilan keputusan, kontras dengan OLTP.
M enurut Vercellis (2009, p49) terdapat perbedaan antara OLTP dengan OLAP
Tabel 2.1 Perbedaan OLTP dengan OLAP
Karakteristik
Volatilitas
Waktu
OLTP
Data dinamis
Data saat ini
OLAP
Data statis
Data saat ini dan historis
Dimensi waktu
Granularity
Implisit dan terkini
Data yang detil
Eksplisit dan varian
Data aggregasi dan
konsolidasi
Update
Berlanjut dan tidak regular
Periodik dan regular
28
Aktivitas
Fleksibilitas
Kinerja
Berulang kali
Rendah
Tinggi, 1 detik per query
User
Fungsi
Tujuan penggunaan
Karyawan
Operasional
Transaksi
Prioritas
M etrik
Ukuran data
Kinerja tinggi
Rata-rata transaksi
Megabyte hingga gigabyte
Tidak dapat diprediksi
Tinggi
Rendah untuk query
yang kompleks
Knowledge workers
Analisis
Query kompleks dan
pendukung keputusan
Fleksibilitas tinggi
Respons efektif
Gigabyte hingga terabyte
2.1.18 Perbedaan OLAP, S tatistik, dan Data Mining
Data mining sangat berbeda dengan statistika klasik dan analisis OLAP,
perbedaan tersebut akan disajikan dalam Tabel 2.1 dengan contoh.
Tabel 2.2 Perbedaan OLAP, Statistik, dan Data M ining
Keterangan
Definisi
Hasil
Implementasi
OLAP
S tatistik
Ekstraksi dari detil Verifikasi dari
dan total aggregat hipotesis yang
dari data
telah dilakukan
oleh analis
Informasi
Validasi
Distribusi
Analisis variasi
pendapatan dari
dari penjualan
penjualan produk produk
Data Mining
Identifikasi dari
pola dan kejadian
berulang pada data
Knowledge
Karakterisasi dari
penjualan produk
dan prediksi
penjualan di masa
depan
2.1.19 Pengertian ETL (Extract, Transform, Load)
M enurut Vercellis (2009, p53), ETL merujuk pada software yang digunakan
untuk melakukan tiga fungsi berikut yaitu pengambilan (extraction), perubahan
(transformation), dan pemuatan (loading) data ke dalam datawarehouse. Sedangkan
29
menurut Kimball dan Ross (2002, p401), ETL adalah kumpulan dari proses di mana
sumber data operasional dipersiapkan untuk dimasukkan ke dalam datawarehouse.
ETL merupakan proses utama dari proses latar belakang (backroom process)
staging area dari datawarehouse, sebelum data dipresentasikan atau di-query. Di
mana proses ini terdiri dari proses ekstraksi (extracting) data operasional dari sumber
aplikasi, mengubah bentuknya (transform), memuat (loading) dan membuat indeks
dari data, menjamin kualitas data, dan menerbitkan data tersebut.
2.1.20 Pengertian Data Mart
M enurut Kimball (2002,p396), Data mart adalah bagian dari logikal dan fisikal
dari area cakupan yang dimiliki oleh datawarehouse. Sedangkan menurut Connoly
(2002, p1067), Data mart adalah suatu subset dari datawarehouse yang mendukung
persyaratan atau ketentuan sebuah departemen dari sebuah organisasi atau
perusahaan.
Sebuah data mart seperti yang dideskripsikan oleh Inmon (2005) adalah
kumpulan area subjek yang tersusun untuk pengambilan keputusan berdasarkan
kebutuhan dari setiap depertemen. Bagian keuangan memiliki data mart sendiri,
begitu juga dengan marketing dan sales. Data mart untuk marketing terlihat tidak
meyerupai data mart lainnya.
