DATA WAREHOUSE PENJUALAN PT XYZ
Minda Mora Purba
karo_727@yahoo.com
Abstract
Data warehouse is a decision support system (decision support system) which use
and manufacture independent in one part of certain business environment at
company, for example sales department. Problems faced by this sales is the difficulty
in data collection products and customers, and the acquisition of sales reports are
fast and accurate. With these problems the company needs a data warehouse that can
be a trusted data source for the activities of this company.
The process of developing the data warehouse includes the analysis phase, the design
stage and implementation.
Keywords: warehouse, data, DSS, ETL

Dalam perancangan database tradisional
menggunakan normalisasi, sedangkan
pada data warehouse normalisasi bukanlah cara yang terbaik.

PENDAHULUAN
Berkembangnya teknologi dan informasi saat ini telah melahirkan “gunungan” data di bidang ilmu pengetahuan,
bisnis dan pemerintah. Kemampuan
teknologi informasi untuk mengumpulkan dan menyimpan berbagai tipe data
jauh meninggalkan kemampuan untuk
menganalisis, meringkas dan mengekstraksi “pengetahuan” dari data.
Metodologi tradisional untuk menganalisis data yang ada, tidak dapat menangani data dalam jumlah besar. Para
peneliti melihat peluang untuk melahirkan sebuah teknologi baru yang
menjawab kebutuhan ini, yaitu data
warehouse. Teknologi ini sekarang
sudah ada dan diaplikasikan oleh
perusahaan-perusahaan untuk memecahkan berbagai permasalahan bisnis.

LANDASAN TEORI
Pengertian Data Warehouse
Data warehouse adalah suatu konsep
dan kombinasi teknologi yang memfasilitasi organisasi untuk mengelola
dan memelihara data historis yang
diperoleh dari sistem atau aplikasi operasional. Pemakaian teknologi data
warehouse hamper dibutuhkan oleh semua organisasi, tidak terkecuali perpustakaan. Data warehouse memungkinkan integrasi berbagai macam jenis
data dari berbagai macam aplikasi atau
sistem. Hal ini menjamin mekanisme
akses “satu pintu bagi manajemen untuk
memperoleh informasi dan menganalisisnya untuk pengambilan keputusan”.

Data warehouse merupakan metode
dalam perancangan database yang menunjang DSS (Decission Support System) dan EIS (Executive Information
System). Secara fisik data warehouse
adalah database, tapi perancangan data
warehouse dan database sangat berbeda.

Beberapa konsep dasar tentang data
warehouse :
a. Data warehouse adalah data-data
yang berorientasi subjek, terintegrasi, memiliki dimensi waktu,

45

b.

c.

d.

serta merupakan koleksi tetap (nonvolatile), yang digunakan dalam
mendukung proses pengambilan
keputusan oleh para manajer di
setiap jenjang (namun terutama
pada jenjang manajerial yang
memiliki peringkat tinggi).
Data warehouse adalah suatu paradigma baru dilingkungan pengambilan keputusan strategik. Data
warehouse bukan suatu produk
tetapi suatu lingkungan dimana
user dapat menemukan informasi
strategik. Data warehouse adalah
kumpulan data-data logik yang
terpisah dengan database operasional dan merupakan suatu ringkasan.
Data warehouse adalah data yang
diperoleh dari proses dimana organisasi mengekstraksi makna dari
aset infromasi yang mereka miliki.
Data warehouse adalah inovasi
baru dalam hal teknologi informasi.
Sejak dimulai sekitar 15 tahun lalu,
konsep data warehouse ini berkembang secara cepat sehingga saat
ini konsep data warehouse ini
adalah konsep yang paling banyak
dibicarakan oleh para ahli di bidang
tekhnologi informasi.
Data Warehouse adalah pusat
repositori informasi yang mampu
memberikan database berorientasi
subyek untuk informasi yang
bersifat historis yang mendukung
DSS (Decision Suport System) dan
EIS (Executive Information System).

e.

f.

