Pembangunan data mart pada PLTGU Cilegon

(1)

PEMBANGUNAN DATA MART PADA PLTGU CILEGON

SKRIPSI

Diajukan untuk Menempuh Ujian Akhir Sarjana

MARHENI SETYOWATI

10112989

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK DAN ILMU KOMPUTER

(2)

iii

Puji dan syukur penulis panjatkan kehadirat Allah SWT atas berkat, rahmat, taufik dan hidayah-Nyalah penulis dapat menyelesaikan skripsi yang berjudul

“Pembangunan Data Mart Pada PLTGU Cilegon”. Penulisan skripsi ini merupakan salah satu syarat dalam menyelesaikan studi jenjang strata satu (S1) pada Program Studi Teknik Informatika, Universitas Komputer Indonesia.

Penulis menyadari bahwa dalam proses penulisan skripsi ini banyak mengalami kendala, namun berkat bantuan, bimbingan, kerjasama dari berbagai pihak dan berkah dari Allah SWT sehingga kendala-kendala yang dihadapi tersebut dapat diatasi dan skripsi ini selesai tepat pada waktunya. Oleh karena itu penulis menyampaikan ucapan terima kasih sebesar-besarnya kepada:

1. Kedua orang tua, yang selalu memotivasi dan memberikan dorongan semagat kepada penulis dalam menyelesaikan skripsi ini.

2. Bapak Adam Mukharil Bachtiar, S.Kom., M.T. selaku dosen pembimbing dan penguji 2 yang telah memberi bimbingan, saran, petunjuk, dan motivasi dalam menyelesaikan skripsi ini.

3. Ibu Dian Dharmayanti, S.T., M.Kom. selaku dosen reviewer dan penguji 1 yang memberikan petunjuk, saran, dan kemudahan kepada penulis.

4. Ibu Istiqomah, S.Kom., M.Kom. selaku dosen penguji 3 yang memberikan petunjuk, saran, dan kemudahan kepada penulis.

5. Bapak dan Ibu dosen serta seluruh staff pegawai Program Studi Teknik Informatika Universitas Komputer Indonesia yang telah memberikan ilmu untuk menyelesaikan skripsi ini, serta telah banyak memberi bantuan kepada penulis. 6. Bapak Suratin selaku pihak PLTGU Cilegon, yang telah memberikan kelengkapan

(3)

iv

7. Teman-teman IF-8 dan teman-teman seperjuangan skripsi yang selalu memberikan semangat dalam pengerjaan skripsi ini.

8. Serta semua pihak yang telah membantu dalam penyusunan skripsi ini yang tidak dapat penulis cantumkan satu per satu.

Akhirnya, dengan segala kerendahan hati penulis menyadari masih banyak terdapat kekurangan-kekurangan, sehingga penulis mengharapkan adanya saran dan kritik yang bersifat membangun demi kesempurnaan skripsi ini. Semoga skripsi ini bermanfaat bagi para pembaca.

Wassalamu’alaikum Wr.Wb.

Bandung, Februari 2015

(4)

v

DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... v

DAFTAR GAMBAR ... viii

DAFTAR TABEL ... x

DAFTAR SIMBOL ... xiii

LAMPIRAN ... xvii

BAB I PENDAHULUAN ... 1

I.1. Latar Belakang Masalah ... 1

I.2. Perumusan Masalah ... 2

I.3. Maksud dan Tujuan ... 2

I.4. Batasan Masalah ... 3

I.5. Metodologi Penelitian ... 3

I.5.1. Metode Pengumpulan Data ... 4

I.5.2. Metode Pembangunan Perangkat Lunak ... 5

I.5.3. Metode Pemecahan Masalah Data Mart ... 6

I.6. Sistematika Penulisan ... 8

BAB II TINJAUAN PUSTAKA ... 11

II.1. Profil Instansi ... 11

II.1.1. Visi dan Misi Instansi ... 12

II.1.2. Struktur Organisasi PLTGU Cilegon ... 13

II.2. Landasan Teori ... 14

II.2.1. Data Warehouse ... 14

(5)

