BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Data Mengacu

BAB 2
LANDAS AN TEORI
2.1 Teori Umum
2.1.1 Data
M engacu pada pendapat Inmon (2005) pegertian data adalah
sebuah rekaman dari fakta, konsep ataupun instruksi pada sebuah media
penyimpanan untuk komunikasi, pengambilan maupun pemrosesan dari
pengertian otomatis dan presentasi dari informasi yang dapat dimengerti
manusia.
Sedangkan pendapat Turban (2005), data adalah deskripsi dasar
tentang sesuatu, kejadian, kegiatan dan transaksi yang direkam,
diklarifikasikan
dan
disimpan,
namun
tidak
terorganisir
untuk
menyampaikan arti khusus.
Tahapan
berikutnya
dari
data
adalah
informasi,
dimana
berdasarkan pendapat Inmon (2005) informasi adalah kumpulan data yang
telah diolah dan dievaluasi yang dapat digunakan untuk penyelesaian
masalah maupun membantu dalam membuat keputusan.
Hoffer, Prescott dan M cFadden (2005) berpendapat informasi
merupakan data yang telah diproses melalui beberapa cara untuk
meningkatkan pengetahuan dari orang yang menggunakan data.
6 7 Daapat disimpulkan, informasi adalah merupakan kumpulan dari
data-data yang dimiliki oleh perusahaan dan diolah sedemikian rupa
sesuai dengan keperluannya.
2.1.2 Database
M engacu pada pendapat Connoly dan Begg (2005), database
adalah sebuah pembagian kumpulan data yang berelasi secara logika dan
keterangan data yang didesain untuk mendapatkan informasi yang
dibutuhkan sebuah organisasi.
M enurut pendapat Inmon (2005), database adalah sebuah koleksi
dari data yang disimpan dan memiliki keterkaitan (biasanya memiliki
redudansi namun dalam jumlah yang terbatas dan masih terkendali) yang
sesuai dengan skema. Sebuah database dapat melayani satu maupun
banyak aplikasi.
Pendapat dari M cLeod dan Schell (2004), database adalah
kumpulan seluruh sumber data berbasis komputer milik organisasi.
Database yang dikendalikan oleh sistem manajemen database adalah
suatu set catatan data yang berhubungan dan saling menjelaskan.
Jadi database adalah kumpulan data-data yang secara logis saling
berhubungan dan terintegrasi dimana dapat digunakan sebagai sumber
kebutuhan informasi sebuah organisasi.
8 2.1.3 Database Management System (DBMS )
M enurut pendapat Connolly
dan
Begg (2005),
Database
Management System (DBM S) adalah suatu sistem software yang
memungkinkan user dapat mengidentifikasikan, membuat, memelihara,
dan mengatur akses dari database.
DBM S
merupakan
sebuah
sistem
peranti
lunak
yang
dikembangkan untuk mengatur dan mengontrol akses dari database.
Seperti pendapat Inmon (2005), DBM S adalah sebuah sistem peranti lunak
berbasis komputer yang digunakan untuk menjalankan dan mengatur data.
M enurut pendapat Kimball dan Ross (2002), DBM S merupakan
sebuah aplikasi komputer yang bertujuan untuk menyimpan, mengambil
dan memodifikasi data dengan sebuah cara bertingkat tinggi yang
terstruktur. Data yang berada didalam DBM S ini umumnya dibagi
berdasarkan ragam aplikasi.
Sedangkan menurut pendapat M cLeod dan Schell (2004), DBM S
adalah aplikasi perangkat lunak yang menyimpan struktur database,
hubungan antar-data dalam database, serta berbagai formulir dan laporan
yang berkaitan dengan database itu.
Hoffer, Prescott dan M cFadden (2005) berpendapat, DBM S
merupakan sebuah sistem software yang digunakan untuk menciptakan,
memelihara dan menyediakan kontrol akses untuk pengguna database.
9 2.1.3.1 Kelebihan Database Management System (DBMS )
M engacu pada pendapat Connolly dan Begg (2005)
beberapa kelebihan penggunaan DBM S, yaitu :
a. Kontrol terhadap pengulangan data.
b. Data yang dihasilkan konsisten.
c. Pada beberapa data yang sama akan semakin banyak
informasi yang diperoleh.
d. Data dapat dipakai secara bersama-sama.
e. M eningkatkan integrasi data.
f. M eningkatkan keamanan.
g. Penetapan standarisasi.
h. Perbandingan skala ekonomi.
i. M engatasi konflik kebutuhan.
j. M eningkatkan aksesibilitas dan responsif data.
k. M eningkatkan produktivitas.
l. M emperbaiki pemeliharaan data yang tidak tergantung dari
data lain.
m. M eningkatkan konkurensi.
n. M emiliki backup dan recovery.
2.1.3.2 Kekurangan Database Management System (DBMS )
Sedangkan kekurangan penggunaan DBM S menurut
pendapat Connolly dan Begg (2005) adalah :
10 a. M emiliki sistem yang kompleks.
b. Karena sistem yang kompleks
mengakibatkan
DBM S
memiliki ukuran yang semakin besar.
c. DBM S memiliki harga yang bervariasi tergantung pada fungsi
dan kebutuhan.
d. Penambahan biaya untuk perangkat keras yang dibutuhkan.
e. Penambahan biaya konversi.
f. Karena DBM S dirancang untuk mengakses lebih dari satu
aplikasi sehingga performasinya menurun.
g. Kegagalan
DBM S mengakibatkan
operasi tidak
dapat
berjalan.
2.1.3.3 Fasilitas Database Management System (DBMS )
M enurut pendapat Connolly dan Begg (2005) DBM S
menyediakan fasilitas-fasilitas, yaitu :
a. DDL (Data Definition Language) adalah suatu bahasa yang
memungkinkan pengguna untuk mendefinisikan database dan
menentukan tipe data dan struktur dan kendala pada data yang
akan disimpan dalam database.
b. DM L (Data Manipulation Language)adalah suatu bahasa
yang memungkinkan pengguna untuk melakukan insert,
update, delete dan mendapatkan kembali data dari database.
11 c. SQL (Structure Query Language) adalah sebuah fasilitas yang
digunakan untuk melayani pengaksesan data. Bahasa query
yang paling baik adalah secara de facto yang merupakan
standar bagi DBM S.
2.1.4 Online Transaction Processing (OLTP)
M enurut pendapat Connoly dan Begg (2005), OLTP adalah sistem
yang telah dirancang untuk mengatasi jumlah hasil transaksi yang tinggi,
dengan transaksi yang biasanya membuat perubahan kecil bagi data
operasional organisasi, yaitu data yang memerlukan penanganan operasi
secara harian.
Kimball dan Ross (2002) berpendapat, OLTP adalah gambaran asli
dari segala aktifitas dan asosiasi sistem dengan meng-input data yang
dapat dipercaya ke dalam suatu database. OLTP menggambarkan
kebutuhan sistem dalam ruang lingkup operasional dan merupakan proses
yang mendukung kegiatan bisnis sehari-hari.
OLTP dirancang untuk memungkinkan terjadinya pengaksesan
secara bersamaan oleh beberapa user atas sumber data yang sama dan
mengatur proses yang diperlukan. Seperti yang dijelaskan oleh namanya,
OLTP memungkinkan transaksi untuk mengkses database secara
langsung. Transaksi yang dilakukan dapat berupa operasi insert, update,
dan delete. Database OLTP biasanya bersifat relasional dan dalam bentuk
normal ketiga (3NF) dan yang paling penting, database OLTP dibangun
12 untu dapat menangani transaksi dalam jumlah besar dengan tetap menjaga
performa agar tetap optimal.
