Setelah data warehouse berhasil dibuat, langkah berikutnya adalah pemuatan data (loading) dari data warehouse ke kubus data. Sebelum pemuatan data dilakukan, skema data warehouse dimodelkan dalam OLAP server
SQL Server Analisys Services (SSAS). Proses ini menentukan dimensi, elemen dari dimensi, ukuran, dan kubus data. Kubus data yang dibuat diberi nama OlapEpbm.cube yang berisi kubus data fakta dosen dan fakta mata kuliah. Kubus data dosen dibuat untuk tabel fakta fakta_dosen
dan kubus data mata kuliah dibuat untuk tabel fakta fakta_matakuliah.
Data Warehouse
Arsitektur penelitian ini mengadopsi arsitektur three-tier yaitu lapisan bawah, tengah, dan atas. Lapisan bawah adalah pemrosesan data pembuatan skema data warehouse dengan
DBMS SQL Server 2008. Lapisan tengah terdapat OLAP server SSAS yang menyimpan data dalam kubus data.
Lapisan atas yang merupakan visualisasi dari aplikasi OLAP dilakukan oleh web browser. Pada lapisan ini, pengguna dapat melakukan pencarian data, mengevaluasi pola, dan mendapatkan representasi informasi dalam bentuk grafik yang mudah dipahami. Arsitektur
three-tier data warehouse pada penelitian ini dapat dilihat pada Gambar 12.
Gambar 12 Arsitektur three-tier data
warehouse pada data EPBM (Noviandi 2010).
Aplikasi OLAP pada penelitian ini menyediakan fasilitas-fasilitas berikut:
1 Menu OLAP yang memungkinkan pengguna menentukan kubus data, ukuran, dan dimensi-dimensi yang akan ditampilkan untuk dianalisis.
2 Filter dimensi yang menyaring dimensi yang ditampilkan pada sumbu x dan sumbu y
untuk menampilkan elemen-elemen tertentu dari dimensi. Dimensi lainnya dapat dipilih salah satu elemen dari tiap-tiap dimensi. 3 Visualisasi grafik yang menampilkan data
hasil operasi OLAP dalam bentuk grafik kepada pengguna.
Pengujian Query
Pengujian query dibantu dengan mengguna-kan grafik dan tabel dari kubus data. Hasil pengujian dapat dilihat pada Tabel 7.
Eksplorasi Data dan Presentasi Hasil
Eksplorasi data dilakukan dengan menggunakan operasi OLAP untuk menggali beberapa informasi yang diinginkan. Operasi OLAP yang dapat dijalankan dapat dilihat pada tiap kubus yang terbentuk. Pada OLAP, dapat dilakukan beberapa operasi misalnya drill down, drill up, dan slice.
Contoh operasi drill up pada kubus data fakta dosen dapat menunjukkan jumlah responden tiap departemen tiap fakultas. Gambar 13 merupakan grafik batang hasil dari operasi drill up dengan jumlah responden per
9
fakultas per semester pada tahun 2010/2011 dengan semester sebagai legend fields.Gambar 14 merupakan grafik garis jumlah responden setiap tahun per semester pada fakta dosen pada Fakultas MIPA Departemen Ilmu Komputer dengan tahun akademik sebagai legend fields. Gambar 15 merupakan grafik batang hasil rata-rata nilai mata kuliah per fakultas pada fakta mata kuliah setiap tahun akademik mulai tahun 2007/2008 sampai dengan 2010/2011 dengan departemen-departemen pada Fakultas MIPA sebagai legend fields.
Tabel 7 Hasil pengujian query
Spesifikasi Formal Non formal Status Tren jumlah responden dosen pada fakultas setiap tahun Lampiran 15 Lampiran 16 Berhasil
Tren nilai rata-rata hasil evaluasi mata kuliah pada setiap fakultas Lampiran 17 Lampiran 18 Berhasil
Tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun Lampiran 19 Lampiran 20 Berhasil Tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir Lampiran 21 Lampiran 22 Berhasil Tren nilai dosen berdasarkan lokasi belajar terakhir Lampiran 23 Lampiran 24 Berhasil
Gambar 13 Grafik batang jumlah responden pada fakta dosen pada Fakultas MIPA per departemen setiap semester tahun 2010/2011.
