47.pdf

58

Jurnal Teknologi Informasi-Aiti, Vol. 6. No. 2, Agustus 2008: 105-205

Perancangan dan Pembangunan Data Warehousepada PLN Salatiga Menggunakan Skema Snowflake

Priyo Ari HandoyoSri Yulianto J. Prasetyo, Johan Tambotoh,SE

Fakultas Teknologi InformasiUniversitas Kristen Satya Wacana

Jl. Diponegoro 52-60, Salatiga 50711, IndonesiaEmail : [email protected]

AbstractWe can explain the Data Warehouse as the Data Integration that

is used in processing with historical data for analizing data purposes.Data Warehousing is a technology that assembles from the compilationof the new concept and system tolls, which is using as the facilitator ofmaking the organisation decision. The Data Warehouse in PLN usingSnowflake scheme that modeling Data Warehouse by making the realdata into the table with the smaller dimension and having the details at-tribute.Keyword : Data Warehouse, Data Warehousing, Snowflake Scheme.

1. Pendahuluan

Perkembangan teknologi informasi berlangsung dengan cepat. Perkembangandalam dunia bisnis berlangsung dengan sangat ketat, sehingga untuk meningkatkanmutu dan pelayanan organisasi bisnis tersebut diperlukan perbaikan sistem informasidan sistem komputer untuk menunjang kegiatan bisnis setiap organisasi bisnis.Sebagian besar organisasi bisnis mempunyai data yang tersimpan yang besar dandalam waktu berkala. Namun banyak dari organisasi bisnis yang belummengoptimalkan data warehouse tersebut.

Perusahaan Listrik Negara (PLN) merupakan suatu aset berharga di bidangbisnis yang cukup berkembang dengan baik. Bidang bisnis yang digeluti oleh PLNadalah transaksi tagihan penggunaan listrik setiap bulan bagi pelanggannya. Karenabegitu banyak jumlah pelanggan PLN di Salatiga, maka pengelolaannya cenderungmasih terpisah. Oleh karena itu, sepertinya usulan mengenai penggunaan data ware-house sangat cocok untuk studi kasus pada PLN di Salatiga. Pentingnya penggunaandata warehouse yaitu untuk mengintegrasikan semua data yang ada di tiap-tiapkecamatan sehingga diperoleh data yang agregat, dan akhirnya dapat menunjangkemudahan bagi top manager PLN untuk menganalisis pada data warehouse yangada. Diantaranya adalah untuk menganalisa sumber pendapatan, perhitungan laba rugi, dan inventaris keuangan pada PLN setempat.

Pada penelitian ini, penulis mencoba mengambil sampel PLN yang ada diwilayah Salatiga. Salatiga terdiri dari beberapa kecamatan, dan tiap-tiap kecamatanmemiliki tempat pembayaran tagihan listrik yang berperan dalam pengumpulan tagihanpada tiap-tiap lokasi.

59

Dengan pertimbangan inilah muncul keinginan untuk membangun data ware-house untuk menampung data dari tiap-tiap kecamatan yang ada di Salatiga dansekitarnya, yang dapat membantu PLN Salatiga menganalisa data secara otomatistransaksi yang terjadi, sehingga analisa data yang dulunya manual bisa menjadi lebihmudah dan cepat. Beberapa hasil analisa yang dapat dipakai untuk kepentinganPLN Salatiga adalah seberapa besar pendapatan dari beberapa dimensi, yang nantinyaakan mempengaruhi dalam pengambilan kebijakan. Kebijakan tersebut terkait dengananalisa daya listrik, kemampuan bayar, dan penyalahgunaan produk dari PLNSalatiga.

2. Kajian Pustaka

2.1 Data WarehouseData warehouse (DW) merupakan teknologi yang terbangun atas himpunan

konsep baru dan perangkat yang digunakan untuk mendukung aktivitas pekerjapengetahuan seperti manager, eksekutif dan analis sistem. Materi produk teknologiini digunakan untuk perangkat pengambilan keputusan organisasi. Pendekatanmendasar pembangunan DW adalah tersedianya informasi yang berkualitas untukorganisasi dari sumber data internal dan eksternal yang berada dalam bentukbervariasi mulai dari data dalam bentuk struktur tradisional sampai dengan datadalam bentuk yang tidak terstruktural seperti tipe data tekstual atau multimedia.

