DSS

All posts tagged DSS

LITSUS ANTARA ADA DAN TIADA

Posted by Jurnal Srigunting on Maret 17, 2014
Posted in: police tech. Tagged: , , , , , . Tinggalkan komentar

PEMANFAATAN DECISION SUPPORT SYSTEM DALAM MENDUKUNG TUPOKSI
BAGIAN PENELITIAN PERSONIL DIVPROPAM POLRI

BAB I
PENDAHULUAN

A. LATAR BELAKANG
Divpropam Polri merupakan unsur pengawas dan pembantu pimpinan yang berada dibawah Kapolri yang bertugas membina dan menyelenggarakan fungsi pertanggungjawaban profesi dan pengamanan internal termasuk penegakan disiplin dan ketertiban di lingkungan Polri serta pelayanan pengaduan masyarakat tentang adanya penyimpangan tindakan anggota Polri atau PNS Polri.
Ropaminal merupakan unsur pelaksana utama yang berada di bawah Kadivpropam Polri yang bertugas membina dan menyelenggarakan fungsi pengamanan internal, yang meliputi pengamanan personel, materiil, kegiatan dan bahan keterangan termasuk penyelidikan terhadap pelanggaran atau penyimpangan dalam melaksanakan tugas Polri pada tingkat Mabes Polri.
Sebagai biro yang bertanggung jawab dalam penyelenggaraan fungsi pengamanan internal Biro Paminal telah melakukan kegiatan sebagaimana tugas dan tanggung jawabnya baik berupa kegiatan operasional maupun mengumpulan data dan fakta guna menunjang keberhasilan pelaksanaan tugas yaitu memberikan informasi yang akurat bagi pimpinan sbagai bahan pertimbangan pengambilan keputusan terkait pembinaan personel Polri.
Namun dalam perkembangan sistem pendataan dan pengarsipan yang dilakukan oleh saat ini, kebutuhan informasi yang tinggi kadang jika tidak diimbangi dengan penyajian informasi yang memadai, sering kali informasi tersebut masih harus di gali ulang dari data yang jumlahnya sangat besar. Kemampuan teknologi informasi untuk mengumpulkan dan menyimpan berbagai tipe data jauh meninggalkan kemampuan untuk menganalisis, meringkas dan mengekstrak pengetahuan dari data. Metode tradisional untuk menganalisis data yang ada, tidak dapat menangani data dalam jumlah besar. Pemanfaatan data yang ada di dalam sistem informasi untuk menunjang kegiatan pengambilan keputusan, tidak cukup hanya mengandalkan data operasional saja, diperlukan suatu analisis data untuk menggali potensi-potensi informasi yang ada.
Berdasarkan pengalaman penulis selama bertugas di Biropaminal Divpropam Polri masih ditemui adanya kelemahan dalam pengolahan maupun penyiapan data/ informasi yang seringkali dibutuhkan kesegeraan, maupun pengambilan keputusan berdasarkan data manual saja yang terkadang belum uptodate.
Dalam rangka meningkatkan mutu dan kualitas kinerja Bagian Penelitian Personil pada Divpropam Polri, dinilai perlu menggunakan Decision Support System (DSS) yang dapat memberikan kontribusi kepada para Kabag dan Kasubbag untuk memberikan dukungan dalam pengambilan keputusan.
B. MAKSUD DAN TUJUAN
1. Maksud
Maksud dari penulisan ini adalah membuat penulisan yang bersifat analitik mengenai pemanfaatan Decision Support System yang terkait dengan Tupoksi Bagian Penelitian Personil pada Divpropam Polri.
2. Tujuan
Tujuan pembuatan makalah ini adalah membuat suatu Decision Support System guna mendukung tugas pokok dan fungsi Bagian Penelitian Personil pada Divpropam Polri.
C. RUANG LINGKUP
Penulisan ini dibatasi pada pelaksanaan tugas pokok dan fungsi Bagian Penelitian Personil pada Divpropam Polri sebagai database yang dapat mendukung Kabag Litpers dan para Kasubbag dalam mengambil suatu keputusan berdasarkan hasil penelitian personil yang telah tersedia dalam bentuk data warehouse.

BAB II
DATA DAN FAKTA
Banyak indikator yang dapat dijadikan petunjuk bahwa sosok Polri idaman belum sepenuhnya dapat diwujudkan. Indikator-indikator tersebut antara lain: masih banyaknya anggota Polri yang melakukan pelanggaran maupun tindak pidana yang secara langsung maupun tidak langsung menyakiti hati rakyat, rendahnya tingkat kepercayaan masyarakat terhadap institusi Polri dan buruknya citra Polri di masyarakat.
Data Pelanggaran Anggota Polri Periode 2004-2009
TAHUN PELANGGARAN DISIPLIN PELANGGARAN PIDANA PTDH
TOTAL SELESAI PROSES TOTAL SELESAI PROSES
2004 3.835 2.243 1.592 1.072 886 186 131
2005 2.830 2.142 688 697 411 286 254
2006 2.961 1.681 1.280 961 549 412 150
2007 5.703 4.228 1.475 357 301 56 160
2008 7.035 4.517 2.518 1.164 272 892 252
2009 5.454 1.582 3.872 1.082 108 974 270
Sumber: Mabes Polri,11 Desember 2009

Tingkat kepercayaan masyarakat terhadap institusi Polri masih rendah. Hasil penelitian yang dilakukan Kompas yang dimuat pada tanggal 31 Januari 2011 menunjukkan betapa rendahnya kepercayaan masyarakat terhadap institusi Polri. Tingkat kepercayaan masyarakat terhadap institusi Polri hanya 6,5 %. Tingkat kepercayaan ini lebih rendah dibandingkan kepercayaan masyarakat terhadap lembaga agama dan media massa yaitu 7,2 % .
Rendahnya tingkat kepercayaan diikuti dengan merosotnya citra Polri di masyarakat. Hasil survei beberapa lembaga penelitian yang pernah dilangsir selama era reformasi ini menambah lengkap bukti kemerosotan citra Polri di mata masyarakat Indonesia. Salah satu hasil survei LSM Transparansi Internasional Indonesia pada Desember 2007 menyebutkan bahwa citra Polri menduduki peringkat tertinggi sebagai institusi terkorup dengan skor 4,2 yang disusul lembaga pengadilan dan parlemen . Hasil survei tersebut menguatkan hasil penelitian mahasiswa PTIK terhadap institusi Polri sebagai tempat mereka mengabdi sekitar tahun 2005 yang menyimpulkan bahwa korupsi, kolusi dan nepotisme di tubuh Polri sudah mengakar .
Masyarakat tidak puas terhadap kinerja Polri dalam banyak hal. Survei imparsial yang dilakukan oleh Lembaga Penggiat Hak Asasi Manusia terhadap kepuasan masyarakat Jakarta terhadap kinerja Polri menunjukkan ketidakpuasan tersebut. Survei dilakukan di Jakarta pada tanggal 17 Juni sampai 14 Juli 2011 meliputi populasi warga Jakarta dengan responden 500 orang terdiri dari umumnya berumur 17 tahun dan sudah menikah. Metode yang digunakan dalam penarikan sampel adalah multistage random sampling dengan tingkat kesalahan 4 persen. Hasil survei menunjukkan bahwa ketidakpuasan masyarakat mencapai 61,2 persen.

Tabel 2
Tingkat Ketidakpuasan Masyarakat Jakarta terhadap Kinerja Polri
NO BIDANG YANG DINILAI TINGKAT KETIDAKPUASAN (%) KET
1. Penanganan Kasus Korupsi 78,4
2. Penanganan Lalu Lintas 76,6
3. Penanganan Pencurian Kendaraan 67
4. Penegakkan Hukum dan HAM 58
5. Penanganan Lahgun Narkoba 53,2
6. Penanganan Premanisme 53,2
7. Penanganan Sara 40
8. Reformasi Polri gagal 61,2
9. Persepsi keterlibatan dalam KKN 74
10. Keterlibatan dlm Pembuatan SIM 75,8
11. Keterlibatan dlm pungli 61,6
12. Keterlibatan dlm dagang narkoba 59,2
13. Keterlibatan lakukan siksa dlm sidik 49,4
14. Keterlibatan dlm mafia hukum 65,8
15. Kemampuan selesaikan kasus mafia hukum 58,2
Sumber: Hasil Survei Imparsial oleh Lembaga Penggiat HAM di jakarta pada 17 Juni sampai 14 Juli 2011.

