Perancangan Active
Database dalam Analisa Data
Penjualan di Buana Finance
OLEH
I Putu Gede Indra Gunawan
5113100073
KELAS : A
1. 1. Deskripsi
Pada suatu perusahaan yang bergerak di bidang keuangan yang
disebut Buana Finance. Buana merupakan salah satu perusahaan pembiayaan atau
yang biasa disebut leasing yang kini mulai berkembang. Leasing
umumnya membiayai pembelian kendaraan nasabah atau konsumen, dimana nasabah
yang bersangkutan dapat membayar kendaraan nya secara bertahap sesuai dengan
ketentuan dan perjanjian kontrak.
Informasi yang dicatat pada perusahaan leasing antara lain :
·
Nasabah
·
Vendor
penyedia mobil
·
Bank
sumber dana
·
Credit
Marketing Officer
·
Sistem
angsuran dan pembayaran
Banyak nya data yang hanya tersimpan pada database perusahaan
ini memerlukan analisis kinerja penjualan. Dari analisis kinerja penjualan
tersebut perusahaan dapat mengetahui berapa besar laba yang diperoleh bahkan
kerugian. Untuk menganalisa kinerja penjualan diperlukan data historis dari
kegiatan penjualan yang kemudian datanya diolah untuk menghasilkan informasi
kinerja penjualan.
2. 2. Permasalahan
a) Buana Finance memiliki jumlah
data yang besar.
b) Diperlukan hasil analisis
kinerja penjualan untuk mengetahui untung dan rugi perusahaan.
c) Diperlukan untuk mengetahui
faktor-faktor yang dapat menjaga kinerja penjualan agar selalu dalam posisi
sehat.
3. 3. Solusi
yang Ditawarkan
3.1 Daftar
Report
Laporan Kendaraan Yang Dileasing
|
Nasabah
|
Kendaraan
|
||||||||
|
Tanggal
|
Nama
|
Sumber
|
Nama
|
Vendor
|
Jumlah
|
Pokok
|
DP
|
Pembayaran
|
|
|
22 Mar 2015
|
Joko
|
BCA
|
Honda Jazz
|
PT. Jaya
|
1
|
120.000.000
|
60.000.000
|
60.000.000
|
|
|
22 Mar 2015
|
Susi
|
BNI
|
Mitsubishi M50
|
PT. Makmur
|
1
|
130.000.000
|
40.000.000
|
90.000.000
|
|
|
23 Mar 2015
|
Astuti
|
BRI
|
Lambhorghini
|
PT. SAS
|
1
|
450.000.000
|
300.000.000
|
150.000.000
|
|
|
|
Total =
|
300.000.000
|
|||||||
Laporan Kredit Per Nasabah
|
Periode
|
Tanggal
|
Jumlah
|
|||||
|
Tagih
|
Bayar
|
Angsuran
|
Bunga
|
Administrasi
|
Denda
|
Bayar
|
|
|
1
|
22 April 2015
|
22 April 2015
|
435.000
|
5.0
|
10.000
|
0
|
466.750
|
|
2
|
22 Mei 2015
|
22 Mei 2015
|
435.000
|
5.0
|
10.000
|
0
|
466.750
|
|
3
|
24 Juni 2015
|
24 Juni 2015
|
435.000
|
5.0
|
10.000
|
0
|
466.750
|
|
4
|
25 Juli 2015
|
25 Juli 2015
|
435.000
|
5.0
|
10.000
|
0
|
466.750
|
Laporan Piutang Nasabah
|
Nasabah
|
Nama Kendaraan
|
Pembayaran
|
Piutang
|
||
|
Kode
|
Nama
|
Tertagih
|
Belum
|
||
|
51144
|
Joko
|
Honda Jazz
|
60.000.000
|
1.740.000
|
58.260.000
|
|
51145
|
Susi
|
Mitsubishi M50
|
90.000.000
|
0
|
90.000.000
|
|
51146
|
Astuti
|
Lambhorghini
|
150.000.000
|
0
|
150.000.000
|
|
Total =
|
300.000.000
|
1.740.000
|
298260000
|
||
Laporan Pemasukkan dan Pengeluaran Selama 5 Tahun (dalam juta).