2.1.5 Perbandingan OLTP dan Data Warehouse
M engacu pada pendapat Connoly dan Begg (2005) perbandingan
antara OLTP dan data warehouse adalah sebagai berikut :
OLTP
Data warehouse
M enyimpan data sekarang
M enyimpan data historis
M enyimpan data yang detail
M enyimpan data yang detail, light dan ringkas
Data bersifat dinamis
Data bersifat statis
Proses berulang-ulang
Proses ad hoc, tak terstruktur dan heuristic
Hasil transaksi yang tinggi
Hasil transaksi medium atau bahkan rendah
Pola penggunaan dapat diprediksi
Pola penggunaan tidak dapat diprediksi
Berbasis transaksi
Berbasis analisis
Berorientasi aplikasi
Berorientasi subyek
M endukung keputusan sehari-hari
M endukung strategi pengambilan keputusan
M enyediakan pengguna operasional M enyediakan
dalam jumlah yang besar
pengguna
manajerial dalam
jumlah yang cenderung sedikit
Tabel 2. 1 Perbandingan OLTP dan Data Warehouse
2.1.6 Data Warehouse
M enurut pendapat Connolly dan Begg (2005), data warehouse
adalah integrasi dari data perusahaan yang berbeda diambil dari sumber
data operasional dan bisa diakses oleh pengguna dengan didukung query
yang sederhana sampai query dengan kompleksitas tinggi untuk
13 mendukung pengambilan
keputusan. Data
warehouse merupakan
sekumpulan data yang berorientasi subyek, terintegrasi, tidak mudah
berubah, dan berdasarkan kepada suatu rentang waktu tertentu yang
berguna untuk mendukung dalam proses pengambilan keputusan.
Kimball dan Ross (2002) berpendapat, data warehouse merupakan
perpaduan dari data sebuah organisasi, baik dari area staging maupun area
presentasi, dimana data operasional secara spesifik serta terukur untuk
query dan analisis performasi dan memudahkan penggunaan.
M enurut pendapat Inmon (2005), data warehouse adalah
kumpulan data yang mendukung pengambilan keputusan manajemen yang
memiliki karakteristik berorientasi pada subyek (Subject Oriented),
terintegrasi (Integrated), mempunyai variasi waktu tertentu (TimeVariant), dan tidak dapat berubah (Non-Volatile).
Jadi, data warehouse adalah sebuah tempat penyimpanan data
historis yang berorientasi subyek, terintegrasi, mempunyai variasi waktu
tertentu dan tidak dapat berubah yang berguna untuk proses analisis dan
pengambilan keputusan.
2.1.6.1 Karakteristik Data Warehouse
M enurut pendapat Inmon (2005) karakteristik data
warehouse adalah subject oriented, integrated, time variant dan
non-volatile.
1. Berorientasi Subyek (Subject Oriented)
14 Gambar 2. 1 Subject Oriented
Data warehouse berorientasi subyek artinya data
warehouse
dirancang
untuk
menganalisa
data
yang
berdasarkan subyek-subyek tertentu dalam organisasi, bukan
pada proses atau fungsi aplikasi tertentu. Data warehouse
diorganisasikan
perusahaan
disekitar
(customer,
subyek-subyek
utama
dari
product dan sales)
dan
tidak
diorganisasikan pada area-area aplikasi utama (customer,
invoicing, stock control dan product sales). Hal ini
dikarenakan
kebutuhan
dari
data
warehouse
untuk
menyimpan data-data yang bersifat sebagai penunjang suatu
keputusan, daripada aplikasi yang berorientasi terhadap data.
15 Jadi dengan kata lain, data yang disimpan adalah berorientasi
kepada subyek bukan terhadap proses.
2. Terintegrasi (Integrated)
Gambar 2. 2 Integrated
Data warehouse dapat menyimpan data-data yang
berasal dari sumber-sumber yang terpisah ke dalam suatu
format yang konsisten dan saling terintegrasi satu dengan
yang lainnya. Dengan demikian data tidak bisa dipecah-pecah
karena data yang ada merupakan suatu kesatuan yang
menunjang keseluruhan konsep data warehouse itu sendiri.
Syarat integrasi sumber data dapat dipenuhi dengan berbagai
cara seperti konsisten dalam penamaan variabel, konsisten
dalam ukuran variabel, konsisten dalam struktur pengkodean
dan konsisten dalam atribut fisik dari data.
16 3. Variasi Waktu (Time Variant)
Gambar 2. 3 Time Variant
M odel analisis yang diterapkan dalam sebuah data
warehouse berfokus pada perubahan data faktual berdasarkan
waktu. Dalam hal ini data warehouse harus mampu
menyimpan data untuk suatu obyek tertentu dalam kurun
waktu yang berbeda-beda. Waktu merupakan bagian data
yang sangat penting dalam data warehouse.
4. Tidak Dapat Berubah (Non-Volatile)
Gambar 2. 4 Non-Volatile
17 Karakteristik yang keempat dari data warehouse
adalah non-volatile, maksudnya data pada data warehouse
tidak di-update secara real time tetapi di-refresh dari sistem
operasional secara reguler. Data baru selalu ditambahkan
sebagai supplement dari database bukan sebagai pergantian
data. Database tersebut secara terus-menerus menyerap data
baru itu, kemudian secara incremental disatukan dengan data
sebelumnya.
2.1.6.2 S truktur Data Warehouse
M engacu pada pendapat Inmon (2005) struktur data
warehouse adalah current detail data, older detail data, lightly
summarized data, highly summarized data dan metadata.
Gambar 2. 5 Struktur Data Warehouse
18 1. Current Detail Data
Current detail data merupakan data detil yang aktif
saat ini, mencerminkan keadaan yang sedang berjalan dan
merupakan level terendah dalam data warehouse. Di dalam
area ini warehouse menyimpan seluruh detil data yang
terdapat pada skema basis data. Jumlah data sangat besar
sehingga memerlukan storage yang besar pula dan dapat
diakses secara cepat. Dampak negatif yang ditimbulkan adalah
kerumitan untuk mengatur data menjadi meningkat dan biaya
yang diperlukan menjadi mahal.
2. Older Detail Data
Data ini merupakan data historis dari current detail
data, dapat berupa hasil cadangan atau archive data yang
disimpan dalam storage terpisah. Karena bersifat back-up
(cadangan), maka biasanya data disimpan dalam storage
alternatif seperti tape-disk. Data ini biasanya memiliki tingkat
frekuensi akses yang rendah. Penyusunan file atau directory
dari data ini disusun berdasarkan umur dari data yang
bertujuan untuk mempermudah pencarian atau pengaksesan
kembali.
19 3. Lightly Summarized Data
Data ini merupakan ringkasan atau rangkuman dari
current detail data. Data ini dirangkum berdasarkan periode
atau dimensi lainnya sesuai dengan kebutuhan.
Ringkasan dari current detail data belum bersifat
total summary. Data–data ini memiliki detil tingkatan yang
lebih tinggi dan mendukung kebutuhan warehouse pada
tingkat departemen. Tingkatan data ini disebut juga dengan
data mart. Akses terhadap data jenis ini banyak digunakan
untuk view suatu kondisi yang sedang atau sudah berjalan.
4. Highly Summarized Data
Data ini merupakan tingkat lanjutan dari lightly
summarized data, merupakan hasil ringkasan yang bersifat
totalitas, dapat diakses untuk melakukan analisis perbandingan
data berdasarkan
urutan
waktu
tertentu
dan
analisis
menggunakan data multidimensi.
5. Metadata
M enurut pendapat Inmon (2005), komponen yang
paling penting dalam data warehouse adalah metadata atau
data tentang data, telah menjadi bagian dari lingkungan
pergaulan proses informasi sejak adanya program dan data.