BAB III
TINJAUAN PUSTAKA

A. DECISION SUPPORT SYSTEM

Turban (1995) mendefinisikan secara lebih spesifik dengan, sesuatu yang interaktif,flexible dan dapat menyesuaikan diri (adaptable) dari sistem informasi berdasarkan komputer, khususnya pengembangan untuk mendukung pemecahan masalah dari non-struktur management, untuk meningkatkan pengambilan keputusan. Dengan menggunakan data, mendukung antar muka yang mudah digunakan dan memberikan wawasan untuk sang pengambil keputusan.
Istilah dari decision support system telah digunakan dengan banyak cara (Alter 1980) dan menerima banyak definisi yang berbeda menurut pandangan dari sang penulis (Druzdzel dan Flynn 1999). Finlay (1994) dan lainnya mendefiniskan DSS kurang lebih sebagai sebuah sistem berbasis komputer yang membantu dalam proses pengambilan keputusan.
Decision Support System dapat dikatakan sebagai sistem komputer yang mengolah data menjadi informasi untuk mengambil keputusan dari masalah semi-terstruktur yang spesifik.
Definisi lainnya bisa jadi gugur dibandingkan dengan dua pandangan ekstrim berikut, Keen dan Scott Morton (1978), DSS adalah dukungan berdasar kan komputer untuk para pengambil keputusan management yang berurusan dengan masalah semi-struktur. Sprague dan Carlson (1982), DSS adalah sistem berdasarkan komputer interaktif yang membantu para pengambil keputusan menggunakan data dan model-model untuk memecahkan masalah yang tak terstruktur(unstructured problem). Menurut Power (1997), istilah DSS mengingatkan suatu yang berguna dan istilah inklusif untuk banyak jenis sistem informasi yang mendukung pembuatan pengambilan keputusan. Dia dengan penuh humor menambahkan bahwa jika suatu sistem komputer yang bukan OLTP, seseorang akan tergoda untuk menyebutnya sebagai DSS.
Seperti yang kita lihat, DSS memiliki banyak arti dengan maksud yang kurang lebih hampir sama, yaitu suatu sistem komputer yang berguna bagi para pengambil keputusan untuk memecahkan masalah mereka yang kurang lebih berhadapan dengan masalah non-struktur atau semi-struktur.

Tujuan dari Decision Support System (DSS) antara lain adalah :
• membantu manajer membuat keputusan untuk memecahkan masalah semi struktur
• mendukung penilaian manajer bukan mencoba menggantikannya
• meningkatkan efektifitas pengambilan keputusan seorang manajer dari pada efisiensinya.

Tahap-tahap dalam pengambilan keputusan antara lain adalah :
• kegiatan intelijen,
• kegiatan merancang,
• kegiatan memilih dan menelaah.
Kegiatan intelijen ini merupakan kegiatan mengamati lingkungan untuk mengetahui kondisi-kondisi yang perlu diperbaiki. Kegiatan ini merupakan tahapan dalam perkembangan cara berfikir. Untuk melakukan kegiatan intelijen ini diperlukan sebuah sistem informasi, dimana informasi yang diperlukan ini didapatkan dari kondisi internal maupun eksternal sehingga seorang manajer dapat mengambil sebuah keputusan dengan tepat.
Kegiatan merancang merupakan sebuah kegiatan untuk menemukan, mengembangkan dan menganalisis berbagai alternatif tindakan yang mungkin untuk dilakukan. Tahap perancangan ini meliputi pengembangan dan mengevaluasi serangkaian kegiatan alternatif. Pertimbangan-pertimbangan utama telah diperkenalkan oleh Simon untuk melakukan tahapan ini, apakah situasi keputusan ini terprogram atau tidak. Sedangkan kegiatan memilih dan menelaah ini digunakan untuk memilih satu rangkaian tindakan tertentu dari beberapa yang tersedia dan melakukan penilaian terhadap tindakan yang telah dipilih.
Jenis-jenis DSS menurut tingkat kerumitan dan tingkat dukungan pemecahan masalahnya adalah sebagai berikut:
• Mengambil elemen-elemen informasi.
• Menaganalisis seluruh file.
• Menyiapkan laporan dari berbagai file.
• Memperkirakan dari akibat keputusan.
• Mengusulkan keputusan.
• Membuat keputusan.
Model DSS terdiri dari:
a. Model matematika;
b. Database;
c. Perangkat lunak.

Perangkat lunak DSS sering disebut juga dengan DSS generator. DSS generator ini berisi modul-modul untuk database, model dan dialog manajemen. Modul database ini menyediakan beberapa hal, seperti: creation, interrogation dan maintenance untuk DSS database. DSS database memiliki kemampuan untuk menemukan sistem database yang telah disimpan. Sedangkan modul model digunakan untuk menyajikan kemampuan membuat, menjaga dan memanipulasi ke dalam bentuk model matematika. Model dasar ini menampilkan electronic spreadsheet. Model dialog digunakan untuk menarik perhatian para pengguna untuk berhubungan langsung antara pengguna dengan komputer dalam mencari solusi.
Setelah kita lihat dan selami tentang data warehouse, kita dapat menyimpulkan bahwa data warehouse adalah sebuah model database yang berguna untuk menyimpan dan memproses data dengan pendekatan kepada kegunaan data dalam pengambilan keputusan bagi EIS atau DSS.
Sebuah DSS (tergantung dengan yang disupport-nya)membutuhkan data warehouse agar dapat menjalankan kerjanya dengan baik. Dan memang data warehouse sendiri dibangun untuk memenuhi kebutuhan DSS.
Karakteristik dan kemampuan ideal dari suatu DSS antara lain: 1) DSS menyediakan dukungan bagi pengambil keputusan utamanya pada situasi semi terstruktur dan tak terstruktur dengan memadukan pertimbangan manusia dan informasi terkomputerisasi, 2) Dukungan disediakan untuk pelbagai level, manajerial yang berbeda, mulai dari pimpinan puncak sampai manajer di lapangan, 3) Dukungan disediakan bagi individu dan juga bagi group, 4) Menyediakan keputusan ke pelbagai keputusan yang berurutan atau saling berkaitan, 5) Mendukung pelbagai fase proses pengambil keputusan: intelligence, design, choice dan implementation, 6) Mendukung pelbagai proses pengambilan keputusan style yang berbeda – beda, 7) Selalu bisa beradaptasi sepanjang masa, 8) Mudah digunakan, 9) Mencoba untuk meningkatkan efektifitas dari pengambilan keputusan, lebih daripada efisiensi yang bisa diperoleh, 10) Pengambil keputusan memiliki kontrol menyeluruh terhadap semua langkah proses pengambilan keputusan dalam menyelesaikan masalah.
Komponen DSS: 1) Data Management, termasuk database yang mengandung data yang relevan untuk pelbagai situasi dan diatur oleh software yang disebut Database Management System ( DBMS ), 2) Model Management , melibatkan model finansial, statistikal, management science, atau pelbagai model kuantitatif lainnya, sehingga dapat memberikan ke sistem suatu kemampuan analitis dan manajemen software yang diperlukan, 3) Communication ( dialog subsystem ), user dapat berkomunikasi dan memberikan perintah pada DSS melalui subsystem ini, 4) Knowledge Management, subsystem optional dapat mendukung subsystem lain atau bertindak sebagai komponen yang berdiri sendiri.
Data Management Subsystem terdiri dari dari elemen – elemen: 1) DSS database, 2) Database Management System, 3) Data Directory, 4) Query Facility.
Sistem adalah kumpulan dari obyek – obyek seperti orang, resource, konsep, dan prosedur yang ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu tujuan. Sistem terbuka adalah sangat tergantung pada lingkungannya. Sistem ini menerima in put ( informasi, energi, material ) dari lingkungannya dan bisa juga memberikan out putnya kembali ke lingkungan tersebut.
Dua ukuran utama dari sistem adalah efektifitas dan efisiensi. Efektifitas adalah derajat seberapa banyak tujuan sistem tercapai. Ini mengacu pada hasil atau out put pada suatu sistem. Efisiensi adalah ukuran penggunaan in put ( atau resource ) untuk mencapi tujuannya.
Karakteristik utama DSS adalah adanya kemampuan pemodelan. Model adalah representasi sederhan atau penggambaran dari kenyataan. Terdapat 3 jenis model : 1) Iconic, yaitu replika fisik dari sistem, biasanya dalam skala tertentu dari bentuk aslinya, 2) Analog, yaitu tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. Lebih abstrak dari model Iconic dan merupakan representasi simbolis dari kenyataan, 3) Matematis, yaitu kompleksitas hubungan dalam sistem organisasi tak dapat direpresentasikan dengan iconic atau analog, karena kalaupun bisa akan memakan waktu lama dan sulit. Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya.
Keuntungan model: 1) Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya, 2) Model memungkinkan menyingkat waktu, 3) Manipulasi model ( perubahan variabel ) lebih mudah dilakukan bila diterapkan pada sistem nyata, 4) Akibat yang ditimbulkan dari kesalahan – kesalahan suatu proses trial and error lebih kecil daripada penggunaan model langsung di sistem nyata, 5) Lingkungan sekarang yang makin berada pada ketidakpastian. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses – proses tertentu, 6) Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan – kemungkinan solusi yang banyak sekali, bahkan bisa tak terhitung. 7) Model meningkatkan proses pembelajaran dan meningkatkan pelatihan.
Proses Pemodelan: 1 ) Trial And Error dengan sistem nyata, tapi ini tak berjalan bila terlalu banyak alternatif untuk dicoba, akibat samping dari error yang terjadi besar pengaruhnya, lingkungan itu sendiri selalu berubah, 2) Simulasi, 3) Optimisasi, 4) Heuristic.
Pengambilan Keputusan adalah proses pemilihan, diantara pelbagai alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran. 4 fase Pengambilan Keputusan: 1) Intelligence, 2) Design, 3) Choice, 4) Implementation. Fase 1 sampai 3 merupakan dasar pengambilan keputusan, yang diakhiri dengan suatu rekomendasi, sedangkan pemecahan masalah adalah serupa dengan pengambilan keputusan ( fase 1 sampai 3 ) ditambah dengan implementasi dari rekomendasi ( fase 4 ). Pemecahan/ penyelesaian masalah tak hanya mengacu ke solusi dari area masalah/ kesulitan – kesulitan tapi mencakup juga penyelidikan mengenai kesempatan – kesempatan yang ada.
Intelligence Phase, di mana proses yang terjadi pada fase ini: 1) Menemukan masalah, 2) Klasifikasi masalah, 3) Penguraian masalah,4 ) Kepemilikan masalah.
Design Phase, tahap ini meliputi pembuatan, pengembangan, dan analisis hal – hal yang mungkin dilakukan termasuk juga di sini pemahaman masalah dan pengecekan solusi yang layak. Juga model dari masalahnya dirancang, dites dan divalidasi. Tugas – tugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan yaitu: 1) Komponen – komponen model, 2) Struktur model, 3) Seleksi prinsip – prinsip pemilihan ( kriteria evaluasi ), 4) Pengembangan ( penyediaan ) alternatif, 5) Prediksi hasil, 6) Pengukuran hasil, 7) Skenario.
Choice Phase adalah fase pendekatan pencarian pilihan di mana ada dua pendekatan yaitu: 1) Teknis Analitis, menggunakan rumusan matematis, 2) Algoritma, langkah demi langkah proses. Suatu DSS menurut definisinya adalah merekomendasikan tetapi tidak membuat suatu pilihan sebagai tambahan untuk menggunakan model yang secara cepat mengidentifikasi alternatif terbaik, DSS dapat mendukung Choice Phase melalui analisi “ what – if “ dan “ goal seeking “. Skenario – skenario yang berbeda dapat dites untuk pilihan yang diinginkan yang bisa memperkuat keputusan akhir.
Impelementasi, di mana pada fase ini ternyata keuntungan yang didapat dari DSS juga sepenting atau malah lebih penting dibanding penggunaan DSS pada fase – fase sebelumnya. Keuntungannya adalah dalam memberikan ketajaman dan detail dari analisis dan out put yang dihasilkan.
Cognition adalah aktifitas suatu individu dalam mengatasi perbedaan antara cara pandangnya dari dalam lingkungan dan apa yang memang benar – benar ada dalam lingkungan itu. Dengan kata lain kemampuan untuk mempersepsi dan memahami informasi.
Pengambil keputusan berfikir dan bereaksi terhadap suatu masalah, berpersepsi, memahami nilai- nilai dan kepercayaan yang dianut, berbeda-beda dari satu individu ke individu yang lain dan juga dari situasi ke situasi yang lain. Sehingga tiap orang akan membuat keputusan yang berbeda – beda. Perilaku bagaimana manajer mengambil keputusan ( dan bagaimana mereka berinteraksi dengan orang lain ) menjelaskan gaya keputusan mereka.
B. PERBANDINGAN