vi

II.2.3. Microsoft SQL Server ... 21

II.2.4. SSIS (SQL Server Integration Service) ... 21

II.2.5. UML (Unified Modeling Language) ... 22

BAB III ANALISIS DAN PERANCANGAN SISTEM ... 25

III.1. Analisis Sistem ... 25

III.1.1. Analisis Masalah ... 25

III.1.2. Analisis Data ... 26

III.1.3. Analisis Basis Data Yang Sedang Berjalan ... 27

III.2. Analisis Kebutuhan Informasi ... 33

III.3. Analisis Arsitektur Data Mart ... 37

III.4. Spesifikasi Kebutuhan Perangkat Lunak ... 51

III.5. Spesifikasi Kebutuhan Non Fungsional ... 51

III.5.1. Analisis Kebutuhan Perangkat Keras ... 52

III.5.2. Analisis Kebutuhan Perangkat Lunak ... 52

III.5.3. Analisis Kebutuhan Perangkat Pikir ... 53

III.6. Analisis Kebutuhan Fungsional ... 55

III.6.1. Diagram Use Case... 55

III.6.2. Diagram Aktifitas ... 64

III.6.3. Diagram Sequence ... 72

III.6.4. Diagram Kelas ... 83

III.7. Perancangan Arsitektur ... 84

III.7.1. Perancangan Struktur Menu ... 84

III.7.2. Perancangan Antar Muka ... 84

III.7.3. Perancangan Pesan ... 96

III.7.4. Perancangan Semantik ... 101

BAB IV IMPLEMENTASI DAN PENGUJIAN ... 103

IV.1. Implementasi Sistem ... 103

(6)

vii

IV.1.2. Perangkat Keras ... 103

IV.1.3. Implementasi Basis Data ... 104

IV.1.4. Implementasi Perangkat Lunak ... 109

IV.1.5. Implementasi Aplikasi Data Mart ... 110

IV.2. Pengujian Sistem ... 114

IV.2.1. Pengujian Black Box ... 115

IV.2.1.1. Kesimpulan Pengujian Black Box ... 119

IV.2.2. Pengujian Beta ... 119

BAB V KESIMPULAN DAN SARAN ... 125

V.1. Kesimpulan ... 125

V.2. Saran ... 125

(7)

(8)

126

DAFTAR PUSTAKA

[1] M. Sc. Ed. Prof. Dr. Winarno Surakhmad, Pengantar Penelitian Ilmiah, Dasar Metoda Dan Teknik. Bandung: Tarsito Bandung, 1994.

[2] Ph.D. Roger S. Pressman, Rekayasa Perangkat Lunak. Yogyakarta: ANDI Yogyakarta, 2002.

[3] Al-Bahra bin Ladjamudin, Rekayasa Perangkat Lunak. Yogyakarta: Graha Ilmu, 2006.

[4] Andrew Christian Tooy,. Bandung: Universitas Komputer Indonesia, 2013. [5] W.H Inmon, Building the Data Warehouse. Indiana: Wiley Publishing, 2005. [6] Paulraj Ponniah, Data Warehousing Fundamentals. New York: John Wiley &

Sons, Inc, 2001.

[7] M., Hill, M.G. dan Rizzi, Golfarelli, Data Warehouse Design, Modern Principles and Methodologies. New York: Mc Graw Hill, 2009.

[8] Margy Ross Ralph Kimbal, The Data Warehouse Toolkit. Indiana: John Wiley & Sons, Inc., Indianapolis, 2013.

[9] Arie Prabawati, SQL Server 2012. Yogyakarta: ANDI, 2013.

[10] Devin Knight, Mike Davis Brian Knight, Microsoft SQL Server 2012 Integration Services. Indianapolis: John Wiley & Son, 2013.

[11] Munawar, Pemodelan Visual dengan UML. Yogyakarta: Graha Ilmu, 2005. [12] A.A. Yulianto, Analisis dan Design Sistem Informasi. Bandung: Politeknik

Telkom, 2009.

[13] MA Dr. Ulber Silalahi, Metode Penelitian Sosial. Bandung: Refika Aditama, 2009.

(9)

127 Coorporation, 2002.

(10)

1 I.1. Latar Belakang Masalah

Sektor Pembangkitan Cilegon dibangun untuk salah satu misi PLN, yaitu mewujudkan Indonesia teraliri listrik 100%. Keberadaan Sektor Cilegon yang telah beroperasi sejak 2006 ini berperan besar dalam memenuhi kebutuhan listrik pada sistem Jawa-Bali yang setiap tahunnya mengalami pertumbuhan 6-7%. Pada tahun 2011 PLTGU Cilegon menjadi Unit Sektor yang digabung dengan SPP Labuan, SPP Indramayu, SPP Rembang, dan SPP Lontar yang induknya adalah PT. PLN (Persero) UPJB. PLTGU Cilegon terdiri dari tiga divisi utama yang menunjang proses produksinya, yaitu Enginering, Produksi, serta Keuangan, SDM & Administrasi.