Akan tetapi, metadata dalam dunia data warehouse membawa
20 kepada tingkat kepentingan yang baru yaitu memberikan
kegunaan yang paling efektif dari data warehouse. Metadata
mengijinkan pengguna / DSS analyst untuk melakukan
navigasi melalui berbagai kemungkinan.
2.1.6.3 Anatomi Data Warehouse
M enurut pendapat Inmon (2005), anatomi data warehouse
adalah data warehouse fungsional, data warehouse terpusat dan
data warehouse terdistribusi.
1. Data Warehouse Funngsional
Gambar 2. 6 Data Warehouse Fungsional
Data warehouse fungsional ini merupakan bentuk
database dimana data warehouse dibuat lebih dari satu dan
dikelompokkan berdasarkan masing-masing fungsi yang ada
21 dalam perusahaan, seperti fungsi financial atau keuangan,
fungsi marketing atau pemasaran, fungsi kinerja personalia
dan lain-lain. Keuntungan dari bentuk ini adalah sistem akan
mudah dibangun dengan biaya relatif murah. Kerugian dari
penggunaan bentuk ini adalah resiko kehilangan konsistensi
data dan terbatasnya kemampuan pengguna dalam hal
pengumpulan data.
2. Data Warehouse Terpusat
Gambar 2. 7 Data Warehouse Terpusat
Data warehouse terpusat ini merupakan database
fisikal tunggal yang memuat semua data untuk area fungsional
yang khusus, departemen, divisi atau perusahaan. Data
warehouse ini digunakan ketika terdapat kebutuhan akan data
informasional dan terdapat banyak end-user yang sudah
terhubung ke komputer pusat atau jaringan.
22 Bentuknya menyerupai functional data warehouse,
akan tetapi sumber data lebih dahulu dikumpulkan atau
diintegrasikan pada suatu tempat terpusat, baru kemudian data
tersebut
dibagi-bagi
berdasarkan
fungsi-fungsi
yang
dibutuhkan oleh perusahaan. Bentuk data warehouse terpusat
ini sering digunakan oleh perusahaan-perusahaan yang belum
mempunyai jaringan eksternal. Keuntungan bentuk data
warehouse terpusat ini adalah data benar-benar terpadu karena
konsistensi yang tinggi. Namun demikian membutuhkan
waktu yang lama dan biaya yang mahal dalam bentuk data
warehouse seperti ini.
3. Data Warehouse Terdistribusi
Gambar 2. 8 Data Warehouse Terdistribusi
Data warehouse terdistribusi adalah data warehouse
dimana komponen tertentu dari data warehouse tersebut
23 didistribusikan melewati sebuah database fisikal yang
berbeda. Data warehouse terdistribusi biasanya melibatkan
data yang paling teredudansi, dan sebagai akibatnya,
menimbulkan proses load dan update yang sangat kompleks.
Data warehouse terdistribusi ini merupakan gateway
yang berfungsi sebagai jembatan antara lokasi data warehouse
dengan dengan workstation yang menggunakan sistem yang
beranekaragam, sehingga pada bentuk data warehouse ini
memungkinkan perusahaan untuk mengakses sumber data
yang terdapat diluar lokasi perusahaan (eksternal). Bentuk
data warehouse ini mempunyai kelebihan dalam hal
pengaksesan data dari luar perusahaan yang telah mengalami
sinkronisasi terlebih dahulu dan tetap terjaga konsistensinya.
Tetapi bentuk ini juga memiliki kerugian yaitu bentuk ini
merupakan yang paling mahal dan kompleks untuk diterapkan
karena sistem operasinya dikelola secara terpisah.
24 2.1.6.4 Arsitektur Data Warehouse
Gambar 2. 9 Arsitektur Data Warehouse
M engacu pada pendapat Connolly dan Begg (2005) arsitektur
data warehouse terdiri dari:
1. Operational Data
Sumber data untuk data warehouse diberikan dari :
a) Mainframe data oprasional disimpan dalam hirarkis
generasi
pertama
dan
dalam
database
jaringan,
diperkirakan bahwa sebagian besar data operasional
perusahaan di dalam sistem ini.
b) Data-data departemen disimpan dalam kepemilikan file
sistem VSAM , RM S dan relational DBM Ss seperti
Informix dan Oracle.
c) Data private disimpan dalam workstations dan private
server.
25 d) Sistem eksternal seperti internet, database komersial atau
database yang berhubungan
dengan
pemasok atau
pelanggan sebuah organisasi.
2. Operational Data Store
Operational Data Store (ODS) adalah sebuah tempat
penyimpanan data operasional saat ini dan terintegrasi yang
digunakan untuk melakukan analisis. ODS menyusun dan
menyediakan data dengan cara yang sama seperti data
warehouse, tetapi sebenarnya bertindak secara sederhana
sebagai tempat penyimpanan sementara untuk data-data
sebelum dipindahkan ke warehouse.
Sebuah
ODS
biasa
diciptakan
ketika
sistem
operasional tidak dapat memenuhi kebutuhan laporan. ODS
menyediakan kemudahan dalam pemakaian sebuah relational
database dalam mengambil keputusan yang mendukung
fungsi-fungsi data warehouse. M embangun sebuah ODS
merupakan langkah yang tepat dalam proses pembangunan
sebuah data warehouse karena ODS dapat menyediakan data
yang sudah di-extract dari sumber sistem.
3. Load Manager
Load manager menjalankan semua operasi yang
berhubungan dengan proses extract dan load data ke dalam
data warehouse. Data dapat di-extract secara langsung dari
sumber data atau umumnya dari penyimpanan data oprasional.
26 Operasi-operasi yang dijalankan oleh load manager dapat
meliputi
transformasi
data
yang
sederhana
untuk
mempersiapkan data sebelum disimpan ke dalam data
warehouse.
4. Warehouse Manager
Warehouse manager menjalankan semua operasi yang
berhubungan dengan pengelolaan data dalam data warehouse.
Operasi-operasi yang dijalankan oleh warehouse manager
meliputi :
a) Analisis data untuk memastikan konsistensi data tersebut.
b) Transformasi dan penggabungan sumber data dari tempat
penyimpanan sementara ke dalam tabel data warehouse.
c) M embuat index dan view pada tabel pusat.
d) M embuat denormalisasi (jika dibutuhkan).
e) M embuat agregasi (jika dibutuhkan).
f) Back-up dan archive data.
5. Query Manager
Query manager menjalankan semua operasi yang
berhubungan dengan pengelolaan query pengguna. Operasioperasi yang dijalankan oleh query manager meliputi
pengarahan query pada tabel yang tepat dan penjadwalan
pelaksanaan query. Dalam beberapa kasus, query manager
juga menghasilkan profil query yang memperbolehkan
27 warehouse manager untuk menentukan index dan agregasi
yang tepat.
6. Detailed Data
Area ini menyimpan semua detil data di dalam skema
database. Dalam banyak kasus, detil data tidak disimpan
secara online tetapi dapat disediakan dengan cara melakukan
agregasi data ke tingkatan detil berikutnya. Namun, secara
berkala, detil data dimasukkan ke dalam warehouse untuk
melengkapi data agregasi.
7. Lighly and Highly Summarized Data
Area ini meyimpan semua data agregasi yang
dihasilkan oleh warehouse manager. Tujuan dari ringkasan
informasi ini adalah untuk mempercepat kinerja dari query.
M eskipun ada kenaikan biaya operasional yang berhubungan
dengan peringkasan data tersebut, tetapi akan diimbangi
dengan penghapusan kebutuhan untuk secara berkelanjutan
menjalankan operasi peringkasan (seperti penyortiran atau
pengelompokkan) dalam menjawab query-query pengguna.
