06 bab 2 - library.binus.ac.idlibrary.binus.ac.id/ecolls/ethesisdoc/bab2/2007-2-00509 bab 2.pdf ·...
TRANSCRIPT
6
BBAABB 22
LANDASAN TEORI
2.1 Product Profitability
2.1.1. Pengertian Penjualan
Menurut Mulyadi (1997, p204) menyatakan kegiatan penjualan
terdiri dari transaksi penjualan barang dan jasa, baik secara kredit
maupun tunai. Penjualan merupakan aktivitas yang penting dalam suatu
perusahaan, karena dengan adanya penjualan dapat menghasilkan
pendapatan bagi perusahaan.
Menurut Romney dan Steinbart (2003, p157) penjualan
merupakan suatu set rekursif dari kegiatan bisnis dan operasi pemrosesan
informasi terkait yang dihubungkan dengan penyediaan barang dan
pelayanan pelanggan serta penerimaan pembayaran dari penjualan
tersebut.
Jadi, penjualan adalah kegiatan mengalihkan barang dan jasa
untuk dijual kepada pelanggan serta promosi agar tercapai penjualan yang
menghasilkan laba.
2.1.2 Pengertian Profitability
Menurut Soliha dan Taswan (2002), profitability adalah tingkat
keuntungan bersih yang mampu diraih oleh perusahaan pada saat
menjalankan operasinya.
7
Menurut Hofstrand (2006), profitability adalah ukuran
perbandingan antara pendapatan dan pengeluaran. Pendapatan adalah
uang yang dihasilkan dari aktifitas bisnis. Misalnya, jika sebuah barang
diproduksi dan dijual, maka terciptalah pendapatan.
Pengeluaran adalah biaya dari sumber-sumber daya yang
digunakan pada aktifitas bisnis. Misalnya, benih jagung adalah sebuah
pengeluaran pada bisnis pertanian, karena benih jagung digunakan pada
proses produksi.
2.1.3 Pengertian Product Profitability
Menurut Brown (2005), product profitability adalah pendapatan
yang dihasilkan oleh sebuah produk dikurangi biaya yang diperlukan
untuk sebuah produk.
Product profitability adalah sebuah fungsi dari pendapatan dan
biaya. Sistem yang baik memungkinkan kita untuk menentukan
profitabilitas dari setiap produk dengan mengidentifikasi pendapatan dan
biaya pada setiap produk (http://www.wipfli.com).
2.2 Lembaga Pendidikan Non formal
Menurut Undang-Undang Republik Indonesia nomor 20 tahun 2003
tentang sistem pendidikan nasional, yang dimaksud pendidikan non formal
adalah jalur pendidikan di luar pendidikan formal yang dapat dilaksanakan
secara terstruktur dan berjenjang.
8
Pendidikan non formal meliputi pendidikan kecakapan hidup, pendidikan
anak usia dini, pendidikan kepemudaan, pendidikan pemberdayaan perempuan,
pendidikan keaksaraan, pendidikan keterampilan dan pelatihan kerja, pendidikan
kesetaraan, serta pendidikan lain yang ditujukan untuk mengembangkan
kemampuan peserta didik. Satuan pendidikan non formal terdiri atas lembaga
kursus, lembaga pelatihan, kelompok belajar, pusat kegiatan belajar masyarakat,
dan majelis taklim, serta satuan pendidikan yang sejenis. Kursus dan pelatihan
diselenggarakan bagi masyarakat yang memerlukan bekal pengetahuan,
keterampilan, kecakapan hidup, dan sikap untuk mengembangkan diri,
mengembangkan profesi, bekerja, usaha mandiri, dan/atau melanjutkan
pendidikan ke jenjang yang lebih tinggi. Hasil pendidikan non formal dapat
dihargai setara dengan hasil program pendidikan formal setelah melalui proses
penilaian penyetaraan oleh lembaga yang ditunjuk oleh Pemerintah atau
Pemerintah Daerah dengan mengacu pada standar nasional pendidikan.