Kebutuhan pemanfaatan DW di sejumlah organisasi didasarkan pada duapertimbangan, pertama kebutuhan operasional, yang mendukung fungsional kegiatantransaksi bisnis setiap hari, optimasi dengan respon yang cepat pada proses transaksidan representasi bersifat waktu nyata pada identifikasi status bisnis. Kedua kebutuhaninformasi, digunakan untuk pengelolaan dan pengendalian bisnis dalam bentuk analisisdata untuk pengambilan keputusan status organisasi dimasa sekarang dan masamendatang [2]. Data dalam DW bersifat heterogen karena memiliki variabilitas tipedata yang luas. Data dapat bersumber dari basisdata lain, file lain bahkan sumberdata eksternal seperti data demografi, statistika dan data dari WWW. Sebelumdilakukan proses integrasi, berbagai tipe data harus dilakukan rekonsiliasi atauhomogenisasi menjadi tipe data yang seragam .

Pada dasarnya sistem DW tersusun atas DW dan keseluruhan komponenpembangun, akses dan untuk pemeliharaan. Dalam sistem ini terdapat komponenuntuk proses import dan preparasi data yang responsif terhadap akuisisi data, jugaterdapat aplikasi yang digunakan untuk ekstraksi sumber data operasional ke dalamDW.

Data warehouse dapat didefinisikan sebagai integrasi data yang sedangdigunakan dalam proses dengan data historis untuk tujuan analisis data. Definisi lainadalah himpunan berorientasi subyek, terintegrasi, non volatile dan data varianyang digunakan untuk pengambilan keputusan. Berorientasi subyek berarti bahwapengembangan DW bertujuan untuk mekanisme analisis pada tingkat manager untukproses pengambilan keputusan. Integrasi berarti melakukan penggabungan data darisumber berbeda, seperti data internal dan data eksternal dan untuk pemecahanpermasalahan pada perbedaan format data. Non volatile berarti durasi data,

Perancangan dan Pembangunan Data Warehouse (Handoyo, dkk)

60


pengelolaan data dapat dilakukan dengan periode yang panjang. Variasi waktu,berarti indikasi kemungkinan terjadinya perbedaan nilai dari objek yang sama dapatberubah oleh waktu [8].

2.1.1 Arsitektur Data Warehouse Data Warehouse adalah suatu sistem dengan arsitektur yang bersifat terbuka,

jadi untuk membangun suatu arsitektur Data Warehouse sangat tergantung padakebutuhan sistem (system requirements). Gambar 2.1 menunjukkan salah satucontoh dari arsitektur Data Warehouse. Arsitektur tersebut menunjukkan perbedaanpenggunaan Data Warehouse dibandingkan dengan basisdata operasional. Datadalam Data Warehouse digunakan untuk keperluan spesifik, umumnya berupaaplikasi analisis dalam sebuah organisasi bisnis .

Sedangkan basisdata operasional umumnya digunakan untuk aplikasi-aplikasitransaksional yang mampu melakukan read/write terhadap basis data tersebut.

Gambar 2.1 Arsitektur Data WarehouseArsitektur di atas dibangun berdasar kebutuhan tertentu, hal ini dapat kita

lihat dari beberapa hal berikut :1. Data input bagi Data Warehouse tidak lagi hanya berasal dari sistem internal

(sumber operasional pada umumnya), melainkan dirancang untuk dapatmengakomodasi sumber eksternal (data dari luar sistem operasional)misalnya: data dari bursa efek, data dari internet (dengan teknologi webfarming), ataupun data dari sistem mobile (misalnya phone cell).

2. Informasi yang tersimpan dalam Data Warehouse dapat dispesialisasikanlagi menjadi beberapa Data Warehouse yang lebih khusus (Data Mart)sehingga dalam arsitektur terdapat proses tambahan untuk mempopulasikandata dari Data Warehouse ke dalam beberapa Data Mart.