Ringkasan data akan diperbarui secara berkelanjutan ketika
ada data baru yang dimasukkan ke dalam warehouse.
8. Archive / Backup Data
Area ini menyimpan detil data dan ringkasan data
dengan tujuan untuk pengarsipan dan backup. M eskipun
ringkasan data dihasilkan dari data detil, tetapi memungkinkan
28 untuk melakukan backup ringkasan data secara online jika
data tersebut disimpan melebihi periode penyimpanan data
detil. Data tersebut dipindahkan ke arsip penyimpanan seperti
tape magnetic atau optical disk.
9. Metadata
Area ini menyimpan semua definisi metadata yang
digunakan oleh semua proses di dalam warehouse. Metadata
digunakan untuk berbagai tujuan, meliputi :
a) Proses extract dan load – metadata digunakan untuk
memetakan sumber data ke dalam gambaran umum dari
data di dalam warehouse.
b) Proses pengelolaan warehouse – metadata digunakan
untuk mengotomatisasi produksi dari table ringkasan.
c) Sebagai dari bagian proses pengelolaan query – metadata
digunakan untuk mengarahkan sebuah query ke sebuah
sumber data yang paling sesuai.
10. End-User Access Tools
Lima kelompok utama end-user access tools :
a) Reporting and query tools
Reporting tools meliputi production reporting tools
dan report writers. Production reporting tools digunakan
untuk menghasilkan laporan operasional yang teratur atau
untuk mendukung sejumlah pekerjaan dengan volume
yang tinggi seperti pesanan pelanggan dan pembayaran
29 karyawan. Sebaliknya, report writers adalah desktop tools
yang dibuat untuk end-user.
Query tools untuk data warehouse relational
dirancang untuk dapat menerima SQL atau untuk
menghasilkan pernyataan SQL agar dapat menerima query
pada data yang disimpan di dalam warehouse. Query tools
sangat populer diantara pengguna aplikasi bisnis.
b) Application Development Tools
Kebutuhan-kebutuhan
end-user
seperti
membangun kemampuan untuk membuat laporan dan
query tools keduanya sangat tidak memadai karena analisa
yang dibutuhkan tidak dapat dijalankan. Dalam situasi
seperti ini, pengguna akan membutuhkan application
development tools yang dirancang untuk kebutuhan clientserver.
c) Executive Information System (EIS) Tools
Executive
Information
System
sebenarnya
dikembangkan untuk mendukung pengambilan keputusan
tingkat tinggi. Namun, semakin meluas untuk mendukung
semua
tingkat
pengelolaan.
Sekarang
ini
batasan
perbedaan antara EIS dan decision support tools lainnya
semakin tidak jelas karena para pengembang EIS
menambhakan fasilitas query tambahan yang menyediakan
30 custom-built application untuk
bisnis
area
seperti
penjualan, pemasaran dan keuangan.
d) Online Analitical Processing (OLAP) Tools
Online Analitical Processing Tools merupakan
konsep database multidimensi dan mengijinkan pengguna
untuk
menganalisa
data
menggunakan
view
yang
kompleks dan multidimensi. Contoh-contoh aplikasi bisnis
untuk OLAP meliputi penilaian keefektifan strategi
pemasaran, prediksi penjualan produk dan kapasitas
perencanaan.
e) Data Mining Tools
Data mining adalah proses menemukan korelasi,
pola dan gaya baru yang bermanfaat ‘menggali’ (mining)
data dalam jumlah yang banyak dengan menggunakan
teknik statistika, matematika dan intelejensia semu.
31 2.1.6.5 Aliran Data Dalam Data Warehouse
Gambar 2. 10 Aliran Data Dalam Data Warehouse
Aliran data dalam data warehouse menurut pendapat
Connolly dan Begg (2005) adalah sebagai berikut :
Data warehouse fokus pada 5 pengelolaan utama lairan
data yaitu inflow, upflow, downflow, outflow dan metaflow.
1. Inflow
Inflow adalah proses yang berhubungan dengan proses
extract, cleansing dan loading data dari sumber sistem ke
dalam data warehouse. Data harus direkonstruksi terlebih
dahulu
sebelum disimpan
di dalam data
warehouse.
Rekonstruksi data meliputi :
a) Pembersihan data yang kotor (cleansing dirty data).
32 b) M erestrukturisasi data agar sesuai dengan kebutuhan data
warehouse, contoh ; menambah atau menghilangkan
fields, melakukan denormalisasi data.
c) M emastikan bahwa sumber data konsisten.
2. Upflow
Upflow
adalah
proses
yang
berhubungan
dengan
penambahan nilai pada data di dalam data warehouse dengan
cara meringkas, membungkus dan mendistribusikan data.
Beberapa aktifitas yang berhubungan dengan upflow adalah :
a) M eringkas data dengan cara memilih, memproyeksikan,
menggabungkan dan mengelompokkan data relational ke
dalam view yang lebih cocok dan berguna bagi end-user.
b) M embungkus data dengan cara mengubah detil atau
ringkasan data ke dalam bentuk yang lebih berguna seperti
dokumen teks, grafik, bagan dan animasi.
c) M endistribusikan data ke kelompok yang sesuai untuk
meningkatkan ketersediaan dan kemampuan aksesnya.
3. Downflow
Downflow adalah proses yang berhubungan dengan
pengarsipan dan backup data di dalam data warehouse.
Pengarsipan data-data lama sangat penting karena dapat
mempertahankan efektifitas dan kinerja dari data warehouse.
Downflow juga meliputi proses yang memastikan bahwa data
33 warehouse yang digunakan dapat mengatasi kehilangan data
atau kekeliruan hardware / software.
4. Outflow
Outflow adalah proses yang membuat data tersedia dan dapat
digunakan oleh end-user. Dua aktifitas utama dari outflow :
a) Pengaksesan, fokus pada kepuasan permintaan end-user
atas data yang mereka butuhkan.
b) Pengiriman, fokus pada pengiriman informasi ke end-user
workstation dan juga disebut sebagai tipe proses ‘publish
and subscribe’.
5. Metaflow
Metaflow
adalah
proses
yang
berhubungan
dengan
pengelolaan metadata. Metaflow juga merupakan proses
pemindahan metadata.
2.1.6.6 Model Dimensional
M engacu pada pendapat Connolly dan Begg (2005) model
dimensional merupakan sebuah
perancangan logical yang
bertujuan untuk menampilkan data dalam bentuk standar dan
intuitif yang mengizinkan pengaksesan dengan performa yang
tinggi.
M odel dimensional menggunakan konsep model hubungan
antar entitas dengan beberapa batasan yang penting. Setiap model
34 dimensi terdiri dari sebuah tabel dengan sebuah composite key,
disebut dengan tabel fakta. Sedangkan untuk satu set tabel yang
lebih kecil disebut tabel dimensi. Setiap tabel dimensi memiliki
sebuah simple primary key yang merespon tepat pada satu
komponen composite key di tabel fakta. Dengan kata lain, primary
key dari sebuah tabel fakta terdiri atas dua atau lebih foreign key.
Struktur karakteristik ini disebut dengan skema bintang atau join
bintang.