Lembaga Pendidikan adalah lembaga yang secara resmi ditetapkan
sebagai satuan pelayanan pendidikan baik pada jalur formal maupun non formal
melalui sebuah ketetapan yang dikeluarkan oleh Depdiknas dan/atau Dinas
Pendidikan di tingkat Propinsi/Kabupaten/Kota
Dengan demikian lembaga pendidikan non formal dapat diartikan sebagai
lembaga yang secara resmi ditetapkan sebagai satuan pelayanan pendidikan pada
jalur non formal melalui sebuah ketetapan yang dikeluarkan oleh Depdiknas
dan/atau Dinas Pendidikan di tingkat Propinsi/Kabupaten/Kota.
9
2.3 Aplikasi Analytics (Analytical Application)
Aplikasi analytics merupakan sebuah aplikasi yang dirancang untuk
memenuhi kebutuhan sebuah organisasi dalam mengukur, menganalisa, dan
mengoptimasi kinerja bisnis (Morris, 2002). Aplikasi analytics merupakan salah
satu bentuk aplikasi berbasis fakta (fact-based system) yang digunakan untuk
kegiatan BI (Business Intelligence) yaitu sebuah istilah yang diperkenalkan oleh
Howard Dresner dari Gartner Group pada tahun 1989 untuk menggambarkan
sekumpulan konsep dan metodologi yang dirancang untuk meningkatkan
pengambilan keputusan dalam bisnis melalui penggunaan fact dan fact-based
system (Zaman, 2005). Secara umum BI bukanlah sebuah produk juga bukanlah
sebuah sistem tetapi sebuah istilah umum yang menggabungkan arsitektur,
aplikasi, dan database.
Dalam perkembangannya, pembicaraan mengenai BI seringkali
diasosiasikan dengan Aplikasi Analytics (Analytics Application) dikarenakan
para manajer, para business analyst, dan pengguna lain dalam sebuah organisasi
menggunakan aplikasi analytics untuk melakukan kegiatan BI yang pada intinya
adalah melakukan berbagai kegiatan analisis terhadap berbagai data yang
dimiliki perusahaan yang biasanya berasal dari Data Warehouse, Data Mart,
atau dari aplikasi OLTP dalam organisasi (Turban, 2005).
2.3.1 Perbedaan antara Aplikasi Analytics dan BI Tools
Beberapa pandangan umum saat ini mengkategorikan Analytics
sebagai BI Application sehingga dapat dibedakan dengan BI Tools yaitu
10
berbagai teknologi yang bisa digunakan untuk kegiatan BI seperti OLAP,
Query Reporting Tools, dan Data Mining. Walaupun penyebutan ini tidak
sepenuhnya salah, tetapi ada perbedaan mendasar antara BI Tools dan
aplikasi analytics.
BI Tools merupakan sekumpulan teknologi (OLAP, Query
Reporting Tools, dan Data Mining) dan berbagai program aplikasi
sedangkan aplikasi analytics terdiri dari sekumpulan kegiatan
pemrograman yang dikhususkan untuk melakukan analisis data pada area
tertentu dalam bisnis seperti pemasaran, penjualan, real estate, dengan
tujuan membantu memperbaiki dan mempercepat pengambilan keputusan
bisnis (Zaman, 2005).
Aplikasi analytics mendayagunakan berbagai teknologi BI Tools
tetapi secara fundamental memiliki perbedaan dengan BI Tools dalam hal
spesialisasi, segmentasi, dan struktur (Morris, 2002).
- Spesialisasi: Aplikasi analytics adalah aplikasi yang mengkhususkan
diri pada proses bisnis dan fungsi tertentu dalam bisnis sedangkan BI
Tools bersifat umum (generic).
- Segmentasi: Aplikasi analytics dapat disegmentasi berdasarkan
fungsi bisnis seperti keuangan, pemasaran, atau produksi, sedangkan
BI Tools dapat disegmentasikan berdasarkan teknologi yang
digunakan seperti data mining atau OLAP.
- Struktur: Aplikasi analytics mengatur dan mengkoordinasikan
aktivitas bisnis untuk mencapai tujuan tertentu seperti menghasilkan
11
anggaran perusahaan atau melakukan penilaian terhadap kinerja dari
supplier, sedangkan BI Tools menyediakan peralatan untuk
mendukung ad hoc query dan analisis yang tidak didefinsikan terlebih
dahulu (predefined analysis).