Salinan dari transaksi data yang
terstruktur secara spesifik pada
query dan analisa.
Salinan dari transaksi data yang
terstruktur spesifik untuk querydan
laporan.

Karakteristik Data Warehouse
1. Berorientasi Subjek.
Data warehouse terorganisasi di
seputar subjek kunci (atau entitasentitas peringkat tinggi) dalam
perusahaan. Data warehouse adalah
tempat penyimpanan berdasakan
subyek bukan berdasakan aplikasi.
Subyek merupakan bagian dari
suatu perusahaan. Contoh subyek
pada perusahaan manufaktur adalah
penjualan, konsumen, inventori,
dan lain sebagainya.
Contoh lain misalnya di bank,
aplikasi kredit mengotomasi
fungsi-fungsi: verifikasi lamaran
dan credit checking, pemeriksaan
kolateral, approval, pendanaan,
tagihan, dan seterusnya. Didalam
data warehouse data-data yang
dihasilkan dari proses kredit ini,
diatur kembali (dikelompokkan)
dan diintegrasikan (digabung) dengan data-data dari fungsi-fungsi
lain, agar berorientasi pada missalnya nasabah dan produk.
Gambar dibawah ini merupakan
perbedaan mengenai data warehouse dan database operasional.

46

Gambar 1
base, termasuk misalnya di
diseragamkan formatnya (sederhana
tetapi paling sering terjadi –
aplikasi-aplikasi
aplikasi
sering
dibeli
vendor berbeda, dibuat dengan/
dijalankan di teknologi berbeda
berbedabeda)

2. Terintegrasi
Data yang tersimpan dalam data
warehouse didefinisikan mengmeng
gunakan konversi penamaan yang
konsisten, format-format,
format, struktur
terkodekan, serta karakteristikkarakteristik
karakteristik yang berhubungan.
berhubungan
Sumber data yang ada dalam data
warehouse tidak hanya berasal dari
database operasional
(internal
source) tetapi juga berasal dari data
diluar sistem (external
(exter
source).
Data pada sumber berbeda dapat didi
encode dengan cara yang berber
beda. Sebagai contoh, data jenis
kelamin dapat di-enkode
enkode sebagai
0 dan 1 di satu tempat dan ”m”
dan ”f” di tempat lain.

3. Memiliki dimensi waktu (Time
variant)
Data yang tersimpan dalam data
warehouse mengandung dimensi
waktu yang mungkin digunakan
sebagai rekaman bisnis untuk tiap
waktu tertentu. Data warehouse
menyimpan sejarah (historical
data). Bandingkan dengan kebu
kebutuhan sistem operasional yang hampi
hampir
semuanya adalah data mutakhir
mutakhir.
Waktu merupakan tipe atau bagian
data yang sangat penting didalam
data warehouse. Di dalam data
warehouse sering disimpan macam
macammacam waktu, seperti waktu suatu
transaksi terjadi/dirubah/dibatalkan,
kapan efektifnya, kapan masuk ke
komputer, kapan masuk ke data
warehouse; juga hampir selalu
disimpan versinya, misalnya terjadi perubahan definisi kode pos,
maka yang lama dan yang baru

Contoh lain misalnya : Data dari
macam-macam
macam aplikasi transaksi
transa
(untuk bank misalnya: tabungan,
kredit, rekening koran) semua
mengandung data nasabah, ada
yang sama ada yang spesifik (yang
sama misalnya: nama dan alamat,
yang spesifik misalnya: untuk
kredit ada kolateral, untuk rekening
koran ada overdraft) didalam data
warehouse data-data
data yang sama
harus diintegrasikan disatu datadata