Fitur penting lainnya dari sebuah model dimensional
adalah semua natural keys diganti dengan kunci pegganti
(surrogate keys). Ini berarti bahwa setiap kali join antar tabel
fakta dengan tabel dimens i selalu didasari oleh kunci pengganti,
bukan natural keys. Kegunaan dari kunci pengganti ini adalah
memperbolehkan data pada data warehouse untuk memiliki
beberapa kebebasan dalam penggunaan data, tetapi tidak seperti
halnya yang diproduksi oleh sistem OLTP. Sebuah sistem OLTP
memerlukan struktur yang telah dinormalisasi untuk mengurangi
redudansi, validasi untuk input data, dan dukungan volume yang
besar dari transaksi yang bergerak sangat cepat. Sebuah transaksi
biasanya melibatkan sebuah proses bisnis, seperti mencatat order
atau mencetak pembayaran invoice. M odel OLTP sering terlibat
seperti jaring laba-laba yang terdiri dari ratusan, bahkan ribuan
tabel, sehingga sulit untuk dimengerti.
35 Sebaliknya, model dimensional yang sering digunakan
adalah desain bintang (star) atau snowflake yang mudah untuk
dimengerti dan sesuai dengan kebutuhan bisnis, mendukung query
sederhana dari bisnis, dan menyediakan performa query yang
superior dengan meminimalisasi tabel-tabel join. Sebagai contoh
perbandingan contoh diagram dari model data OLTP yang
sederhana dengan data warehouse model dimensional.
Gambar 2. 11 M odel Data OLTP
Gambar 2. 12 M odel Dimensional
36 2.1.6.7 Sketsa Data Warehouse
1. Tabel Fakta
M enurut pendapat Kimball dan Ross (2002), fakta
adalah sebuah ukuran dari kinerja bisnis, biasanya berupa
angka-angka dan penjumlahan. Hal ini berlanjut pada
pengertian dari tabel fakta yang ada.
Pengertian tabel fakta yang mengacu pada pendapat
Kimball dan Ross (2002), tabel fakta pada sebuah skema
bintang adalah tabel pusat dengan pengukuran performa bisnis
dalam bentuk angka yang memiliki karakteristik yang berupa
composite key, yang tiap-tiap elemennya adalah foreign key
yang didapat dari tabel dimensi. Sedangkan menurut pendapat
Inmon (2005) tabel fakta adalah pusat dari tabel star join
dimana data dengan banyak kepentingan disimpan.
2. Tabel Dimensi
M engacu pada pendapat Kimball dan Ross (2002)
dimensi adalah sebuah entitas independent pada sebuah model
dimensional yang berfungsi sebagai pintu masuk atau
mekanisme untuk memecah-mecah pengukuran tambahan
yang ada pada tabel fakta dari model dimensional.
Pengertian tabel dimensi menurut pendapat Kimball dan
Ross (2002) adalah sebuah tabel pada tabel dimensional yang
37 memiliki sebuah primary key tunggal dan kolom dengan
atribut deskriptif. Pengertian lain dari tabel dimensi menurut
pendapat Inmon (2005) adalah tempat dimana data tambahan
yang berhubungan dengan tabel fakta ditempatkan pada
sebuah tabel multidimensional.
3. Permodelan dalam Dimensional
M engacu pada pendapat Connolly dan Begg (2005)
permodelan dalam dimensional adalah sebuah teknik desain
logis yang bertujuan untuk menampilkan data dalam bentuk
biasa dan intuitif yang mengijinkan akses dengan performa
yang baik. Ada 3 jenis permodelan dalam dimensional yaitu
star schema, snowflake dan starflake schema.
3a. Skema Bintang
Skema bintang (star schema) menurut pendapat
Connolly dan Begg (2005) adalah struktur logis yang
mempunyai sebuah tabel fakta yang berisi data faktual di
pusat,
dikelilingi
oleh
beberapa
tabel
dimensi
yang
mengandung data referensi (dimana dapat didenormalisasi).
M enurut pendapat Inmon (2005) skema bintang adalah sebuah
struktur data dimana data didenormalisasi dengan tujuan untuk
mengoptimalkan akses data.
38 M enurut pendapat Connolly dan Begg (2005)
skema bintang merupakan struktur logikal yang memiliki
sebuah tabel fakta di tengah yang berisi data fakta, yang
dikelilingi oleh tabel dimensi yang berisi data referensi atau
keterangan (yang dapat didenormalisasi). Skema bintang
mempunyai beberapa jenis, antara lain :
a) Skema Bintang Sederhana
Dalam simple star schema atau skema bintang sederhana,
tabel fakta atau tabel yang merupakan hasil summarized
sebagai masukan bagi data warehouse, terdiri dari satu
atau beberapa foreign key. Sebuah foreign key adalah
sebuah kolom dalam suatu tabel yang nilainya ditentukan
oleh primary key dari tabel lain.
Gambar 2. 13 Skema Bintang Sederhana
39 b) Skema Bintang Dengan Beberapa Tabel Fakta
Skema bintang juga dapat berisi dengan beberapa tabel
fakta. Di dalam beberapa kasus, beberapa tabel fakta
tersebut muncul karena beberapa tabel fakta tersebut tidak
saling berhubungan. Sebagai contoh data pengangkutan
tersedia dalam format mingguan, tetapi untuk menyatukan
data hanya disediakan setiap empat minggu, maka dapat
diputuskan untuk menciptakan tabel terpisah untuk fakta
tersebut. Tabel semacam ini digunakan untuk jumlah data
besar dan bermacam tingkat data yang terintegrasi.
Gambar 2. 14 Skema Bintang Dengan Beberapa Tabel Fakta
c) Skema Bintang Dengan Tabel Dimensi Tambahan
Tabel dimensi mungkin juga mengandung foreign key
yang mereferensikan primary key di tabel dimensi lain.
40 Tabel dimensi yang direferensikan
ini dinamakan
outboard atau secondary dimension table.
Gambar 2. 15 Skema Bintang Dengan Tabel Dimensi Tambahan
3b. Skema Snowflake
Gambar 2. 16 Skema Snowflake
M enurut pendapat Connolly dan Begg (2005), skema
snowflake merupakan bentuk lain dari skema bintang
dimana tabel dimensi tidak mengandung data yang telah
didenormalisasi. Suatu tabel dimensi dapat memiliki tabel
dimensi lainnya.
41 Ciri-ciri snowflake adalah :
a) Tabel dimensi dinormalisasi dengan dekomposisi pada
tingkat atribut.
b) Setiap dimensi mempunyai satu key untuk setiap
tingkat pada hirarki dimensi.
c) Kunci tingkat terendah menghubungkan tabel dimensi
dengan tabel fakta dan tabel atribut bertingkat rendah.
Keuntungan dari skema snowflake adalah :
a) Kecepatan memindahkan data dari data OLTP ke
dalam metadata.
b) Sebagai kebutuhan dari alat pengambil keputusan
tingkat tinggi dimana dengan tipe yang seperti ini
seluruh struktur dapat digunakan sepenuhnya.
c) Banyak yang beranggapan lebih nyaman merancang
dalam bentuk normal ketiga. Sedangkan kerugiannya
adalah mempunyai masalah yang besar dalam hal
kinerja (performance) yang disebabkan banyaknya join
antar
tabel-tabel yang dilakukan
dalam skema
snowflake ini sehingga memperlambat kinerja yang
dilakukan.
42 2.1.7 Granularity
M engacu pada pendapat Inmon (2005) granularity adalah masalah
desain paling penting dalam data warehouse karena mempengaruhi
volume data yang berada di dalam data warehouse dan jenis query yang
dapat dijawab. Volume data di dalam sebuah warehouse berbanding
terbalik dengan level detil dari sebuah query. Semakin kecil level dari
granularity, semakin fleksibel data yang dikeluarkan. Semakin tinggi level
granularity, data yang dikeluarkan malah semakin tidak tetap.