2.3.2 Jenis-jenis Aplikasi Analytics
Pada tahun 1997, IDC mengkategorikan aplikasi analytics sebagai
sebuah aplikasi perangkat lunak (application software) yang mendukung
kegiatan di sebuah organisasi yang tidak dapat dilakukan oleh sistem
transaksional seperti ERP, POS (Point-of-Sale), berbagai aplikasi legacy-
system yang lain. Secara umum IDC mengelompokkan aplikasi Analytics
menjadi tiga kelompok berdasarkan pertumbuhan jumlah pemakai dan
jumlah sistem yang dipakai (Morris, 2002). Pada gambar 2.1 ditunjukkan
perkembangan pendapatan dari tiga jenis aplikasi analytics di dunia.
12
Gambar 2.1 Worldwide Software Revenues for Packaged Analytics
Applications
Source: IDC, 2002
Tiga jenis aplikasi analyitcs yang paling banyak digunakan dan
memiliki pertumbuhan pendapatan yang baik adalah:
• Financial Analytics (Business Performance Management
Application) :
Aplikasi analytics jenis ini digunakan untuk mengukur dan
mengoptimalisasi kinerja keuangan perusahaan seperti kegiatan
penyusunan dan evaluasi anggaran atau budgeting dan juga
mengevaluasi strategi bisnis perusahaan (misalnya Balanced
Scorecard). Aplikasi Budgeting dan Aplikasi Financial Consolidation
13
merupakan paket aplikasi analytics pertama yang pernah ada. Saat ini
paket aplikasi analytics jenis Financia/ Business Performance
Management berusaha untuk mengintegrasikan kegiatan budgeting,
perencanaan (planning), financial consolidation, activity-based
management, dan balanced scorecard dalam sebuah aplikasi yang
terpadu.
• Operations/Production Analytics:
Aplikasi analytics jenis ini digunakan untuk mengukur dan
mengoptimalkan kegiatan delivery dari produk atau jasa dari sebuah
perusahaan seperti aplikasi demand planning, workforce optimization,
atau healthcare outcomes analysis. Aplikasi jenis ini akan berbeda
untuk setiap industri karena adanya perbedaan karakteristik operasi
dari masing-masing industri. Jenis aplikasi yang populer untuk
kategori ini adalah Demand Planning dan Pricing Optimization.
• CRM Analytics:
Aplikasi analytics jenis ini digunakan untuk mengukur dan
mengoptimalkan kegiatan Customer Relationship seperti aplikasi
untuk mengukur customer profitability, customer retention, dan
marketing analysis.
2.3.3 Aplikasi Sales Analytics
Aplikasi sales analytics merupakan salah satu aplikasi yang
mendukung kegiatan CRM Analytics yaitu kegiatan yang meliputi
14
menangkap, menyimpan, melakukan ekstraksi, memproses, melakukan
interpretasi, dan melaporkan berbagai data customer kepada pemakai
untuk keperluan kegiatan analisis lebih lanjut (Morris, 2002).
Dalam aktivitas penjualan di suatu perusahaan aplikasi sales
analytics digunakan oleh para pengambil keputusan dan pelaksana di
Departemen Penjualan untuk mendukung kegiatan perencanaan dan
pengendalian kinerja penjualan dengan menyediakan berbagai informasi
untuk keperluan analisis yang disajikan dalam berbagai sudut pandang
seperti:
• informasi penjualan untuk setiap channel (sales by channel)
• penjualan setiap outlet (sales by outlet)
• penjualan setiap unit organisasi (sales by unit)
• penjualan untuk setiap produk (sales by product)
• penjualan setiap kategori produk (sales by product category)
• penjualan setiap wilayah (sales by region)
• penjualan setiap musim (sales by season)
Aplikasi sales analytics ini mampu memberikan gambaran yang
terintegrasi dari semua kegiatan penjualan dalam sebuah organisasi
sehingga memampukan Sales Manager, Sales Analyst, dan juga Sales
Representative untuk memahami berbagai trend dan pola penjualan
sehingga dapat mengambil keputusan lebih tepat. Secara umum aplikasi
sales analytics digunakan untuk kegiatan analisis aktivitas penjualan
yang meliputi:
Sales Functional Performance Analysis
15
Product Sales Analysis
Sales Organizational Effetiveness Analysis
2.3.3.1 Analisis Kinerja Penjualan (Sales Performance Analysis)
Dalam kegiatan analisis kinerja penjualan, sebuah aplikasi
sales analytics akan menyediakan berbagai informasi untuk
mengevaluasi kinerja penjualan dan menjadi dasar bagi penentuan
strategi penjualan di masa depan. Jenis informasi yang
ditampilkan meliputi revenue, volume, dan margin dari penjualan
yang dilakukan di berbagai bagian organisasi seperti penjualan di
region, penjualan di sales office, dan penjualan oleh sales reps.