3. Aplikasi yang berada pada layer pengguna berkembang menjadi beberapamodel misalnya: berbasis web, berbasiskan desktop, ataupun berbasiskansistem mobile [1].

2.2 Star Schema (Skema Bintang)Star Schema (skema bintang) merupakan salah satu skema dalam

61

perancangan data warehouse dan merupakan bagan dari DW yang paling sederhana.Star Schema adalah suatu cara untuk menerapkan multi dimensional database,yang terdiri dari beberapa tabel, yaitu Fact table (tabel utama) dan beberapa di-mension table dengan tingkatan tunggal. Fact table adalah tabel data yang utamasedangkan dimension table pada umumnya lebih kecil dan menguraikan masing-masing nilai dimensi yang dapat dihubungkan ke fact table bila dibutuhkan. Dimen-sion table memiliki primary key yang sederhana sedangkan fact table memilkisuatu primary key campuran dari kumpulan relevansi dimension table [10].

Gambar 2.2 StarSchema

2.3 Snowflake Schema (Skema Snowflake)Snowflake Schema merupakan satu istilah yang menguraikan dari struktur

star skema (skema bintang), dan membuat setiap dimension table pada star skemamenjadi lebih komplek dan detail. Pada snowflake skema, memilki satu fact tabledan beberapa dimension table serta memilki sub dimension table yang merupakanpenjabaran dari dimension table [10].


62


Gambar 2.3 Snowflake SchemaDalam mendesain data warehouse perlu diperhatikan skema yang akan

digunakan, dan berdasar perbedaan diatas maka penulis mencoba membangun denganskema snowflake karena snowflake skema lebih kompleks daripada star skemawalaupun sedikit lebih rumit. Skema snowflake mempunyai hirarki dimension tablejamak sehingga informasi yang didapat dari setiap dimension table bisa lebih detailsesuai dengan kebutuhan.

2.4 OnLine Analytical Processing (OLAP)OLAP adalah sistem yang disediakan untuk analis dan manager pada aplikasi

yang bersifat enterprise dengan berbagai tipe data multidimensional yangterorganisir. OLAP menyediakan kemampuan akses data secara cepat, konsisten,akses interaktif terhadap seluruh kemungkinan informasi yang bisa diperoleh darimekanisme ekstraksi, sehingga analisa sistem dapat dibangun dari proses ekstraksipengetahuan tersebut. OLAP dapat digunakan untuk meringkas, konsolidasi,menampilkan, menerapkan suatu formulasi tertentu dan sintesis data dari berbagaidimensi.

Pendekatan tradisional yang digunakan untuk membangun sistem ini adalahRelasional Online Analytical Processing (ROLAP). Basisdata relasional sistemquery data digunakan pada sistem ini, namun demikian karena membutuhkan queryuntuk analisis yang sangat komplek dan persamaan dalam SQL menjadi tidak efisiendalam eksekusi maka digunakan teknik multidimensional. Basisdata multidimen-sional inilah yang digunakan untuk aplikasi pendukung keputusan. Data disimpandalam bentuk array multidimensional yang mana secara alamiah dapat digunakanuntuk analisis [3].

Konsep dasar OLAP bersumber dari kebutuhan untuk efisiensi. Rangkumanatau agregasi data, penjumlahan, rerata, nilai maksimum dan minimum dikalkulasidan disimpan dalam data cube yang bersifat multidimensional [7]. Setiap dimensimengandung satu atau beberapa aktribut yang menjadi kategori dan struktur datasecara hirarkikal secara umum berada dalam dimensi tersebut.