Berikut ini ulasan Studi Penerapan DSS di Bengkel Manchining Center PT. IPTN (PT. DI) menggunakan Decision Support System sebagai perbandingan dengan Sistem Database Bagian Penelitian Personil pada Divpropam Polri.

Bengkel Manchining Center PT. IPTN menerima pemesanan dari Engineering Office. Pesanan yang datang berupa Jadwal Induk Produksi lengkap dengan struktur produk, routing sheet dan lead time tiap item produk. Manajer bengkel harus memutuskan dengan segera mampu atau tidak mampu melayani pesanan tersebut. Tanpa bantuan suatu sistem yang mampu menghitung kapasitas yang tersedia dari bengkel tersebut dan yang juga mampu menghitung dengan cepat kebutuhan kapasitas akan pesanan tersebut, keputusan dari manajer tidak dapat segera terwujud. Kalaupun manajer dapat segera memutuskan mampu, keputusan tersebut tentunya hanya berdasarkan pengalaman masa lalu dan keberanian semata dalam mengambil keputusan. Sehingga hasil akhirnya tidak seperti yang diharapkan.

Suatu sistem pendukung keputusan yang mampu membantu manajer menghadapi masalah tersebut diatas telah berhasil dirancang dalam tesis Antonius Sarwedi (Teknik Industri ITB, 1995) yang berjudul ‘Rancangan Sistem Pendukung Keputusan Untuk Menentukan Waktu Penyelesaian Produk Dan Penentuan Harga Pokok Barang’. Untuk dapat diterapkan di bengkel Machining Center PT. IPTN pada kondisi riil sistem tersebut perlu dimodifikasi.

Sistem Pendukung Keputusan telah berhasil dimodifikasi dengan memperhitungkan penjadwalan ditingkat shop floor sehingga didapatkan JPI realistis. Akan tetapi ternyata sistem ini tidak dapat diterapkan di bengkel Machining Center PT. IPTN pada kondisi riilnya. Hal ini disebabkan karena di bengkel tersebut tidak tersedia data struktur produk, data routing sheet dan data kapasitas mesin tersedia.

Dibandingkan dengan Sistem Pendukung Keputusan Bagian Penelitian Personil pada Divpropam Polri yang pada kondisi riilnya telah menyediakan berbagai data dan arsip yang diperlukan untuk menjalankan sistem DSS yang dirancang secara sederhana dalam makalah ini, Sistem DSS dalam tesis Antonius Sarwedi (Teknik Industri ITB, 1995) menurut pendapat penulis tidak diimbangi dengan pengetahuan atau informasi secara riil dan terperinci dari data warehouse dan data mining yang dimiliki secara manual oleh bengkel Machining Center PT. IPTN.

Manajer bengkel seharusnya mengatur cara pengumpulan dan penyimpanan data dan informasi dengan baik, walaupun hanya secara manual namun dapat memutuskan dengan segera mampu atau tidak mampu melayani suatu pesanan. Pada intinya pembuatan sistem suatu perusahaan ataupun suatu satuan kerja memerlukan dua sisi pengetahuan ( DSS dan pengumpulan dan penyimpanan database secara riil) dimana keduanya harus digabungkan pada saat membuat sistem DSS.

BAB III
PENERAPAN DAN IMPLEMENTASI

A. PENERAPAN
Sebuah aplikasi berupa Sistem Pendukung Keputusan (Decision Support System) mulai dikembangkan pada tahun 1970. Decision Support Sistem (DSS) dengan didukung oleh sebuah sistem informasi berbasis komputer dapat membantu seseorang dalam meningkatkan kinerjanya dalam pengambilan keputusan. Seorang manajer disuatu perusahaan dapat memecahkan masalah semi struktur, dimana manajer dan komputer harus bekerja sama sebagai tim pemecah masalah dalam memecahkan masalah yang berada di area semi struktur. DSS mendayagunakan resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan.

Data dan Informasi dimasukkan kedalam database dari Bagian Penelitian Personil pada Divpropam Polri. Isi Database digunakan oleh Perangkat Lunak Penulisan Laporan, menghasilkan laporan periodik maupun khusus. Laporan periodik disiapkan sesuai jadwal dan biasanya dihasilkan oleh perangkat lunak yang dikodekan dalam suatu bahasa prosedural seperti COBOL (Common Business Oriented Language) yang merupakan bahasa pemrograman generasi ke-3. Laporan khusus disiapkan sebagai jawaban atas kebutuhan informasi yang tak terduga dan berbentuk database query oleh pemakai yang menggunakan query language dari DBMS atau bahasa pemrograman generasi keempat.

Penerapan DSS pada Bagian Penelitian Personil pada Divpropam Polri digunakan karena Anggaran Satker yang tidak memadai, Bagian Penelitian Personil juga dihadapkan pada meningkatnya jumlah data dan arsip yang harus disimpan dan sewaktu-waktu dapat digunakan sesuai dengan kebutuhan, disamping itu peningkatan kesulitan dalam hal melacak jumlah kasus personil Polri dan data/ informasi menonjol yang berkaitan dengan Personil Polri yang bermasalah serta Sistem komputer tidak mendukung peningkatan tujuan satuan kerja dalam hal efisiensi, efektifitas dan membuat laporan serta analisa dan evaluasi secara periodik khususnya setiap tahun.

  1. Dampak Pemanfaatan DSS
    Dampak dari pemanfaatan Decision Support System (DSS) antara lain :
    • Masalah-masalah semi struktur dapat dipecahkan.
    • Problem yang kompleks dapat diselesaikan.
    • Sistem dapat berinteraksi dengan pemakainya.
    o Dibandingkan dengan pengambilan keputusan secara intuisi, pengambilan keputusan dengan DSS dinilai lebih cepat dan hasilnya lebih baik.
    o Menghasilkan acuan data untuk menyelesaikan masalah yang dihadapi oleh Kasat/ Kanit yang kurang berpengalaman.
    o Untuk masalah yang berulang, DSS dapat memberi keputusan yang lebih efektif.
    o Fasilitas untuk mengambil data dapat memberikan kesempatan bagi Kabag Litpers untuk berkomunikasi dengan lebih baik.
    o Meningkatkan produktivitas dan kontrol dari Kabag Litpers dan para Kasubbag.

  2. Faktor Pendukung DSS
    Pengambilan keputusan dipengaruhi oleh :
    • Faktor teknologi
    • Faktor kompleksitas struktural
    • Faktor stabilitas politik
    • Faktor intervensi pemerintah
    • Faktor informasi yang berkaitan dengan masalah tersebut,
    • Faktor gaya pengambilan keputusan dan
    • Faktor kemampuan (intelegensi ,persepsi, dan falsafah)

Pertimbangan pengambil keputusan. Pengambilan keputusan selalu berkaitan dengan ketidakpastian dari hasil keputusan yang diambil. Untuk mengurangi faktor ketidakpastian tersebut, keputusan membutuhkan informasi yang sahih mengenai kondisi yang telah, dan mungkin akan terjadi, kemudian mengolah informasi tersebut menjadi beberapa alternatif pemecahan masalah sebagai bahan pertimbangannya dalam memutuskan langkah yang akan dilaksanakannya, sehingga keputusan yang diambil diharapkan dapat menberikan keuntungan yang maksimal dengan menggunakan aplikasi Computer Base Information System (CBIS) untuk lingkungan kelompok, seperti: Electronic Meeting System (EMS) dan Group Decision Support System (GDSS). Sistem Pendukung Keputusan Kelompok (group decision support system).