Aplikasi sales analytics mampu memberikan jawaban dari
berbagai pertanyaan yang menyangkut kinerja dalam bidang
penjualan, seperti:
1. Berapa banyak penjualan yang dilakukan dalam periode ini
dalam revenue dan volume penjualan dan bagaimana
perbandingannya dengan periode yang lalu?
2. Trend apa yang muncul dalam setiap periode?
3. Region mana yang melakukan penjualan terbaik dan mana
yang terjelek?
4. Apakah revenue tertinggi yang dicapai di suatu region
mempunyai margin yang sesuai target? Bagaimana kontribusi
dari masing-masing divisi (kantor cabang) dan saluran
pemasaran (distributor) terhadap keseluruhan kinerja
16
penjualan?
5. Divisi dan saluran pemasaran mana yang paling efektif dan
mampu mencapai target revenue dan target margin?
6. Bagaimana kontribusi pendapatan dari masing-masing kantor
cabang pada tahun ini?
7. Bagaimana urutan prestasi sales reps dalam revenue, volume,
dan margin yang dihasilkan?
Beberapa parameter pengukuran yang bisa digunakan
untuk memonitor kinerja penjualan misalnya:
1. Units sold, percentage change
2. Revenue, percentage change
3. Average order value
4. Profit margin per order
2.3.3.2 Analisis Penjualan Produk (Product Sales Analysis)
Dalam kegiatan analisis penjualan produk, aplikasi sales
analytics berperan dalam meningkatkan kualitas dan efektivitas
dari produk yang ditawarkan dengan cara memahami bagaimana
produk yang sekarang ini menyentuh kebutuhan pelanggan dan
bertambah sampai batas bawah.
Aplikasi sales analytics dapat menjawab beberapa
pertanyaan yang berkaitan dengan analisis penjualan produk,
seperti :
1. Produk-produk apa saja yang paling banyak dijual? Seberapa
17
banyak pendapatan yang didapat?
2. Bagaimana jenis produk tertentu mempengaruhi keuntungan
secara keseluruhan?
3. Produk apa yang muncul sebagai best-seller? Produk apa yang
penjualannya menurun?
4. Pada daerah mana dan kelompok pelanggan apa produk yang
terjual paling banyak?
Beberapa parameter pengukuran yang bisa digunakan
untuk memonitor penjualan produk misalnya :
1. Jumlah unit yang terjual pada tiap produk (Units sold by
product)
2. Presentasi pendapatan dan keuntungan tiap produk
(Percentage revenue and profit by product)
3. Jumlah pelanggan tiap produk (Customer count by product)
4. Rep count by product
5. Contribution to profit by product
6. Pendapatan tiap produk (Revenue by product)
2.3.3.3 Analisis Efektivitas Penjualan (Sales Effectiveness Analysis)
Dalam kegiatan analisis efektivitas penjualan, aplikasi
sales analytics berperan untuk mengevaluasi dan meningkatkan
efektivitas penjualan dan proses invoicing dengan cara memahami
bagaimana sumber daya dialokasikan, dimana transaksi yang
banyak terjadi, dan sebagainya.