Gambar 2.4 Arsitektural OLAP Dalam Data Warehouse

63

2.5 Data CubeBasisdata OLAP dibutuhkan untuk meringkas data pada berbagai tingkatan

dan berbagai rekombinasi atribut. Data cube dalam OLAP merupakan basisdatamultidimensional yang dibangun dari subset berbagai atribut dalam basisdata.Dengan demikian atribut digunakan untuk menentukan atribut lainnya. Beberapaatribut diseleksi dan dipilih dan ditetapkan sebagai atribut dimensi atau fungsional[5]. Penentuan atribut didasarkan agregasi dimensi dalam data cube tersebut. Sebagaicontoh adalah atribut dalam bentuk multidimensional dalam data cube PLN kawasanSalatiga (a) dan klasifikasi hierarkikal dimensi waktu dan tempat dari data cube (b)Operator data cube berfungsi untuk mendukung berbagai agregat. Data cubemenggunakan agregat untuk menghitung semua kemungkinan kombinasi yang dapatdicapai dari keseluruhan dimensi yang ada. Operasional ini digunakan untukmenjawab query OLAP yang menggunakan agregasi dalam berbagai kombinasiatribut. Data dapat diorganisir ke dalam data cube oleh kalkulasi semua kemungkinankombinasi menggunakan group-by. Jadi, jika suatu himpunan data dengan atribut kmaka besarnya kalkulasi kombinasi yang mungkin pada agregat adalah 2k group-by.

Operator data cube dapat digeneralisasi pada histogram, cross tabulation,roll-up, drill down dan subtotal yang dibutuhkan dalam analisis financial [4]. Halini dapat ditempuh dengan cara :

1. Pivoting, rotasi pada cube untuk merubah orientasi dimensional padalaporan, misalkan pada cube 2D terdapat baris dan kolom.

2. Slicing dicing, melakukan proses seleksi subset pada cube. Memberikannilai yang tepat pada atribut dalam dimensi, melakukan visualisasi dalambentuk 3D-cube.

3. Roll-up, beberapa dimensi memiliki hirarkikal yang ditentukan sebelumnya.Agregasi dapat menentukan tingkatan hirarkikal data. Sebagai contoh adalahpenentuan hierarkikal waktu hari minggubulan tahun .

4. Drill-down, Operasional kebalikannya, dari hirarkikal rendah menujuhirarkikal lebih tinggi secara detail.

5. Analisis trend melalui urutan periode waktu tertentu.

Gambar 2.5 Data Cube Tagihan Pembayaran PLN Salatiga Pada DimensiTempat, Waktu dan Produk


64


3. Metode Penelitian

Yang dimaksud dengan penelitian adalah suatu proses dalam menemukansesuatu, baik itu berupa analisa atau berupa hasil yang nampak yang dilakukan secarasistematis dan membutuhkan waktu yang relatif lama. Perwujudan dari prosestersebut adalah dengan melakukan observasi, analisis, serta pengumpulan data.Akhirnya tugas akhir ini menghasilkan aplikasi data warehouse yang digunakanuntuk menganalisa data yang ada pada suatu organisasi bisnis, dalam hal ini adalahPLN Salatiga.

3.1 Permodelan PrototypingModel prototipe (Prototype model), merupakan suatu teknik untuk

mengumpulkan informasi tertentu mengenai kebutuhan-kebutuhan informasi penggunasecara cepat. Pengguna seringkali menjelaskan sekumpulan sasaran umum perangkatlunak, namun tidak mengidenifikasikan kebutuhan input, proses dan output.Pengembang tidak yakin akan efisiensi dari suatu sistem operasi, atau bentuk yangakan diambil dalam interaksi manusia-mesin. Dalam situasi seperti ini, modelprotoyping bisa memberikan pendekatan terbaik [9].

Gambar 3.1 Model Prototyping

3.1.1 Requirments gatheringModel prototyping dimulai dengan komunikasi pengembang dan pengguna

untuk mendefinisikan kebutuhan-kebutuhan menyeluruh dari perangkat lunak yangakan dibangun.3.1.2 Quick Design

Iterasi prototyping direncanakan secara cepat, demikian juga rancanganmodel segera dibuat. Perancangan yang cepat berfokus pada penggambaran aspek-aspek perangkat lunak yang akan dilihat oleh pengguna.3.1.3 Build Prototype

Build prototype dilakukan pembuatan rancangan tampilan antar muka dankebutuhan sistem. Rancangan yang cepat ini akan membawa kearah pembuatanprogram (kontsruksi) dari prototype.3.1.4 Evaluated and Refinements

Prototipe diserahkan dan dievaluasi oleh pengguna. Umpan balik dari

65

pengguna digunakan untuk memperbaiki kriteria kebutuhan dari perangkat lunak.Hal ini dilakukan berulang-ulang sehingga kebutuhan perangkat lunak yang diinginkanpengguna sesuai dengan permintaan dan kebutuhan.3.1.5 Engineer Product

Merupakan hasil dari rancangan antar muka dan aplikasi yang telahdisetujui oleh kedua pihak yaitu pihak pengembang dan pihak pengguna aplikasi.