Setiap divisi di PLTGU Cilegon menghasilkan data yang berbeda sebagai hasil dari pengolahan sistemnya. Sebagai contoh Divisi Enginering menghasilkan data berupa data kesehatan perangkat yang berguna untuk memonitoring perangkat. Divisi Produksi menghasilkan data produksi yang dihasilkan perusahaan setiap harinya. Sedangkan Divisi Keuangan, SDM & Administrasi menghasilkan data monitoring keuangan serta data kepegawaian. Dalam hal ini tentunya terjadi perbedaan struktur maupun tipe datanya. Masalah lain yaitu kebutuhan data masing-masing divisi yang berbeda. Data yang diperlukan Divisi Enginering yang berupa data kesehatan perangkat, belum tentu dibutuhkan oleh Divisi Produksi maupun Divisi Keuangan, SDM & Administrasi. Belum terintegrasinya data dari masing-masing divisi maka untuk menghasilkan laporannya, dibutuhkan waktu yang lama dalam pemrosesan informasi. Hal ini mengakibatkan pembuatan laporan menjadi tidak optimal.

(11)

2

data yang baru untuk pemenuhan informasi yang dinamis. Informasi yang dinamis ini nantinya digunakan oleh pihak managerial untuk pengambilan keputusan strategis perusahaan. Demikian pula untuk Divisi Produksi, dibutuhkan analisis informasi secara detail setiap bulannya mengenai hasil produksi untuk memastikan bahwa perusahaan berada dalam kondisi yang baik.

Sebagai solusi untuk permasalahan pada Divisi Enginering dan Produksi, maka perlu dibangunlah data mart untuk memudahkan pihak managerial dalam mendapatkan informasi strategis sehingga dapat digunakan untuk perencanaan jangka panjang. Karena data mart memungkinkan integrasi berbagai jenis data dari berbagai macam aplikasi maupun sistem. Hal ini menjamin mekanisme akses yang lebih mudah bagi pihak managerial dalam memperoleh informasi kemudian menganalisisnya untuk mengambil keputusan.

I.2. Perumusan Masalah

Berdasarkan latar belakang masalah yang telah dikemukaan, maka dirumuskan sebuah masalah yaitu bagaimana membangun perangkat lunak data mart pada PLTGU Cilegon.

I.3. Maksud dan Tujuan

Berdasarkan permasalahan yang diteliti maka maksud dari penelitian ini adalah untuk membangun data mart pada PLTGU Cilegon untuk Divisi Enginering dan Produksi yang nantinya dapat mendukung penyusunan strategi bisnis.

Tujuan yang ingin dicapai dari penerapan data mart pada PLTGU Cilegon adalah sebagai berikut :

a. Memberikan informasi dinamis yang cepat dan tepat guna penghimpunan informasi dan pengambilan keputusan yang dibutuhkan managerial.

(12)

c. Membantu managerial dalam menghasilkan laporan yang dapat digunakan untuk mendukung pengambilan keputusan.

I.4. Batasan Masalah

Adapun batasan masalah dalam pembangunan data mart di PLTGU Cilegon adalah sebagai berikut :

1. Data yang akan diolah berasal dari PLTGU Cilegon Divisi Enginering dan Produksi.

2. Data yang diolah dari tahun 2011, 2012, 2013 dan 2014. 3. DBMS menggunakan SQL Server 2012.

4. Pengujian data mart menggunakan OLAP (On-line Analytical Processing). 5. Pendekatan analisis dan perancangan perangkat lunak menggunakan analisis

berorientasi objek.

I.5. Metodologi Penelitian

Metodologi penelitian yang digunakan dalam penelitian ini adalah metode deskriptif. Metode deskriptif berfokus pada pemecahan masalah yang ada pada masa sekarang. Metode ini mencakup berbagai teknik deskriptif [1]. Di antaranya ialah penyelidikan yang menuturkan, menganalisa, dan mengklasifikasi. Pada umumnya metode deskriptif ini adalah menuturkan dan nafsirkan data yang ada, misalnya tentang situasi yang dialami, suatu hubungan, kegiatan, pandangan, sikap, atau tentang proses yang sedang berlangsung, kelainan yang mungkin muncul, serta kecenderungan yang terlihat lalu membandingkan persamaan dan perbedaan fenomena tertentu kemudian mengukurnya kedalam berbagai bentuk studi kuantitatif, angket, test, wawancara, dan lain-lain [1].