18
Beberapa pertanyaan yang berhubungan dengan analisis
efektivitas penjualan, antara lain seperti :
1. Berapa banyak sales order dan invoice yang diproses tiap
tahun? Bagaimana hal tersebut berpengaruh terhadap
pendapatan? Apakah hal ini meningkat setiap waktu?
2. Organisasi mana yang menghasilkan transaksi paling banyak?
3. Seberapa seefektif sales rep dalam menjaga margin dengan
tetap menjaga diskon tetap rendah?
Beberapa parameter pengukuran yang bisa digunakan
untuk memonitor efektivitas penjualan misalnya :
1. Pendapatan penjualan tiap sales rep (sales revenue by sales
rep)
2. Jumlah pesanan (count of orders)
3. Jumlah faktur (count of invoices)
4. Jumlah sales rep (sales rep count)
5. Jumlah produk tiap sales rep (product count by sales rep)
2.3.4 Online Analytical Processing (OLAP)
2.3.4.1 Pengertian OLAP
Menurut Connolly dan Begg (2002, p1101), OLAP adalah
perpaduan dinamis, analisis, dan konsolidasi dari suatu multi-
dimensional database yang besar. OLAP merupakan sebuah
istilah yang menggambarkan sebuah teknologi yang
19
menggunakan sebuah kumpulan data multidimensi untuk
menyediakan akses yang cepat kepada informasi strategi untuk
keperluan analisis secara mendetail.
Menurut Peterson dan Pinkleman (1999, p8), OLAP
adalah sebuah software yang menyediakan sebuah tampilan data
multidimensi untuk tujuan analisis bisnis. Sistem OLAP sudah
disebut sebagai Decision Support Systems dan Business
Intelligence Systems. OLAP dapat mengubah kumpulan besar data
yang jarang digunakan menjadi informasi strategis yang dapat
meningkatkan proses bisnis.
Jadi, OLAP adalah sebuah teknologi yang menggunakan
kumpulan data multidimensi untuk kemudian dianalisa dan
menghasilkan informasi yang berguna dan digunakan untuk
mengambil keputusan.
2.3.4.2 OLAP Benchmark
OLAP Council telah menerbitkan sebuah analytical
processing benchmark disebut sebagai APB-1 (OLAP Council,
1998). Tujuan dari APB-1 adalah untuk mengukur kinerja OLAP
server secara keseluruhan daripada kinerja dari tugas-tugas secara
perorangan. Untuk memastikan hubungan APB-1 terhadap
aplikasi bisnis, operasi yang dijalankan pada database adalah
berdasarkan operasi bisnis yang paling umum (Connolly dan
Begg, 2002, p1102).
20
Untuk menyediakan perbandingan kinerja terhadap
kombinasi hardware dan software yang berbeda, maka ditetapkan
sebuah standar benchmark metric yang disebut Analytical Queries
per Minute (AQM). AQM menggambarkan sejumlah query
analytic yang diproses setiap menit termasuk data loading dan
waktu perhitungan.
2.3.4.3 Aplikasi OLAP
Persyaratan penting dari semua aplikasi OLAP adalah
kemampuan untuk menyediakan kepada user informasi just-in-
time (JIT), yang diperlukan untuk membuat keputusan-keputusan
efektif tentang arah strategi sebuah perusahaan. Informasi JIT
adalah data yang sudah dihitung yang biasanya menggambarkan
hubungan yang kompleks dan selalu dikalkulasikan on-the-fly.
Menganalisa dan membuat model hubungan yang kompleks
mudah dilakukan jika respond time-nya cepat. Sebagai tambahan,
karena sifat hubungan data yang mungkin tidak diketahui secara
baik, maka model data harus fleksibel. Data model yang fleksibel
memastikan bahwa sistem OLAP dapat merespon untuk merubah
kebutuhan bisnis sebagai syarat untuk membuat keputusan yang
efektif (Connolly dan Begg, 2002, pp1102-1103).