B. IMPLEMENTASI

APLIKASI DATA SISTEM PENUNJANG KEPUTUSAN
BAGIAN PENELITIAN PERSONIL DIVPROPAM POLRI

  1. APLIKASI PENGOLAH DATA HISTORY PERSONIL
    Merupakan aplikasi yang menyediakan informasi mengenai data litsus personil/anggota Polri dan PNS serta history mereka selama berkarir dalam organisasi Polri, mulai dari saat mereka masuk sebagai polisi / PNS sampai dengan status pangkat dan jabatan terakhir, pendidikan yang pernah mereka ambil baik pendidikan kepolisian atau latar belakang pendidikan awal mereka, kemudian prestasi apa saja yang pernah mereka lakukan, pernah atau tidaknya mereka melakukan pelanggaran atau tindak pidana selama bertugas serta penghargaan atau hukuman apa yang pernah mereka terima sesuai dengan tanggal perubahan yang terjadi. Selain itu aplikasi ini juga menyediakan informasi mengenai latar belakang keluarga personil yang berguna untuk menarik benang merah latar belakang keluarga mereka terhadap bahaya laten seperti keterlibatan dengan aliran komunisme ataupun jaringan Teroris / Radikalisme.
    Aplikasi ini akan memudahkan Kabag Litpers Divpropam Polri dalam mendapatkan informasi mengenai anggota Polri secara cepat dan efektif terutama pada saat mereka menyelidiki setiap anggota Polri yang pernah atau sedang terjerat masalah pelanggaran maupun tindak kriminal, sehingga dapat menjadi bahan pertimbangan dalam pemberian sanksi terhadap para anggota yang terjerat kasus ataupun sebagai bahan pertimbangan dalam menentukan kelayakan personil dalam kenaikan pangkat atau jabatan.

  • APLIKASI PENGOLAHAN ARSIP DATA PERSONIL
    Merupakan aplikasi yang menyediakan informasi berupa arsip – arsip hasil scan mengenai anggota tertentu, sehingga dapat mengurangi penggunaan arsip secara fisik yang beresiko mengalami kerusakan ataupun hilang sekaligus mempermudah proses pencarian arsip penting mengenai personil Polri pada saat dibutuhkan baik oleh Satker Polri lain maupun kebutuhan di Divpropam Polri dalam melakukan penyelidikan pada anggota Polri yang terlibat kasus. Aplikasi ini juga berguna dalam memudahkan proses pengiriman data arsip secara digital untuk keperluan Satker lain seperti halnya jika ada personil di Satker lain yang mengajukan kenaikan pangkat, sehingga membutuhkan arsip digital sebagai bukti penghargaan ataupun hukuman yang mereka terima selama karir mereka.
    ARSITEKTUR DSS DALAM DALAM MENDUKUNG TUPOKSI BAGIAN PENELITIAN PERSONIL DIVPROPAM POLRI
    WAREHOUSE DATA :

  • internal. : berupa riwayat histori personil yang terdapat pada bag litpers divpropam polri.
  • eksternal : catatan khusus terkait pelayanan pengaduan masyarakat, skep hukuman dan copy vonis pidana dari pengadilan .
    dalam merancang DSS untuk mendukung tupoksi bagian penelitian personil divpropam polri diperlukan konsep implementasi yang disesuaikan sesuai dengan tugas pokok dari bag litpers divpropam polri, adalah sebagai filter terhadap segenap aspek etika profesi polri selakau pelindung , pengayom dan pelayan masyarakat , dimana penilaian yang dikeluarkan oleh litpers divpropam merupakan dasar pertimbangan oleh satker lain untuk kelangsungan karir , promosi , jabatan serta pengembangan organisasi polrisecara lebih luas . berkenaan dengan tugas pokoknya bag litpers selanjutnya akan mengolah data dan informasi terkait etika profesi seseorang anggota polri untuk dinyatakan layak, atau ytidak layak bekerja sebagai anggota polri.
    tumpukan data terkait histori personil maupun data catatan khusus akan diolah melalui manajemmen pengelolaan data / Database Management System ( DBMS) , untuk kemudian dikelola, dengan dipilih dan dilihat hubungan dari masing masing data yang ada untuk menetukan kriteria kelayakan etika dan profesi personil yang bersangkutan.

    • Manajemen pengelolaan data berdasarkan Entitas dan atribut data
    ENTITAS DATA CATATAN KHUSUS/ KUMPLIN RIWAYAT HIDUP PERSONIL PENGADUAN MASYARAKAT
    ATRIBUT DATA Identitas personil identitas personil identitas personil
    jenis pelanggaran pendidikan jenis pelanggaran
    jenis hukuman jabatan identitas korban
    lama hukuman keluarga kerugian yang timbul
    kinerja pasca hukuman prestasi upaya yang telah dilakukan
    frekuensi pelanggran pelanggaran
    nama penyidik kualifikasi

    Dengan pendekatan Quantitative Model dapat melakukan pemilihan dan perhitungan secara parsial dan komulatif sesuai ketentuan terhadap data-data kuantitatif yang ada, meliputi: hasil ada atau tidak ada catatan khusus/ kumplin, rangking hasil pendidikan dan kejuruan,ada atau tidak ada laporan pengaduan masyarakat
    KNOWLEDGE MANAGEMENT
    Dalam Penyiapan data personil terkait aspek ETIKA dan profesi, bila terdapat penilaian negative yang bersumber dari data KUMPLIN , maupun adanya YANDUMAS maka , berdasarkan peraturan kapolri yang digunakan, untuk personil tersebut dinyatakan tidak layak untuk diberikan kenaikanpangkat, promosi jabatan, mutasi sampai terdapat suatu perbaikan dan pemberian hukuman / selesai melaksanakan hukuman sesuai pelanggaran yang dilakukan
    ALGORITMA :
    1. IF ANGGOTA = TERDAPAT DALAM DAFTAR KUMPLIN THEN KATEGORI = PENGAWASAN ; SOLUSI TIDAK BOLEH DAPAT PROMOSI SAMPAI MASA PENGAWASAN SELESAI.
    2. IF ANGGOTA = TIDAK TERDAPAT DALAM DAFTAR KUMPLIN NAMUN ADA YANDUMAS THEN KATEGORI = PENGAWASAN ; SOLUSI TIDAK BOLEH DAPAT PROMOSI SAMPAI MASA PENGAWASAN SELESAI.
    3. IF ANGGOTA = TIDAK TERDAPAT DALAM DAFTAR KUMPLIN DAN DAFTAR YANDUMAS THEN KATEGORI = BERSIH ; SOLUSI BOLEH MENDAPAT PROMOSI.

    BAB IV
    KESIMPULAN DAN REKOMENDASI

    A. KESIMPULAN

    1. Implementasi DSS akan menyediakan data atau informasi mengenai anggota Polri / PNS secara cepat dan efektif terutama pada saat mereka menyelidiki setiap anggota Polri / PNS yang pernah atau sedang terjerat masalah pelanggaran maupun tindak kriminal.
    2. Dengan Penerapan dan Implementasi Decision Support System, Kabag Litpers Divpropam Polri dapat memperoleh informasi yang memberikan pertimbangan dalam pemberian sanksi terhadap para anggota yang terjerat kasus ataupun sebagai bahan pertimbangan dalam menentukan kelayakan personil dalam kenaikan pangkat atau jabatan.
    3. Aplikasi DSS ini juga berguna dalam memudahkan proses pengiriman data arsip secara digital untuk keperluan Satker lain seperti halnya jika ada personil di Satker lain yang mengajukan kenaikan pangkat, sehingga membutuhkan arsip digital sebagai bukti penghargaan ataupun hukuman yang diterima selama masa dinas Personil yang bersangkutan.
    4. Pertimbangan pengambil keputusan. Pengambilan keputusan selalu berkaitan dengan ketidakpastian dari hasil keputusan yang diambil. Untuk mengurangi faktor ketidakpastian tersebut, keputusan membutuhkan informasi yang sahih mengenai kondisi yang telah, dan mungkin akan terjadi, kemudian mengolah informasi tersebut menjadi beberapa alternatif pemecahan masalah sebagai bahan pertimbangannya dalam memutuskan langkah yang akan dilaksanakannya, sehingga keputusan yang diambil diharapkan dapat memberikan keuntungan yang maksimal.

    B. REKOMENDASI

    1. Sebagai sebuah Satuan Kerja yang menangani bidang Penelitian Personil Polri / PNS yang mempunyai Tupoksi melakukan screening dalam rangka menentukan kelayakan para personil Polri / PNS pada tingkat nasional dan di tingkat Mabes pada khususnya, sudah selayaknya menggunakan aplikasi DSS dalam mendukung Tupoksi di masing-masing penugasan yang telah diatur oleh Divpropam Polri.
    2. Dalam rangka mendukung pemanfaatan DSS pada Database Bag Litpers Divpropam Polri perlu dikembangkan kemampuan para personilnya dengan memberikan pelatihan guna mengoperasikan secara tepat dan efisien mengenai aplikasi DSS yang telah dirancang oleh Penulis.
    3. Dukungan Anggaran dalam bentuk kebijakan baru dan motivasi dari Pimpinan perlu ditingkatkan guna mempercepat terlaksananya pemanfaatan DSS secara tepat guna dan efisien demi memajukan penggunaan teknologi di Bag Litpers Divpropam Polri.