KESIMPULAN DAN SARAN
KesimpulanHasil penelitian ini menyimpulkan bahwa pembangunan data warehouse dan aplikasi OLAP pada data evaluasi proses belajar mengajar menghasilkan dua kubus data, yaitu kubus data dosen dan kubus data mata kuliah. Kubus data yang telah terbentuk dapat divisualisasikan dengan tepat, cepat, dan akurat. Bentuk penyajian gambar dapat dilihat dalam bentuk grafik dengan menggunakan Microsoft Business Intelligence sebagai OLAP server.
Hasil penelitian ini dapat memberikan manfaat kepada IPB umumnya dan Kantor Manajemen Mutu (KMM) khususnya sebagai penyelenggara EPBM dan pengelolanya. Hasil penelitian ini juga bisa digunakan untuk menganalisis data EPBM yang ukurannya tidak kecil sehingga memudahkan proses pembuatan laporan dan pengambilan keputusan.
Saran
Saran untuk penelitian data warehouse dan pembuatan OLAP selanjutnya adalah sebagai berikut:
1 Pembuatan aplikasi untuk proses extract, transform, dan load (ETL) untuk akurasi yang lebih baik.
Gambar 14 Grafik garis jumlah responden setiap tahun per semester pada fakta dosen pada Fakultas MIPA
Departemen Ilmu Komputer.
Gambar 15 Grafik batang rata-rata nilai mata kuliah per fakultas pada fakta mata kuliah setiap tahun akademik.
2 Penambahan fasilitas login ke aplikasi sehingga tidak bisa diakses oleh orang yang tidak berkepentingan.
DAFTAR PUSTAKA
Han J, Kamber M. 2006. Data Mining: Concepts and Techniques. San Francisco: Morgan Kaufmann Publ.
Noviandi KR. 2010. Microsoft Business Intelligence dengan Ms. SQL Server 2008 dan Share Point 2010. http://sqlserver-indo.net/files/folders/565/download.aspx [12 Okt 2011].
Rainardi V. 2010. Building a Data warehouse With Examples in SQL Server. New York. Apress.
13
Lampiran 2 Hasil pembersihan data EPBM mata kuliah
Fakultas R Null Null(%) R1 Redu Redu(%) R2
FEM 1087 39 0.35% 1048 738 6.62% 310 TPB 772 94 0.84% 678 486 4.36% 192 FPIK 1449 198 1.78% 1251 874 7.85% 377 Fateta 1066 128 1.15% 938 535 4.80% 403 FMIPA 1853 199 1.79% 1654 1172 10.52% 482 Fahutan 1164 138 1.24% 1026 764 6.86% 262 Fapet 226 17 0.15% 209 169 1.52% 40 Fema 1003 89 0.80% 914 729 6.54% 185 Faperta 1625 119 1.07% 1506 1064 9.55% 442 FKH 827 69 0.62% 758 517 4.64% 241 Tidak Diketahui 68 68 0.61% 0 0 0.00% 0 Total 11140 1158 10.39% 9982 7048 63.27% 2934
Lampiran 3 Hasil pembersihan data EPBM dosen
Fakultas R Null Null(%) R1 Redu Redu(%) R2
FEM 1087 179 1.61% 908 0 0.00% 908 TPB 772 361 3.24% 411 0 0.00% 411 FPIK 1449 48 0.43% 1401 0 0.00% 1401 Fateta 1066 15 0.13% 1051 0 0.00% 1051 FMIPA 1853 129 1.16% 1724 0 0.00% 1724 Fahutan 1164 18 0.16% 1146 0 0.00% 1146 Fapet 226 6 0.05% 220 0 0.00% 220 Fema 1003 26 0.23% 977 0 0.00% 977 Faperta 1625 13 0.12% 1612 0 0.00% 1612 FKH 827 26 0.23% 801 0 0.00% 801 Tidak Diketahui 68 68 0.61% 0 0 0.00% 0 TOTAL 11140 889 7.98% 10251 0 0.00% 10251
Catatan Lampiran 2 dan Lampiran 3 1 R = jumlah data awal
2 Null = jumlah data mata kuliah bernilai null
3 Null (%) = jumlah data mata kuliah bernilai null dalam persen 4 R1 = hasil cleaning null
5 Redu = jumlah data redudansi
6 Redu (%) = jumlah data redudansi dalam persen 7 R2 = hasil cleaning redudansi