3.2 Analisis Kebutuhan dan Desain SistemUntuk membuat aplikasi data warehouse pendapatan PLN Salatiga ada

beberapa spesifikasi yang harus dipenuhi dalan sistem ini, baik dari segi teknis maupunpengguna. Dalam hal ini manager, karyawan IT, dan admin sistem. Dari segiteknis, hendaknya perangkat keras komputer memenuhi kriteria minimum sebagaiberikut :

Prosesor : Intel pentium IV 2,8 GhzRAM memory : 512 MBHardisk : 20 GBMonitor : 15 inchiSoftware : Windows XP Profesional Service Pack 2, SQL Server 2000

dan Xampp. Sistem ini berbasiskan aplikasi web yang dibangun menggunakan bahasapemprograman PHP dengan SQL Server 2000 sebagai DBMS. Dalam sitem ini,diberikan hak akses pengguna berdasarkan kepentingan masing-masing. Diantaranyaterdiri dari Admin dan User serta Admin sistem yang bertugas untuk melakukanmaintenance data warehouse. Kebutuhan Brainware dari masing-masing penggunasistem adalah :

a. Admin WarehouseMemiliki pengetahuan dan kemampuan managemen basisdata SQL Server 2000dan menguasai bahasa pempograman PHP serta terbiasa dengan sistem operasiWindows XP. Selain itu juga memiliki kemampuan tentang data warehouse.b. Admin SistemMemiliki pengetahuan tentang SQL Server 2000 dan data warehouse sertamampu menggunakan Windows XP.c. UserMampu menganalisis data transaksi yang akan ditampilkan dalam sistem ini danjuga mampu membaca laporan pembayaran dari pelanggan serta terbiasamenggunakan sistem operasi Windows XP.

3.3 Desain SistemDiagram use case merupakan gambaran secara keseluruhan dari cara kerja

sistem yang ingin dikembangkan. Didalam use case diagram terdapat beberapakomponen UML yaitu : aktor, use case dan alur kegiatan yang menghubungkanaktor serta use case yang ada. Aktor didalam use case diagram berarti segalakomunitas baik secara individu maupun kelompok yang terlibat dalam sistem tersebut.Aktor diwakili dengan simbol orang. Use case merupakan proses yang dilakukanaktor dengan aktor lainnya, maupun proses yang dilakukan secara individual. Use


66


case digambarkan dengan simbol eliptical, sedangkan alur kegiatan dilambangkandengan tanda panah dari aktor ke arah sesuai dengan use case yang dilakukannya[9].

Gambar 3.2 Use Case Diagram Aplikasi Data Warehouse

3.3 Rancangan AplikasiUntuk memudahkan user menggunakan aplikasi, maka akan dibuat suatu

rancangan sistem dan perancangan dapat dilihat pada Gambar 3.2.

Gambar 3.2 Rancangan Antar Muka Aplikasi Data Warehouse

Dalam perancangan ini header berisi tentang informasi dari aplikasi datawarehouse dan tanggal pada saat aplikasi dijalankan. Blok kiri Terdapat beberapamodul di mana ruang kiri didominasi oleh modul menu navigasi. Tengah merupakanisi tampilan dari menu navigasi yang ada. Footer Terdapat informasi tentang browser,resolusi layar monitor.