(13)

4

1. Memusatkan diri pada pemecahan masalah-masalah yang ada pada masa sekarang, pada masalah-masalah yang aktual.

2. Data yang dikumpulkan mula-mula disusun, dijelaskan dan kemudian dianalisis.

I.5.1. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut :

1. Studi Literatur.

Memperoleh informasi dari penelitian terdahulu merupakan langkah yang penting dan harus dilakukan dalam penelitian. Hal ini dilakukan dengan cara menelusuri data dan informasi yang ada, dengan cara membaca buku, jurnal, skripsi, maupun referensi lainnya yang dapat dijadikan acuan pembahasan dalam masalah ini.

2. Observasi.

Observasi berarti mengamati suatu objek secara langsung. Dengan observasi, mengumpulkan data tentang gejala tertentu dengan cara mengamatinya secara langsung selama waktu tertentu, dengan sedemikian rupa. Pada tahap ini data dikumpulkan dengan cara melakukan pengamatan secara langsung ke PLTGU Cilegon yang berkaitan dengan permasalahan, sehingga mendapatkan data yang jelas dan akurat.

3. Wawancara

(14)

I.5.2. Metode Pembangunan Perangkat Lunak

Metode analisis dalam pembangunan perangkat lunak ini menggunakan paradigma perangkat lunak secara waterfall. Model ini dipilih karena menawarkan sebuah pendekatan pembangunan perangkat lunak yang sistematik, mulai tingkat kemajuan sistem pada seluruh analisis, desain, kode, pengujian, dan pemeliharaan [2]. Metode waterfall ini menawarkan pembuatan perangkat lunak secara lebih nyata, model proses perangkat lunak yang berdasarkan pada pendekatan ini digunakan pada pengembangan perangkat lunak dan hardware yang luas [3]. Model Waterfall menurut Roger S Pressman dapat dilihat pada Gambar I-1

Communication

Gambar I-1 Model Waterfall [2]

Penjelasan dari Gambar I-1 dapat dilihat sebagai berikut : 1. Communication.

(15)

6

2. Planning

Proses planning merupakan lanjutan dari proses communication (analysis requirement). Tahapan ini akan menghasilkan dokumen user requirement atau bisa

dikatakan sebagai data yang berhubungan dengan keinginan PLTGU Cilegon dalam pembuatan data mart, termasuk rencana yang akan dilakukan.

3. Modeling

Proses modeling ini akan menerjemahkan kebutuhan ke sebuah perancangan datamart yang dapat diperkirakan sebelum dibuat coding. Proses ini berfokus pada

rancangan struktur data, arsitektur software, representasi interface, dan detail (algoritma) prosedural. Tahapan ini akan menghasilkan dokumen yang disebut software requirement.

4. Construction

Proses construction ini akan dilakukan pengkodean berdasarkan design yang telah dibuat, serta mengimplementasikan algoritma. Setelah itu akan dilakukan uji coba terhadap data mart yang dibangun, apakah sesuai dengan yang diharapkan.

5. Deployment

Tahapan ini bisa dikatakan final dalam pembuatan sebuah software atau sistem. Setelah melakukan analisis, desain dan pengkodean maka sistem yang sudah jadi akan digunakan oleh PLTGU Cilegon. Kemudian software yang telah dibuat harus dilakukan pemeliharaan secara berskala.

I.5.3. Metode Pemecahan Masalah Data Mart

Metode pemecahan masalah yang digunakan dalam pembangunan data mart pada PLTGU Cilegon adalah sebagai berikut :

1. Business Requirement Definition

(16)

2. Dimensional Modeling

Memodelan data menjadi data multidimensi berdasarkan hasil yang di dapat dari business requirement defintion.

3. Physical Design

Tahap ini merupakan tahap perancangan fisik data mart. Seperti hardware dan software yang dibutuhkan, banyaknya memori yang diperlukan, pembentukan partisi jika diperlukan, dan lain-lain.

4. Data Staging Design

Perancangan data staging terdiri dari 3 tahap utama atau biasa disebut dengan ETL ( Extract, Transform, dan Load) yang merupakan proses pengubahan data dari OLTP database menjadi data mart.