Lampiran 4 Isi tabel fakta_dosen id matakuliah nip id semester idtahun
akademik p1 p2 p3 p4 p5 p6 p7 p8 p9 ratap jumlah
AGB201 195307181978032000 1 6 3.15 3.00 3.15 3.08 3.08 3.15 3.15 3.15 3.23 3.10 13 AGB201 196003211986012000 1 4 3.21 3.13 3.18 3.29 3.18 3.11 3.34 3.32 3.18 3.23 38 AGB201 196003211986012000 1 5 3.09 3.18 3.20 3.09 3.23 3.18 3.21 3.21 3.18 3.18 66 AGB201 196003211986012000 1 6 3.23 3.31 3.19 3.26 3.27 3.27 3.26 3.27 3.24 3.26 106 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ARL313 197704242006042000 2 5 3.10 3.12 3.05 3.09 3.10 3.17 3.12 3.12 3.12 3.09 157 ARL313 197704242006042000 2 6 3.01 3.01 3.04 3.05 3.05 3.07 3.03 3.05 3.09 2.77 130 ARL313 198103302005011000 2 3 3.02 2.96 3.00 2.93 3.04 3.07 3.17 3.00 3.00 3.03 54 ARL320 196010221986011000 1 4 3.05 3.05 3.03 3.08 2.97 3.03 3.00 3.00 3.00 3.04 39 ARL320 196107201984032000 1 4 3.04 3.04 3.06 3.02 3.06 3.04 3.08 3.04 3.06 3.05 49 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... KOM202 198210102006041000 1 5 3.00 3.10 3.05 2.65 2.85 3.05 3.25 3.15 3.15 3.02 20 KOM203 196805012005012000 1 4 3.03 3.20 3.10 2.88 2.91 3.00 3.32 3.33 3.26 3.12 69 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... KPM311 196201151988031000 1 6 3.36 3.30 3.16 3.21 3.25 3.34 3.36 3.25 3.34 3.28 44 KPM312 196607141991032000 1 5 3.00 3.05 3.05 3.05 3.11 3.05 3.11 3.10 3.06 3.06 19 KPM320 195203261991031000 1 4 3.07 3.00 2.93 3.21 3.07 3.00 3.21 2.86 3.07 3.07 14
15
Lampiran 5 Isi tabel fakta_matakuliah
idmatakuliah idtahunakademik idsemester m1 m2 m3 m4 m5 m6 m7 m8 m9 ratam
GIZ216 3 2 3.07 2.77 2.80 2.94 2.88 3.04 2.73 2.89 2.89 2.89 MSP224 3 2 2.92 2.87 2.81 3.00 3.11 3.02 2.87 2.94 2.94 2.94 FIS216 3 2 2.81 2.76 2.76 2.76 2.83 2.81 2.76 2.78 2.78 2.78 KRP332 3 2 3.06 3.09 3.12 3.09 3.10 3.07 2.98 3.07 3.07 3.07 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ITP230 3 2 2.98 2.79 3.02 2.86 2.86 2.79 2.91 2.89 2.89 2.89 BIO304 3 2 3.03 2.95 2.98 2.94 3.12 3.05 2.34 2.92 2.92 2.92 NTP312 3 2 2.98 2.98 2.98 2.35 3.00 3.02 2.69 2.86 2.86 2.86 BDP302 3 2 3.07 2.97 3.00 2.98 3.11 3.00 2.83 2.99 2.99 2.99 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... TIN241 3 2 2.81 2.63 2.59 2.37 2.90 2.96 2.26 2.65 2.65 2.65 TIN324 3 2 2.87 2.96 2.96 2.85 3.04 3.04 2.39 2.87 2.87 2.87 ITK211 3 2 3.13 3.10 3.06 2.88 3.09 3.09 2.67 3.00 3.00 3.00 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... TIN231 3 2 3.20 3.13 3.18 2.99 3.17 3.21 2.91 3.11 3.11 3.11 TIN260 3 2 3.07 3.08 3.03 3.01 3.08 3.07 2.73 3.01 3.01 3.01 MAT352 3 2 2.95 2.97 3.02 3.05 3.05 3.02 2.78 2.98 2.98 2.98
Lampiran 6 Isi tabel dimensi semester pada hirarki semester pada fakta_dosen dan fakta_matakuliah Idsemester Semester
1 Genap 2 Ganjil
Lampiran 7 Isi tabel dimensi strata pada hirarki dosen pada fakta_matakuliah idstrata strata
S1 Sarjana S2 Master S3 Doktor
Lampiran 8 Isi tabel dimensi pendidikan pada hirarki dosen pada fakta_matakuliah
idpendidikan namapendidikan ket
A04 Cornell University Luar
A05 Iowa State University Luar
A06 North Carolina State Univ. Luar
A07 University of Wisconsin Luar
A09 University of Missouri Luar
... ... ...