    DAFTAR PUSTAKA

     Irfan Subakti, Diktat Mahasiswa STIK, Sistem Pendukung Keputusan (Decision Support System), Jakarta, Juni 2011;
     A.Turban, Efraim; Aronson, Jay, E.; Liang, Ting-Peng. Decision Support Systems and Intelligent Systems. Prentice-Hall ,2005;
     Irfan Subakti, Sistem Pendukung Keputusan (Decision Support System), ITS, Surabaya, 2002.
     Anonimous. 2007. Sistem Pendukung Keputusan Jaringan Saraf Tiruan Untuk Optimasi Pemilihan Multiple Proyek.
    http://arisn.staff.ugm.ac.id/files/10/8/Presentasi Tugas Besar – Optimasi Pemilihan Proyek.pdf.
     Anonimous. 2005. Managerial Decision Making And Decision Support System.
    http://library.gunadarma.ac.id/files/disk1/5/jbptgunadarma-gdl-course-2005-tim pengajar – 202-dss.doc.
     Proposal AIPT 2007: Standar Sistem Informasi Universitas Airlangga
     Santoso, Lucky E. 2006. Mengajarkan Sistem Pendukung Keputusan Dengan Menggunakan Microsoft Excel Dan Visual Basic For Applications. http://www.lesantoso.com.
     Sarwedi, Antonius. 1995. Studi Penerapan Sistem Pendukung Keputusan Di Bengkel Machining Center PT. Industri Pesawat Terbang Nusantara.
    http://digilib.ti.itb.ac.id/go.php?id= jbptitbti-gdl-s2-1995-antoniussa-1341.

    Decision Support System merupakan suatu sistem yang berfungsi sebagai penunjang keputusan. ( diterjemahkan dari buku DSS)

    Posted by Jurnal Srigunting on September 27, 2012
    Posted in: police tech. Tagged: , , , . Tinggalkan komentar

    Pendahuluan

    Decision Support System merupakan suatu sistem yang berfungsi sebagai penunjang keputusan. Dengan adanya DSS, pekerjaan dari para pengambil keputusan akan lebih terbantu secara signifikan.

    Makalah yang kami susun berikut ini menjelaskan suatu database yang biasa digunakan sebagai pengambil keputusan yaitu data warehouse. Dikarenakan banyak organisasi atau perusahaan kurang dapat menggunakan database operasional dalam mendukung secara langsung pengambilan keputusan.

    Penyusun sadar dalam penulisan makalah ini terdapat banyak kekurangan, oleh karena itu, kami menerima saran dan kritik yang membangun agar dikemudian hari kami dapat menyusun suatu makalah dengan lebih baik lagi.

    Jakarta 3 November 2006

    Penyusun,
    Irfan Gustiarahman

    Daftar Isi
    Pendahuluan 1
    Daftar Isi 2
    BAB I 3
    Definisi Data Warehouse 3
    I.1. Pengertian Data, Informasi dan Database 3
    I.2. Pengertian Data Warehouse 4
    I.3. Istilah-istilah yang berhubungan dengan data warehouse 5
    I.4. Karakteristik Data Warehouse 6

    BAB. II 11
    Kegunaan Data Warehouse 11
    II.1 Perlunya Data Warehouse 11
    II.2 Tugas-tugas Data warehouse 11
    II.3. Keuntungan Data Warehouse 13

    BAB III 15
    Membangun Data Warehouse 15
    III.1. Menentukan Bentuk Data Warehouse 15
    III.2. Anatomi Data Warehouse 15
    III.3 Arsitektur dan Infrastruktur Data Warehouse 18
    III.4. Struktur Data Warehouse 22
    III.5 Metodologi Perancangan Database untuk Data Warehouse 25
    III.6. Model untuk Data Warehouse 28
    III.6.1. Model Dimensional 28

    BAB IV 35
    Hubungan Data Warehouse Dengan DSS 35
    IV.1. Definisi Decision Support System 35
    IV.2. Hubungan antar DSS dengan Data Warehouse 36
    IV.3. Contoh Data Warehouse Yang Ada 36

    Bab V 37
    Kesimpulan dan Penutup 37
    V.1. Kesimpulan 37

    Daftar Pustaka 38

    BAB I
    Definisi Data Warehouse

    I.1. Pengertian Data, Informasi dan Database

    Sebelum kita membahas tentang data warehouse, hal yang harus dipahami terlebih dahulu yaitu pengertian tentang data,informasi dan database.

    Menurut Steven Alter, data merupakan fakta,gambar atau suara yang mungkin atau tidak berhubungan atau berguna bagi tugas tertentu.

    Menurut McLeod, data terdiri dari fakta-fakta dan angka yang secara relatif tidak berarti bagi pemakai. Sedangkan informasi adalah data yang sudah diproses atau data yang memiliki arti.

    Disini kita dapat melihat bahwa data merupakan suatu bentuk keterangan-keterangan yang belum diolah atau dimanipulasi sehingga belum begitu berarti bagi sebagian pemakai. Sedangkan informasi merupakan data yang sudah di olah sehingga memiliki arti.

    Menurut James A. O’Brien Database adalah suatu koleksi terintegrasi dimana secara logika berhubungan dengan record dari file.

    Menurut Fatansyah, Database adalah kumpulan data yang saling berhubungan yang disimpan secara bersama sedemikian rupa dan tanpa pengulangan(redudansi) yang tidak perlu, untuk memenuhi berbagai kebutuhan.

    Jadi Database adalah tempat penyimpanan data yang saling berhubungan secara logika, sehingga bisa digunakan untuk mendapatkan suatu informasi yang diperlukan oleh suatu organisasi atau perusahaan.

    Sedangkan data yang diperoleh suatu organisasi atau perusahaan umumnya didapat dari kegiatan operasional sehari-hari atau hasil dari transaksi.

    Dari perkembangan model database, muncullah apa yang disebut dengan data warehouse.

    I.2. Pengertian Data Warehouse

    Pengertian Data Warehouse dapat bermacam-macam namun mempunyai inti yang sama, seperti pendapat beberapa ahli berikut ini :

    Menurut W.H. Inmon dan Richard D.H., data warehouse adalah koleksi data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management.

    Menurut Vidette Poe, data warehouse merupakan database yang bersifat analisis dan read only yang digunakan sebagai fondasi dari sistem penunjang keputusan.

    Menurut Paul Lane, data warehouse merupakan database relasional yang didesain lebih kepada query dan analisa dari pada proses transaksi, biasanya mengandung history data dari proses transaksi dan bisa juga data dari sumber lainnya. Data warehouse memisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan organisasi menggabung/konsolidasi data dari berbagai macam sumber.

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

    Dari definisi-definisi yang dijelaskan tadi, dapat disimpulkan data warehouse adalah database yang saling bereaksi yang dapat digunakan untuk query dan analisisis, bersifat orientasi subjek, terintegrasi, time-variant,tidak berubah yang digunakan untuk membantu para pengambil keputusan.

    I.3. Istilah-istilah yang berhubungan dengan data warehouse
    Istilah-istilah yang berkaitan 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
    Merupkan sistem yang menyediakan informasi kepada pengguna yang menjelaskan bagaimana sistem ini dapat menganalisa situasi dan mendukung suatu keputusan yang baik.

    I.4. Karakteristik Data Warehouse

    Karakteristik data warehouse menurut Inmon, yaitu :
    1. Subject Oriented (Berorientasi subject)
    Data warehouse berorientasi subject artinya data warehouse didesain untuk menganalisa data berdasarkan subject-subject tertentu dalam organisasi,bukan pada proses atau fungsi aplikasi tertentu.

    Data warehouse diorganisasikan disekitar subjek-subjek utama dari perusahaan(customers,products 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, dari pada aplikasi yang berorientasi terhadap data.
    Jadi dengan kata lain, data yang disimpan adalah berorientasi kepada subjek bukan terhadap proses. Secara garis besar perbedaan antara data operasional dan data warehouse yaitu :

    Data Operasional Data Warehouse
    Dirancang berorientasi hanya pada aplikasi dan fungsi tertentu Dirancang berdasar pada subjek-subjek tertentu(utama)
    Focusnya pada desain database dan proses Focusnya pada pemodelan data dan desain data
    Berisi rincian atau detail data Berisi data-data history yang akan dipakai dalam proses analisis
    Relasi antar table berdasar aturan terkini(selalu mengikuti rule(aturan) terbaru) Banyak aturan bisnis dapat tersaji antara tabel-tabel

    2. Integrated (Terintegrasi)
    Data Warehouse dapat menyimpan data-data yang berasal dari sumber-sumber yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu dengan 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 sepeti konsisten dalam penamaan variable,konsisten dalam ukuran variable,konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari data.

    Contoh pada lingkungan operasional terdapat berbagai macam aplikasi yang mungkin pula dibuat oleh developer yang berbeda. Oleh karena itu, mungkin dalam aplikasi-aplikasi tersebut ada variable yang memiliki maksud yang sama tetapi nama dan format nya berbeda. Variable tersebut harus dikonversi menjadi nama yang sama dan format yang disepakati bersama. Dengan demikian tidak ada lagi kerancuan karena perbedaan nama, format dan lain sebagainya. Barulah data tersebut bisa dikategorikan sebagai data yang terintegrasi karena kekonsistenannya.