67

4. Hasil dan Pembahasan

Implementasi data warehouse menggunakan skema snowflake menghasilkansebuah sistem yang komplek dan detail. Data warehouse pendapatan PLN didesainmenjadi lima tabel dimensi, empat sub tabel dimensi dan satu fact table yangmenghubungkan tabel-tabel dimensi yang ada. Dari semua tabel dimensi yangsudah ada akan dihubungkan oleh satu buah fact table yaitu table transaksi. Dalamtabel transaksi berisi data transaksi pembayaran pelanggan. Dalam melakukanpembuatan dan perancangan data warehouse ini, penulis menggunakan skema snow-flake. Yaitu membangun satu buah tabel utama yang memiliki tabel dimensi dan jugamemilki tabel sub dimensi sehingga akan diperoleh informasi yang detail dan jelassesuai dengan kebutuhan, seperti terlihat pada Gambar 4.1.

Gambar 4.1 Desain Snowflake Schema

Pada menu laporan dikategorikan berdasar tabel dimensi yang ada padadata warehouse. Tabel dimensi tersebut diantaranya dimensi lokasi, produk, waktu,tipe pelanggan. Seorang admin bisa memilih dimensi sesuai dengan kebutuhan laporandata disajikan dalam bentuk text, diagram batang dan diagram pie. Dengan adanyapenyajian dalam ketiga bentuk tersebut maka akan mempermudah admin dalamproses analisa data untuk mengambil keputusan.

a) LokasiPada halaman laporan dengan dimensi lokasi seorang admin bisa melihat

total pendapatan dari lokasi pelanggan PLN Salatiga. Untuk kepentingan internperusahaan maka pada aplikasi ini lokasi yang ada hanyalah dua kecamatanyaitu kecamatan Sidorejo dan kecamatan Sidomukti. Pada menu ini admin bisamelihat tampilan multi dimensi dari setiap lokasi. Gambaran umum dari laporansecara detail dari dimensi lokasi adalah sebagai berikut


68


Gambar 4.2 Diagram Multi Dimensi Lokasi

(a)

(b)

Gambar 4.3 Laporan Total Pendapatan Dimensi Lokasi(a) Diagram Batang (b) Diagram pie

Dengan adanya laporan yang disajikan dalam bentuk diagram batang dandetail maka akan membantu pihak managemen PLN Salatiga dalam analisa datauntuk menentukan kebijakan dari setiap kecamatan. Dari Gambar tersebut bisadilihat bahwa pendapatan dari kecamatan Sidorejo lebih besar dari kecamatanSidomukti. Hal ini dapat mempermudah pihak managemen PLN Salatiga untukmenentukan bila suatu ketika harus melakukan pemadaman listrik secara bergantian,dengan pertimbangan bukan sekedar mendapat keuntungan yang besar.

b) ProdukPada halaman laporan dengan dimensi produk seorang admin bisa melihat

total pendapatan dari produk yang dipakai pelanggan PLN Salatiga. Pada menuini admin bisa melihat tampilan multi dimensi dari setiap produk. Secara garisbesar, alur multidimensi pada dimensi produk terlihat pada Gambar 4.4

Gambar 4.4 Diagram Multidimensi Produk

69

Dari laporan pendapatan dimensi produk dapat dilihat bahwa produk dengankategori Standard paling tinggi jumlahnya. Dengan adanya laporan seperti ini akanmembantu pihak managemenuntuk memberikan kebijakan tarif untuk setiap produk.Sehingga PLN Salatiga tidak rugi dan pelanggan juga tidak merasa terlalu terbebanmenggunakan layanan dan kebijakan dari PLN Salatiga. Selain itu pihak PLN Salatigajuga bisa melihat dan mengetahui rata-rata pembayaran dari setiap produk sehinggakalau terjadi penyalahgunaan produk PLN Salatiga, maka akan segera diketahuidengan cepat.

(a) (b)Gambar 4.5 Laporan Total Pendapatan Dimensi Produk

(a) Diagram Batang (b) Diagram Pie

c) Waktu Pada halaman laporan dengan dimensi waktu seorang admin bisa melihat

total pendapatan dari waktu ke waktu, dimulai dari tahun sampai yang lebihdetail yaitu bulan yang bersangkutan. Pada menu ini admin bisa melihat tampilanmulti dimensi dari setiap tahun. Gambaran umumnya terlihat pada Gambar4.6

Gambar 4.6 Diagram Multidimensi Waktu

Dari menu laporan ini admin bisa melihat total pendapatan dari setiap tahundalam bentuk text, diagram batang dan diagram pie. Pada Gambar 4.7(a)terlihat diagram batang total pendapatan dari dimensi waktu.