... ... ...
... ... ...
B00 Tidak di ketahui Dalam
B01 Universitas Indonesia Dalam
B02 Institut Pertanian Bogor Dalam
B03 Universitas Gadjah Mada Dalam
B04 Universitas Padjadjaran Dalam
B06 Universitas Airlangga Dalam
B07 Institut Teknologi Bandung Dalam
... ... ...
... ... ...
... ... ...
V01 Seoul National University Luar
V02 International Islamic University Malaysia Luar
W01 Vienna University of Technology Luar
17
Lampiran 9 Isi tabel dimensi tahun pada hirarki dosen pada fakta_matakuliah
Lampiran 10 Isi tabel matakuliah pada hirarki matakuliah pada fakta_dosen dan fakta_matakuliah
idmatakuliah namamatakuliah iddepartemen
1003211 Economic Crops Z1
1404454 Instrument and Process Control Z1
... ... ...
... ... ...
... ... ...
KOM208 Teori Bahasa dan Otomata G6
KOM251 Penerapan Komputer G6
KOM301 Komputer Grafik G6
... ... ...
... ... ...
... ... ...
TSL460 Perencanaan Tata ruang dan Penatagunaan Lahan A1
TSL490 Kuliah Kerja Profesi A1
TSL498 Seminar A1
TSL499 Skripsi A1
Lampiran 11 Isi tabel tahunakademik pada hirarki tahunakademik pada fakta_dosen dan fakta_matakuliah idtahunakademik tahunakademik 1 2005/2006 2 2006/2007 3 2007/2008 4 2008/2009 5 2009/2010 6 2010/2011 7 2011/2012 8 2012/2013 idtahun tahun 1 1970 2 1971 3 1972 ... ... ... ... ... ... 41 2010 42 2011 43 2012
Lampiran 12 Isi tabel fakultas pada hirarki departemen pada fakta_dosen dan fakta_matakuliah
idfakultas namafakultas inisial
A Fakultas Pertanian FAPERTA
B Fakultas Kedokteran Hewan FKH
C Fakultas Perikanan dan Ilmu Kelautan FPIK
D Fakultas Peternakan FAPET
E Fakultas Kehutanan FAHUTAN
F Fakultas Teknologi Pertanian FATETA
G Fakultas Matematika dan Ilmu Pengetahuan Alam FMIPA
H Fakultas Ekonomi dan Manajemen FEM
I Fakultas Ekologi Manusia FEMA
Z Tingkat Persiapan Bersama TPB
Lampiran 13 Isi tabel departemen pada hirarki departemen pada fakta_dosen dan fakta_matakuliah
iddepartemen idfakultas namadepartemen inisial
A1 A Ilmu Tanah dan Sumberdaya Lahan TSL
A2 A Agronomi dan Hortikultura AGH
A3 A Proteksi Tanaman PTN
A4 A Arsitektur Lanskap ARL
B0 B Kedokteran Hewan FKH
B1 B Anatomi, Fisiologi dan Farmakologi AFF
B2 B
lmu Penyakit Hewan dan Kesehatan Masyarakat
Veteri IPH
B3 B Klinik, Reproduksi dan Patologi KRP
C1 C Budidaya Perairan BDP
C2 C Manajemen Sumberdaya MSP
C3 C Teknologi Hasil Perairan THP
C4 C Pemanfaatan Sumberdaya Perikanan PSP
C5 C Ilmu dan Teknologi Kelautan ITK
D0 D Fakultas Peternakan D
D1 D Ilmu Produksi dan Teknologi Peternakan PTP
D2 D Ilmu Nutrisi dan Teknologi Pakan NTP
E1 E Manajemen Hutan MNH
E2 E Hasil Hutan HHT
E3 E Konservasi Sumberdaya Hutan dan Ekowisata KSH
E4 E Silvikultur SVK
F1 F Teknik Mesin dan Biosistem TMB
F2 F Ilmu dan Teknologi Pangan ITP
F3 F Teknologi Industri Pertanian TIN
