Retail Sales (Penjualan Barang Elektronik dalam Perusahaan)

BAB I

PENDAHULUAN

1.1 Latar Belakang

Data pada umumnya diambil dari OLTP atau Online Transaction Processing. OLTP menyimpan setiap data transaksi yang terjadi pada perusahaan. Data transaksi dapat berupa data penjualan pada perusahaan retail, atau data produksi pada perusahaan manufaktur.

Data pada OLTP belum dapat memenuhi kebutuhan analisis yang dibutuhkan oleh pengambil keputusan, karena hanya menggambarkan entitas bisnis dalam satu sudut pandang sistem saja. Contohnya data transaksi penjualan (sales) dalam sebuah sistem penjualan dirancang untuk menghindari data redundancy melalui proses normalisasi sehingga dihasilkan banyak tabel.

Agar tidak ada data redundancy, maka perusahaan ini akan membuat skema relasional database OLTP yang mempunyai relasi antar tabel. Tujuan dari OLTP (Online Transaction Processing) ini adalah untuk mengotomatisasikan proses entri data administrasi. Selain itu, modifikasi dan penghapusan data dalam database OLTP merupakan hal yang sangat esensial dan semantik dari aplikasi yang digunakan dan memberikan dampak yang sangat besar pada organisasi data di dalam database.

Perusahaan penjualan barang elektronik ini tersebar di beberapa kota dalam satu provinsi saja. Dalam pembuatan desain rancangan database OLTP ini menggunakan referansi dari perusahaan yang sudah berjalan yaitu PHI Minimart yang mana dalam penjualan tersebut menjual sayur dan buah-buahan yang tersebar di seluruh Indonesia. Namun perusahaan penjualan elektronik kami hanya membatasi di daerah jawa timur saja.

1.2 Perumusan masalah

Permasalahan dari tugas ini dapat dirumuskan sebagai berikut :

1. Perusahaan ini akan memberikan informasi data pegawai di tiap cabangnya, jenis barang yang dijual, jumlah barang yang terjual dan penghasilan perusahaan tiap tahunnya.
2. Dalam perusahaan ini, hanya akan membatasi permasalahan untuk penjualan barang elektronik di daerah Jawa Timur saja.

BAB II

PEMBAHASAN

2.1 Analisa Data

Informasi yang akan ditampilkan yaitu dimana perusahaan penjualan elektronik ini akan memberikan penjelasan tentang barang yang sudah terjual dan mengetahui jumlah barang yang terjual tiap hari,bulan bahkan tiap tahunnya. Dan mengetahui pegawai yang bekerja di tiap cabangnya serta penghasilan yang di dapat dari tiap cabang.

2.2 Rancangan OLTP (Online Transaction Processing)

Dalam terminologi basis data, transaksi database yang dilakukan secara real time disebut dengan OLTP (Online Transaction Processing). Kata online di sini artinya adalah tersambung langsung dengan basis data. Pada OLTP, hal yang paling penting adalah kecepatan pemrosesan transaksi, sehingga pada OLTP ini aplikasi akan terhubung dengan basis data yang mengalami normalisasi untuk performa pemrosesan transaksi yang lebih cepat dan juga bisa juga untuk efisiensi kapasitas media penyimpanan (data yang redundan jumlahnya berkurang).

Pada OLTP dilakukan proses optimasi pada data, agar perubahan data dapat terekam secara cepat, atau diistilahkan dengan write-optimized yaitu proses penyimpanan data dilakukan secara optimal.

Rancangan OLTP perusahaan ini dapat digambarkan sebagai berikut :

Ø Tabel Master

1. tb_karyawan : tabel ini merupakan tabel yang berisi data dari pegawai perusahaan penjualan barang elektronik.

2. tb_produk : tabel yang berisi data produk barang elektronik yang akan dijual.

3. tb_kategori : tabel yang berisi data kategori tiap produknya.

4. tb_harga_harian: tabel yang berisi harga harian untuk tiap produk dan cabangnya (harga produk tiap cabang tidak sama / selisih sedikit).

5. tb_cabang : tabel yang berisi cabang dari perusahaan penjualan barang elektronik yang tersebar di Jawa timur.

6. tb_kota : tabel yang berisi data tiap kota.

Ø Tabel Transaksi

1. tb_penjualan : merupakan transaksi penjualan yang mencatat tanggal transaksi, di cabang mana transaksi dilakukan.

2.3 Skema relasional database OLTP

2.4 Platform Datawarehouse

• Hardware

1. Komputer intel(R) Core(TM)2 Duo, memori (RAM) 1GB

• Software

1. MYSQL Workbench 5.0 OSS

2. Database MySQL Server dan Client 5.0.0a-alpha

3. MYODBC

4. Delphi 7

5. DLL

2.5 Proses Extract Transform Load (ETL)

Tiga fungsi utama yang perlu dilakukan untuk membuat data siap digunakan pada datawarehouse adalah extraction, transformation dan loading. Ketiga fungsi ini terdapat pada staging area. Pada data staging ini, disediakan tempat dan area dengan beberapa fungsi seperti data cleansing, change, convert, dan menyiapkan data untuk disimpan serta digunakan oleh datawarehouse.