5. OLAP & Reporting Tools

Mengatur data yang ada dalam data mart menjadi data multidimensi berdasarkan model yang akan ditampilkan kepada user untuk pengambilan keputusan

6. Deployment

(17)

8

Model pemecahan masalah dapat dilihat pada Gambar I-2 Metode Pemecahan Masalah

Bussiness Requirement Defnition

Dimensional Modeling

Physical Design

Data Stagging Design

OLAP & Reporting Tools

Deployment

Gambar I-2 Metode Pemecahan Masalah [4]

I.6. Sistematika Penulisan

Sistematika penulisan dari penelitian ini adalah sebagai berikut : BAB I PENDAHULUAN

Pada bab ini dikemukaan mengenai latar belakang, perumusan masalah, batasan masalah, tujuan dan manfaat penelitian, metodologi penelitian, serta sistematika penulisan.

BAB II. TINJAUAN PUSTAKA

(18)

BAB III. ANALISIS DAN PERANCANGAN SISTEM

Pada bab ini akan dibahas mengenai analisis sistem yang terdiri dari analisis masalah, analisis sistem yang sedang berjalan, menentukan spesifikasi kebutuhan, perangkat lunak, analisis kebutuhan non fungsional, analisis kebutuhan fungsional, analisis user, dan perancangan arsitektur.

BAB IV. IMPLEMENTASI DAN PENGUJIAN SISTEM

Pada bab ini akan dibahas tentang implementasi arsitektur data mart yang digunakan, rancangan data mart, rancangan skema, desain data mart yang digambarkan dalam bentuk skema bintang, analisis data, skenario pengujian, dan hasil pengujian.

BAB V. KESIMPULAN DAN SARAN

Pada bab ini berisi kesimpulan yang diperoleh dari hasil analisa perancangan data mart pada PLTGU Cilegon serta saran yang dapat membantu untuk

(19)

11

BAB II

TINJAUAN PUSTAKA

I.1. Profil Instansi

PT PLN (Persero) Unit Pembangkitan Jawa Bali merupakan salah satu Unit Pelaksana Pembangkitan pada Direktorat Operasi Jawa Bali dengan wilayah kerja tersebar di Pulau Jawa, didirikan pada tanggal 26 Juli 2011 sesuai dengan SK Direksi PT PLN (Persero) No. 1067.K/DIR/2011.

Unit Pelaksana dibawah PT PLN (Persero) Unit Pembangkitan Jawa-Bali terdiri dari Sektor Pembangkitan yang bertanggung jawab memastikan terselenggaranya pengoperasian dan pemeliharaan pembangkit diunit kerjanya secara efisien sesuai tata kelola yang baik berdasarkan kebijakan korporat untuk menghasilkan mutu dan keandalan pasokan tenaga listrik sesuai standar yang ditetapkan dan Sektor Pengendali Pembangkitan yang bertanggung jawab memastikan terselenggaranya pengelolaan pengendalian pengoperasian, pemeliharaan dan produksi pembangkit, serta pengelolaan bahan bakar untuk mencapai tingkat kinerja berdasarkan kebijakan korporat untuk menghasilkan mutu dan keandalan pasokan tenaga listrik sesuai standar yang ditetapkan.

(20)

efektif dan efisien dengan mutu dan keandalan yang baik untuk mencapai kenerja yang ditetapkan.

Untuk memenuhi pertumbuhan tersebut, diperlukan pembangunan PLTGU Cilegon (dengan kapasitas 740 MW) yang mulai beroperasi secara komersi pada bulan Mei 2006. Pada bulan Juli 2006 PLTGU Cilegon dapat beroperasi secara Combined Cycle (2-2-1).Bahan bakar gas untuk pembangkit dipasok dari Lapangan

gas CNOOC SES Ltd. di lepas pantai utara Banten melalui pipa gas bawah laut sepanjang +/- 66 km dan dari pipa gas PT PGN (Persero) Tbk. Pasokan gas untuk kebutuhan PLTGU Cilegon diperoleh dari CNOOC SES Ltd. sebesar 80 BBTUD dan dari PT. PGN (Persero) Tbk. sebesar 30 BBTUD.

II.1.1.Visi dan Misi Instansi

Visi dari PT PLN Unit Pembangkitan Jawa Bali adalah menjadi perusahaan manajemen asset pembangkit listrik terbaik se-Indonesia.