    3. Time-variant (Rentang Waktu)
    Seluruh data pada data warehouse dapat dikatakan akurat atau valid pada rentang waktu tertentu. Untuk melihat interval waktu yang digunakan dalam mengukur keakuratan suatu data warehouse, kita dapat menggunakan cara antara lain :
     Cara yang paling sederhana adalah menyajikan data warehouse pada rentang waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan.
     Cara yang kedua, dengan menggunakan variasi/perbedaan waktu yang disajikan dalam data warehouse baik implicit maupun explicit secara explicit dengan unsur waktu dalam hari, minggu, bulan dsb. Secara implicit misalnya pada saat data tersebut diduplikasi pada setiap akhir bulan, atau per tiga bulan. Unsur waktu akan tetap ada secara implisit didalam data tersebut.
     Cara yang ketiga,variasi waktu yang disajikan data warehouse melalui serangkaian snapshot yang panjang. Snapshot merupakan tampilan dari sebagian data tertentu sesuai keinginan pemakai dari keseluruhan data yang ada bersifat read-only.

    4. Non-Volatile
    Karakteristik 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 yang baru selalu ditambahkan sebagai suplemen bagi database itu sendiri dari pada sebagai sebuah perubahan. Database tersebut secara kontinyu menyerap data baru ini, kemudian secara incremental disatukan dengan data sebelumnya.

    Berbeda dengan database operasional yang dapat melakukan update,insert dan delete terhadap data yang mengubah isi dari database sedangkan pada data warehouse hanya ada dua kegiatan memanipulasi data yaitu loading data (mengambil data) dan akses data (mengakses data warehouse seperti melakukan query atau menampilan laporan yang dibutuhkan, tidak ada kegiatan updating data).

    BAB. II
    Kegunaan Data Warehouse

    II.1 Perlunya Data Warehouse

    Seperti pengertian-pengertian yang kita sebutkan sebelumnya, data warehouse diperlukan bagi para pengambil keputusan manajemen dari suatu organisasi/perusahaan.

    Dengan adanya data warehouse, akan mempermudah pembuatan aplikasi-aplikasi DSS dan EIS karena memang kegunaan dari data warehouse adalah khusus untuk membuat suatu database yang dapat digunakan untuk mendukung proses analisa bagi para pengambil keputusan.

    II.2 Tugas-tugas Data warehouse
    Ada empat tugas yang bisa dilakukan dengan adanya data warehouse
    Menurut Williams, keempat tugas tersebut yaitu:

    a. Pembuatan laporan
    Pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari,perbulan, pertahun atau jangka waktu kapanpun yang diinginkan.
    b. On-Line Analytical Processing (OLAP)
    Dengan adanya data warehouse,semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat.

    OLAP mendayagunakan konsep data multi dimensi dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multi dimensi, maka data yang berupa fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada sofware OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.

    c. Data mining
    Data mining merupakan proses untuk menggali(mining) pengetahuan dan informasi baru dari data yang berjumlah banyak pada data warehouse, dengan menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan matematika. Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya.

    Beberapa solusi yang diberikan data mining antara lain :
    1. Menebak target pasar
    Data mining dapat mengelompokkan (clustering) model-model pembeli dan melakukan klasifikasi terhadap setiap pembeli dan melakukan klasifikasi terhadap setiap pemebeli sesuai dengan karakteristik yang diinginkan.
    2. Melihat pola beli dari waktu ke waktu
    Data mining dapat digunakan untuk melihat pola beli dari waktu ke waktu.
    3. cross-market analysis
    Data mining dapat dimanfaatkan untuk melihat hubungan antara satu produk dengan produk lainnya.
    4. Profil pelanggan
    Data mining bisa membantu pengguna untuk melihat profil pembeli sehingga dapat diketahui kelompok pembeli tertentu cenderung kepada suatu produk apa saja.
    5. Informasi summary
    Data mining dapat membuat laporan summary yang bersifat multi dimensi dan dilengkapi dengan informasi statistik lainnya.

    d. Proses informasi executive
    Data warehouse dapat membuat ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data warehouse segala laporan telah diringkas dan dapat pula mengetahui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan. Informasi dan data pada laporan data warehouse menjadi target informative bagi user.

    II.3. Keuntungan Data Warehouse
    Data warehouse merupakan pendekatan untuk menyimpan data dimana sumber-sumber data yang heterogen(yang biasanya tersebar pada beberapa database OLTP) dimigrasikan untuk penyimpanan data yang homogen dan terpisah. Keuntungan yang didapatkan dengan menggunakan data warehouse tersebut dibawah ini (Ramelho).

     Data diorganisir dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan transaksi.
     Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat diatasi.
     Aturan untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi data apabila data dipindahkan dari database OLTP ke data warehouse.
     Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.

    Membangun data warehouse tentu saja memberikan keuntungan lebih bagi suatu perusahaan, karena data warehouse dapat memberikan keuntungan strategis pada perusahaan tersebut melebihi pesaing-pesaing mereka. Keuntungan tersebut diperoleh dari beberapa sumber (Sean Nolan,Tom Huguelet):

     Kemampuan untuk mengakses data yang besar
     Kemampuan untuk memiliki data yang konsistent
     Kemampuan kinerja analisa yang cepat
     Mengetahui adanya hasil yang berulang-ulang
     Menemukan adanya celah pada business knowledge atau business process.
     Mengurangi biaya administrasi
     Memberi wewenang pada semua anggota dari perusaahan dengan menyediakan kepada mereka informasi yang dibutuhkan agar kinerja bisa lebih efektif.

    BAB III
    Membangun Data Warehouse

    III.1. Menentukan Bentuk Data Warehouse

    Data warehouse memiliki berbagai macam bentuk yang sering digunakan. Jadi sebelum membangun suatu data warehouse kita harus memutuskan bentuk data warehouse seperti apa yang dibutuhkan oleh aplikasi yang kita rancang.

    III.2. Anatomi Data Warehouse
    Penerapan awal dari arsitektur data warehouse dibuat berdasarkan konsep bahwa data warehouse mengambil data dari berbagai sumber dan memindahkannya ke dalam pusat pengumpulan data yang besar. Konsep ini sebenarnya lebih cenderung kepada sebuah lingkungan mainframe yang terpusat.

    Keunggulan teknologi Client Server memungkinkan data warehouse diterapkan dalam berbagai macam cara untuk menampung kebutuhan pemakai sistem secara lebih proposional. Dalam suatu kasus, misalkan saja pemakai tertentu perlu menggabungkan data dari sebuah sistem pengumpulan data yang statis dengan data dari sistem operasional yang dinamis hanya dengan sebuah query saja.

    Berikut ini adalah tiga jenis dasar sistem Data Warehouse :
    1. Functional Data Warehouse (Data Warehouse Fungsional)
    Kata operasional disini merupakan database yang diperoleh dari kegiatan sehari-hari. Data warehouse dibuat lebih dari satu dan dikelompokkan berdasar fungsi-fungsi yang ada di dalam perusahaan seperti fungsi keuangan(financial),marketing,personalia dan lain-lain.

    Keuntungan dari bentuk data warehouse seperti ini adalah, sistem mudah dibangun dengan biaya relatif murah sedangkan kerugiannya adalah resiko kehilangan konsistensi data dan terbatasnya kemampuan dalam pengumpulan data bagi pengguna.

    2. Centralized Datawarehouse (Data Warehouse Terpusat)
    Bentuk ini terlihat seperti bentuk data warehouse fungsional, namun terlebih dahulu sumber data dikumpulkan dalam satu tempat terpusat, kemudian data disebar ke dalam fungsinya masing-masing, sesuai kebutuhan persuhaan. Data warehouse terpusat ini, biasa digunakan oleh perusahaan yang belum memiliki jaringan eksternal.

    Keuntungan dari bentuk ini adalah data benar-benar terpadu karena konsistensinya yang tinggi sedang kerugiannya adalah biaya yang mahal serta memerlukan waktu yang cukup lama untuk membangunnya.

    3. Distributed Data Warehouse (Data Warehouse terdistribusi)
    Pada data warehouse terdistribusi ini, digunakan gateway yang berfungsi sebagai jembatan penghubung antara data warehouse dengan workstation yang menggunakan sistem beraneka ragam. Dengan sistem terdistribusi seperti ini memungkinkan perusahaan dapat mengakses sumber data yang berada diluar lokasi perusahaan(eksternal).

    Keuntungannya adalah data tetap konsisten karena sebelum data digunakan data terlebih dahulu di sesuaikan atau mengalami proses sinkronisasi. Sedangkan kerugiannya adalah lebih kompleks untuk diterapkan karena sistem operasi dikelola secara terpisah juga biaya nya yang paling mahal dibandingkan dengan dua bentuk data warehouse lainnya.

    III.3 Arsitektur dan Infrastruktur Data Warehouse

    III.3.1. Arsitekur Data Warehouse
    Menurut Poe, arsitektur adalah sekumpulan atau struktur yang memberikan kerangka untuk keseluruhan rancangan suatu sistem atau produk. Ada arsitektur client-server,arsitektur networking dan masih banyak arsitektur lainnya. Arsitektur data menyediakan kerangka dengan mengidentifikasikan dan memahami bagaimana data akan pindah melalui sistem dan digunakan dalam perusahaan. Arsitektur data untuk data warehouse mempunyai komponen utama yaitu read-only database.