Gambar 2. 17 Granularity Data
2.1.8 Agregasi
M enurut pendapat Inmon (2005), agragasi merupakan proses
pengelompokkan beberapa record operasional menjadi sebuah record
berdasarkan beberapa kejadian. Record ini disebut dengan profile record
43 atau aggregate record, dimana berisi nilai dari hasil perhitungan dari
beberapa record operasional yang dikelompokkan. Untuk melakukan
agregasi, nilai dari data operasional yang dikelompokkan harus dapat
dikenakan fungsi agregasi, nilai dari data operasional harus dapat
dikenakan fungsi agregasi, seperti count dan sum.
Agregasi data operasional menjadi single data warehouse record
dapat membutuhkan banyak form, termasuk diantaranya :
a) Nilai yang diambil dari data operasional dapat diringkas.
b) Unit data operasional dapat dihitung, dimana jumlah unit dicatat.
c) Unit-unit data dapat diproses untuk menemukan tertinggi, terendah,
rata-rata dan sebagainya.
d) Kejadian pertama dan terakhir dapat dilacak.
e) Data jenis tertentu, termasuk dalam batas-batas beberapa parameter,
dapat diukur.
f) Data yang efektif dalam beberapa waktu tertentu dapat dilacak.
g) Data paling awal dan paling akhir dapat dilacak.
2.1.9 Denormalisasi
M engacu pada pendapat Connolly dan Begg (2005), denormalisasi
adalah proses penggabungan tabel dengan tujuan meningkatkan kinerja yang
ada. Sebenarnya denormalisasi adalah proses yang melanggar bentuk normal
dari sebuah normalisasi.
44 Denormalisasi dilakukan sesuai jika ada sejumlah entitas berhubungan
dengan rabel dimensi yang sering diakses, menghindari overhead karena harus
menggabungkan
tabel-tabel
tambahan
untuk
mengakses
atribut.
Denormalisasi dikatakan tidak tepat jika data tambahan tidak diakses secara
sering, karena overhead pengamatan dari perluasan tabel dimensi mungkin
tidak diimbangi dengan peningkatan kinerja query.
2.1.10 Data Transformation Service (DTS )
M enurut pendapat Vieira (2000), banyak organisasi yang
melakukan sentralisasi data dengan tujuan mendapatkan informasi yang
akurat. Data dapat disimpan di berbagai macam format dalam sumber
yang berbeda. Sebelum disimpan dalam data warehouse, data tersebut
perlu divalidasi, dibersihkan, digabungkan dan kemudian ditransformasi.
Proses DTS meliputi :
a) Data Validation
Validasi data perlu dilakukan sebelum data tersebut ditransfer dari
database OLTP ke data warehouse. Jika data tidak benar, maka
integrasi dari analisis bisnis yang dilakukan akan meragukan.
b) Data Scrubbling
Data scrubbling adalah proses rekonsiliasi data yang berlangsung
antar sumber data yang sama.
45 c) Data Migration
Data yang dipindahkan dari database OLTP ke data warehouse,
sebelumnya disimpan terlebih dahulu di dalam intermediate database.
Pada bagian ini data akan divalidasi dan direkonsiliasi. Proses migrasi
data sebaiknya dilakukan pada saat rendahnya aktifitas dalam sistem
OLTP sehingga tidak mempengaruhi pengguna yang menggunakan
sistem tersebut. Jika migrasi harus dilakukan dari beberapa sumber
data yang terlibat dalam proses replikasi, maka migrasi harus
dilakukan pada saat semua sumber disinkronisasi untuk memastikan
bahwa data yang konsisten telah disalin dari sumbernya.
d) Data Transformation
Ketika data dipindahkan dari OLTP ke data warehouse, banyak
dilakukan perubahan bentuk dari data yang ada sehingga menjasi
lebih praktis dan operasional. Contoh-contoh transformasi data yang
harus dipertimbangkan sebelum data dipindahkan dari OLTP ke data
warehouse :
1) M embagi satu field menjadi beberapa field.
2) M enggabungkan beberapa field yang memiliki nilai yang sama
menjadi satu field, contohnya menggabungkan field first_name
dan last_name menjadi name. 46 2.1.11 Proses Transfer Data Dari Lingkungan Operasional ke Data
Warehouse
M engacu
pada pendapat Dyche (2000),
ada tiga proses
pemindahan data dari lingkungan operasional ke data warehouse, yaitu :
1. Extraction Data ditemukan dan dipindahkan dari sistem operasional ke data
warehouse atau platform transformasi.
2. Transformation Suatu program special atau software tool yang membersihkan data
operasional agar sesuai dengan definisi awal aturan transformasi
untuk data warehouse.
3. Loading Suatu program atau tool-tool seringkali yang sama dengan yang
digunakan untuk transformasi memindahkan data ke dalam tabel data
warehouse.
47 Gambar 2. 18 Extraction, Transformation, Loading
2.1.12 Metodologi Perancangan Data Warehouse
M enurut Ralph Kimball ada 9 langkah dalam penyusunan data
warehouse yang disebut ‘Nine-Step Methodology’ yang juga dikemukakan
oleh Connolly dan Begg (2005). Langkah-langkah tersebut adalah :
1. M emilih Proses (Choosing The Process)
Proses yang lebih mengacu pada poko data mart tertentu. Data mart
pertama yang dibangun harus tepat waktu, sesuai dengan anggaran
48 dan mampu menjawab berbagai macam permasalahan bisnis yang
penting secara komersial.
2. M emilih Grain (Choosing The Grain)
M emilih grain berarti menentukan apa saja yang akan ditampilkan di
tabel fakta. Saat grain untuk tabel fakta dipilih, kita dapat
mengidentifikasi tabel dimensi, keputusan grain untuk tabel fakta
juga menentukan grain dari masing-masing dimensi tabel.
3. M engidentifikasi dan M enyesuaikan Dimensi (Identifying and
Comforming The Dimension)
Dimensi mengatur konteks untuk memberikan pertanyaan tentang
fakta didalam tabel fakta. Sebuah set dimensi yang dibangun dengan
baik membuat data mart menjadi lebih mudah dimengerti dan
digunakan.
4. M emilih Fakta (Choosing The Fact)
Grain dari tabel fakta menentukan fakta mana yang akan digunakan
di dalam data mart. Semua fakta harus diekspresikan pada tingkat
yang diajukan oleh grain. Fakta tambahan dapat ditambahkan ke
dalam tabel fakta kapanpun selama grain konsisten dengan tabel.
5. Penyimpanan pre-Calculation di Dalam Tabel Fakta (Storing preCalculations In The Fact Table)
Saat fakta sudah dipilih, masing-masing fakta tersebut harus dikaji
ulang untuk menentukan apakah masih ada peluang untuk melakukan
pre-calculations. Sebuah contoh umum dari kebutuhan untuk
49 menyimpan pre-calculations terjadi ketika fakta-fakta terdiri dari
keuntungan dan kerugian.
6. M engumpulkan Tabel Dimensi (Rounding Out The Dimension
Tables)
Dalam tahap ini, kembali pada tabel dimensi dan menambah
sebanyak mungkin teks deskripsi ke dalam dimensi. Teks deskripsi
sebaiknya intuitif dan mudah dimengerti oleh user.
7. M emilih Durasi dari Database (Choosing The Duration Of The
Database)
Durasi mengukur seberapa jauh untuk kembali ke tabel fakta. Di
banyak perusahaan, ada kebutuhan untuk melihat jangka waktu yang
sama selama satu atau dua tahun sebelumnya.
8. M elacak Secara Perlahan Perubahan Dimensi (Tracking Slowly
Changing Dimensions)
Perubahan dimensi dapat terjadi dengan seiring berjalannya waktu
pada tabel dimensi. Perubahan yang dimaksud adalah penambahan
data ataupun perubahan data. Ada 3 jenis slowly changing
dimensions:
a) Dimana atribut dari dimensi yang berubah ditulis ulang.
b) Dimana atribut dari dimensi yang berubah menyebabkan sebuah
record dimensi baru dibuat.
c) Dimana atribut dari dimensi yang berubah menyebabkan sebuah
atribut alternatif dibuat sehingga keduanya dapat diakses di dalam
record dimensi yang sama.