F4 F Teknik Sipil dan Lingkungan SIL
G1 G Statistika STK
G2 G Geofisika dan Meteorologi GFM
G3 G Biologi BIO
G4 G Kimia KIM
19
Lajutan
iddepartemen idfakultas namadepartemen inisial
G6 G Ilmu Komputer KOM
G7 G Fisika FIS
G8 G Biokimia BIK
G9 G MKDU MKU
H1 H Ilmu Ekonomi EKO
H2 H Manajemen MAN
H3 H Agribisnis ESL
H4 H Ekonomi Sumberdaya dan Lingkungan AGB
I1 I Gizi Masyarakat GIZ
I2 I Ilmu Keluarga dan Konsumen IKK
I3 I Komunikasi dan Pengembangan Masyarakat KPM
Z1 Z Tingkat Persiapan Bersama TPB
Lampiran 14 Isi tabel dosen pada hirarki dosen pada fakta_matakuliah
nip namagelar idtahun idstrata Id
pendidikan Id departemen 194701021976031000 Ir. Hidayat Wiranegara 7 S1 B02 A1 194704061974021000 drh. Abadi Sutisna, M.Si 5 S2 B02 B1
194705251972101000 Ir. Eman Kustaman 3 S1 ID002 G8
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... 198609112010121000 Azis Boing Sitanggang, S.TP, M.Si 41 S2 Z001 F2 198612102010122000 dr. Karina Rahmadia Ekawidyani 41 S1 B01 I1 198706102010121000
Fengky Satria Yoresta,
S.T, M.T 41 S2 B08 E2
Lampiran 15 Hasil pengujian formal dengan spesifikasi tren jumlah responden dosen pada fakultas setiap tahun
Lanjutan
Lampiran 16 Hasil pengujian non formal dengan spesifikasi tren jumlah responden dosen pada fakultas setiap tahun
21
Lampiran 17 Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi mata kuliah pada fakultas setiap tahun
Lampiran 18 Hasil pengujian non formal dengan spesifikasi tren nilai rata-rata hasil evaluasi mata kuliah pada fakultas setiap tahun
Lampiran 19 Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun
Lampiran 20 Hasil pengujian non formal dengan spesifikasi tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun
23
Lampiran 21 Hasil pengujian formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir
Lampiran 22 Hasil pengujian non formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir
Lampiran 23 Hasil pengujian formal dengan spesifikasi Tren nilai dosen berdasarkan lokasi belajar terakhir
Lanjutan
Lampiran 24 Hasil pengujian non formal dengan spesifikasi tren nilai dosen berdasarkan lokasi belajar terakhir
ABSTRACT
WAHYU DWI SURYANTO. Development of Data Warehouse and OLAP Applications for Data Evaluation of Teaching and Learning Process of IPB. Supervised by FIRMAN ARDIANSYAH.
Evaluation of Teaching and Learning Process (EPBM) is one measure of success in a learning process. Every year IPB always holds EPBM at least twice in one academic year. Increasingly, EPBM data is getting more and more difficult to analyze and to find information, either expressed or implied. By using data warehouse technology and an application On-line Analytical Processing (OLAP), IPB’s stakeholder can analyze and find information on the data.