47

suatu data warehouse bisa efektif
memiliki data untuk mendukung
pengambilan-keputusan.
keputusan. Dan, implementasi keempat karakteristik
ini membutuhkan struktur data dari
data warehouse yang berbeda
dengan database sistem operasio
operasional. Data dalam database operasio
operasional akan secara
ecara berkala atau 48bisa
dipindahkan kedalam data ware
warehouse sesuai dengan jadwal yang
sudah ditentukan. Misal perhari,
perminggu, perbulan, dan lain
sebagainya. Sekali masuk ke dalam
data warehouse, data adalah read
readonly . Pada gambar 2 dibawah ini
bisa dilihat bahwa database OLTP
bisa dibaca, diupdate dan dihapus.
Tetapi pada database data ware
warehouse hanya bisaa dibaca.

ada semua didalam data wareware
house kita. Sekali lagi, data warehouse yang bagus adalah yang
menyimpan sejarah.
4. Non-volatile
Data yang tersimpan dalam
dala data
warehouse diambil dari sistem
s
operasional yang sedang berjalan,
tetapi tidak dapat diperbaharui (di(di
update) oleh pengguna (bersifat
‘hanya-baca’). Sekali masuk keke
dalam data warehouse, data-data,
data
terutama data tipe transaksi, tidak
akan pernah di update atau dihapus
(delete).
Terlihat, bahwa keempat karakkarak
teristik ini saling terkait kesemuakesemua
nya harus diimplementasikan agar

Gambar 2
5. Ringkas
Jika diperlukan, data operasional
dikumpulkan ke dalam ringkasanringkasan
ringkasan.

warehouse untuk menganalisis
harus memperhatikan level
level-ofdetail misalkan
alkan perhari, ringkasan
perbulan, ringkasan per
per-tiga-bulan.

6. Granularity
Pada sistem operasional data dibuat
secara real-time
time sehingga untuk
mendapatkan informasi langsung
dilakukan proses query. Pada data

7. Tidak ternormalisasi
Data di dalam sebuah data ware
warehouse biasanya tidak ternormalisasi
dan sangat redundan. Dasar dari
suatu data warehouse adalah suatu

48

data yang besar yang mengandung
informasi bisnis. Data-data yang
ada di dalam data warehouse bisa
berasal dari banyak sumber, missalkan dari database operasional atau
transaksional dan sumber dari luar
misalkan dari web, penyedia jasa
informasi, dari perusahaan lain dan
lain sebagainya.

Sejarah Data Warehouse dan perkembangannya
Sejak awal 1990-an, data gudang yang
berada di garis depan aplikasi teknologi
informasi sebagai cara bagi organisasi
untuk secara efektif menggunakan informasi digital untuk perencanaan
bisnis dan pe-ngambilan keputusan.
Oleh karena itu, pemahaman tentang
sistem arsitektur data warehouse akan
menjadi penting dalam peran dan
tanggung jawab dalam pengelolaan
informasi.

Keuntungan Data Warehouse
1. Potential high returns on investment
Suatu organisasi harus menjalankan
sejumlah besar sumberdaya untuk
memastikan kesuksesan implementasi dari data warehouse dengan biaya yang sangat variatif.
Nilai investasi yang ditanamkan
lebih cepat kembali dengan menggunakan data warehouse.

1960 – General
Mills dan Dartmouth College , dalam proyek penelitian bersama,
mengembangkan dimensi syarat
dan fakta. [2]
 1970 – ACNielsen dan IRI menyediakan data mart dimensi untuk
penjualan eceran.
 1983 – Teradata memperkenalkan
sistem manajemen database yang
khusus dirancang untuk mendukung keputusan.
 1988 – Barry Devlin dan Paul
Murphy mempublikasikan artikel arsitektur An untuk dan sistem
informasi bisnis di IBM Systems
Journal mana mereka memperkenalkan istilah “data bisnis”
gudang.
 1990 – memperkenalkan Sistem
Bata Merah Red Brick Warehouse,
sebuah sistem manajemen database
khusus untuk data warehouse.
 1991 –
memperkenalkan Prism
Prism Solusi Gudang Manager,
perangkat lunak untuk mengembangkan gudang data.
 1991 – Bill
Inmon menerbitkan
buku Membangun Data Warehouse.
 1995 – Data Warehousing Institute,
sebuah organisasi nirlaba yang