Di bawah ini adalah contoh dari aplikasi OLAP dalam area
fungsional yang berbeda :
21
Area Fungsional Contoh Aplikasi OLAP
Finansial Anggaran, analisa kinerja keuangan, dan model finansial
Sales Sales analysis dan sales forecasting
Marketing Market researh analysis, promotion analysis, custemor analysis, dan segmentasi pelanggan atau pasar
Manufacturing Perencanaan produksi dan defect analysis
Tabel 2.1 Area Fungsional aplikasi OLAP
Source : Connolly dan Begg, 2002
2.3.4.4 Manfaat OLAP
Manfaat yang didapat dari implementasi aplikasi OLAP
yang berhasil, antara lain (Connolly dan Begg, 2002, p1104) :
Meningkatkan produktifitas dari end-user bisnis, pengembang
IT, dan juga seluruh organisasi. Akses yang lebih terkendali
dan terencana terhadap informasi strategi dapat menyediakan
pengambilan keputusan yang efektif.
Mengurangi backlog pengembangan aplikasi untuk staf IT
dengan membuat end-user dapat membuat perubahan skema
mereka sendiri dan membangun model milik mereka sendiri
Mempertahankan kendali organisasi melalui integritas data
yang berhubungan sebagai aplikasi OLAP yang tergantung
pada data warehouse dan sistem OLTP untuk me-refresh
sumber data.
Meningkatkan pendapatan dan profitabilitas yang potensial
22
dengan cara memampukan organisasi untuk merespon lebih
cepat terhadap permintaan pasar
2.4 Metodologi Perancangan Aplikasi Analytics
Menurut Connolly dan Begg (2002, p273), siklus sebuah aplikasi
database terdiri dari beberapa tahap sebagai berikut :
1. Perencanaan Database (Database Planning)
Perencanaan database menurut Connolly dan Begg (2002, p273)
adalah kegiatan pengaturan yang memungkinkan tahap-tahap dalam aplikasi
database dapat diwujudkan seefisien dan seefektif mungkin.
2. Definisi Sistem (System Definition)
Pendefinisian sistem (system definition) menggambarkan ruang
lingkup dan batasan dari aplikasi database dan pandangan pengguna utama
(major user views).
Pandangan pengguna (user view) menggambarkan apa yang
dibutuhkan oleh aplikasi database dari sudut pandang jabatan tertentu,
seperti manajer atau pengawas, maupun dari sudut pandang area aplikasi
perusahaan, seperti pemasaran, personalia, atau pengawasan persediaan.
(Connolly dan Begg, 2002, p275).
3. Requirement Collection and Analysis
Pengumpulan kebutuhan dan analisis adalah proses mengumpulkan
23
dan menganalisa informasi tentang bagian organisasi yang didukung oleh
aplikasi database, dan menggunakan informasi tersebut untuk
mengidentifikasi kebutuhan pengguna terhadap sistem yang baru (Connolly
dan Begg, 2002, p276).
Suatu proses resmi dalam menggunakan teknik-teknik seperti
wawancara dan kuesioner untuk mengumpulkan fakta-fakta tentang sistem,
kebutuhan dan preferensi dinamakan dengan teknik fact-finding (Connolly
dan Begg, 2002, p302).
4. Perancangan Database (Database Design)
Perancangan database adalah proses pembuatan sebuah rancangan
untuk database yang akan mendukung operasi dan tujuan perusahaan
(Connolly dan Begg, 2002, p279).
Metodologi perancangan (design methodology) adalah pendekatan
terstruktur yang menggunakan prosedur, teknik, peralatan, dan dokumentasi
untuk mendukung dan memudahkan proses perancangan. Teknik ini
digunakan untuk membantu merencanakan, mengatur, mengontrol, dan
mengevaluasi proyek pengembangan database.
a) OLAP Design
Dalam mendesain database OLAP, terdapat sebuah teknik
modeling yang disebut dengan ADAPT (Application Design for
Analytical Processing Technologies) (Bulos dan Forsman, 2006). Dasar
utama dari ADAPT adalah cube dan dimension, yang juga merupakan
24
objek inti dari OLAP multidimensional data model. Simbol yang
digunakan untuk kedua objek tersebut seperti yang terlihat dalam gambar
di bawah ini :
Gambar 2.2 Objek inti dalam OLAP
Source : Bulos dan Forsman (2006)
Dalam database OLAP, hypercube adalah bagian utama dari
penyimpanan data bisnis, sebuah array yang mempunyai banyak dimensi.