M ungkin yang paling penting setiap depertemen memiliki hardware, software,
data dan program masing-masing untuk mengkonstitusikan data mart. Setiap
departemen memiliki interpretasi sendiri tentang apa itu data mart dan bagaimana
data mart seharusnya dimana data mart harus khusus dan spesifik untuk kebutuhan
masing-masing. M irip dengan datawarehouse, data mart berisi data operasional
30
yang membantu expert bisnis untuk mengambil strategi berdasarkan analisa dari
trend dan analisa masa lalu.
Kunci perbedaan adalah pembuatan data mart ditautkan pada kebutuhan
standar dan konfigurasi data yang spesifik. Dapat terdiri dari banyak data mart
dalam sebuah perusahaan. Sebuah data mart dapat mendukung beberapa fungsi
bisnis, proses bisnis dan unit bisnis.
2.1.21 Pengertian Skema Bintang/Star Schema
M enurut Connoly (2002, p1079), Star schema adalah sebuah struktur logika
yang mempunyai tabel fakta yang terdiri dari data faktuan di tengah, dikelilingi tabel
dimensi yang terdiri dari referensi data. Star schema mengambil karakteristik dari
data faktual yang dihasilkan oleh kejadian yang terjadi di masa lampau. Sedangkan
menurut Inmon (2005,p128), skema bintang adalah struktur desain yang dibutuhkan
untuk mengatur data dengan cara denormalisasi dalam jumlah yang besar ke dalam
sebuah entity dalam sebuah data mart untuk mengoptimalkan akses data.
31
Gambar 2.5 Contoh Star Schema
(sumber:
http://4.bp.blogspot.com/_9rNebBXDgwA/TBvFvpWYk6I/AAAAAAA
AAso/XtJ6jeBX6ec/s320/global_star.gif)
2.1.22 Pengertian Interface
M enurut
M athiassen
(2000,p151),
Interface
adalah
fasilitas
yang
menghubungkan model sistem dan function untuk actors. Hasil interface adalah user
interface dan system interface. User interface menurut M athiassen (2000,p152)
adalah sebuah tampilan yang ditujukan bagi user. Sedangkan system interface adalah
sebuat tampilan yang ditujukan bagi sistem lain.
User interface terdiri atas:
•
Window diagrams, tampilan satu form interface
32
•
Navigation diagrams, tampilan yang menyediakan tampilan elemen user interface
dan transisi atau perpindahan di antaranya. Navigation diagrams mengarahkan
user pada window diagrams yang ada, beserta tombol yang tersedia pada setiap
window diagrams.
2.1.23 Microsoft Time Series
M enurut Brian Larson (p492, 2009) algoritma M icrosoft Time Series
digunakan untuk menganalisis dan memprediksi waktu data yang bergantung pada
waktu. M icrosoft Time Series merupakan kombinasi dari dua algoritma, yaitu
algotima ARTxp yang dikembangkan oleh M icrosoft and the algoritma berstandar
industri ARIM A, yang juga dikembangkan Box dan Jenkins.
Algoritma M icrosoft Time Series menggunakan Decision Tree Viewer, yang
dapat kita lihat melalui algoritma lain. Setiap node di dalam metode decision tree
mengandung rumus regresi yang digunakan untuk memperidiksi nilai yang
berkelanjutan. M icrosoft Time Series juga menggunakan Chart Viewer untuk
menilai nilai dari prediksi
Gambar 2.6 Penggunaan M icrosoft Time Series
33
2.1.24 Tingkat Manajemen
Gambar 2.7 Tingkat M anajemen
(sumber M cLeod dan Schell, 2005, p7)
M anajemen pada puncak hirarki organisasi seperti direktur dan para wakil
direktur, sering disebut berada pada tingkat perencanaan strategis (strategic planning
level). Istilah ini menunjukan pengaruh yang di timbulkan keputusan-keputusan
tersebut pada seluruh organisasi selama beberapa tahun mendatang.
M anajer tingkat menengah meliputi manajer wilayah, direktur produk dan
kepala divisi. Tingkat mereka dinamakan tingkat pengendalian manajemen
(manajemen control level) dan mereka yang menyadari bahwa adalah tanggung
jawab mereka mengubah rencana menjadi tindakan yang memastikan agar tujuan
tercapai.