2. Competitive advantage
Keuntungan
kompetitif
dapat
dicapai dengan memungkinkannya
akses pengambil keputusan ke data
yang sebelumnya sangat tidak
mungkin.
3. Increased productivity of corporate decision-makers
Data warehousing dapat meningkatkan produktivitas pengambil keputusan dengan membangun database terintegrasi yang konsisten,
berorientasi subjek, dan data
history. Dengan memindahkan data
kedalam bentuk yang lebih berarti,
data warehouse memungkinkan
manajer bisnis untuk menampilkan
analisa yang lebih substantif, akurat
dan konsisten.

49

mempromosikan data warehouse,
didirikan.
 1996 – Ralph Kimball
imball menerbitkan
buku The Data Warehouse Toolkit.
 2000 – Daniel Linstedt melepaskan
Vault Data, memungkinkan real
time diaudit Data Warehouse.

pendekatan model skema yaitu star
schema atau snowflake schema. Disebut starschema karena Entity Relation
ship Diagram atau ERD
ERD-nya yang menyerupai bintang, tabel fakta berada di
tengah dengan dikelilingi tabel dimensi
di sampingnya.

Skema Data Warehouse
arehouse
Dalam menggambarkan relasi database
pada data warehouse dapat digunakan 2

Berikut adalah
schema:

contoh

gambar star

Gambar 3
Sedangkan snowflake schema lebih
kompleks dibandingkan dengan star
schema karena merupakan pengempengem
bangan dari star schema,
schema karena tabeltabel dimensinya merupakan hasil

normalisasi dari beberapa tabel yang
berhubungan.
Berikut adalah contoh gambar snowflake schema:

Gambar 4

50

Berdasarkan hasil penelitian yang dilakukan oleh Paiman dkk. (2010) yang
berjudul “Analisis Perbandingan Antara
Model Dimensi Star Schema Dan Snowflake”, didapat kesimpulan mengenai
kelebihan dan kekurangan baik dari star
schema maupun snowflake schema. Berikut adalah kelebihan dan kekurangan
model dimensi star schema.

Istilah-istilah yang berhubungan
dengan data warehouse
1. Data Mart
Adalah suatu bagian pada data
warehouse yang mendukung pembuatan laporan dan analisa data
pada suatu unit, bagian atau operasi
pada suatu perusahaan.
2. On-Line Analytical Processing
(OLAP)
Merupakan suatu pemrosesan database yang menggunakan tabel fakta
dan dimensi untuk dapat menampilkan berbagai macam bentuk laporan, analisis, query dari data
yang berukuran besar.
3. On-Line Transaction Processing
(OLTP)
Merupakan suatu pemrosesan yang
menyimpan data mengenai kegiatan
operasional transaksi sehari-hari.
4. Dimension Table
Tabel yang berisikan kategori dengan ringkasan data detail yang
dapat dilaporkan. Seperti laporan
laba pada tabel fakta dapat dilaporkan sebagai dimensi waktu
(yang berupa perbulan, perkwartal
dan pertahun).
5. Fact Table
Merupakan tabel yang umumnya
mengandung angka dan data history dimana key (kunci) yang dihasilkan sangat unik, karena key tersebut terdiri dari foreign key(kunci
asing) yang merupakan primary key
(kunci utama) dari beberapa
dimension table yang berhubungan.
6. DSS
Merupakan sistem yang menyediakan informasi kepada pengguna
yang
menjelaskan
bagaimana
sistem ini dapat menganalisa situasi
dan mendukung suatu keputusan
yang baik.

Kelebihan model dimensi star schema :
1. cenderung mudah dipahami karena
modelnya yang lebih sederhana,
2. memudahkan mencari isi karena
kesederhanaannya dengan cara melihat step by step dari masing-masing dimensinya,
3. proses query lebih cepat pada saat
proses OLAP.
Kekurangan model dimensi star
schema :
1. ukuran data lebih besar karena ada
data yang disimpan ulang,
2. maintenance dan update lebih sulit.
Berikut adalah kelebihan dan kekurangan model dimensi snowflake schema.
Kelebihan model dimensi snowflake
schema:
1. ukuran data lebih kecil di dalam
tempat penyimpanan,
2. lebih mudah dilakukan maintenance dan update,
3. proses query lebih cepat pada saat
proses ETL.
Kekurangan model dimensi snowflake
schema:
1. cenderung lebih sulit dipahami karena kompleksitasnya,
2. sulit mencari isi karena melihat
strukturnya yang kompleks dan
bercabang-cabang.

51

data yang sudah di Extraction itu tadi
lalu di perbaiki, maksud di perbaiki
adalah merapikan data – data mentah
dari hasil Extraction tersebut lalu di
rapikan agar bisa digunakan untuk
proses selanjutnya. Proses keempat
adalah Loading yaitu memasukkan data
– data yang sudah benar dan rapi yang
berasal dari hasil proses Transformation
itu tadi kedalam data warehousenya.
Data warehouse itu sendiri yang berisi
data – data yang berasal dari data source
yang sudah melalui proses – proses di
atas sehingga menjadi kumpulan data
yang bisa diolah menjadi informasi.
Terakhir adalah proses output yaitu
keluaran dari hasil olahan data yang
diambil dari data warehouse yang
selanjutnya akan di gunakan untuk
kebutuhan perusahaan.

PERANCANGAN DATA WAREHOUSE
Pengembangan data warehouse yang
ditujukan untuk menganalisis data dilakukan dengan mengikuti beberapa fase
desain yaitu spesifikasi kebutuhan,
desain konseptual, desain logis, dan
desain fisik.
Analisa Kebutuhan
Langkah-langkah analisa data hingga
diperoleh logikal data warehouse
adalah sebagai berikut :
1. Menterjemahkan kebutuhan dari
proses bisnis ke dalam model
dimensional.
2. Membuat suatu logikal data warehouse yang disebut sebagai starschema ataupun snowflake.
3. Melakukan test terhadap model
dimensional yang sudah dibuat,
dan melakukan analisis hingga
pemetaan antara target data
dengan sumber data.

Perancangan dan Identifikasi Kelayakan Sistem
Pada perancangan ini dibutuhkan
data yang sesuai dan menunjang hasil
yang diinginkan. Untuk melakukan
identifikasi kelayakan sistem pertama
kali dilakukan dengan percobaan terhadap desain proses ETL (Ekstraksi,
Transformasi, dan Load data), yang dilanjutkan dengan melakukan pencetakan laporan yang diinginkan.

Arsitektur data warehousenya dimulai
dengan mengumpulkan data yang
berkaitan dengan penjualan yang
bersumber dari berbagai database
seperti database penjualan, promosi,
customer, dan produksi. Pada proses
kedua data – data dari data source
tersebut di gabung menjadi satu dan di
Extraction dan hasil dari data itulah
yang digunakan lalu data tersebut di
simpan ke dalam format .xls
(excelsheet). Proses selanjutnya adalah
Transformation yaitu mengambil data –

Adapun elemen kompetensi kriteria
unjuk kerja dalam membangun desain
data warehouse yang digunakan sebagai konsep dalam pembangunan data
warehouse adalah sebagai berikut:

52

Gambar 5. Alur Pembuatan Data Warehouse
Pada evaluasi ini akan terlihat kemampuan data warehouse dan antarmukanya dalam menyajikan informasi
yang cepat dan akurat, sesuai dengan
perancangan yang telah dibuat.