(21)

13

II.1.2.Struktur Organisasi PLTGU Cilegon

Struktur organisasi PLTGU Cilegon dapat dilihat pada Gambar II-1 berikut ini:

Gambar II-1 Struktur Organisasi PLTGU Cilegon

a. General Manager

Pada PLTGU Cilegon, General Manager merupakan pimpinan tertinggi di perusahaan. General manager membawahi langsung 3 divisi utama perusahaan, yaitu Divisi Enginering, Produksi, serta Divisi Keuangan, SDM & Administrasi.

b. Manager Divisi Enginering

Pada PLTGU Cilegon, Manager Divisi Enginering membawahi tiga sektor pembangkit, yaitu Sektor Pengendalian Pembangkitan I, II, dan III. Sektor Pengendalian ini bertugas memonitoring 3 pembangkit utama yang dimiliki perusahaan.

GENERAL MANAGER

Manager Divisi Enginering

Sektor Pengendalian Pembangkit I

Sektor Pengendalian Pembangkit II

Sektor Pengendalian Pembangkit III

Manager Divisi Produksi

Sektor Pengendalian Produksi

(22)

c. Manager Produksi

Pada PLTGU Cilegon, Manager Divisi Produksi hanya membawahi satu sektor, yaitu Sektor Pengendalian Produksi. Sektor Pengendalian Produksi ini bertugas memonitoring hal-hal yang berkaitan dengan produksi PLTGU Cilegon.

d. Manager Divisi Keuangan, SDM & Administrasi

Pada PLTGU Cilegon, Manager Divisi Keuangan, SDM & Administrasi ini bertugas untuk memonitoring segala hal yang berkaitan dengan keuangan perusahaan, termasuk biaya belanja perusahaan. Divisi ini juga bertugas mengatur segala administrasi serta yang berkaitan dengan sumber daya manusia yang dimiliki perusahaan.

II.2.Landasan Teori

Sub bab ini berisi teori-teori pendukung yang digunakan dalam proses analisis dan implementasi dalam penelitian ini.

II.2.1. Data Warehouse

Data warehouse adalah sekumpulan data yang bersifat integrated, subject-oriented, time variant dan nonvolatile dalam mendukung pengambilan keputusan

manajemen [5]. Data warehouse merupakan paradigma baru dilingkungan pengambilan keputusan strategik [6]. Hal ini menjamin mekanisme akses yang mudah bagi management untuk memperoleh informasi, dan menganalisisnya untuk pengambilan keputusan. Karakteristik data warehouse menurut Inmon yaitu:

e. Berorientasi Subjek (Subject Oriented)

(23)

15

f. Terintegrasi (Integrated)

Data warehouse dapat menyimpan data-data yang berasal dari sumber-sumber

yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya.

g. Non Volatile

Data warehouse tidak dapat di-update secara real time tetapi di-refresh dari sistem

operasional secara regular. Data yang baru selalu ditambahkan dalam database itu sendiri. Basis data tersebut secara terus menerus menerima data baru, kemudian disatukan dengan data sebelumnya.

h. Rentang Waktu (Time Variant)

Data dalam 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 :

1. Cara yang paling sederhana adalah menyajikan data warehouse pada rentang waktu tertu, misal antara 5 sampai 10 tahun ke depan.

2. Cara yang kedua, dengan menggunakan variasi atau perbedaan waktu yang disajikan dalam data warehouse dengan unsur waktu dalam hari, minggu, dan bulan.

II.2.2. Data Mart

Data mart adalah suatu bagian dari data warehouse yang mendukung pembuatan

(24)

Tabel II.1 Perbedaan antara Data Warehouse dan Data Mart

Data Warehouse Data Mart

Merujuk pada keseluruhan organisasi Merujuk pada department tertentu

Gabungan dari data mart Sebuah proses bisnis

Data diterima dari stagging area dari fakta dan dimensi

Membentuk pandangan data untuk organisasi Membentuk pandangan data per-department

Ada empat tugas yang bisa dilakukan dengan adanya data mart [7], empat tugas tersebut adalah:

a. Pembuatan laporan

Pembuatan laporan merupakan salah satu kegunaan data mart yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan per hari, per bulan, per yahun atau jangka waktu kapanpun yang diinginkan.

b. On-Line Analytical Processing (OLAP)

Dengan adanya data mart, informasi detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat. OLAP merupakan konsep data multidimensi dan memungkinkan pihak pemakai menganalisa data hingga mendetail. Fasilitas lain adalah rool-up dan drill down.