Istilah "hypercube" ditentukan oleh banyak tekhnikal pada literatur
marketing, beberapa penjual perangkat lunak juga menggunakan istilah
"measure" atau "fact" sebagai hypercube pada saat mengacu pada data
bisnis dalam sebuah database OLAP. Untuk menghilangkan kebingungan
dalam hal dimana sebuah database mempunyai sebuah dimensi ukuran
(measure dimension), ADAPT menggunakan istilah hypercube, atau
"cube" untuk istilah lebih singkatnya. Demikian juga ADAPT
menghindari penggunaan istilah "fact" karena pada umunnya dikenal
sebagai fact tables, sebuah istilah yang menggambarkan implementasi
fisik dari sebuah database.
25
Langkah pertama dalam mendesign sebuah database OLAP
adalah menentukan hypercube utama yang diperlukan dalam aplikasi dan
dimensi-dimensinya. Sebagai contoh, misalnya dalam sebuah sales,
terdapat 3 cube utama : units, sales, dan list price. Units dan sales
memiliki dimensi time, product, dan customer. List price memiliki
dimensi time dan product. Aplikasi tersebut memiliki 3 cube dan 3
dimensi. Diagram ADAPTnya dapat digambarkan seperti di bawah ini :
Gambar 2.3 Contoh Diagram ADAPT
Source : Bulos dan Forsman (2006)
Hirarki (Hierarchy) dan level
Hirarki secara umum adalah kumpulan dari level-level sebuah
data. Hirarki dan level dalam ADAPT dapat digambarkan sebagai
berikut :
Gambar 2.4 Hirarki dan level
26
Source : Bulos dan Forsman (2006)
Misalnya, sebuah calendar hierarchy memiliki level year,
quartal, dan month. Dalam menggambarkan calender hierarchy
seperti pada gambar 2.5, digunakan sebuah garis dengan 1 tanda
panah untuk menunjukkan bahwa calender hierarchy berada di
dalam time dimension. Penghubung antara level menunjukkan tingkat
yang lebih tinggi dari level. Year adalah tingkatan tertinggi dalam
calender hierarchy.
Gambar 2.5 calendar hierarchy
Source : Bulos dan Forsman (2006)
27
Dimensions Objects
Untuk menyempurnakan desain aplikasi yang akan dibuat,
diperlukan simbol-simbol ADAPT tambahan : member, attribute, dan
scope, yang merupakan objek database yang tergabung dengan
sebuah dimensi dan digunakan untuk menggambarkan sebuah
dimensi dengan lebih lengkap.
Sebuah member adalah nilai sebuah dimensi tunggal. Januari,
1998 adalah contoh member dari dimensi waktu. Jakarta, Bandung,
dan Aceh adalah member dari dimensi tempat.
Gambar 2.6 Member
Scope adalah kumpulan dari member suatu dimensi. Seperti
kumpulan produk-produk baru.
Gambar 2.7 Scope
Attribute adalah informasi deskriptif tentang member dari
sebuah dimensi. Sebuah attribute dapat berupa semua jenis tipe data.
Misalnya, nama manajer dari sebuah entitas organisasi adalah textual
attribut, dan jumlah hari kerja dalam sebuah periode waktu adalah
numeric attribute.
Gambar 2.8 Attribute
28
b) Tipe penyimpanan data (storage types of data)
Menurut Peterson dan Pinkleman (1999, pp421-422), Cube yang dibuat
ada tiga tipe penyimpanan, yaitu:
1. MOLAP (Multidimensional Data Storage)
MOLAP menggunakan tipe penyimpanan data dengan lebih rinci
untuk analisis multidimensional, yang menangani data dan agregasi
seperti berikut:
• Data di-copy dari sumber data dan disimpan dalam cube MOLAP
yang dikhususkan untuk struktur yang multidimensional. Ketika
data di-query, original data tidak dibutuhkan karena semua data
tersedia dalam cube.
• Agregasi disimpan dalam struktur cube yang dikhususkan untuk
multidimensional.