50 9. M emutuskan Prioritas dan M odel Query (Deciding The Query
Priorities and The Query Modes)
Dalam tahap ini kita akan membahas masalah desain fisik. M asalah
dari desain fisik yang paling penting dan berpengaruh kepada persepsi
end-user terhadap data mart adalah urutan fisik dari tabel fakta pada
disk dan kehadiran disimpan pre-store atau aggregations. Di luar
masalah-masalah tersebut ada masalah desain fisik tambahan yang
mempengaruhi administrasi, backup, indexing performace dan
keamanan.
2.1.13 Online Analytical Processing (OLAP)
M enurut pendapat Connolly dan Begg (2005), OLAP (Online
Analytical Processing) adalah paduan dinamis, analisis dan konsolidasi
dari data multidimensi yang besar.
M enurut pendapat Inmon (2005) OLAP merupakan departemen
pengelolaan untuk mart dan lingkungannya.
M enurut pendapat Ponniah (2000), karakteristik OLAP adalah :
a) Pengguna memiliki multidimensional dan logical view dari data di
dalam data warehouse.
b) M emfasilitasi query yang interaktif dan analisis yang kompleks
kepada pengguna.
51 c) M emungkinkan pengguna untuk menelusuri detil yang lebih baik atau
untuk menelusuri agregasi dari matriks sepanjang dimensi bisnis
tunggal atau beberapa kumpulan dimensi.
d) M enyediakan kemampuan untuk melakukan perhitungan rumit dan
perbandingan.
e) M enyajikan hasil dalam beberapa cara, seperti chart atau grafik.
2.1.14 Keuntungan Data Warehouse
Keuntungan Penggunaan data warehouse menurut pendapat
Connolly dan Begg (2005) :
1. Adanya kemungkinan balik modal yang tinggi pada investasi
Suatu organisasi harus memberikan sumbar daya yang besar untuk
menjamin kesuksesan pengimplementasian data warehouse dan
biayanya bervariasi tergantung dari solusi teknis yang ada. Namun
kemungkinan adanya kondisi balik modal terhadap biaya yang
dikeluarkan untu penginvestasian data warehouse relatif lebih besar.
Sehingga tidak perlu ada kekhawatiran akan anggapan adanya
pemborosan untuk investasi data warehouse ini.
2. Keuntungan yang kompetitif
Adanya kemungkinan balik modal yang besar terhadap investasi
merupakan bukti adanya keuntungan yang kompetitif dengan adanya
teknologi
ini.
Keuntungan
kompetitif
ini
dicapai
dengan
memungkinkan para pengambil keputusan untuk mengakses data
52 yang sebelumnya tidak tersedia, tidak diketahui atau informasi yang
tidak tercatat.
3. M eningkatkan produktifitas para pengambil keputusan di perusahaan.
Data
warehouse
dapat
memungkinkan
hal
ini
dengan
mentransformasikan data menjadi informasi yang berarti. Teknologi
ini menyediakan para manajer bisnis untuk dapat melakukan analisis
yang lebih konsisten sehingga pada akhirnya terjadi peningkatan
produktifitas.
2.2 Teori Khusus
2.2.1
Bank
M engacu kepada yang dikemukakan Kasmir (2007) bank adalah
badan usaha yang menghimpun data dari masyarakat dalam bentuk
simpanan dan menyalurkannnya kepada masyarakat dalam bentuk kredit
dan atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup
rakyat banyak.
M enurut Undang–Undang RI Nomor 10 tahun 1998 tanggal 10
November 1998 tentang Perbankan, yang dimaksud dengan bank, adalah
“Badan usaha yang menghimpun dana dari masyarakat dalam bentuk
simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit
dan atau bentuk–bentuk lainnya dalam rangka meningkatkan taraf hidup
rakyat banyak”.
53 Kegiatan penghimpunan dana yang dilakukan oleh bank dibagi
menjadi 3 jenis, yaitu :
1. Simpanan Giro (Demand Deposit)
Giro adalah simpanan yang penarikannya dapat dilakukan setiap saat
dengan menggunakan cek, bilyet giro, sarana perintah pembayaran
lainnya atau dengan cara pemindahbukuan (UU Perbankan Nomor 10
tahun 1998).
2. Simpanan Tabungan (Saving Deposit)
Simpanan yang penarikannya hanya dapat dilakukan menurut syaratsyarat tertentu yang disepakati, tetapi tidak dapat ditarik dengan cek,
bilyet giro dan atau alat lainnya yang dipersamakan dengan itu (UU
Perbankan Nomor 10 tahun 1998).
3. Simpanan Deposito (Time Deposit)
Deposito adalah simpanan yang penarikannya hanya dapat dilakukan
pada waktu tertentu berdasarkan perjanjian nasabah penyimpan
dengan bank (UU Perbankan Nomor 10 tahun 1998).
2.2.2
SQL Server
Structured Query Language (SQL) Server memiliki tambahan
berupa dukungan Extensible Markup Language (XM L), tambahan Online
Analytical Processing (OLAP), kemampuan data mining, mendukung
Windows 2000, integrasi dengan direktori aktif Windows 2000, dan
banyak lagi penambahan performa, kegunaan, dan program.
54 SQL
Server
menyediakan
dukungan
untuk
menyimpan,
menggunakan, dan memperbaharui dokumen XM L yang merupakan
kebutuhan penting. Hal ini karena XM L telah menjadi bahasa yang
menjadi pilihan banyak sistem bisnis dan sebuah komponen arsitektur
dasar dari M icrosoft .NET. SQL Server merupakan server enterprise
.NET pertama yang tersedia untuk implementasi umum dan menawarkan
penyimpanan data dan manajemen komponen pada layanan .NET.
2.2.3
Visual Studio 2008
M enurut pendapat Sadeli (2009), Visual Studio 2008 merupakan
suatu perangkat lunak yang dapat digunakan untuk pengembangan
berbagai macam aplikasi yang memiliki berbagai macam tipe, antara lain;
aplikasi desktop (windows form, command line (console)), aplikasi web,
windows mobile (Pocket PC).
Visual studio 2008 diluncurkan Microsoft pada tanggal 19
November 2007 dan memiliki lebih dari satu compiler, Software
Development Kit (SDK) dan dokumentasi tutorial (MSDN Library).
Compiler yang dimasukkan ke dalam paket Visual Studio 2008, antara
lain ; C++, Visual C#, Visual Basic, Visual InterDev, Visual J++, Visual
J#, Visual Fox Pro dan Visual SourceSafe. Semua compiler tersebut
ditujukan untuk flatform .NET Framework 3.5.
Visual Studio 2008 dapat digunakan untuk mengembangkan
aplikasi dalam bentuk bahasa mesin yang berjalan diatas Windows
55 ataupun dalam bentuk Microsoft Intermediate Language diatas .NET
Framework. Selain itu, Visual Studio 2008 juga dapat digunakan untuk
mengembangkan aplikasi Sileverlight, aplikasi Windows Mobile (yang
berjalan diatas .NET Compact Framework 3.5).
2.2.4
VB .NET
M engacu pada pendapat M ansfield (2004), bahwa VB .NET
mewakili pergantian mayoritas dalam perintah, sintaks-sintaks, artikulasi,
dan elemen-elemen yang lain pada VB. Penandaan dan beberapa
persentasi elemen-elemen yang lain tetap sama, tapi kebanyakan juga
berbeda. Tujuan utama seluruh M icrosoft .NET adalah mengantarkan
pembuat program dari sistem operasi Windows ke internet. Itulah
sebabnya mengapa disebut .NET. Program internet menghendaki
keahlian dan teknik baru.