    Karakterisitik arsitektur data warehouse (Poe) :
    1. Data diambil dari sistem asal (sistem informasi yang ada), database dan file.
    2. Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan ke dalam Database Management System (DBMS) seperti Oracle,Ms SQL Server, Sybase dan masih banyak yang lainnya.
    3. Data warehouse merupakan sebuah database terpisah bersifat hanya dapat dibaca yang dibuat khusus untuk mendukung pengambilan keputusan
    4. Pemakai mengakses data warehouse melalui aplikasi front end tool

    Arsitektur dan komponen utama dari data warehouse dapat dilihat pada gambar berikut ini :

    Sumber : Conolly,T.M.,Begg

    a. Operational Data
    Sumber data dari data warehouse dapat diambil langsung dari mainframe, basis data relasional seperti Oracle, Ms SQL server dan sebagainya. Selain itu dapat melaluo Operational Data Source(ODS). ODS menampung data yang diekstrak dari sistem utama atau sumber-sumber data yang ada dan kemudian data hasil ekstrasi tersebut dibersihkan.

    b. Load manager
    Load manager juga disebut sebagai komponen front-end yang bertugas melakukan seluruh operasi yang berhubungan dengan ekstrasi dan me-load data ke warehouse.

    c. Warehouse Manager
    Warehouse manager melakukan seluruh operasi-operasi yang berhubungan dengan kegiatan manajemen data di dalam warehouse. Operasi-operasi tersebut meliputi :
     Analisis terhadap data untuk memastikan konsistensi
     Transformasi dan penggabungan sumber data dari tempat penyimpanan sementara menjadi tabel-tabel data warehouse.
     Penciptaan indeks-indeks dan view berdasarkan tabel-tabel dasar
     Melakukan denormalisasi dan agregasi jika diperlukan
     Backing-Up dan mengarsipkan data

    d. Query manager
    Query manager juga disebut komponen back-end, melakukan operasi-operasi yang berhubungan dengan manajemen user queries. Operasi-operasi yang dilakukan oleh komponen ini termasuk mengarahkan query kepada tabel-tabel yang tepat dan menjadwalkan eksekusi dari query tersebut.

    e. End-user Access Tools
    Prinsip atau tujuan utama dari dibangunnya data warehouse adalah untuk menyediakan informasi bisnis kepada user-user untuk dapat melakukan pengambilan keputusan secara cepat dan tepat.User ini berinteraksi dengan warehouse melalui end-user access tools. Data warehouse harus secara efisien mendukung secara khusus kebutuhan user serta secara rutin melakukan analisis. Performa yang baik dapat dicapai dengan merencanakan dahulu keperluan-keperluan untuk melakukan joins,summations dan laporan-laporan per periode dengan end-users.

    Berdasarkan kategori yang dikemukakan oleh Berson dan Smith terdapat lima grup utama dari tools tersebut, antara lain :
    1. Reporting and query tools
    2. Application development tools
    3. Executive information System (EIS) tools
    4. Online Analytical Processing (OLAP) tools
    5. Data mining tools

    Arsitektur dan infrastruktur dari data warehouse sangat erat hubungannya dan satu dengan lainnya saling berkaitan.

    III.3.2. Infrastruktur Data Warehouse
    Infrastruktur data warehouse adalah software, hardware, pelatihan dan komponen-komponen lainnya yang memberikan dukungan yang dibutuhkan untuk mengimplementasikan data warehouse(Poe).

    Salah satu instrumen yang mempengaruhi keberhasilan pengembangan data warehouse adalah pengidentifikasian arsitektur mana yang terbaik dan infrasruktur apa yang dibutuhkan. Arsitektur yang sama, mungkin memerlukan infrastruktur yang berbeda, tergantung pada lingkunan perusahaan ataupun organisasi.

    III.4. Struktur Data Warehouse

    Seperti yang kita lihat sebelumnya pada arsitektur data warehouse, ada beberapa struktur yang spesifik terdapat pada bagian warehouse manager. Bagian tersebut merupakan struktur data warehouse.

    Menurut Poe, Vidette, data warehouse memiliki struktur yang spesifik dan mempunyai perbedaan dalam tingkatan detail data dan umur data.

    Komponen dari struktur data warehouse adalah:
     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. Didalam area ini warehouse menyimpan seluruh detail 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.
    Berikut ini beberapa alasan mengapa current detail data menjadi perhatian utama :
    1. Menggambarkan kejadian yang baru terjadi dan selalu menjadi perhatian utama
    2. Sangat banyak jumlahnya dan disimpan pada tingkat penyimpanan terendah.
    3. Hampir selalu disimpan dalam storage karena cepat di akses tetapi mahal dan kompleks dalam pengaturannya.
    4. Bisa digunakan dalam membuat rekapitulasi sehingga current detail data harus akurat.

     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-desk.
    Data ini biasanya memilki tingkat frekuensi akses yang rendah. Penyusunan file atau directory dari data ini di susun berdasarkan umur dari data yang bertujuan mempermudah untuk pencarian atau pengaksesan kembali.

     Lighlty summarized data
    Data ini merupakan ringkasan atau rangkuman dari current detail data. Data ini dirangkum berdasar 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 di sebut juga dengan data mart. Akses terhadap data jenis ini banyak digunakan untuk view suatu kondisi yang sedang atau sudah berjalan.

     Highly summarized data
    Data ini merupakan tingkat lanjutan dari Lightly summarized data, merupakan hasil ringkasan yang bersifat totalitas, dapat di akses misal untuk melakukan analisis perbandingan data berdasarkan urutan waktu tertentu dan analisis menggunakan data multidimensi.
     Metadata
    Metadata bukan merupakan data hasil kegiatan seperti keempat jenis data diatas. Menurut Poe, metadata adalah ‘data tentang data’ dan menyediakan informasi tentang struktur data dan hubungan antara struktur data di dalam atau antara storage(tempat penyimpanan data).
    Metadata berisikan data yang menyimpan proses perpindahan data meliputi database structure,contents,detail data dan summary data, matrics,versioning, aging criteria,versioning, transformation criteria. Metadata khusus dan memegang peranan yang sangat penting dalam data warehouse.

    Metadata sendiri mengandung :
     Struktur data
    Sebuah direktori yang membantu user untuk melakukan analisis Decission Support System dalam pencarian letak/lokasi dalam data warehouse.
     Algoritma
    Algoritma digunakan untuk summary data. Metadata sendiri merupakan panduan untuk algoritma dalam melakukan pemrosesan summary data antara current detail data dengan lightly summarized data dan antara lightly summarized data dengan hightly summaried data.
     Mapping
    Sebagai panduan pemetaan(mapping) data pada saat data di transform/diubah dari lingkup operasional menjadi lingkup data warehouse.

    III.5 Metodologi Perancangan Database untuk Data Warehouse

    Menurut Kimball ada sembilan tahap metodologi dalam perancangan database untuk data warehouse, yaitu :

    Langkah 1 : Pemilihan proses
     Data mart yang pertama kali dibangun haruslah data mart yang dapat dikirim tepat waktu dan dapat menjawab semua pertanyaan bisnis yang penting
     Pilihan terbaik untuk data mart yang pertama adalah yang berhubungan dengan sales, misal property sales, property leasing,property advertising.

    Langkah 2 : Pemilihan sumber
     Untuk memutuskan secara pasti apa yang diwakili atau direpresentasikan oleh sebuah tabel fakta.
     Misal, jika sumber dari sebuah tabel fakta properti sale adalah properti sale individual maka sumber dari sebuah dimensi pelanggan berisi rincian pelanggan yang membeli properti utama

    Langkah 3 : Mengidentifikasi dimensi
     Set dimensi yang dibangun dengan baik, memberikan kemudahan untuk memahami dan menggunakan data mart
     Dimensi ini penting untuk menggambarkan fakta-fakta yang terdapat pada tabel fakta
     Misal, setiap data pelanggan pada tabel dimensi pembeli dilengkapi dengan id_pelanggan,no_pelanggan,tipe_pelanggan,tempat_tinggal, dan lain sebagainya.
     Jika ada dimensi yang muncul pada dua data mart,kedua data mart tersebut harus berdimensi sama,atau paling tidak salah satunya berupa subset matematis dari yang lainnya.
     Jika sebuah dimensi digunakan pada dua data mart atau lebih,dan dimensi ini tidak disinkronisasi,maka keseluruhan data warehouse akan gagal, karena dua data mart tidak bisa digunakan secara bersama-sama

    Langkah 4 : Pemilihan fakta
     Sumber dari sebuah tabel fakta menentukan fakta mana yang bisa digunakan dalam data mart.
     Semua fakta harus diekspresikan pada tingkat yang telah ditentukan oleh sumber

    Langkah 5 : Menyimpan pre-kalkulasi di tabel fakta
     Hal ini terjadi apabila fakta kehilangan statement

    Langkah 6 : Melengkapi tabel dimensi
     Pada tahap ini kita menambahkan keterangan selengkap-lengkapnya pada tabel dimensi
     Keterangannya harus bersifat intuitif dan mudah dipahami oleh pengguna

    Langkah 7 : Pemilihan durasi database
     Misalnya pada suatu perusahaan asuransi, mengharuskan data disimpan selama 10 tahun atau lebih

    Langkah 8 : Menelusuri perubahan dimensi yang perlahan
     Ada tiga tipe perubahan dimensi yang perlahan, yaitu :
    o Tipe 1. Atribut dimensi yang telah berubah tertulis ulang
    o Tipe 2. Atribut dimensi yang telah berubah menimbulkan sebuah dimensi baru
    o Tipe 3. Atribut dimensi yang telah berubah menimbulkan alternatif sehingga nilai atribut lama dan yang baru dapat diakses secara bersama pada dimensi yang sama.