The main objective of this research is to develop a data warehouse and OLAP applications on EPBM data of IPB using Microsoft Business Intelligence as OLAP server. This study begin by collecting the data, integration and data reduction, data cleansing, data transformation, data loading, and OLAP implementations. The data warehouse schema used in this research is the galaxy scheme which has two facts (Course fact and Lecturer fact) and 9-dimensions (semester, academic year, courses, lecturers, faculty, department, lecturers education, and lecturers strata).
To create a data warehouse and OLAP applications, we generate a data cube called EPBM Data. The results of the data cube can be visualized into various types of graphic models, such as bar graphs, line graphs, pie charts, and so forth. The results of the data cube is visualized using Microsoft Sharepoint 2010.
Keywords: Data Cube, Data Warehouse, Evaluation of Teaching and Learning, Microsoft Business Intelligence, OLAP server, On-line Analytical Processing.
PENDAHULUAN
Latar BelakangBeberapa tahun terakhir, Evaluasi Proses Belajar Mengajar (EPBM) selalu menjadi sorotan pada institusi pendidikan sebagai tolok ukur dalam peningkatkan mutu pendidikan dan keberhasilan suatu proses belajar mengajar (PBM). Salah satu institusi pendidikan yang melakukan EPMB adalah Institut Pertanian Bogor (IPB). IPB selalu melakukan EPBM setiap menjelang Ujian Akhir Semester (UAS). Evaluasi dilakukan pada setiap mata kuliah yang diberikan dan pada dosen pengajar yang memberikan perkuliahan dan praktikum dalam setiap semesternya.
Jumlah mahasiswa IPB yang aktif pada tahun 2011 yaitu 14 363. Jumlah mata kuliah yang diselenggarakan setiap tahun sebanyak 1100 mata kuliah. EPBM dilakukan dua kali dalam satu tahun, untuk setiap mata kuliah oleh mahasiswa. Jadi, setiap tahun data EPBM yang terkumpul adalah sebanyak 31 598 600 lembar EPBM yang kemudian direkap berdasarkan dosen pada setiap mata kuliah. Rata-rata data EPBM per tahun setelah dilakukan rekap per dosen sebanyak 2785
.
Data yang dihasilkan dari pengisian EPBM dari tahun ke tahun disimpan dalam suatu tempat penyimpanan data dalam bentuk berkas Excel (xls dan xlsx), namun penyimpanan yang dilakukan secara rutin dari tahun ke tahun menyebabkan data yang tersimpan semakin menumpuk. Walaupun saat ini media penyimpanan sudah memiliki kapasitas yang besar (sampai terabyte), penumpukan data tetap akan menimbulkan masalah jika tidak dikelola dengan baik. Penyajian informasi yang interaktif, konklusif, cepat, dan menarik tidak akan terwujud dengan baik. Kondisi seperti ini biasa disebut dengan istilah “rich of data but poor of information” (Han & Kamber 2006).
Untuk mengatasi masalah penumpukan data dan masalah penyajian informasi dari data EPBM tersebut, diperlukan proses pengelolaan
data warehouse yang baik. Data warehouse
yang disajikan memerlukan fungsi pengumpulan, persiapan, dan penyimpanan data EPBM untuk menghasilkan aplikasi yang bersifat query atau reporting sehingga dapat membantu pengelolaan data yang bertumpuk dan serta mempermudah menyajikan informasi secara visual. Oleh karena itu, perlu dibangun aplikasi On-Line Analytical Processing (OLAP) yang diintegrasikan dengan data warehouse.
Microsoft Business Intelligence (BI) merupakan tool yang berbasis Windows untuk
OLAP yang menyediakan tool pembantu dalam menganalisis data.
Tujuan
Penelitian ini bertujuan membangun data warehouse dan aplikasi OLAP berbasis web untuk data Evaluasi Proses Belajar Mengajar IPB yang dikelola oleh Kantor Manajemen Mutu (KMM) dengan menggunakan Microsoft Business Intelligence.
Ruang Lingkup
Ruang lingkup penelitian ini dibatasi pada pembuatan data warehouse dan pengembangan aplikasi OLAP berbasis web. Tools yang digunakan adalah Microsoft Business Intelligence yang sudah termasuk dalam paket pada Microsoft SQL Server 2008 R2. Data yang digunakan adalah data EPBM tahun akademik 2007/2008 sampai dengan tahun akademik 2010/2011 yang terdapat di Kantor Manajemen Mutu (KMM) IPB.
Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat kepada pihak-pihak terkait yang ada di IPB, khususnya KMM selaku pengelola data dan penyelenggara kegiatan EPBM IPB, dalam memberikan dan menyajikan analisis terhadap data secara cepat, interaktif, dan menarik. Hal ini dapat berguna bagi pihak-pihak terkait untuk dapat melakukan analisis data sehingga membantu proses pengambilan keputusan secara tepat.
METODE PENELITIAN
Penelitian ini dilakukan dalam beberapa tahapan (Gambar 1).
Analisis
Pada tahap, ini dilakukan analisis spesifikasi kebutuhan data warehouse yang akan dibangun sesuai dengan keinginan pengguna. Data yang akan dianalisis adalah data yang merupakan hasil olahan dari formulir EPBM yang sudah diolah. Contoh formulir EPBM dapat dilihat pada Lampiran 1. Analisis spesifikasi kebutuhan dilakukan untuk menghasilkan desain konseptual, desain logikal, dan desain fisik.
Unit kerja atau stakeholder di IPB yang terlibat dalam ketersediaan data adalah Direktorat Akademik dan Pendidikan (Dit. AP), Direktorat Sumber Daya Manusia (Dit. SDM), dan Kantor Manajemen Mutu (KMM). Pengguna sistem adalah pimpinan dan staf KMM yang akan dibagi menjadi dua bagian, yaitu administrator dan user (staf). Administrator memiliki akses langsung ke
2
tempat database yang digunakan, sedangkan
user dapat berinteraksi langsung dengan antarmuka aplikasi. Adapun fasilitas yang dapat diterima pengguna adalah sebagai berikut: 1 memilih dimensi atau atribut melalui kotak
drop-down list,
2 menampilkan data secara drill down dan
drill up, dan
3 menampilkan data dalam bentuk grafik (box, pie, dan line).
Gambar 1 Bagan metode penelitian. Desain
1 Desain Konseptual
Pada tahap ini, dilakukan desain skema dalam pembuatan data warehouse, analisis measure
dan dimensi-dimensi apa yang akan digunakan.
Measure adalah suatu ukuran untuk mengukur tingkat analisis data warehouse dari dimensi-dimensi yang ada.
2 Desain Logikal
Pada tahapan ini, dilakukan perencanaan dan pembuatan database dengan membuat relasi-relasi data dan menentukan hubungan satu atribut dangan atribut lainnya. Penyimpanan data pada database terdapat dua pilihan, yaitu dengan penyimpanan multidimensional atau menggunakan penyimpanan dengan basis relasional.
3 Desain Fisik
Tahapan desain fisik adalah tahapan terakhir sebelum ke tahapan praproses data. Tahapan ini menjelaskan kubus data yang sudah siap digunakan dalam data warehouse. Pada tahapan ini, skema sudah dapat diimplementasikan ke dalam data warehouse yang akan dibangun.
Praproses data
Sebelum masuk ke implementasi data warehouse, data harus melalui tahap praproses data terlebih dahulu (Han & Kamber 2006). Tahapan praproses data pada data EPBM IPB meliputi:
1 Integrasi dan Reduksi Data
KMM IPB menggunakan Microsoft Excel untuk mengelola hasil EPBM. Hasil ekspor data dosen dari Sistem Kepegawaian yang ada di Dit. SDM juga dalam format Excel (.xls). Data mata kuliah yang diberikan oleh Dit. AP berupa
file dengan format Ms. Word (.doc). Sebelum diimpor ke Microsoft SQL Server 2008, atribut-atribut data yang relevan dipilih. Pemilihan atribut ini berdasarkan tujuan pembuatan data warehouse. Integrasi dilakukan dengan menggabungkan atribut-atribut yang menarik dari tabel yang dianalisis. Reduksi dilakukan bersamaan dengan proses integrasi, yaitu dengan membuang atribut-atribut yang kurang menarik dari tabel yang dianalisis.