Perancangan Database untuk Data
Warehouse
Ada sembilan tahap dalam perancangan
database untuk data warehouse, yaitu :
Langkah 1 : Pemilihan proses
Langkah 2 : Pemilihan sumber
Langkah 3 : Mengidentifikasi dimensi
Langkah 4 : Pemilihan fakta
Langkah 5 : Menyimpan pre-kalkulasi
di tabel fakta
Langkah 6 : Melengkapi tabel dimensi
Langkah 7 : Pemilihan durasi database
Langkah 8 : Menelusuri perubahan dimensi yang perlahan
Langkah9 : Menentukan prioritas dan
mode query

PENUTUP
Data warehouse merupakan suatu
cara/metode dari suatu database yang
berorientasi kepada subjek, nonvolatile, time-variance dan terintegrasi
yang digunakan untuk mempermudah
para pengambil keputusan dalam
memecahkan masalah.
Data warehouse yang dirancang adalah
hasil dari extract, transfer dan load
dari sistem transaksional yang sudah
berjalan saat ini, dimana data sumber
akan direstrukturisasi terlebih dahulu.
Dengan mempertimbangkan bentuk
normalisasi data sumber yang ada, data
warehouse ini mampu melakukan
pengkoleksian semua datanya. Dengan
adanya konversi struktur data dan
konversi type data, maka data-data
sumber dapat terlebih dahulu diseragamkan baik struktur datanya
maupun type-type datanya, sehingga
proses ETL menjadi lebih mudah.

Implementasi
Setelah dilakukan perancangan maka untuk dapat digunakan user dilakukan implementasi. Implementasi beracuan pada perancangan yang telah
disusun dan diidentifikasi kelayakannya.
Uji coba dan Evaluasi Kelayakan
Antar Muka
Uji coba dan evaluasi antarmuka berguna untuk pengguna bahwa data
warehouse dan antarmuka yang dibuat
telah sesuai dengan yang diinginkan.

53

Dengan menggunakan pivot table dari
Ms. Excel, pembuatan laporan-laporan
dengan bentuk dan format yang diinginkan oleh user menjadi lebih mudah. Dengan adanya data warehouse ini,
query tidak dilakukan berulang-ulang
dan prosedur pembuatan laporan juga
menjadi lebih sederhana dan mudah
sehingga dalam pembuatan laporannya
menjadi lebih cepat

Conolly,Thomas
dan
Begg
Carolyn(2002). Database systems –
A Practical Approach to Design,
Implementation and Management,
edisi-3.
Addison
Wesley
Longman.Inc., USA

Keberadaan data warehouse sangat
penting sebagai tools dari DSS, karena
data warehouse memang digunakan
untuk itu. Dengan adanya data warehouse, diharapkan suatu perusahaan
dapat lebih unggul dari kompetitornya
dan lebih jeli lagi dalam melihat
peluang pasar.

Inmon, W.H.(2002). Building the Data
Warehouse,edisi-3. Wiley Computer
Publishing.

Fatansyah(2002). Buku Teks Ilmu
Komputer – Basis Data, cetakan-4.
Informatika

Kimball,R.,Merz, R (1998). The Data
Warehouse Lifecycle Toolkit. Expert
Methods for Designing, Developing
and Deploying Data Warehouses.
Wiley
Computer
Publishing,
Canada.

DAFTAR PUSTAKA
https://opistation.wordpress.com/2013/1
0/15/karakteristik-data-warehouse/

Mcleod,Raymond(1996).
Sistem
Informasi
Manajemen,
Jilid-1.
Terjemahan
Teguh,H.
PT.
Prenhallindo, Jakarta.

https://levinbosz.wordpress.com/2014/0
1/02/star-schema-dan-snowflakeschema-baru/#more-245

Poe, Vidette(1998). Building Data
Warehouse for Decision Support,
edisi-2. Prentice Hall.

http://dundungismyblog.blogspot.co.id/
2014/09/analisis-kebutuhan-datawarehouse.html

54