2.5.1 Extraction

Data Extraction adalah proses pengambilan data yang diperlukan dari sumber datawarehouse dan selanjutnya dimasukkan pada staging area untuk diproses pada tahap berikutnya. Pada fungsi ini, kita akan banyak berhubungan dengan berbagai tipe sumberdata. Format data, mesin yang berbeda, software dan arsitektur yang tidak sama. Sehingga sebelum proses ini kita lakukan, sebaiknya perlu kita definisikan requirement terhadap sumber data yang akan dibutuhkan oleh perusahaan ini agar lebih memudahkan pada extraction data.

2.5.2 Transformation

Pada kenyataannya, pada proses transaksional data disimpan dalam berbagai format sehingga jarang kita temui data yang konsisten antara aplikasi-aplikasi yang ada. Transformasi data ditujukan untuk mengatasi masalah ini. Dengan proses transformasi data ini, kita melakukan standarisasi terhadap data pada satu format yang konsisten. Beberapa contoh ketidakkonsistenan data tersenut dapat diakibatkan oleh tipe data yang berbeda, data length dan lain sebagainya.

2.5.3 Loading

Data loading adalah memindahkan data ke datawarehouse. Ada dua loading data yang kita lakukan pada datawarehouse. Pertama adalah inisial load, proses ini dilakukan pada saat kita telah selesai mendesign dan membangun datawarhouse. Data yang kita masukkan tentunya akan sangat besar dan memakan waktu yang relati lebih lama. Kedua Incremental load, dilakukan ketka datawarehouse telah dioperasikan. Kita melakukan data extraction, transformation dan loading terhadap data tersebut.

Untuk inisial load dilakukan sekali saja, namun untuk incremental load dapat kita jadwalkan sesuai dengan kebutuhan, bisa setiap hari, bulan, kuartal atau tahun sesuai dengan kebutuhan sistem kita.

2.6 Rancangan OLAP (Online Analitical Process)

OLAP (On-Line Analytical Processing) adalah suatu pernyataan yang bertolak belakang atau kontras dengan OLTP (On-Line Transaction Processing). OLAP menggambarkan sebuah klas teknologi yang dirancang untuk analisa dan akses data secara khusus. Apalabila pada proses transaksi pada umumnya semata-mata adalah pada relational database, OLAP muncul dengan sebuah cara pandang multidimensi data.Cara pandang multimensi ini didukung oleh tehnologi multidimensi database. Cara ini memberikan tehnik dasar untuk kalkulasi dan analisa oleh sebuah aplikasi bisnis.

OLTP mempunyai karakteristik beberapa user dapat creating,updating,retrieving untuk setiap record data, lagi pula OLTP sangat optimal untuk updating data. OLAP aplikasi digunakan untuk analisa dan mengatur frekuensi level dari agregat/jumlah data. OLAP database biasanya di update pada kumpulan data, jarang sekali dari multiple source dan menempatkan kekuatan analisa pada pada back-end pada operasi aplikasi. Sebab itulah maka OLAP sangat optimal digunakan untuk analisis.

Rancangan OLTP perusahaan ini dapat digambarkan sebagai berikut :

Ø Tabel Dimensi

1. dim_cabang :dimensi cabang merupakan penjelasan dengan kemungkinan level hirarki kota > cabang

2. dim_karyawan :dimensi karyawan merupakan penjelasan dengan kemungkinan level hirarki jenis kelamin > nama karyawan

3. dim_waktu : dimensi waktu akan menjelaskan penjualan barang tiap hari, bulan atau tiap tahunnya.

4. dim_produk : dimensi produk akan menjelaskan tentang produk apa saja yang di jual di perusahaan kami.

Ø Tabel fakta

1. fakta_penjualan : transaksi penjualan dari Perusahaan ini dengan beberapa precomputed field (field yang menghitung dari awal dan disimpan langsung ke dalam tabel) seperti total_harga_jual, dan total_modal_cabang.

2.7 Skema relasional database OLTP

BAB III

PENUTUP

4.1 Kesimpulan

Data Warehouse adalah suatu database penunjang keputusan yang dikelola secara terpisah dari database operasional perusahaan, yang menyediakan suatu platform untuk analisa data yang mengandung histori dan yang terkonsolidasi. Aplikasi Decision Support memerlukan view yang menyeluruh pada segala aspek perusahaan, dan didapatkan dari data yang berasal dari berbagai sumber. Model data multidimensional dirancang untuk melakukan analisa data dan umum digunakan dalam data warehouse. Model data multidimensi memiliki konsep intuitif dari banyak dimensi atau perspektif pengukuran bisnis atau fakta-fakta. Contohnya : untuk melihat penjualan dari perspektif customer, product dan time.

4.2 Saran

Dalam membuat atau mendesain data warehouse harus membutuhkan ketekunan dalm setiap langkahnya sehingga dapat mengetahui proses-prosesnya.

Untuk lebih jelasnya, bisa di download disini.