|
Pendapatan
|
Tahun
|
2011
|
2012
|
2013
|
2014
|
2015
|
|
P. Utama
|
200
|
253
|
400
|
200
|
180
|
|
|
Biaya Administrasi
|
10
|
11
|
11
|
10
|
12
|
|
|
Pengeluaran
|
Gaji + Tunjangan Pegawai
|
40
|
45
|
48
|
48
|
60
|
|
Promosi
|
20
|
30
|
40
|
11
|
10
|
|
|
Biaya Sewa Lokasi
|
30
|
32
|
35
|
38
|
40
|
|
|
Total Laba =
|
120
|
157
|
288
|
113
|
82
|
|
3.2 Tahapan-tahapan
Metodologi Menghasilkan Report
3.2.1 Database
Aktif
Basis data aktif yang juga
disebut Active Database adalah suatu sistem basis data yang tidak
hanya menyimpan data tetapi juga dapat melakukan suatu aksi tertentu terhadap
sebuah event dengan menambahkan suatu elemen dinamis dan memiliki kemampuan
memantau event untuk mendeteksi ketika data tertentu dimasukkan, dihapus,
diubah, atau dipilih kemudian secara otomatis mengeksekusi suatu aksi sebagai
respon dari event yang terjadi dan kondisi tertentu terpenuhi. Basis data aktif
merupakan aspek prosedural dari keseluruhan lingkungan yang dikelola oleh basis
data dan terdeklarasi eksplisit.
Fasilitas-fasilitas yang dimiliki
oleh basis data aktif antara lain logika pengolahan ada di dalam database dan
dikelola oleh DBMS dan tidak dikelola oleh program aplikasi, bentuk monitoring
event dan kondisi yang mempengaruhi data disediakan oleh DBMS, serta sarana
untuk men-trigger logika ada di dalam DBMS.
Umumnya
menggunakan semantic ECA yaitu,
·
Event merupakan kapan trigger tersebut
dilakukan
·
Condition merupakan syarat trigger tersebut
dilakukan
·
Action merupakan operasi yang dilakukan pada
tabel saat trigger dijalankan
3.2.2 Tahapan
Menghasilkan Laporan
Tahapan Menghasilkan Laporan Kendaraan Yang Dileasing
Dengan metodologi database aktif. Kita
dapat menghasilkan laporan kendaraan yang dileasing dengan operasi trigger.
Dalam metodologi database aktif dengan aturan semantic ECA. Kolom “tanggal”
berasal dari table atribut “tanggal_mulai_kredit” pada tabel “Kendaraan”. Kolom “nama nasabah”, “sumber dana” berasal
dari tabel “Nasabah”. Kolom “nama kendaraan”, “jumlah” dan “vendor” berasal
dari tabel “Kendaraan”. Kolom “pokok” pada report berasal dari atribut “harga” dikalikan
“jumlah” pada tabel “Kendaraan”. Sedangkan kolom “DP” pada report didapat dari jumlah
DP yang diserahkan nasabah sebelum melakukan pembelian sesuai dengan kontrak
dan kolom “Pembayaran” didapat dari hasil trigger operasi pengurangan “Pokok”
dan “DP”. Event kolom ini ter-trigger saat dimasukkan nilai “DP” dan
selanjutnya dilakukan operasi pengurangan.
Tahapan Laporan Kredit Per Nasabah
Kolom
“periode” berdasarkan kortrak nasabah dengan perusahaan sampai berapa periode
pembayaran “Angsuran” harus dilunasi. Kolom “tanggal_tagih” berasal dari hasil
trigger operasi pertambahan “tanggal_mulai_kredit” pada tabel “Kendaraan”
ditambah 30 hari, selanjutnya bulan berikutnya akan ditambah “tanggal_tagih”
sebelumnya. Kolom “tanggal_bayar” berasal dari hasil trigger operasi saat
pemasukkan kapan pembayaran dilakukan. Biaya “administrasi” diasumsikan tetap
10.000 dan “denda” didapatkan dari kelambatan pembayaran dengan “angsuran”
dikalikan 2% sedangkan bunga didapatkan dari biaya ”angsuran” dikalikan 5%.
Kolom “Bayar” merupakan hasil trigger penjumlahan dari “angsuran”, “denda”,
“bunga” dan “administrasi”.
Tahapan Laporan Piutang Nasabah
Pada laporan
ini yang memakai trigger hanya “piutang_tertagih”, “piutang_belum_tertagih” dan
“total”. Kolom “piutang_tertagih” dihasilkan trigger operasi dari semua nasabah
pada kolom “bayar” pada report bayar per nasabah. Sedangkan kolom
“piutang_belum_tertagih” didapat dari hasil trigger operasi pengurangan
“pembayaran” dengan “piutang_tertagih” dan “Total” dihasilkan dari trigger
operasi penjumlahan baris di atasnya.
Laporan Pemasukkan dan Pengeluaran Selama 5 Tahun (dalam juta).
Untuk laporan
ini nilai setiap barisnya merupakan asumsi saya namun untuk proses menemukan
nilai ini menggunakan trigger dan pemindahan dari tabel dan report
lainnya. Baris “Pendapatan Utama”
didapat dari total “piutang_tertagih” semua nasabah pada tahun tersebut
demikian juga pada total biaya “administrasi”. Sedangkan “gaji + tunjangan”
didapat dari jumlah gaji dan tunjangan pada tabel pegawai, “promosi” dan “biaya
sewa lokasi” dipindahkan dari tabel pegawai dan tabel perusahaan Buana Finance.
“Laba” merupakan hasil trigger operasi pengurangan pendapatan dan pengeluaran.
3.3 Arsitektur Basis Data
3.3.1 CDM
3.3.2 PDM
3.3.4 OLAP
Sehingga skema star semua tabel
tersebut seperti ini :
1. 4. Kesimpulan dari Analisis Penjualan
Permasalahan
Buana Finance dikarenakan jumlah data yang besar sulit untuk membacanya. Dengan
skema star ini kita mampu membuat pustaka data dengan menggunakan konsep
multidimensional. Hal ini membuat data lebih mudah dibaca sehingga kita lebih
mudah menentukan factor-faktor utama yang merupakan kunci untuk membuat
keuangan perusahaan tetap dalam keadaan sehat.
Dengan adanya
pustaka atau rangkuman fakta ini data-data lebih tersaring dan lebih detail.
Dari Fact_penjualan yang berisi data dalam satu tahun sehingga kita mampu
mengambil keputusan yang dapat meningkatkan maupun mempertahankan tingkat laba.
Semisalnya kita dapat mengetahui dengan meningkatkan biaya promosi seoptimum
mungkin (tidak terlalu besar atau terlalui kecil) kita mampu melakukan leasing
lebih sebanyak mungkin karena nasabah lebih mengenal perusahaan Buana Finance.
2. 5. Daftar
Pustaka
Anon., 2013. Basis Data Aktif dan Pasif. [Online]
Available at: http://yesi-yunita.blogspot.com/2013/06/basis-data-aktif-dan-pasif.html
[Accessed 29 5 2015].
Available at: http://yesi-yunita.blogspot.com/2013/06/basis-data-aktif-dan-pasif.html
[Accessed 29 5 2015].
Anon., 2014. OLTP vs
OLAP. [Online]
Available at: http://datawarehouse4u.info/OLTP-vs-OLAP.html
[Accessed 29 5 2015].
Available at: http://datawarehouse4u.info/OLTP-vs-OLAP.html
[Accessed 29 5 2015].
0 komentar:
Posting Komentar