    Langkah 9 : Menentukan prioritas dan mode query
     Pada tahap ini kita menggunakan perancangan fisik.

    Dengan langkah-langkah tadi, seharusnya kita bisa membangun sebuah data warehouse yang baik.

    III.6. Model untuk Data Warehouse

    Berikut di bawah ini adalah penjelasan dari model untuk data warehouse
    III.6.1. Model Dimensional
    Model dimensional merupakan rancangan logikal yang bertujuan untuk menampilkan data dalam bentuk standar dan intuitif yang memperbolehkan akses dengan performa yang tinggi.

    Model dimensional menggunakan konsep model hubungan antar entity (ER) dengan beberapa batasan yang penting. Setiap model dimensi terdiri dari sebuah tabel dengan sebuah komposit primary key, disebut dengan table fakta, dan satu set table yang lebih kecil disebut table dimensi. Setiap table dimensi memiliki sebuah simple primary key yang merespon tepat pada satu komponen primary key pada tabel fakta. Dengan kata lain primary key pada table fakta terdiri dari dua atau lebih foreign key. Struktur karakteristik ini disebut dengan skema bintang atau join bintang.

    Fitur terpenting dalam model dimensional ini adalah semua natural keys diganti dengan kunci pengganti(surrogate keys). Maksudnya yaitu setiap kali join antar table fakta dengan table dimensi selalu didasari kunci pengganti. Kegunaan dari kunci pengganti adalah memperbolehkan data pada data warehouse untuk memiliki beberapa kebebasan dalam penggunaan data, tidak seperti halnya yang diproduksi oleh sistem OLTP.

    Sebuah sistem OLTP memerlukan normalisasi untuk mengurangi redudansi, validasi untuk input data, mendukung volume yang besar dari transaksi yang bergerak sangat cepat. Model OLTP sering terlihat seperti jaring laba-laba yang terdiri atas ratusan bahkan ribuan tabel sehingga sulit untuk dimengerti.

    Sebaliknya, dimension model yang sering digunakan pada data warehouse adalah skema bintang atau snowflake yang mudah dimengerti dan sesuai dengan kebutuhan bisnis, mendukung query sederhana dan menyediakan performa query yang superior dengan meminimalisasi tabel-tabel join. Berikut contoh perbandingan diagram antara model data OLTP dengan dimension table data warehouse :

    Model data OLTP

    Dimension Model

    III.6.2.1. Schema Bintang
    Skema bintang merupakan struktuk logikal yang memiliki tabel fakta yang terdiri atas data faktual ditengahnya, dan dikelilingi oleh tabel-tabel dimensi yang berisi referensi data.

    Jenis-jenis Skema Bintang
    1. Skema bintang sederhana
    Dalam skema ini, setiap table harus memiliki primary key yang terdiri dari satu kolom atau lebih.

    Primary key dari table fakta terdiri dari satu atau lebih foreign key.Foreign key merupakan primary key pada table lain.

    2. Skema bintang dengan banyak table fakta

    Skema bintang juga bisa terdiri dari satu atau lebih table fakta. Dikarenakan karena table fakta tersebut ada banyak, misalnya disamping penjualan terdapat table fakta forecasting dan result. Walaupun terdapat lebih dari satu table fakta, mereka tetap menggunakan table dimensi bersama-sama.

    Adapun ketentuan dalam pembacaan skema bintang adalah :
     Bagian yang ada di bawah judul tabel merupakan kolom-kolom tabel tersebut
     Primary key dan Foreign key diberi kotak
     Primary key diarsir sedang Foreign key yang bukan primary tidak
     Foreign key yang berhubungan ditunjukkan dengan garis yang menghubungkan tabel.

    Kolom yang bukan kunci disebut kolom data pada table fakta dan atribut pada table dimensi

    III.6.2.3 Snowflake Schema
    Merupakan varian dari skema bintang dimana table-table dimensi tidak terdapat data yang di denormalisasi. Dengan kata lain satu atau lebih table dimensi tidak bergabung secara langsung kepada table fakta tapi pada table dimensi lainnya. Sebagai contoh, sebuah dimensi yang mendeskripsikan produk dapat dipisahkan menjadi tiga table (snowflaked) seperti contoh dibawah ini :

    Snowflake Schemes

    III.6.2.4. Star atau Snowflake
    Keduanya merupakan model-model dimensional, perbedaannya terletak pada implementasi fisikal. Skema snowflake memberi kemudahan pada perawatan dimensi, dikarenakan strukturnya yang lebih normalisasi. Sedangkan skema bintang lebih efisien serta sederhana dalam membuat query dan mudah diakses secara langsung oleh pengguna.

    Adapun starflake merupakan gabungan diantara keduanya. Keuntungan menggunakan masing-masing model tersebut dalam data warehouse antara lain :
     Efisien dalam hal mengakses data
     Dapat beradaptasi terhadap kebutuhan-kebutuhan user
     Bersifat fleksibel terhadap perubahan yang terjadi khususnya perubahan yang mengarah pada perkembangan
     Memiliki kemampuan dalam memodelkan situasi bisnis secara umum
     Meskipun skema yang dihasilkan sangat kompleks, tetapi pemrosesan query dapat diperkirakan, hal ini dikarenakan pada level terendah, setiap table fakta harus di query secara independen.

    BAB IV
    Hubungan Data Warehouse Dengan DSS

    IV.1. Definisi Decision Support System
    Istilah dari decision support system telah digunakan dengan banyak cara (Alter 1980) dan menerima banyak definisi yang berbeda menurut pandangan dari sang penulis (Druzdzel dan Flynn 1999). Finlay (1994) dan lainnya mendefiniskan DSS kurang lebih sebagai sebuah sistem berbasis komputer yang membantu dalam proses pengambilan keputusan.
    Turban (1995) mendefinisikan secara lebih spesifik dengan, sesuatu yang interaktif,flexible dan dapat menyesuaikan diri(adaptable) dari sistem informasi berdasarkan komputer, khususnya pengembangan untuk mendukung pemecahan masalah dari non-struktur management, untuk meningkatkan pengambilan keputusan. Dengan menggunakan data, mendukung antar muka yang mudah digunakan dan memberikan wawasan untuk sang pengambil keputusan.
    Definisi lainnya bisa jadi gugur dibandingkan dengan dua pandangan ekstrim berikut, Keen dan Scott Morton (1978), DSS adalah dukungan berdasar kan komputer untuk para pengambil keputusan management yang berurusan dengan masalah semi-struktur. Sprague dan Carlson (1982), DSS adalah sistem berdasarkan komputer interaktif yang membantu para pengambil keputusan menggunakan data dan model-model untuk memecahkan masalah yang tak terstruktur(unstructured problem). Menurut Power (1997), istilah DSS mengingatkan suatu yang berguna dan istilah inklusif untuk banyak jenis sistem informasi yang mendukung pembuatan pengambilan keputusan. Dia dengan penuh humor menambahkan bahwa jika suatu sistem komputer yang bukan OLTP, seseorang akan tergoda untuk menyebutnya sebagai DSS.
    Seperti yang kita lihat, DSS memiliki banyak arti dengan maksud yang kurang lebih hampir sama, yaitu suatu sistem komputer yang berguna bagi para pengambil keputusan untuk memecahkan masalah mereka yang kurang lebih berhadapan dengan masalah non-struktur atau semi-struktur.
    IV.2. Hubungan antar DSS dengan Data Warehouse

    Setelah kita lihat dan selami tentang data warehouse, kita dapat menyimpulkan bahwa data warehouse adalah sebuah model database yang berguna untuk menyimpan dan memproses data dengan pendekatan kepada kegunaan data dalam pengambilan keputusan bagi EIS atau DSS.

    Sebuah DSS (tergantung dengan yang disupport-nya)membutuhkan data warehouse agar dapat menjalankan kerjanya dengan baik. Dan memang data warehouse sendiri dibangun untuk memenuhi kebutuhan DSS.

    IV.3. Contoh Data Warehouse Yang Ada
    Contoh dari data warehouse yang digunakan bersamaan dengan DSS, misalkan saja pegawai peminjaman bank memverikasi data peminta pinjaman atau suatu perusahaan engineer melakukan tawar menawar dalam beberapa project dan ingin tahu jika dia bisa kompetitive dalam harga terhadap para pesaingnya.

    Contoh yang lain masih lebih banyak lagi, yang kesemuanya membutuhkan kecepatan dalam pengambilan keputusan dan kemudahan dalam penggunaannya.

    Bab V
    Kesimpulan dan Penutup

    V.1. Kesimpulan
    Data warehouse merupakan suatu cara/metode dari suatu database yang berorientasi kepada subjek, non-volatile, time-variance dan terintegrasi yang digunakan untuk mempermudah para pengambil keputusan dalam memecahkan masalah.
    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.

    Daftar Pustaka

    http://en.wikipedia.org/wiki/Decision_support_system

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

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

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

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

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

    Nolan,Sean And Huguelet, Tom(2000).Microsoft SQL Server 7.0 Data Warehousing Training Kit. Microsoft Prees, USA

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