34
M anajer tingkat bawah mencakup kepala departemen, supervisor dan
pemimpin proyek, yang bertanggung jawab untuk menyelesaikan rencana-rencana
yang telah ditetapkan oleh para manajer di tingkat yang lebih tinggi. Tingkatan
terendah ini juga sering disebut tingkat pengendalian operasional (operational
control panel), karena di sinilah operasional perusahaan berlangsung.
2.2 Teori-Teori Khusus
2.2.1 Pengertian Penjualan dan Sistem Penjualan
Sistem penjualan adalah sebuah sistem yang mendukung kegiatan penjualan
sehingga dapat menghasilkan informasi mengenai pennjualan yang bermanfaat bagi
perusahaan untuk mengambil keputusan. Hal ini dijelaskan oleh M ulyadi
(2001,p202), kegiatan penjualan yang terdiri dari penjualan barang dan jasa, baik
secara tunai maupun kredit. Pada transaksi penjualan kredit, orger dari pelanggan
yang telah dipenuhi dengan permintaan barang atau penyerahan jasa, untuk waktu
tertentu perusahaan memiliki piutang kepada pelanggannya. Dalam sistem penjualan
secara tunai, barang atau jasa baru diserahkan oleh perusahaan kepada pembeli jika
perusahaan telah menerima kas dari pembeli.
2.2.2 Pengertian Pembelian
M enurut M ulyadi (2001,p301), pembelian adalah suatu usaha yang digunakan
dalam perusahaan untuk pengadaan barang yang diperlukan oleh perusahaan. Secara
umum definisi pembelian adalah usaha pengadaan barang atau jasa dengan tujuan
yang akan digunakan sendiri, untuk kepentingan proses produksi maupun untuk
35
dijual kembali, baik dengan atau tanpa proses, dalam proses pembelian yang ada,
agar kegiatan pembelian dapat dilakukan dengan benar.
Berikut adalah fungsi yang terkait dalam sistem pembelian :
a. Fungsi gudang, bertanggung jawab untuk mengajukan permintaan pembelian
sesuai dengan posisi persediaan yang ada di gudang dan untuk menyimpan barang
yang telah diterima oleh fungsi penerimaan.
b. Fungsi pembelian, bertanggung jawab untuk memperoleh informasi mengenai
harga barang, menentukan pemasok yang dipilih dalam pengadaan barang dan
mengeluarkan order pembelian kepada pemasok yang dipilih.
c. Fungsi penerimaan, bertanggung jawab untuk melakukan pemeeriksaan terhadap
jenis, mutu, dan kuantitas barang yang diterima dari pemasok untuk menentukan
dapat atau tidaknya barang tersebut diterima oleh perusahaan.
2.2.3 Pengertian Account Receivable
Account Receiveable (A/R) adalah salah satu jenis transaksi akuntansi yang
mengurusi penagihan konsumen yang berhutang pada seseorang, suatu perusahaan,
atau suatu organisasi untuk barang dan layanan yang telah diberikan pada konsumen
tersebut. M enurut Reeve et al (2008, p394), A/R adalah suatu transaksi yang
biasanya diharapkan untuk segera dibayar dalam jangka waktu yang relatif pendek
seperti 30 atau 60 hari.
2.2.4 Pengertian Invoice
Invoice atau yang biasa disebut faktur adalah sebuah perincian pengiriman
barang yang mencatat daftar barang, harga, dan hal-hal lain yang biasanya terkait
36
dengan pembayaran. Setiap perusahaan mempunyai faktur yang berbeda, sesuai
kebutuhan masing-masing
M enurut Reeve et al (2008, p260), Invoice digunakan saat pembayaran
disetujui pembeli dan penjual. Di dalam invoice biasanya terdapat suatu kondisi yang
menyatakan bahwa pembayaran harus dilakukan dalam waktu yang telah ditentukan
misalnya 30 hari. Kondisi ini biasanya ditulis sebagai n/30.