c. Data Mining

Data mining merupakan proses untuk menggali pengetahuan dan informasi baru dari data yang berjumlah banyak pada data mart.

d. Proses informasi executive

(25)

17

II.2.2.1. Model Dimensional Data Mart

Ada beberapa model skema yang terdapat didalam pemodelan data mart, seperti skema bintang, skema snowflake dan skema constlellation. Model dimensional dalam data mart terdiri dari tabel fakta dan tabel dimensi, tabel fakta merupakan tabel yang berisi kumpulan foreign key dari primary key yang terdapat pada masing-masing tabel dimensi, sedangkan tabel dimensi adalah tabel yang berisi data detail yang menjelaskan foreign key yang terdapat pada tabel fakta. Penjelasan dari masing-masing model skema tersebut adalah sebagai berikut:

a. Skema Bintang (Star schema)

Model star memiliki satu tabel induk yang dinamakan tabel fakta dan kumpulan dari tabel kecil yang disebut tabel dimensi, disusun dalam pola melingkar mengelilingi tabel fakta. Contoh skema bintang dapat dilihat Gambar II-2 pada berikut ini:

Gambar II-2 Skema Bintang

b. Skema Snowflake

(26)

Gambar II-3 Skema Snowflake

c. Skema Constlellation

Model constlellation merupakan gabungan dari beberapa tabel fakta yang berbagi tabel dimensi. Contoh skema constelation dapat dilihat pada Gambar II-4 berikut ini:

Gambar II-4 Skema Constelation

II.2.2.2. ETL (Extract, Transform, Loading)

(27)

19

menyaring, mengolah dan menggabungkan data dari berbagai sumber untuk disimpan dalam data mart.

Berikut ini adalah penjelasan dari tiap proses ETL : 1. Ekstrasi Data (Extract)

Ekstraksi data adalah proses pengambilan data dari berbagai sistem operasional, baik menggunakan query, atau aplikasi ETL. Terdapat beberapa fungsi ekstrasi data, yaitu :

a. Ekstraksi data secara otomatis dari aplikasi sumber. b. Penyaringan atau menyeleksi data hasil ekstraksi.

c. Pengiriman data dari berbagai platform aplikasi ke sumber data.

d. Menyimpan file sementara untuk kemudian digabungkan dengan hasil ekstraksi dari sumber lain.

2. Transformasi Data (Transformation)

Transformasi adalah proses dimana data hasil ekstraksi disaring dan diubah sesuai dengan aturan bisnis yang berlaku. Langkah-langkah dalam transformasi data adalah sebagai berikut :

a. Melakukan konversi tipe data.

b. Membuang data yang sama (duplikasi). c. Memeriksa referensi data.

d. Mengisi nilai-nilai yang kosong dengan nilai default. e. Menggabungkan data.

3. Pengisian Data (Loading)

Loading adalah proses memasukkan data dalam suatu data kedalam suatu data

mart. Caranya adalah dengan menjalankan SQL script secara periodik.

II.2.2.3. OLAP (On-Line Analytical Processing)

(28)

menyimpan, memanipulasi suatu data multidimensional untuk tujuan analisis. OLAP menyediakan cara untuk menampilkan data multidimensional yang ada dalam data mart, dengan OLAP dapat dibuat cube yang mengorganisasikan data dan membuat

summary data untuk query yang efisien.

Karakteristik OLAP adalah sebagai berikut, diantaranya:

a. Mengizinkan pelaku bisnis memiliki pandangan logical dan multidimensional terhadap data di dalam data warehouse.

b. Mumfasilitasi analisis query yang interaktif dan kompleks untuk pengguna.

c. Mengizinkan user untuk melakukan drill down sehingga mendapatkan rincian yang lebih jelas atau roll up untuk agregasi metric selama satu dimensi atau beberapa dimensi.

d. Menyediakan kemampuan untuk menampilkan kalkulasi yang rumit dan perbandingan.

e. Menyajikan hasil dalam bentuk gambar dan diagram. Keuntungan OLAP adalah sebagai berikut, diantaranya:

a. Meningkatkan produktifitas pemakai akhir bisnis, pengembang IT, dan keseluruhan organisasi.

b. Pengawasan yang lebih dan akses tepat waktu terhadap informasi strategis dapat membuat pengambilan keputusan lebih cepat.

c. Penyimpanan pengawasan organisasi melalui integritas data koorporasi sebagai aplikasi OLAP tergantung pada data warehouse dan sistem OLTP untuk memperbaharui sumber tingkatan data.