2 Pembersihan Data
Pembersihan data dilakukan terhadap
record-record yang mengandung nilai null, dan nilai yang tidak konsisten. Kondisi tersebut dapat diatasi dengan membuang atau menyeragamkan nilainya dengan menggunakan nilai rataan untuk atribut yang bernilai angka. 3 Transformasi Data
Tranformasi ke bentuk data yang tepat dilakukan agar data dapat digunakan untuk proses selanjutnya. Tranformasi meliputi penyeragaman nama atribut, generalisasi, agregasi, dan konstruksi atribut. Akhir dari tahapan transformasi ini ialah terbentuknya sebuah data warehouse.
Data Warehouse
Metode yang digunakan dalam pengembangan data warehouse ini mengacu pada arsitektur three-tier data warehouse yang meliputi:
1 Lapisan bawah (bottom tier)
Lapisan ini merupakan suatu sistem basisdata relasional (SQL Server 2008 R2) yang berfungsi sebagai tempat pengolahan data. 2 Lapisan tengah (middle tier)
Lapisan ini merupakan lapisan tempat menyimpan stuktur kubus data yang biasa disebut dengan OLAP server. Dalam penelitian ini, digunakan Microsoft Business Intelligence (BI) sebagai OLAP server.
Microsoft SQL Server 2008 R2 merupakan salah satu platform untuk melakukan data warehouse maupun data mart. Perbedaan data
warehouse dan data mart memiliki batasan yang sangat tipis, namun perbedaan ini tidak perlu dikhawatirkan karena secara subtansi tujuan dari pembuatannya memiliki kesamaan (Noviandi 2010).
Konsep data warehouse sudah dikenal sebagai platform yang fundamental dari setiap solusi BI yang dikembangkan. Keberhasilan dalam merancang dan memasukkan data ke dalam data warehouse akan sangat berpengaruh terhadap berhasil atau tidaknya solusi BI yang dikembangkan dalam sebuah organisasi (Noviandi 2010).
3 Lapisan atas (top tier)
Lapisan ini merupakan lapisan untuk end user yang berfungsi menampilkan ringkasan dari isi data warehouse yang merupakan hasil dari operasi OLAP (SharePoint 2010).
Pengujian Query
Tahap pengujian query ini dilakukan setelah pemuatan dan pembuatan data warehouse
selesai. Pengujian ini dilakukan untuk melihat apakah operasi OLAP yang dibangun sudah berhasil diimplementasikan dan sesuai dengan informasi yang akan ditampilkan. Pengujian
query dibantu dengan memvisualisasikan kubus-kubus data dengan grafik-grafik dan tabel-tabel untuk akurasi hasil.
Aplikasi OLAP dengan Business Intelligence Business Intelligence adalah serangkaian kegiatan untuk memahami situasi bisnis dengan melakukan berbagai jenis analisis pada data yang dimiliki oleh organisasi serta data eksternal dari pihak ketiga untuk membantu menentukan strategi, keputusan bisnis yang taktis, dan operasional dan mengambil yang diperlukan tindakan untuk meningkatkan kinerja bisnis (Rainardi 2010).
Langkah awal pembangunan aplikasi OLAP adalah dengan membentuk struktur kubus data dalam OLAP server. Sebelum tahap pembangunan kubus data, analisis data dilakukan untuk menentukan dimensi dan
measure yang akan digunakan. Setelah menganalisis dimensi dan measure yang akan digunakan, dilakukan pembentukan struktur kubus data. Pembentukan bisa dilakukan secara manual ataupun otomatis. Pada penelitian ini, pembentukan kubus data secara otomatis dilakukan.
Selanjutnya dilakukan perancangan antar-muka. Rancangan antarmuka terbagi menjadi dua bagian, yaitu tampilan screen dengan resolusi 1024 x 768 piksel dan tampilan hasil
query. Fungsi dirancang untuk operasi-operasi OLAP dengan crosstab dan grafik.
Implementasi aplikasi dilakukan dengan menggunakan Microsoft SharePoint 2010. Lingkungan Pengembangan
Aplikasi OLAP ini dibangun dengan menggunakan perangkat sebagai berikut:
Perangkat keras server dengan spesifikasi: