Oleh Rani Susanto 57.101.12.017
TESIS
Untuk memenuhi salah satu syarat ujian guna memperoleh gelar Magister Sistem Informasi
PROGRAM STUDI MAGISTER SISTEM INFORMASI
FAKULTAS PASCASARJANA
UNIVERSITAS KOMPUTER INDONESIA
BANDUNG
vi
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... vi
DAFTAR TABEL ... ix
DAFTAR GAMBAR ... xi
DAFTAR LAMPIRAN ... xii
BAB I PENDAHULUAN ... 1
I.1. Latar Belakang Masalah ... 1
I.2. Rumusan Masalah ... 3
I.3. Tujuan Penelitian ... 3
I.4. Manfaat Penelitian ... 4
I.5. Batasan Masalah ... 4
I.6. Sistematika Penulisan ... 5
BAB II TINJAUAN PUSTAKA ... 6
II.1 Landasan Teori ... 6
II.1.1 Business Intelligence ... 6
II.1.2 Data Warehouse ... 14
II.1.3 Business Intelligence Analytics ... 22
II.1.4 Business Intelligence Dashboard ... 23
II.1.5 Business Performance Management ... 23
vii
III.1 Metodologi Penelitian ... 27
III.2 Objek Penelitian ... 30
III.2.1 Profil Program Studi Teknik Informatika ... 30
III.2.2 Identitas Program Studi ... 31
III.2.3 Sejarah Program Studi Teknik Informatika ... 32
III.2.4 Visi, Misi, Tujuan dan Sasaran Program Studi ... 33
BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... 36
IV.1 Pengumpulan Data dan Kebutuhan Informasi Strategis ... 36
IV.1.1 Analisis Kebutuhan Informasi Strategis ... 39
IV.1.2 Pembuatan Skema Relasi OLTP ... 45
IV.2 Analisis Arsitektur Data Warehouse ... 58
IV.2.1 Analisis Source Layer ... 58
IV.2.2 Analisis Data Stagging ... 58
IV.2.3 Analisis Data Warehouse Layer ... 67
IV.2.4 Proses OLAP (Online Analytical Processing) ... 71
IV.3 Analisis Komponen Business Intelligence ... 83
IV.3.1 Key Performance Indicator (KPI) dan Jenis Informasi ... 83
IV.3.2 Sumber Data ... 84
IV.4 Pembangunan Strategi Business Intelligence ... 85
BAB V KESIMPULAN DAN SARAN ... 90
V.1 Kesimpulan ... 90
viii
LAMPIRAN C ... 97
LAMPIRAN D ... 98
LAMPIRAN E ... 100
LAMPIRAN F ... 102
SURAT KETERANGAN PERSETUJUAN PUBLIKASI ... 105
Nama : Rani Susanto
NPM : 57.101.12.017
Tempat dan Tanggal Lahir : Bandung, 7 Maret 1986
Jenis Kelamin : Perempuan
Agama : Islam
Alamat : Komp. Taman Cibaduyut Indah Blok D.
152 Rt. 09 Rw. 16, Bandung – 40239
Telepon : 081322829500
e-mail : [email protected]
Pendidikan Terakhir : S1 – Teknik Informatika – UNIKOM
RIWAYAT PENDIDIKAN
TAHUN INSTITUSI
2012 – 2014 Magister Sistem Informasi,
Universitas Komputer Indonesia, Bandung 2003 – 2007 Teknik Informatika
Universitas Komputer Indonesia, Bandung 2000 – 2003 SMU Negeri 15, Bandung
1997 – 2000 SMP Negeri 12, Bandung
iii
Alloh SWT yang telah memberikan karunia dan hidayah-Nya sehingga penulis dapat menyelesaikan tesis yang berjudul “Perancangan Strategi Business
Intelligence untuk Kinerja Mahasiswa di Program Studi Teknik Informatika
Universitas Komputer Indonesia”. Tesis ini disusun untuk memenuhi syarat untuk mendapatkan gelar Magister Komputer di Universitas Komputer Indonesia.
Penulis menyadari sepenuhnya bahwa dalam penulisan tesis ini masih terdapat kekurangan karena itu penulis terbuka untuk menerima saran dan kritik yang sifatnya membangun agar dapat digunakan sebagai bahan kajian untuk pembuatan karya ilmiah yang lebih baik. Walaupun demikian, penulis telah berusaha semaksimal mungkin untuk dapat menyelesaikan tesis ini dengan harapan dapat memberikan manfaat khususnya dalam wawasan ilmu pengetahuan. Dalam menyelesaikan tesis ini, penulis banyak sekali mendapat bantuan serta dorongan dari berbagai pihak baik moril maupun materiil. Oleh karena itu perkenankanlah penulis untuk menyampaikan terimakasih dan penghargaan sebesar-besarnya kepada :
1. Alloh SWT dan Nabi Muhammad SAW karena dengan rahmat dan kuasaNya lah tesis ini dapat terselesaikan.
iv
4. Kakak dan adik yang selalu memberikan dukungan, perhatian dan doa yang tiada henti kepada penulis.
5. Dr. Eng. Ana Hadiana dan Imelda, S.T., M.T sebagai pembimbing dalam penulisan tesis ini yang telah banyak memberikan arahan, petunjuk, bantuan dan dorongan sampai terselesaikannya tesis ini.
6. Dr. Ir. Herman S. Soegoto, MBA sebagai Direktur Fakultas Pascasarjana Universitas Komputer Indonesia yang telah menerima dan memberikan kesempatan kepada penulis sebagai mahasiswa Magister Sistem Informasi. 7. Dr. Ir. Yeffry Handoko Putra, M.T sebagai Ketua Program Studi Magister
Sistem Informasi Universitas Komputer Indonesia.
8. Irawan Afrianto, S.T., M.T sebagai Ketua Program Studi Teknik Informatika Universitas Komputer Indonesia yang mengijinkan penulis untuk melakukan penelitian.
9. Andri Heryandi, S.T., M.T sebagai Wakil Direktur Direktorat ICT yang sudah memberikan banyak data sebagai penunjang penelitian yang dilakukan.
10.Adam Mukharil Bachtiar, S.Kom.,M.T dan Chairul Habibi yang selalu bersedia membantu dari segala kebingungan penulis.
v untuk semuanya.
Penulis berharap tulisan ini dapat bermanfaat bagi semua pihak dan semoga hasil penelitian ini dapat dilanjutkan sehingga didapatkan hasil yang bisa lebih baik dari yang telah penulis susun.
Bandung, Juni 2014 Penulis,
1 I.1. Latar Belakang Masalah
Teknik Informatika merupakan salah satu Program Studi dengan jumlah mahasiswa yang besar di Universitas Komputer Indonesia (Unikom) memiliki tujuan strategi bisnis untuk meningkatkan kinerja bisnisnya. Faktor utama yang mempengaruhi kinerja bisnis dari Program Studi ini adalah dari segi mahasiswa. Hal ini dapat dilihat baik dari sisi prestasi mahasiswa dimana prestasi mahasiwa Program Studi Teknik Informatika semakin berkembang setiap tahunnya baik dari sisi akademis maupun non akademis. Selain itu terdapat beberapa faktor yang menunjang apakah mahasiswa tersebut bisa lulus tepat pada waktunya. Tentunya semua yang dilakukan berguna untuk meningkatkan kinerja bisnis dari Unikom khususnya Program Studi Teknik Informatika.
melakukan pengunduran diri selama 2 tahun terakhir yaitu 1,23% sedangkan persentase rata-rata jumlah mahasiswa yang melakukan pindah fakultas maupun pindah program studi yaitu 0,26% dan 0,025%.
Program Studi Teknik Informatika Unikom memiliki tujuan strategi bisnis untuk meningkatkan kualitas mahasiswanya agar lulusan yang dihasilkan oleh program studi ini memiliki IPK tinggi dan lulus tepat pada waktunya. Tujuan strategi ini belum bisa tercapai dikarenakan terdapat kelemahan mendasar dari sisi mahasiswa yaitu beberapa mahasiswa mampu berprestasi tinggi dan memiliki kapabilitas akademik sangat baik, setara bahkan melebihi mahasiswa dari perguruan tinggi lain yang lebih maju. Namun, sebagian terbesar mahasiswa yang diterima di Program Studi Teknik Informatika berkualitas menengah, biasa saja sehingga membuat persentasi angka kelulusan berdasarkan waktu tempuh studi tepat waktu cukup rendah. Hal ini dapat dilihat dari grade nilai yang dihasilkan pada proses penerimaan mahasiswa baru yang rata-rata berada pada grade C bahkan D. Selain itu, jumlah mahasiswa yang mengundurkan diri dari Program Studi Teknik Informatika relatif cukup banyak setiap tahunnya sehingga hal ini akan mengakibatkan tidak tercapainya tujuan strategi Program Studi Teknik Informatika dari sisi mahasiswa yaitu tidak seimbangnya jumlah mahasiswa yang diterima di Program Studi ini dengan jumlah mahasiswa yang lulus dengan IPK tinggi dan tepat pada waktunya setiap tahunnya.
digunakan untuk mengolah informasi sebagai alternatif solusi dalam hal pemanfaatan data yang ada untuk suatu proses pengambilan keputusan mengenai mahasiswa.
I.2. Rumusan Masalah
Berdasarkan pemaparan yang telah dijelaskan sebelumnya maka dapat dirumuskan permasalahan yaitu :
1. Bagaimana menganalisis dan mengoptimalkan data serta informasi yang berkaitan dengan kinerja program studi Teknik Informatika dari sisi mahasiswa.
2. Bagaimana cara memanfaatkan dan mengolah data serta informasi sebagai alternatif solusi dan sarana untuk mengambil keputusan mengenai permasalahan mengenai mahasiswa di Program Studi Teknik Informatika.
I.3. Tujuan Penelitian
Tujuan penyusunan penelitian ini yaitu :
1. Membantu Program Studi Teknik Informatika untuk menganalisis dan mengoptimalkan data serta informasi yang berkaitan dengan kinerja program studi Teknik Informatika dari sisi mahasiswa.
I.4. Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah :
1. Program Studi Teknik Informatika dapat mengetahui kinerja dari sisi mahasiswa sehingga bisa meningkatkan kinerja bisnis dan mencapai tujuan strategisnya.
2. Model BI ini membantu Program Studi Teknik Informatika serta pihak atasan untuk mengetahui informasi kinerja dari sisi mahasiswa secara cepat dan efesien.
I.5. Batasan Masalah
Adapun batasan masalah yang ada di penelitian ini antara lain :
1. Tidak semua data yang berhubungan dengan kinerja bisnis digunakan untuk penelitian ini. Data yang diambil merupakan sample data yang merupakan komponen dari mahasiswa.
2. Data uji yang akan digunakan adalah data mahasiswa yang ada di lingkungan di Universitas Komputer Indonesia sehingga model Business
Intelligence yang dihasilkan hanya bisa diuji di lingkungan ini saja.
3. Kinerja bisnis yang akan diolah, dilihat dari sisi mahasiswa karena sebagai sebuah institusi pendidikan yang memegang peranan terbesar tujuan strategi bisnis adalah mahasiswa.
I.6. Sistematika Penulisan
Dalam penelitian ini, pembahasan akan dibagi kedalam beberapa bab untuk memperoleh gambaran yang jelas dan terstruktur. Sistematika penulisannya adalah sebagai berikut:
a. Bab I Pendahuluan
Bab ini menjelaskan mengenai latar belakang penelitian, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah, metodologi penelitian dan sistematika penulisan.
b. Bab II Tinjauan Pustaka
Bab ini menguraikan tinjauan organisasi dan deskripsi dari literature yang digunakan pada penelitian.
c. Bab III Metode dan Objek Penelitian
Bab ini menguraikan tentang metode yang digunakan dan juga penjelasan mengenai objek penelitian yang digunakan.
d. Bab IV Hasil Penelitian dan Pembahasan
Bab ini berisi tentang analisis dari hasil penelitian yang sudah dilakukan sehingga menghasilkan suatu strategi BI sesuai dengan yang diharapkan. e. Bab V Kesimpulan dan Saran
6 II.1 Landasan Teori
II.1.1 Business Intelligence
Business Intelligence atau disingkat BI adalah aplikasi, teknologi, dan metodologi untuk mengumpulkan, menyimpan, menganalisis, dan menyediakan akses ke data untuk membantu pengguna enterprise membuat keputusan bisnis yang lebih baik (Turban, et al., 2011). BI bertujuan untuk menyajikan berbagai informasi yang disesuaikan dengan kebutuhan setiap penggunanya. Informasi tersebut bisa berasal dari mana saja kemudian data tersebut diolah dan disajikan dalam bentuk informasi yang mudah dicerna oleh penggunanya dengan tujuan yaitu untuk mencapai tujuan bisnis perusahaan. Fungsi dari BI secara global adalah sebagai sistem pendukung pengambilan keputusan dimana sistem dan aplikasi ini mengubah data-data dalam suatu perusahaan atau organisasi (data operasional, data transaksional atau yang lainnya) kedalam bentuk pengetahuan. Jenis informasi yang dihasilkan dari proses BI jauh lebih lengkap sesuai dengan gambaran yang ada pada lingkungan organisasinya.
Business Intelligence merupakan kerangka kerja konseptual untuk
mendukung keputusan bisnis, BI menggabungkan arsitektur, basis data atau data warehouse, tools analisis dan aplikasi. (Turban, et al., 2011). Business Intelligence
pengguna dari kalangan perusahaan atau organisasi untuk mengambil keputusan dengan lebih baik dan tepat.
Business Intelligence menjelaskan tentang suatu konsep dan metode bagaimana cara atau prosedur untuk meningkatkan kualitas pengambilan keputusan bisnis berdasarkan sistem yang berbasiskan data-data dari berbagai data sumber. Dimana dalam proses Business Intelligence melakukan kegiatan pengambilan jumlah data yang besar, kemudian melakukan proses menganalisis data, dan dilanjutkan dengan menyajikan serta melaporkan hasil dari proses Business Intelligence tersebut sebagai bahan pertimbangan tindakan manajemen bisnis, memungkinkan untuk mengambil keputusan pokok bisnis saat dibutuhkan.
Konsep BI menekankan pada penerapan 5 pendayagunaan informasi untuk keperluan spesifik bisnis, masing-masing adalah sebagai berikut.
1. Data sourcing
Dalam hal ini Business Intelligence memiliki kemampuan untuk dapat mengakses berbagai sumber data dan informasi yang berada pada sejumlah sumber yang berbeda dimana pada setiap sumber memliki format penyimpanan data yang berbeda pula. Sumber data ini berasal dari data yang terdapat pada
operational system, tetapi juga bisa berasal dari dokumen yang tidak terstruktur
seperti email dan data yang dikirimkan dari pihak luar.
2. Data analysis.
sehingga dapat dijadikan sebuah pengetahuan yang kelak dapat digunakan perusahaan untuk meningkatkan kinerja perusahaan.
3. Situation awareness.
Berkaitan dengan kemampuan sistem untuk mencari dan menyediakan data dan informasi terkait dengan kebutuhan atau konteks bisnis pada saat tertentu, misalnya ketika perusahaan berhadapan dengan peristiwa darurat dan mendesak.
4. Risk analysis.
Berkaitan dengan kemampuan sistem untuk melakukan kalkulasi rasio yang akan dihadapi perusahaan terhadap berbagai kecenderungan atau kemungkinan yang dapat terjadi sehubungan dengan kondisi tertentu.
5. Decission support.
Gambar II.1 Konsep Business Intelligence (Turban, et al., 2010)
Dalam sebuah perusahaan atau organisasi, keputusan dibuat pada tingkatan atau level yang berbeda-beda, keputusan juga harus dilakukan secepat mungkin untuk mempertahankan daya saing, sehingga dapat membuat keputusan yang benar dan menjadi dasar yang solid dalam hal data, informasi dan ketersediaan pengetahuan. Dasar ini dapat bersumber dari informasi atau data berita bisnis, konferensi, pelanggan, tenaga penjualan, dan sebagainya. Sehingga bersama-sama membentuk sebuah konsep mengenai pasar dan dunia bisnis tertentu.
Gambar II.2 menyajikan pemahaman dasar mengenai sistem business
intelligence. Sebuah sistem business intelligence dengan kata lain merupakan
kombinasi data warehouse dan sistem pendukung keputusan. Hal ini menjelaskan bagaimana data dari sumber-sumber yang berbeda dapat diekstraksi dan disimpan dan selanjutnya diambil untuk dianalisis. Kegiatan utama business intelligence
intelligence data yang digunakan harus berkualitas tinggi, dengan cara memperolehnya dari berbagai sumber data yang dikumpulkan, kemudian diubah, lalu dibersihkan, selanjutnya dimuat dan disimpan dalam basisdata data
warehouse.
Gambar II.2 Pemahaman Dasar Sistem Business Intelligence (Ranjan, 2009)
II.1.1.1 Langkah-langkah Proses Business Intelligence
Terdapat beberapa bagian dalam solusi Business Intelligence yaitu, keseluruhan proses dalam Business Intelligence dapat diterjemahkan menjadi langkah-langkah dibawah ini (Imelda, 2013) :
1. Identifikasi masalah bisnis yang perlu diselesaikan dengan gudang data dan menentukan data yang diperlukan untuk menyelesaikan masalah tersebut.
3. Merubah data yang diperoleh dari beragam sumber tersebut ke dalam sebuah data yang konsisten.
4. Mengambil data yang telah dirubah tersebut ke dalam lokasi yang yang tersentralisasi.
5. Membuat sebuah gudang data dengan data yang ada dalam lokasi yang tersentralisasi tersebut
6. Memasang sebuah produk atau aplikasi yang dapat memberikan akses ke data yang ada dalam cube tadi. Ada berbagai macam jalan dan cara untuk berbagai macam tipe pekerjaan ketika berurusan dengan cube.
II.1.1.2 Arsitektur Business Intelligence
Arsitektur dari sebuah sistem Business Intelligence terdiri atas enam komponen utama yaitu : (Vercellis, 2009)
1. Data Source
Pada tahap pertama ini diperlukan proses untuk mengumpulkan dan mengintegrasi data yang disimpan dalam berbagai sumber yang bervariasi yang saling berbeda baik itu asal maupun jenisnya. Sumber data ini berasal dari data yang terdapat pada operational system, tetapi juga bisa berasal dari dokumen yang tidak terstruktur seperti email dan data yang dikirimkan oleh pihak luar.
2. Data Warehouse
berbagai sumber yang berbeda disimpan ke dalam basisdata yang ditujukan untuk mendukung proses analisis business intelligence.
3. Data Exploration
Pada tahap ini, tools yang berfungsi untuk keperluan analisis Business Intelligence pasif digunakan.Tools ini terdiri dari query dan reporting system, serta statistical methods. Metodologi ini bersifat pasif dikarenakan para pengambil keputusan harus mengambil keputusan berdasarkan hipotesis mereka sendiri atau mendefiniskan kriteria dari data extraction, kemudian menggunakan tools analisis untuk menemukan jawaban dan mencocokannya dengan hipotesa awal mereka.
4. Data Mining
Pada tahap ini proses terdiri sejumlah metodologi Business Intelligence
bersifat aktif yang tujuannya untuk mengekstrak informasi dan pengetahuan dari data tersebut. Metodologi ini berisi sejumlah model matematika untuk pengenalan pola (pattern), pembelajaran mesin (machine learn) dan teknik
Data Mining.
5. Optimization
Pada tahap ini menghasilkan solusi dimana solusi terbaik harus dipilih dari sekian solusis alternatif yang ada, dan biasanya sangat banyak dan beragam atau bervariasi.
6. Decisions
decision making process. Walaupun metodologi Business Intelligence
berhasil diterapkan, pilihan untuk mengambil sebuah keputusan tetap ada ditangan para pengambil keputusan tersebut.
Gambar II.3 Arsitektur Business Intelligence (Turban, et al., 2010)
II.1.1.3 Jenis Business Intelligence
Business Intelligence terbagi kedalam lima jenis atau kategori, yaitu :
1. Enterprise Reporting yakni digunakan untuk menghasilkan laporan-laporan
statis yang didistribusikan ke banyak orang. Jenis laporan ini sangat sesuai untuk laporan operasional dan dashboard.
2. Cube Analysis yakni digunakan untuk menyediakan analisis OLTP
3. Ad Hoc Query and Analysis yakni digunakan untuk memberikan akses kepada user agar dapat melakukan query pada basis data, dan menggali informasi sampai pada tingkat paling dasar dari informasi transaksional.
Query ini berfungsi untuk mengeksplor informasi yang dilakukan oleh user.
4. Statistical Analysis and Data Mining yakni digunakan untuk melakukan
analisis prediksi atau menentukan korelasi sebab akibat diantara dua matrik.
5. Delivery Report and Alert yakni digunakan secara proaktif untuk
mengirimkan laporan secara lengkap atau memberikan peringatan kepada populasi user yang besar atau banyak.
II.1.2 Data Warehouse
Business Intelligence dan data warehouse adalah dua hal yang berbeda
namun hampir tidak bisa dipisahkan. Data warehouse bicara mengenai bagaimana data-data yang besar dan beragam disimpan dalam satu repository dan disusun sedemikian sehingga memudahkan pencarian, sedangkan Business Intelligence
adalah suatu teknologi yang digunakan untuk menyajikan data-data tersebut sehingga memudahkan analisa dan pengambilan keputusan berdasakan informasi yang akurat dari sumber data. Suatu solusi Business Intelligence yang baik memerlukan sumber data yaitu data warehouse.
Data warehouse merupakan koleksi data yang mempunyai sifat
berorientasi subyek, terintegrasi, time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management, proses ini
Tujuan utama dari pembuatan data warehouse merupakan untuk menyatukan data yang beragam ke dalam sebuah tempat penyimpanan dimana pengguna dapat dengan mudah menjalankan query, menghasilkan laporan, dan melakukan analisis. Salah satu keuntungan yang diperoleh dari keberadaan data
warehouse adalah dapat meningkatkan efektifitas pembuatan keputusan.
II.1.2.1 Online Transaction Processing (OLTP)
Online Transaction Processing (OLAP) merupakan sebuah sistem yang
mengatur aplikasi berorientasi pada transaksi, umumnya untuk entry dan pengambilan pada transaksi online. Karena itu, sebuah database OLTP hanya akan memproses database transaksi, dan tentunya terpisah dari data warehouse. Sistem OLTP harus mampu melakukan respon dengan segera terhadap permintaan user. Tujuan OLTP adalah memelihara basis data dalam bentuk yang akurat dan terkini. Karakteristik aplikasi OLTP yaitu :
1. Transaksi singkat dan sederhana 2. Pemutakhiran relatif sering dilakukan
3. Transaksi hanya mengakses sebagian kecil basis data
II.1.2.2 Karakteristik Data Warehouse
Beberapa karakteristik data warehouse (Inmon, 2002), yaitu :
berorientasi terhadap data. Jadi dengan kata lain, data yang disimpan merupakan berorientasi kepada subyek bukan terhadap proses. Secara garis besar perbedaan antara data operasional dan data warehouse yakni :
Tabel II.1 Perbandingan Fungsi Data Operasional dan Data Warehouse
Data Operasional Data Warehouse
Dirancang berorientasi hanya pada aplikasi dan fungsi tertentu
Dirancang berdasar pada subyek-subyek tertentu (utama)
Fokusnya pada desain basisdata dan proses Fokusnya pada pemodelan data dan desain data
Berisi rincian atau detail data Berisi data history yang akan dipakai dalam proses analisis
Relasi antar tabel berdasar aturan terkini (selalu mengikuti rule(aturan) terbaru)
Banyak aturan bisnis dapat tersaji antara tabel-tabel
Sumber : (Inmon, 2002).
2. Terintegrasi (Integrated) yaitu data warehouse dapat menyimpan 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 variabel, konsisten dalam ukuran variabel, konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari data.
3. Rentang Waktu (Time-Variant) yaitu 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, dapat menggunakan cara antara lain yakni :
- Cara yang kedua, dengan menggunakan variasi/perbedaan waktu yang disajikan dalam data warehouse baik implisit maupun secara eksplisit dengan unsur waktu dalam hari, minggu, bulan. Secara implisit 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 yaitu data pada data warehouse tidak di update secara real
timetetapi di refresh dari sistem operasional secara rutin. Data yang baru selalu ditambahkan sebagai suplemen bagi basisdata itu sendiri dari pada sebagai sebuah perubahan. Basisdata tersebut secara kontinyu menyerap data baru ini, kemudian secara incremental disatukan dengan data sebelumnya.
Berikut ini merupakan hal-hal yang berkaitan dengan data warehouse
dalam penerapan pada sistem business intelligence (Inmon, 2002) yaitu :
1. Data Mart yakni merupakan 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 yakni merupakan suatu pemrosesan basisdata
3. On-Line Transaction Processing yakni merupakan suatu pemrosesan yang menyimpan data mengenai kegiatan operasional transaksi sehari-hari.
4. Dimension Table yakni merupakan 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 yakni 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 dimensi tabel yang berhubungan.
6. Decision Support System yakni merupakan sistem yang menyediakan
informasi kepada pengguna yang menjelaskan bagaimana sistem ini dapat menganalisa situasi dan mendukung suatu keputusan yang baik.
II.1.2.3 Arsitektur Data Warehouse
Terdapat beberapa jenis arsitektur data warehouse yang dapat digunakan dalam pembangunan data warehouse. Salah satunya yaitu two layer architecture
Gambar II.4 Arsitektur Data Warehouse (Golfarelli, et al.)
Lapisan pertama adalah source layer. Pada lapisan ini, data masih berupa operasional data. Data operasional yang akan digunakan pada pembangunan data warehouse kali ini sudah berupa data logic yang ada di database.
Lapisan kedua adalah data staging. Pada lapisan ini, data operasional akan
di-ekstract (proses ETL) ke dalam data warehouse.
Lapisan ketiga adalah data warehouse layer. Informasi akan disimpan pada sebuah penyimpanan logic yang tersentralisasi yaitu data warehouse. Data warehouse dapat diakses secara langsung.
II.1.2.4 Extract, Transform, Loading (ETL)
Fungsi ETL membentuk kembali data yang relevan dari sumber sistem kedalam informasi yang berguna untuk disimpan didalam data warehouse. Tanpa fungsi ini, tidak akan ada informasi strategis dalam data warehouse. Jika sumber data tidak di ekstrak dengan benar, dibersihkan dan diintegrasikan ke dalam format yang benar, proses query sebagai tulang punggung data warehouse tidak akan terbentuk.
Langkah pertama adalah extraction. Pada proses ini, data operasional yang diperlukan pada data warehouse akan dibaca untuk kemudian masuk dalam proses
cleaning.
Langkah kedua adalah cleaning. Pada poses ini data operasional yang telah dibaca akan diperbaiki dari kesalahan-kesalahan pada proses input data. Misalnya terjadi redudansi dari data, record yang salah satu field-nya memiliki null value
akan dibersihkan.
Langkah ketiga adalah transform. Pada proses ini data yang sudah dibersihkan diubah dari format data opersional menjadi format data warehouse.
II.1.2.5 OLAP (On-Line Analytical Processing)
OLAP (On-Line Analytical Processing) adalah salah satu cara untuk
mengolah data yang ada pada sebuah data warehouse. OLAP memberikan jawaban terhadap query analytic untuk data yang bersifat multidimensional. OLAP menyediakan cara untuk menampilkan data multidimensional yang ada dalam data mart atau data warehouse, dengan OLAP dapat dibuat cube yang mengorganisasikan data dan membuat summary data untuk query yang efisien.
Teknik dalam OLAP ini ada berbagai macam. Dalam pengembangan kali ini, teknik yang akan digunakan adalah roll-up and drill-down dan slice and dice.
Karakteristik OLAP:
1. Menggunakan teknik analisis data multidimensional. 2. Menyediakan dukungan database tingkat lanjut.
3. Menyediakan cara pakai yang mudah dan user interface yang mudah dipahami.
4. Mendukung arsitektur client-server.
II.1.2.5.1 Roll-up and Drill-down
Drill-down and roll-up adalah operasi untuk melihat data global atau detail
di sepanjang level hirarki dimensi. Roll-up untuk melihat data secara global atau rangkuman (summary). Drill-down memandu pengguna untuk memperoleh data yang lebih detail. Drill-down ini biasa digunakan untuk menjawab pertanyaan atas suatu kasus tertentu. Misalnya untuk menjawab pertanyaan ketika sebuah
II.1.2.5.2 Slice and Dice
Slice and dice adalah operasi untuk melihat data sebagai visualisasi dari kubus. Dengan slice dan dice pengguna dapat melihat data dari beberapa perspektif. Pengguna dapat mengekstrak bagian dari data agregrated dan dapat memeriksa dengan detail berdasarkan dimensi-dimensi yang diinginkan. Data
Agregrated merupakan data pra-perhitungan (precalculated) dalam bentuk
rangkuman data (data summarized) sehingga query pada kubus (cube) lebih cepat.
Slice memotong kubus sehingga dapat memfokuskan pada perspektif yang
spesifik (pada suatu dimensi). Sedangkan dice memberikan kemampuan untuk melihat pemilihan data pada dua dimensi atau lebih, yaitu dengan merotasi cube
pada perspektif yang lain sehingga pengguna dapat melihat lebih spesifik terhadap data yang di analisis.
II.1.3 Business Intelligence Analytics
II.1.3.1 Data Mining
Data Mining adalah sebuah proses untuk mengidentifikasi pola baru dan
cara pandang baru terhadap data (Kohavi, 2000). Bersamaan dengan berkembangnya data yang disimpan maka semakin berkembang pulalah kebutuhan untuk men-summary data (salah satu caranya adalah dengan visualisasi). Data Mining sering dikenal sebagai knowledge discovery yang menjangkau seluruh area termasuk machine learning, statisktik, pengenalan pola, database, dan visualisasi. Ada dua tujuan dari Data Mining, yaitu:
a. Wawasan
Mengidentifikasi pola yang komprehensif dan dijadikan wawasan untuk mengambil langkah selanjutnya.
b. Prediksi
Model dibuat untuk memprediksi suatu input data berdasarkan pola yang ada.
II.1.4 Business Intelligence Dashboard
Dashboard adalah satu kategori dari aplikasi Business Intelligence yang
secara real time akan memonitoring berbagai informasi yang dibutuhkan oleh suatu organisasi atau perusahaan dengan berbagai macam format seperti graphical
gadgets, typically gauges, charts, indicators, dan color-coded maps yang
memungkinkan mereka membuat keputusan pintar secara cepat.
II.1.5 Business Performance Management
Business Performance Management (BPM) adalah suatu framework untuk
proses dan sistem yang mengatur keseluruhan performansi perusahaan. BPM juga membantu perusahaan untuk menterjemahkan sekumpulan objektif kedalam suatu perencanaan, memonitor pengeksekusian dan mengirimkan hal-hal yang penting untuk peningkatan keuangan dan performansi operasionalnya.
II.1.6 Key Performance Indicators (KPI)
Key Performance Indicators atau disingkat KPI adalah metrik finansial
ataupun non-finansial yang digunakan untuk membantu suatu organisasi atau perusahaan untuk menentukan dan mengukur kemajuan terhadap sasaran organisasi atau perusahaan tersebut. KPI digunakan dalam business intelligence untuk menilai keadaan terkini suatu bisnis dan dapat menentukan suatu tindakan terhadap keadaan tersebut. (Parmenter, 2007)
KPI merupakan bagian dari performance indicators atau indikator kinerja organisasi. Keunggulan KPI dibandingkan dengan indikator kinerja lainnya, adalah bahwa KPI merupakan indikator kunci yang benar-benar mampu mempresentasikan kinerja organisasi secara keseluruhan.Jumlah indikator kinerja yang dipilih sebagai KPI ini biasanya tidak banyak, namun demikian hasil pengukuran melalui indikator tersebut dapat digunakan untuk menilai tingkat keberhasilan organisasi dalam mencapai tujuan dan sasaran yang telah ditetapkan.
II.1.7 Tools pembuatan OLTP dan Data Warehouse
Dalam pembangunan skema OLTP dan Data warehouse maka dibutuhkan alat bantu yang digunakan yaitu :
1. SQL Server Management Studio yang digunakan untuk mendesain dan
membangun skema relasi OLTP dan melakukan proses ETL.
2. Business Analysist Studio yang merupakan bagian dari Microsoft Visual
Studio dan digunakan untuk membangun data warehouse.
II.2 Penelitian Terkait
Penelitian mengenai model Business Intelligence untuk kinerja mahasiswa di Teknik Informatika ini belum pernah dilakukan, tetapi ada beberapa penelitian terkait yang berhubungan dengan tema ini, antara lain :
Zainal Arifin (2012), melakukan sebuah penelitian tentang sistem Business
Intelligence Universitas sebagai pendukung pengambilan keputusan akademik di
Universitas Mulawarman berbasis web dengan OLAP menggunakan perangkat lunak Microsoft Business Intelligence Development Studio, Microsoft SQL Server
2008R2 dan Microsoft Visual Studio 2008 sebagai solusi untuk
mempertimbangkan proses dalam pengambilan keputusan pada manajemen akademik universitas dan solusi untuk peningkatan kinerja pengelolaan akademik dalam mencapai keunggulan akademik atau academic excellent. (Arifin, 2012)
mengkonsulidasikan data, mengolah dan menganalisis data, mengakses dan mendeliver informasi. (Henderi, 2013)
27 III.1 Metodologi Penelitian
Metodologi penelitian yang digunakan pada penelitian ini terlihat pada Gambar III.1.
Pengumpulan Data dan Kebutuhan Informasi Strategis
Identifikasi dan Penentuan Stakeholder
Pembuatan Skema Relasi OLTP
Analisis Data Warehouse
Proses ETL (Extract, Transform, Loading)
Pembentukan Skema Relasi Data Warehouse
Analisis Komponen Business Inteliigence
Penentuan KPI (Key Performance Indicator)
Penentuan Jenis Informasi dan Sumber Data
Penentuan Strategi Business Intelligence
Keterangan dari Gambar III. 1 yaitu :
a. Pengumpulan Data dan Kebutuhan Informasi Strategis
Tahap ini digunakan untuk mengumpulkan seluruh data dan kebutuhan Informasi strategis yang dibutuhkan untuk penelitian ini dengan melakukan wawancara dan observasi langsung di tempat studi kasus.
b. Identifikasi dan Penentuan Stakeholder
Tahapan ini digunakan untuk mengidentifikasi dan menentukan siapa saja
stakeholder yang terlibat pada penelitian ini berdasarkan kebutuhan informasi
strategis yang sudah ditentukan sebelumnya. c. Pembuatan Skema Relasi OLTP
OLTP atau Online Transaction Processing adalah suatu konsep database yang berisi tentang proses data untuk merekam transaksi operasional sehari-hari. Pada tahapan ini dilakukan proses pengumpulan data-data transaksi operasional yang dibutuhkan untuk penelitian. Hasil pengumpulan data tersebut disimpan dalam konsep table di database lalu dihubungkan dalam bentuk skema relasi OLTP untuk melihat keterkaitan antara satu data dengan data lainnya.
d. Analisis Data Warehouse
1. Proses ETL (Extract, Transform, Load)
Proses extract yaitu proses penarikan data yang diambil dari sistem OLTP yang sudah ditentukan sebelumnya lalu data tersebut dibersihkan dan diekstrak untuk mendapatkan pola dan struktur data yang diinginkan. Proses transfer yaitu proses pembersihan data yang telah diambil pada proses extract agar sesuai dengan struktur data warehouse.
Proses load yaitu tahapan yang berfungsi untuk memasukkan data ke dalam data warehouse
2. Pembentukan Skema Relasi Data warehouse
Tahapan ini digunakan untuk menentukan relasi antar tabel atau data yang sudah melalui proses ETL dan hasil dari skema ini akan dipetakan sesuai dengan kebutuhan stakeholder. Hasil dari data warehouse ini juga berupa informasi yang sesuai dengan kebutuhan strategis dan menjadi acuan untuk penentuan strategi BI selanjutnya.
e. Analisis Komponen Business Intelligence
Tahapan ini digunakan untuk menentukan untuk menganalisis komponen-komponen yang terlibat didalam penelitian ini. Komponen tersebut antara lain: 1. Penentuan KPI (Key Performance Indicator)
Tahapan ini digunakan untuk menentukan indikator atau kunci utama yang dibutuhkan untuk penentuan strategi BI.
Tahapan ini digunakan untuk menentukan apa saja informasi dan berasal dari mana sumber data dari data warehouse yang dibutuhkan untuk penentuan strategi BI
f. Penentuan Strategi Business Intelligence
Berdasarkan tahapan sebelumnya maka tahapan ini menjelaskan mengenai strategi business intelligence yang digunakan untuk mendapatkan nilai lebih dari kebutuhan tersebut.
III.2 Objek Penelitian
Tempat studi kasus yang akan dijadikan objek penelitian adalah Program Studi Teknik Informatika Universitas Komputer Indonesia (Unikom).
II.2.1 Profil Program Studi Teknik Informatika
Teknik Informatika yang merupakan salah satu disiplin ilmu pada bidang Teknologi Informasi, dikembangkan untuk memberikan pengetahuan tentang pemanfaatan Teknologi Informasi tersebut guna memenuhi kebutuhan-kebutuhan manusia yang semakin beragam dan kompleks.
dan programmer yang kemudian diterjemahkan dalam sebuah dokumen spesifikasi formal.
II.2.2 Identitas Program Studi
Nama Perguruan Tinggi : Universitas Komputer Indonesia
Alamat Perguruan Tinggi : Jl. Dipati Ukur No. 112-114-116 Bandung 40132.
Program Studi : Teknik Informatika
Fakultas : Teknik dan Ilmu Komputer (FTIK) Alamat Program Studi : Kampus V Lt 3
Jl. Dipati Ukur 114 Bandung 40132
Telp. (022) 253 3825 Fax. (022) 253 3754
Website : http://if.unikom.ac.id
E-mail : [email protected]
SK Pendirian Program Studi
: SK Mendiknas No. 126/D/O/2000, Tanggal 8 Agustus 2000
Peringkat Akreditasi : B (Baik)
SK. Badan Akreditasi Nasional - Perguruan Tinggi (BAN-PT)
Ketua Program Studi : Irawan Afrianto, S.T., M.T. Sekretaris Program Studi : Dian Dharmayanti, S.T., M.Kom.
II.2.3 Sejarah Program Studi Teknik Informatika
Pada tahun 1994, Ir. Eddy Suryanto Soegoto, M.Sc mendirikan Lembaga Pendidikan Komputer Indonesia Jerman (LPKIG) untuk program pendidikan 1 tahun, menempati kampus Jl. Dipati Ukur No. 102. Di tahun ketiga, nama Lembaga Pendidikan Komputer Indonesia Jerman (LPKIG) diubah menjadi Indonesian Germany Institute (IGI). Pada tanggal 24 Desember 1998 dibentuk Yayasan Science dan Teknologi yang dilanjutkan dengan Pengajuan ke Kopertis IV Jabar untuk pendirian STIE IGI dan STMIK IGI.
Pada bulan Agustus 1999 keluar SK Mendiknas No. 143/D/O/1999 atas STIMK IGI dengan 5 Program Studi yaitu Teknik Informatika S1, Manajemen Informatika D3 & D1, Teknik Komputer D3 & D1, Teknik
Informatika D3 & D1, Komputerisasi Akuntansi D3 & D1.
Mengantisipasi pesatnya perkembangan Teknologi Informasi, IPTEK, Era Globaliasi dan Milenium ke-3 serta untuk memberikan yang terbaik bagi masa depan mahasiswa/i nya, Yayasan Science dan Teknologi kemudian mengajukan usulan ke DIKTI melalui Kopertis Wilayah IV Jabar untuk melakukan merger atas kedua Sekolah Tinggi diatas untuk menjadi Universitas Komputer Indonesia.
status Terdaftar kepada Program Studi Teknik Informatika jenjang pendidikan program S1 (Sarjana).
II.2.4 Visi, Misi, Tujuan dan Sasaran Program Studi
Program Studi Teknik Informatika sebagai salah satu program studi di UNIKOM memiliki Visi, Misi, Tujuan dan Sasaran utama.
II.2.4.1 Visi
Visi program studi Teknik Informatika adalah :
1. Menjadi Program Studi Teknik Informatika yang unggul dan terdepan yang dapat menjawab tantangan perkembangan Teknologi Informasi dan Komputer yang berkembang sangat pesat,
2. Mampu menyediakan tenaga ahli kompeten, memiliki integritas kepribadian tinggi, dan
3. Tanggap terhadap perkembangan ilmu pengetahuan dan teknologi secara global serta berwawasan enterpreneur.
II.2.4.2 Misi
Misi program studi adalah :
2. Melakukan kegiatan Penelitian dan pengembangan bidang Teknologi Informasi dan Komunikasi terkini berdasarkan suatu roadmap yang jelas dan berujung pada publikasi ilmiah dan/atau produk nyata.
3. Melakukan berbagai kegiatan pengabdian kepada masyarakat /industri sebagai upaya untuk berkontribusi menyelesaikan problem nyata di masyarakat/industri
II.2.4.3 Tujuan
Tujuan program studi adalah :
1. Menghasilkan Sarjana yang memiliki pengetahuan dan kompetensi dalam bidang Teknologi Informasi dan Komputer,
II.2.4.4 Struktur Organisasi
Program studi teknik informatika memiliki struktur organisasi yang menggambarkan hierarki jabatan yang terlibat didalamnya. Struktur organisasi Program Studi Teknik Informatika dapat dilihat pada gambar III.2.
36
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
IV.1 Pengumpulan Data dan Kebutuhan Informasi Strategis
Program Studi Teknik Informatika atau IF memiliki tujuan strategi bisnis untuk meningkatkan kinerja bisnisnya. Faktor utama yang mempengaruhi kinerja bisnis dari program studi ini adalah dari sisi mahasiswa. Berdasarkan observasi terhadap fenomena yang terjadi di program studi ini terjadi berbagai masalah yang menghambat kinerja bisnis dari sisi mahasiswa. Masalah utama yang terjadi disini adalah tidak sebandingnya jumlah mahasiswa yang lulus dengan jumlah mahasiswa yang masuk setiap tahunnya. Masalah lain yang terjadi di program studi ini berkaitan dengan kinerja bisnis dari sisi mahasiswa dapat dilihat pada tabel IV.1.
Tabel IV.1. Masalah dari sisi mahasiswa berdasarkan data dan fakta
Data Fakta
Nilai Mahasiswa Baru
Jumlah Mhs dengan Grade C hampir 50% setiap tahunnya Jumlah Mhs dengan Grade A hanya sedikit setiap tahunnya bahkan tidak ada
Kelulusan Mahasiswa
Mhs Lulus 4 tahun mengalami penurunan setiap tahunnya Mhs Lulus > 4 tahun mengalami penaikan setiap tahunnya Mhs Lulus dengan IPK >=3,5 (Cum Laude) menurun setiap tahunnya
Mhs Lulus dengan IPK >2,75 tidak konstan
Mhs Lulus dengan IPK <2,75 mengalami penaikan setiap tahunnya
Mahasiswa Keluar
Jumlah Mhs yang mengundurkan diri semakin meningkat setiap tahunnya
Jumlah Mhs yang pindah fakultas semakin meningkat setiap tahunnya
Dari permasalahan yang terjadi terdapat data-data yang berkaitan langsung dan memiliki nilai pencapaian lebih dari yang diinginkan. Permasalahan yang terjadi dengan data yang ada adalah karena jumlah data yang dimiliki sangat banyak dan data-data tersebut tersebar ke beberapa sistem yang berbeda sehingga muncul permasalahan yaitu sulitnya pengaksesan jika dibutuhkan pemanfaatan terhadap data tersebut.
Berdasarkan informasi yang diberikan oleh pihak program studi, jumlah data-data yang digunakan dapat dilihat pada Tabel IV.2
Tabel IV.2 Data yang digunakan oleh Program studi IF
No Jenis Data Tahun Jumlah
1 Mahasiswa Baru
2009 806
2010 839
2011 845
2012 902
2013 588
2 Mahasiswa Aktif
2010 - Ganjil 3155
2010 - Genap 2884
2011 - Ganjil 3260
2011 - Genap 2964
2012 - Ganjil 3404
2012 - Genap 3052
2013 - Ganjil 3119
3 Mahasiswa Lulus
2010 332
2011 332
2012 399
4 Mahasiswa Mengundurkan
diri & Pindah
2012 97
2011 54
2010 88
Tabel IV.3. Data operasional yang digunakan dan Pemanfaatannya Jenis Data Tempat
Penyimpanan
Sumber Data User Pemanfaatan data
Nilai dan nilai masuk.
- Data tersebut bisa terlihat
jumlah mhs baru
sehingga bisa dijadikan target berapa jumlah mhs yang bisa lulus tepat waktu
Kelulusan Mahasiswa
Database (Prodi IF – Sistem berdasarkan lama lulus dan IPK yang didapat
- Data tersebut
memperlihatkan target mahasiswa yang dapat lulus tepat waktu dengan IPK sesuai ketentuan yang diinginkan jumlah data mahasiswa yang keluar baik mengundurkan diri, pindah fakultas maupun pindah jurusan
- Data tersebut dapat memperlihatkan
kecenderungan pada
semester berapa
mahasiswa tersebut keluar
Nilai Mahasiswa
Database (Prodi IF – Sistem nilai mahasiswa prodi IF
- Data tersebut
memperlihatkan
perkembangan maupun penurunan prestasi akademik mahasiswa IF - Data nilai diharapkan
bisa digunakan untuk pemantauan langsung orang tua terhadap nilai mahasiswanya.
Mata Kuliah
Database (Prodi IF – Sistem
- Data ini berkaitan dengan nilai yang didapat oleh mahasiswa
IV.1.1 Analisis Kebutuhan Informasi Strategis
Analisis Kebutuhan Informasi adalah tahap menganalisis informasi apa saja yang dibutuhkan oleh program studi teknik informatika untuk meningkatkan kinerja bisnisnya dari sisi mahasiswa. Jika data dan informasi tersebut di explorasi, Business intelligence diharapkan dapat memberikan nilai lebih dari informasi yang tersedia dan yang diinginkan. Dari hasil wawancara dengan Ketua Program Studi IF dan berdasarkan fenomena yang terlihat, maka diinginkan informasi dan nilai lebih yang diinginkan antara lain :
1. Prodi IF ingin mengetahui jumlah data mahasiswa baru IF setiap tahun akademiknya.
2. Prodi IF ingin mengetahui status mahasiswa yang dapat menginformasikan : a. Jumlah Data Mahasiswa Aktif setiap semesternya
b. Jumlah Data Mahasiswa Cuti/Tidak Aktif setiap semesternya.
3. Prodi IF ingin mengetahui jumlah mahasiswa yang mengundurkan diri dan pindah jurusan setiap semesternya.
Nilai lebih yang diinginkan :
Alasan mahasiswa mengundurkan diri dari Unikom maupun pindah jurusan dari Teknik Informatika
4. Prodi IF ingin mengetahui jumlah mahasiswa lulus setiap tahun akademiknya dan juga dapat menginformasikan :
a. Jumlah Data Mahasiswa yang lulus dalam waktu 4 tahun
d. Jumlah Data Mahasiswa yang lulus dengan predikat IPK Sangat Memuaskan
e. Jumlah Data Mahasiswa yang lulus dengan predikat IPK Memuaskan Berdasarkan fenomena dan wawancara yang telah dilakukan kepada Dosen, Mahasiswa IF Aktif dan Alumni IF terdapat beberapa hal yang menyebabkan jumlah mahasiswa yang masuk dengan mahasiswa yang lulus tidak seimbang. Hal ini juga menyebabkan jumlah mahasiswa yang lulus secara tepat waktu dengan IPK yang cukup baik tidak sesuai dengan target. Hal-hal yang menghambat kelulusan mahasiswa tersebut antara lain :
1. Mata kuliah yang diulang
Dari hasil wawancara dengan Mahasiswa Aktif dan Alumni IF, adanya mata kuliah yang diulang mengakibatkan bertambahnya lama waktu kuliah yang diinginkan. Hasil eksplorasi data dari model BI yang akan dihasilkan maka akan didapatkan nilai lebih yaitu :
a. Mata kuliah yang sering diulang
b. Jumlah mahasiswa yang mengulang mata kuliah tersebut c. Dosen pengampu mata kuliah yang banyak diulang 2. Beban Nilai Prasyarat dan Nilai Minimum Mata kuliah
Dari hasil analisis yang sudah dilakukan mata kuliah dengan beban prasyarat yang cukup memberatkan yaitu :
- Algoritma dan Pemrograman
Mata kuliah ini menjadi prasyarat dari beberapa mata kuliah wajib di IF dan bila nilai prasyaratnya tidak memenuhi maka akan menghambat mata kuliah yang lain. Mata kuliah yang terpengaruh dengan mata kuliah ini yaitu : (Sumber. Mata Kuliah & Prasyarat IF Kurikulum 2010)
a. Struktur Data b. Analisis Algoritma c. Metode Numerik d. Teknik Kompilasi e. Pemodelan dan Simulasi - Kalkulus
Mata Kuliah ini juga menjadi prasyarat utama yang harus dipenuhi jika ingin mengambil mata kuliah yang lain yang saling berhubungan. Mata kuliah tersebut antara lain :
a. Matematika Diskrit b. Metode Numerik
c. Pemodelan dan Simulasi 3. Beban Tugas Akhir dan Skripsi
sidang. Bagi mahasiswa yang tidak bisa mengikuti, mahasiswa tersebut memilih untuk mengundurkan diri karena tidak sanggup mengikuti proses ini
Selain kebutuhan dari sisi Prodi, informasi ini dibutuhkan oleh pihak-pihak lain yang terkait. Tabel IV.4 menjelaskan tentang siapa saja stakeholder yang terkait terhadap kebutuhan informasi ini.
Tabel IV.4Analisis Stakeholder dan Kebutuhannya
No Stakeholder Kebutuhan
1 Rektorat Dengan mengetahui kondisi lulusan dan kondisi existing dari prodi IF, maka akan memudahkan pihak rektorat untuk mengambil keputusan dari level top management.
2 Fakultas Pihak fakultas dalam hal ini Dekan Fakultas Teknik dan Ilmu Komputer membutuhkan informasi strategis dari sisi mahasiswa agar dapat memudahkan proses pengambilan keputusan dari sisi fakultas
3 Mahasiswa Mahasiswa sebagai sumber data utama membutuhkan
informasi mengenai nilai yang didapatkan selama perkuliahan.
4 Orang tua Mahasiswa Orang tua mahasiswa membutuhkan informasi berupa history
nilai yang didapatkan oleh anaknya agar biasa memantau proses dan nilai akademik yang didapat.
5 Penyedia Lapangan Pekerjaan Dengan disediakannya persentase dan jumlah lulusan yang baik dan memenuhi prasyarat di lapangan pekerjaan, pihak penyedia lapangan pekerjaan akan lebih dimudahkan untuk mencari calon pelamar dari prodi IF sesuai dengan kriteria yang ditentukan.
43
Dosen IF Interface Data OLTP
Data Source Layer Data Stagging
ETL
OLAP & Reporting Tools
Slice & Dice
Penjelasan dari gambar IV.1 Arsitektur OLTP dan Data Warehouse yaitu : 1. Program studi teknik informatika memiliki berbagai sumber data sebagai data
operasional yang digunakan sehari-hari. Data operasional tersebut dipergunakan oleh beberapa pengguna antara lain Ketua Program Studi Teknik Informatika (Kaprodi IF), Sekretaris Program Studi Teknik Informatika (Sekprodi IF), Sekretariat Program Studi IF dan Dosen IF.
2. Sumber data operasional tersebut berasal dari berbagai interface data berupa sebaran sistem informasi antara lain Sistem Penerimaan Mahasiswa Baru, Sistem Informasi Akademik, Sistem Informasi Tugas Akhir/Skripsi dan sistem yang lainnya. Data-data tersebut tersimpan dalam penyimpanan yang terpisah sehingga memerlukan proses OLTP (Online Transaction Process) dan dibangun skema OLTP nya.
3. Semua data yang berasal dari skema OLTP tersebut nantinya akan tersimpan dalam suatu data source layer menjadi sebuah penyimpanan yang lebih baik dan tidak terpisah lagi.
4. Data yang terdapat di data source layer tersebut masih belum bisa menampilkan informasi yang dibutuhkan oleh prodi secara maksimal karena terdapat banyak data yang masih memiliki kekurangan atau terdapat data yang belum bersih. Oleh karena itu diperlukan proses ETL (Extract,
Transformation, Loading) agar data operasional tersebut menjadi lebih baik.
dirancang dalam bentuk skema relasi data warehouse untuk melihat keterkaitan antara setiap tabelnya.
6. Untuk mendapatkan informasi yang dibutuhkan, hasil skema relasi tersebut akan melalui proses OLAP (Online Analytic Processing) menggunakan OLAP dan Reporting tools seperti slicing & dicing, roll up & drop down.
7. Hasil pengolahan OLAP tersebut akan diberikan kepada setiap stakeholder
yang membutuhkan informasi tersebut.
Dari penjelasan gambar IV.1 sebelumnya terdapat kelemahan dari proses transaksi operasional yang masih berasal dari berbagai interface system sehingga data operasional yang dibutuhkan tidak tersaji dengan baik. Untuk itulah dibutuhkan pengelolaan data yang baik dengan cara mengolahnya ke dalam bentuk skema OLTP dan data warehouse.
IV.1.2 Pembuatan Skema Relasi OLTP
Berdasarkan permasalahan, data operasional dan kebutuhan stakeholder
yang digunakan di Program Studi IF maka perlu dirancang suatu strategi business
intelligence (BI) dalam hal pemanfaatan strategi BI nya. Kebutuhan strategis yang
sudah dibahas pada bagian sebelumnya menyatakan bahwa kebutuhan utama prodi IF berasal dari data transaksi operasional yang dilakukan setiap harinya.
Proses OLTP
Sistem Penerimaan Mahasiswa Baru
Sistem Informasi Akademik (SIAKAD)
Sistem Informasi Tugas Akhir/Skripsi
Sistem Informasi X
. . .
Interface Data OLTP
Kelemahan pada Data Operasional sehari-hari
Gambar IV.2 Gambaran Proses OLTP
Untuk merekam semua data transaksi operasional kedalam konsep yang lebih dipahami dan sebelum penentuan strategi BI yang diinginkan maka dibutuhkan suatu konsep database yang berisi tentang proses data yang digunakan untuk merekam transaksi sehari-hari yang disebut dengan OLTP atau Online
Transaction Processing. Tools yang digunakan sebagai alat bantu proses OLTP
yaitu SQL Server Management Studio. Dari data yang ada maka dibuatlah skema relasi untuk OLTP. Skema relasi OLTP terdiri dari 4 tabel yaitu :
1. Tabel Mahasiswa 2. Tabel Nilai
Tabel-tabel tersebut ditentukan berdasarkan transaksi operasional sehari-hari yang digunakan pihak Prodi IF sesuai dengan interface datanya. Penjelasan struktur tabel dari masing-masing tabel yang tersimpan di skema relasi OLTP adalah sebagai berikut :
1. Tabel Mahasiswa
Tabel Mahasiswa digunakan untuk menampung data mahasiswa, primary key dari tabel ini adalah NIM. Struktur tabel yang lebih lengkap dapat dilihat di tabel IV.5. Tabel Mahasiswa
Tabel IV.5 Tabel Mahasiswa
Nama Field Tipe Data Ukuran Kunci Keterangan
NIM Varchar 10 PK NOT NULL
Nama Varchar 30 NOT NULL
Status Char 5 NOT NULL
ProgramStudi Varchar 5 NOT NULL
Tahun Integer NOT NULL
KDKLS Varchar 10 FK, reference Tabel
Kelas (‘KDKLS’) NOT NULL
TempatLahir Varchar 20 NOT NULL
TglLahir Date NOT NULL
Alamat Text NOT NULL
Sex Varchar 5 NOT NULL
Agama Varchar 15 NOT NULL
Foto Image NOT NULL
KDWali Varchar 10 FK, reference Tabel
DosenWali
(‘KDWali’)
NOT NULL
Asal Varchar 20 NOT NULL
Provinsi Varchar 20 NOT NULL
2. Tabel Mata_Kuliah
Tabel Mata_Kuliah digunakan untuk menampung data mata kuliah yang terdapat di prodi IF, primary key dari tabel ini adalah KDMK. Struktur tabel yang lebih lengkap dapat dilihat di tabel IV.6. Tabel Mata_Kuliah
Tabel IV.6 Tabel Mata_Kuliah
Nama Field Tipe Data Ukuran Kunci Keterangan
KDMK Varchar 10 PK NOT NULL
Nama_MK Varchar 30 NOT NULL
SKS Integer NOT NULL
Semester Integer NOT NULL
Sifat Varchar 20 NOT NULL
Prasyarat Varchar 50
3. Tabel Nilai
Tabel Nilai digunakan untuk menyimpan data nilai dari setiap mahasiswa di prodi IF. Struktur Tabel Nilai dapat dilihat lebih jelas pada tabel IV.7. Tabel Nilai
Tabel IV.7 Tabel Nilai
Nama Field Tipe Data Ukuran Kunci Keterangan
NIM Varchar 10 PK, FK reference
Tabel Mahasiswa
(‘NIM’)
NOT NULL
KDMK Varchar 10 PK, FK reference
Tabel Mata_Kuliah
(‘KDMK’)
NOT NULL
Semester Varchar 10 PK NOT NULL
Tahun_Akademik Varchar 10 PK NOT NULL
Nama Varchar 30 NOT NULL
Nama_MK Varchar 30 NOT NULL
Nilai Float NOT NULL
4. Tabel Kelulusan
Tabel IV.8 Tabel Kelulusan
Nama Field Tipe Data Ukuran Kunci Keterangan
NIM Varchar 10 PK, FK reference
Tabel Mahasiswa
(‘NIM’)
NOT NULL
Tahun_Akademik Varchar 10 PK NOT NULL
Nama Varchar 30 NOT NULL
TempatLahir Varchar 20 NOT NULL
TglLahir Date NOT NULL
Alamat(Ortu) Varchar 50 NOT NULL
Telepon(Ortu) Varchar 15
Alamat(Bandung) Varchar 50
Telepon(Bandung) Varchar 15
AlamatE-Mail Varchar 20
ProgramStudi Varchar 5 NOT NULL
Judul(Indonesia) Varchar 50 NOT NULL
Judul(Inggris) Varchar 50 NOT NULL
IPK Float NOT NULL
Predikat Varchar 20 NOT NULL
Mahasiswa
51
Tabel IV.9 menampilkan contoh data operasional yang digunakan untuk proses OLTP di program studi Teknik Informatika.
Tabel IV.9 Contoh Data Mahasiswa
NIM NAMA PROG
STUD TAHUN JALUR STATUS KDKLS TMPLHR TGLLHR ALAMAT SEX AGAMA FOTO KDWALI ASAL
PROFIN SI JENIS
10108868 ELVIN
ISKANDAR S1 2008 N A 30606 BANDUNG 14/08/1981
10108730 FAJAR
RAMADHAN S1 2008 N A 30816 SERANG 22/04/1989 \N L 1 \N IRM KUNINGAN \N R
LAMPUNG 31/10/1990
LEMBONG
10108082 MUHAMAD
IQBAL S1 2008 N A 30802 BEKASI 02/06/3018 \N \N \N \N \N BEKASI \N R
10108081 AGUS
SETIAWAN S1 2008 N A 30802 BDG 30/05/1990
SILIWANGI DIM 3 RT8 /01 NO54
\N \N \N \N BDG \N R
10108080 YUDA
YUDISTIRA S1 2008 N A 30802 BANDUNG 30/03/1991
CIAMIS 03/11/1989
Tabel IV.10 menampilkan sebagian data Nilai yang digunakan untuk proses OLTP
Tabel IV.10 Contoh Data Nilai
NIM KDMK Mata Kuliah Thn_Akademik Semester Nilai
10108798 IF33219 Sistem Berkas 2008 Ganjil C
10108730 IF33217 Organisasi Komputer 2008 Ganjil B
10108730 IF31206L Software Terapan I 2008 GANJIL A
10108730 IF31203L Praktikum Fisika Dasar I 2008 GANJIL E
10108730 IF31102 Pancasila 2008 GANJIL B
10108730 IF31201 Kalkulus I 2008 GANJIL C
10108730 IF31205 Pengantar Ilmu Komputer 2008 Ganjil D
10108313 IF32213L Software Terapan II 2008 GENAP A
10108313 IF32212 Statistika 2008 GENAP C
10108313 IF32211L Praktikum Fisika Dasar II 2008 GENAP B
10108313 IF32210 Fisika Dasar II 2008 GENAP A
10108313 IF32209 Kalkulus II 2008 GENAP B
10108313 IF32208 Algoritma dan Pemrograman II 2008 GENAP C
10108313 IF32101 Agama Dan Etika 2008 GENAP C
10108797 IF33218 Aljabar Linier dan Matriks 2008 Ganjil A
10108797 IF37321 Kecerdasan Buatan 2008 Ganjil B
10108793 IF31203L Praktikum Fisika Dasar I 2008 Ganjil B
10108795 IF35333 Sistem Basis Data 2008 Ganjil B
10108792 IF33216 Logika Matematika 2008 Ganjil C
10108976 IF33217 Organisasi Komputer 2008 Ganjil D
10108701 IF32208 Algoritma dan Pemrograman II 2008 GENAP D
10108701 IF32210 Fisika Dasar II 2008 GENAP D
10108701 IF32211L Praktikum Fisika Dasar II 2008 GENAP C
10108701 IF32213L Software Terapan II 2008 GENAP B
10108701 IF32301 Konsep Teknologi 2008 GENAP B
10108701 IF34220 Matematika Diskrit 2008 GENAP C
10108701 IF34221 Metode Numerik 2008 GENAP B
10108701 IF36312L Praktikum Jaringan Komputer 2008 GENAP A
10108704 IF32210 Fisika Dasar II 2008 GENAP E
10108704 IF32211L Praktikum Fisika Dasar II 2008 GENAP E
10108704 IF32301 Konsep Teknologi 2008 GENAP C
10108704 IF34220 Matematika Diskrit 2008 GENAP E
10108704 IF34304 Pemrograman II 2008 GENAP E
10108704 IF34305L Praktikum Pemrograman II 2008 GENAP E
10108704 IF36103 Pendidikan Kewarganegaraan 2008 GENAP E
10108855 IF31204 Algoritma dan Pemrograman I 2008 Ganjil A
10108471 IF32214L Aplikasi IT II 2008 GENAP D
10108706 IF31102 Pancasila 2008 GANJIL B
10108791 IF33219 Sistem Berkas 2008 Ganjil A
Tabel IV.11 menampilkan sebagian data kelulusan yang digunakan untuk proses OLTP
Tabel IV.11 Contoh Tabel Kelulusan
NIM NAMA TEMPAT
(INGGRIS) IPK PREDIKAT
101031 Web (Studi Kasus Pada
Hotel Astria Graha Bandung)
Web-Based Hotel Information System (Case Study In Astria Graha Hotel DAN BREATH FIRST SEARCH (BFS) ATAU
DEPTH FIRST
Pembangunan Aplikasi Penjualan Pada PT.
NIM NAMA TEMPAT
(INGGRIS) IPK PREDIKAT
101042
PRIYATNO CIREBON
14
hotmail.com S1
APLIKASI E-Pada Sistem Perjejakan
NIM NAMA TEMPAT
(INGGRIS) IPK PREDIKAT
101044 Pengolahan Dana DSP
(Dana Sumbangan Pendidikan) Di SMA
Negeri 1 Pabuaran Subang Logistik Bahan Baku Pada Perusahaan CV. Jatisari Furniture Raw Material In
56
Tabel IV.12 menampilkan contoh data mata kuliah yang digunakan untuk proses OLTP
Tabel IV.12 Contoh Data Mata Kuliah
No KDMK Nama_MK SKS Semester Sifat Prasyarat
6. IF31205 Pengantar Ilmu
Komputer 2 1 Wajib dan Pemrograman = D
18. IF32225 Statistika dan
Probabilitas 3 2 Wajib
19. IF33106 Bahasa Inggris II 2 3 Wajib IF32105-Bahasa
Inggris I = D
20. IF33107 Pancasila dan
Kewarganegaraan 2 3 Wajib
21. IF33218 Aljabar Linear dan
Matriks 3 3 Wajib
22. IF33219 Sistem Berkas 3 3 Wajib IF31205-Pengantar
Ilmu Komputer = D
23. IF33226 Analisis Algoritma 2 3 Wajib
IF31208-Algoritma dan Pemrograman = D
No KDMK Nama_MK SKS Semester Sifat Prasyarat
24. IF33227 Organisasi dan
Arsitektur Komputer 3 3 Wajib
IF31205-Pengantar Ilmu Komputer = D
25. IF33347 Pemrograman Dasar 4 3 Wajib IF32222-Struktur
Data = D dan Pemrograman = D
IF32217-Kalkulus II = D
28. IF34222 Struktur Data 3 4 Wajib
IF31208-Algoritma dan Pemrograman = D
31. IF34349 Komunikasi Data dan
Jaringan Komputer 3 4 Wajib
IF31205-Pengantar Ilmu Komputer = D
32. IF34402 Interaksi Manusia
IV.2 Analisis Arsitektur Data Warehouse
Arsitektur yang akan digunakan dalam pembangunan data warehouse ini adalah two-layer architecture. Analisis arsitektur ini terbagi dalam empat layer, yaitu analisis source layer, analisis data stagging, analisis data warehouse layer, dan layer
analysis menggunakan OLAP.
IV.2.1 Analisis Source Layer
Data yang digunakan pada tahapan ini adalah data operasional, dari data operasional ini akan dibentuk skema relasi data warehouse yang dibutuhkan untuk mendapatkan informasi strategis dan penentuan KPI untuk proses Business
Inteligence. Skema relasi OLTP dapat dilihat pada gambar IV.3.
IV.2.2 Analisis Data Stagging
Berdasarkan contoh data mahasiswa di tabel IV.9 terdapat banyak data yang masih belum bisa digunakan untuk mendapatkan informasi yang dibutuhkan. Hal itu terjadi karena masih banyak data yang masih belum lengkap terisi atau jikapun terisi tetapi masih belum sesuai. Sebagai contoh dari tabel IV.9 sebelumnya, field
sex, agama dan profinsi masih banyak yang belum terisi sedangkan untuk field
tmplahir dan asal terdapat record yang belum bersih, contoh data BANDUNG dengan BDG sebenarnya adalah tempat yang sama. Oleh karena itu, untuk mendapatkan kualitas data yang lebih baik maka diperlukan proses ETL (Extract,