Dalam prakteknya, jika terbiasa dengan VB tradisional, anda akan
merasakan bahwa VB .NET mengandung nilai-nilai seperti C. Berikut
perbandingan VB tradisional dan VB .NET :
VB Lama
VB.NET
a) File I/O berurutan. Lebih fleksibel,
a) File Open
lebih banyak memuat program yang
mengontrol, lebih banyak program
untuk menulis dan menguji.
56 b) Library yang menggambarkan
b) Acuan namespace sering diminta.
dirinya (sedikit pengualifikasi
Nilai objek berulang (VB.NET
yang diminta pembuat program).
Printdocument1. DefaultPageSetting
= PageSetupDialog1. PageSettings
as opposed to the VB 6
Printer.Print).
c) Struktur prosedur sederhana.
c) Sintaks prosedur yang lebih
kompleks.
Tabel 2. 2 Perbandingan VB Lama dengan VB .NET
2.2.5
Microsoft Visio
M enurut pendapat Anonimus (2009), M icrosoft Visio adalah
salah satu program yang dapat digunakan untuk membuat diagram. Visio
menyediakan banyak fasilitas yang membantu dalam pembuatan diagram
untuk menggambarkan informasi dan sistem dari penjelasan dalam
bentuk teks menjadi suatu diagram dalam bentuk gambar disertai dengan
penjelasan singkat.
Oleh karena Visio merupakan salah satu produk dari M icrosoft
Office, maka Visio dapat berkolaborasi dengan produk M icrosoft Office
lainnya seperti M icrosoft Word, Excel, Power Point, dan Project. Bentuk
kolaborasi dapat dilakukan dengan fasilitas export dan import data.
57 2.2.6
8 Aturan Emas Merancang User Interface
Shneiderman mengemukakan 8 (delapan) aturan yang dapat
digunakan sebagai petunjuk dasar yang baik untuk merancang suatu user
interface. Delapan aturan ini disebut dengan Eight Golden Rules of
Interface Design, yaitu:
1. Konsistensi
Konsistensi dilakukan pada urutan tindakan, perintah, dan istilah yang
digunakan pada prompt, menu, serta layar bantuan.
2. M emungkinkan pengguna untuk menggunakan shortcut
Ada kebutuhan dari pengguna yang sudah ahli untuk meningkatkan
kecepatan interaksi, sehingga diperlukan singkatan, tombol fungsi,
perintah tersembunyi, dan fasilitas makro.
3. M emberikan umpan balik yang informatif
Untuk setiap tindakan operator, sebaiknya disertakan suatu sistem
umpan balik. Untuk tindakan yang sering dilakukan dan tidak terlalu
penting, dapat diberikan umpan balik yang sederhana. Tetapi ketika
tindakan merupakan hal yang penting, maka umpan balik sebaiknya
lebih substansial. M isalnya muncul suatu suara ketika salah menekan
tombol pada waktu input data atau muncul pesan kesalahannya.
4. M erancang dialog untuk menghasilkan suatu penutupan
Urutan tindakan sebaiknya diorganisir dalam suatu kelompok dengan
bagian awal, tengah, dan akhir. Umpan balik yang informatif akan
meberikan indikasi bahwa cara yang dilakukan sudah benar dan dapat
mempersiapkan kelompok tindakan berikutnya.
58 5. M emberikan penanganan kesalahan yang sederhana
Sedapat mungkin sistem dirancang sehingga pengguna tidak dapat
melakukan kesalahan fatal. Jika kesalahan terjadi, sistem dapat
mendeteksi kesalahan dengan cepat dan memberikan mekanisme
yang sedehana dan mudah dipahami untuk penanganan kesalahan.
6. M udah kembali ke tindakan sebelumnya
Hal ini dapat mengurangi kekuatiran pengguna karena pengguna
mengetahui kesalahan yang dilakukan dapat dibatalkan; sehingga
pengguna tidak takut untuk mengekplorasi pilihan-pilihan lain yang
belum biasa digunakan.
7. M endukung tempat pengendali internal
Pengguna ingin menjadi pengontrol sistem dan sistem akan merespon
tindakan yang dilakukan pengguna daripada pengguna merasa bahwa
sistem mengontrol pengguna. Sebaiknya sistem dirancang sedemikan
rupa sehingga pengguna menjadi inisiator daripada responden.
8. M engurangi beban ingatan jangka pendek
Keterbatasan
ingatan
manusia
membutuhkan
tampilan
yang
sederhana atau banyak tampilan halaman yang sebaiknya disatukan,
serta diberikan cukup waktu pelatihan untuk kode, mnemonic, dan
urutan tindakan. 59 2.2.7
Flowmap
Flowmap
adalah
campuran
peta
dan
flowchart,
yang
menunjukkan pergerakan benda dari satu lokasi ke lokasi lain, seperti
jumlah orang dalam migrasi, jumlah barang yang diperdagangkan, atau
jumlah paket dalam jaringan. Flowmap dapat digunakan untuk
menunjukkan gerakan hampir segala sesuatu, termasuk hal-hal nyata
seperti orang, produk, sumber daya alam, cuaca dan lain-lain serta hal-hal
tak berwujud seperti bakat dan niat baik. Berikut uraian simbol-simbol
flowmap :
•
Simbol arus / flow.
M enyatakan jalannya arus suatu proses.
•
Simbol connector.
M enyatakan sambungan dari proses ke proses
lainnya dalam halaman yang sama.
•
Simbol process.
M enyatakan suatu tindakan atau proses yang
dilakukan komputer.
•
Simbol manual.
M enyatakan suatu tindakan atau proses yang
tidak dilakukan oleh komputer.
60 •
Simbol decision.
M enujukkan suatu kondisi tertentu yang akan
menghasilkan dua kemungkinan jawaban ya
atau tidak.
•
Simbol predefined process.
M enyatakan penyediaan tempat penyimpanan
suatu pengolahan untuk memberi harga awal.
•
Simbol terminal.
M enyatakan permulaan atau akhir.
•
Simbol offline-storage (arsip).
M enunjukkan bahwa data dalam simbol ini
akan disimpan ke suatu media tertentu.
•
Simbol manual input.
M emasukkan data secara manual dengan
menggunakan keyboard.
•
Simbol input/output.
M enyatakan proses input atau output tanpa
tergantung jenis peralatannya.
•
Simbol punched card.
M enyatakan input berasal dari kartu atau
output ditulis ke kartu.
61 •
Simbol magnetic tape.
M enyatakan input berasal dari pita magnetis
atau output disimpan ke pita magnetis.
•
Simbol disk storage.
M enyatakan input berasal dari dari disk atau
output disimpan ke disk.
•
Simbol document.
M encetak keluaran dalam bentuk dokumen
(melalui printer).
•
M encetak keluaran dalam layar monitor.
•
Simbol display.
Simbol tidak terdefinisi.
M enyatakan proses yang tidak didefinisikan.
•
Simbol penyimpanan internal.
M enyatakan proses penyimpanan internal.
2.2.8
State Transition Diagram (S TD)
State Transition Diagram (STD) merupakan penggambaran dari
kumpulan keadaan yang mencirikan sesuatu pada waktu dan kondisi
tertentu. M enggambarkan aksi yang dilakukan dan reaksi yang terjadi
disertai keterangan proses yang terjadi. Simbol yang digunakan adalah
persegi empat atau persegi panjang dan panah berahah.
62 Gambar 2. 19 Contoh State Transition Diagram (STD)