2. ROLAP (Relationnal Data Storate)
ROLAP menggunakan struktur relational database untuk disimpan
dalam agregasi cube. Data dan agregasi menangani seperti berikut:
• Ketika cube di-query dan tingkat dasar (base level) dari data
dibutuhkan, data diambil dari sumber data asli.
• Agregasi disimpan dalam relational database sebagai tabel.
Informasi dalam tabel ini diambil pada saat dilakukan query MDX
(Multidimensional Expressions).
3. HOLAP (Hybrid Data Storage)
HOLAP adalah tipe penyimpanan database yang mengkombinasikan
29
fitur ROLAP dan MOLAP. HOLAP menangani data seperti ROLAP
dan agregasi seperti MOLAP, yakni:
• Data ditinggalkan dimana data tersebut di dalam sumber data.
Ketika cube di-query dan tingkat dasar data dibutuhkan, data
diambil dari sumber data asli.
• Agregasi disimpan dalam struktur cube yang dikhususkan untuk
multidimensional.
5. Pemilihan Database (Database Selection)
Karena suatu organisasi memerlukan perluasan atau perubahan pada
sistem yang sedang berjalan, maka akan menjadi hal yang perlu untuk
mengevaluasi produk-produk DBMS yang baru. Tujuannya untuk memilih
sebuah sistem yang sesuai dengan kebutuhan perusahaan saat ini maupun di
masa yang akan datang, yang seimbang dengan biaya-biaya yang dikeluarkan
termasuk dalam pembelian produk DBMS, perangkat lunak maupun
perangkat keras tambahan yang dibutuhkan untuk mendukung sistem
database, dan biaya-biaya lain yang berhubungan dengan perubahan dan
pelatihan pegawai.
6. Perancangan Aplikasi (Application Design)
Perancangan aplikasi adalah mendesain antarmuka dan program
aplikasi yang menggunakan dan memproses database.
30
7. Prototyping
Prototyping adalah membangun sebuah model kerja dari aplikasi
database yang tidak memiliki semua fitur yang diperlukan atau semua fungsi
yang seharusnya ada pada sistem akhirnya (Connolly dan Begg, 2002, p291).
Tujuan utama prototyping adalah untuk memungkinkan pengguna
menggunakan prototype untuk mengidentifikasi fitur-fitur yang bekerja
dengan baik pada sistem, atau kekurangannya, dan memberikan saran bagi
peningkatan kerja sistem atau bahkan memberikan masukan terhadap fitur-
fitur baru ke dalam aplikasi database.
8. Implementasi
Menurut Connolly dan Begg (2002, p292), implementasi adalah
realisasi fisik dari database dan perancangan aplikasi. Juga akan
diimplementasikan komponen lain dari aplikasi database seperti menu layar,
pemasukan data, dan laporan-laporan.
9. Konversi dan Loading Data
Konversi dan loading data adalah proses pemindahan data yang ada
ke database yang baru dan mengubah setiap aplikasi yang ada agar berjalan
pada database yang baru (Connolly dan Begg, 2002, p292). Tahapan ini
hanya dibutuhkan jika sistem database yang baru menggantikan sistem yang
lama.
31
10. Testing
Pengujian adalah proses untuk menjalankan program aplikasi dengan
tujuan untuk menemukan kesalahan (Connolly dan Begg, 2002, p293).
Pengujian memperlihatkan bahwa database dan program aplikasi bekerja
sesuai dengan spesifikasinya dan bahwa kinerjanya memuaskan.
11. Operational Maintenance
Pemeliharaan operasi adalah proses mengawasi dan memelihara
sistem yang telah diimplementasi. Kegiatan yang dilakukan antara lain :
Mengawasi kinerja sistem. Jika kinerjanya menurun ke tingkat yang tidak
dapat diterima, database perlu diorganisasi ulang (reorganization).
Pemeliharaan dan upgrade aplikasi database-nya (jika diperlukan).
Setelah aplikasi database dijalankan secara penuh, pengawasan
diperlukan untuk memastikan kinerjanya tetap berada pada tingkat yang
dapat diterima.