70


(a) (b) Gambar 4.7 Laporan Total Pendapatan Dimensi Waktu

(a) Diagram Batang (b) Diagram Pied) Tipe Pelanggan

Pada halaman laporan dengan dimensi tipe pelanggan seorang admin bisamelihat total pendapatan dari tipe pelanggan yang ada. Pada menu ini adminbisa melihat tampilan multi dimensi dari setiap tipe pelanggan. Terlihat padaGambar 4.8

Gambar 4.8 Diagram Multidimensi Tipe Pelanggan

Dari menu laporan ini admin bisa melihat total pendapatan dari tipe pelangganyang berbeda dalam bentuk text, diagram batang dan diagram pie. Pada Gambar4.9(a) terlihat diagram batang total pendapatan dari dimensi tipe pelanggan.

(a) (b)Gambar 4.9 Laporan Total Pendapatan Dimensi Tipe Pelanggan

(a) Diagram Batang (b) Diagram Pie

5. Simpulan

Dari hasil perancangan aplikasi data warehouse dengan skema snowflake,penulis dapat menarik kesimpulan, Data warehouse yang dirancang dengan skema

71

snowflake akan lebih komplek dari data warehouse yang dirancang dengan skemastar. Dengan adanya sistem data warehouse maka data yang sebelumnya kurangbermanfaat akan menjadi lebih bermanfaat. Dalam data warehouse ini data disajikandalam bentuk diagram batang dan diagram pie sehingga akan mempermudahpengguna untuk keperluan analisis data. Dengan tersedianya data dalam bentukdata warehouse diharapkan proses analisis data dapat seakurat mungkin danpermasalahan-permasalahan yang timbul dapat ditangani secepat mungkin. Sistemini berbeda dengan sistem informasi pada umumnya, perbedaan itu adalah padasistem informasi isi dari basis data selalu berubah sesuai dengan kebutuhan, tetapipada sistem ini data yang sudah masuk ke dalam data warehouse tidak dapatdiubah dan di update. Data pada data warehouse sifatnya historical. Data tersediadalam multidimensi sehingga akan lebih efektif dan efisien untuk keperluan analisadata.

6. Daftar Pustaka

[1] Darmawikarta, Djoni 2003 Membuat Data Model Untuk Data Warehousehttp://www.IlmuKomputer.com/ datawarehouse (diakses tanggal 4Desember 2007)

[2] Gatziu S dan Athanasios V., 1999, Data Warehousing: Concepts andMechanisms, Zrich : Zrich Oberassistentin am Institut fr Informatik derUniversitt Zrich

[3] Goil Sanjay dan Alok Choudhary, Evanston : High Performance OLAPand Data Mining on Center for Parallel and Distributed Computing, North-western University

[4] Handojo, Andreas, 2004, Pembuatan Data Warehouse Pengukuran KinerjaProses Belajar Mengajar Di Jurusan Teknik Informatika Universitas Petrahttp://www.petra.ac.id / (diakses tanggal 7 Desember 2007)

[5] Ivanova A dan Boris Rachev, 2004, TU-Varna : Multidimensional models -Constructing DATA CUBE, International Conference on Computer Sys-tems and Technologies CompSysTech, Department of Computer Sciencesand Technologies

[7] Lin Song dan Donald E. Brown , 2002,Outlier-based Data Association:Combining OLAP and Data Mining, Virginia : Department of SystemsEngineering, University of Virginia Charlottesville

[8] Malinowski dan Zimanyi, 2005, Hierarchies in a Multidimensional Model:From Conceptual Modeling to Logical Representation, Brussels, Bel-gium : Department of Computer& Network Engineering, Universiteite Librede Bruxelles,1050

[9] Nugroho,Adi 2000, Materi perkuliahan rekayasa perangkat lunak Salatiga :FTI UKSW

[10] Wiki, 2006, Star_schema http://en.wikipedia.org/ (diakses tanggal 18Desember 2006)


Documents

47.pdf