Tujuan dari OLAP adalah mengorganisisr sejumlah data yang besar, agar bisa dianalisa dan dievaluasi dengan cepat menggunakan representasi grafik. OLAP mengorganisir data dalam data mart ke struktur kubus multidimensional berdasarkan model dimensional yang diproses dengan query analisis.

Teknil analisa OLAP adalah sebagai berikut, diantaranya:

(29)

21

Teknik ini menyajikan ringkasan data dengan menaikkan konsep hirarki atau mereduksi dimensi.

b. Drill-down adalah teknik analisa dengan menampilkan informasi lebih tinggi berisikan penggabungan data ke informasi yang lebih rendah atau lebih rinci dalam satu atau dua dimensi.

c. Slice and dice adalah teknik analisa dengan melihat informasi dari sudut pandang yang berbeda dengan melakukan seleksi pada dimensi yang diinginkan. Slice adalah pemilihan pada satu dimensi dari cube data yang digunakan, sedangkan dice merupakan subcube dengan memilih dua dimensi atau lebih.

II.2.3. Microsoft SQL Server

Microsoft SQL Server adalah sebuah sistem manajemen basis data relational

(RDBMS) produk Microsoft. Bahasa query utamanya adalah Transact-SQL yang merupakan implementasi dari SQL standart ANSI/ISO yang digunakan oleh Microsoft dan Sybase [9]. Umumnya SQL Server digunakan di dunia bisnis yang memiliki basis data berskala kecil sampai dengan menengah, tetapi kemudian berkembang dengan digunakannya SQL Server pada basis data besar. Dengan menggunakan SQL Server, user dapat menyimpan banyak data dan mengimplementasikannya untuk kepentingan bisnis dan perusahaan.

II.2.4. SSIS (SQL Server Integration Service)

SSIS (SQL Server Integration Services) adalah suatu platform untuk membangun sistem yang handal untuk integrasi data, extraction, transform dan loading yang digunakan pada data warehousing [10]. SSIS memberikan solusi dalam

menghadapi permasalahan integrasi data. Disamping itu, tools ini juga membantu dalah hal efisiensi waktu pembuatan.

a. Arsitektur SSIS SQL Server

(30)

1. SSIS Designer. Merupakan tool yang digunakan untuk membuat dan mengatur paket integration services. Pada SQL Server 2012, tool ini sudah terintegrasi dengan visual studio 2010 yang merupakan bagian project Bussines Intelligence. 2. Runtime Engine. Komponen ini berguna untuk menjalankan semua paket SSIS

yang sudah dibuat.

3. Task dan executable binary.

4. Data Flow Engine dan Data Flow. Komponen data flow merupakan enkapsulasi data flow engine yang menyediakan buffer didalam memory dan bertugas memindahkan data dari sumber data ke tujuan data. Sedangkan data flow merupakan sumber data, tujuan data, dan transformasi

5. Integration Service Service. Memungkinkan SQL Server Management Studio dapat digunakan untuk melakukan monitoring paket SSIS dan mengatur SSIS storage yang digunakan.

6. SQL Server Import dan Export Wizard. Tools ini digunakan untuk melakukan copy data dari sumber ke tujuan data.

II.2.5. UML (Unified Modeling Language)

UML (Unified Modelling Language) adalah salah satu tools untuk pengembangan sistem berorientasi objek. UML menyediakan bahasa pemodelan visual yang memungkinkan pengembang sistem membuat cetak biru sistem yang akan mereka bangun dalam bentuk yang baku, mudah dimengerti serta dilengkapi dengan mekanisme yang efektif untuk berbagi dan mengkomunikasikan rancangan mereka dengan yang lain [11].

UML merupakan standarisasi bahasa pemodelan untuk membangun perangkat lunak yang dibangun dengan menggunakan teknik pemrograman berorientasi objek. Dengan UML akan bisa menceritakan apa yang seharusnya dilakukan oleh sebuah sistem bukan bagaimana yang seharusnya dilakukan oleh sebuah sistem [12].

(31)

23

Metode ini menjadikan proses analisis dan design kedalam empat tahapan iterative, yaitu identifikasi kelas-kelas dan objek-objek, identifikasi semantic dari hubungan obyek dan kelas, perincian interface dan implementasi. Keunggulan metode Booch adalah detail dan kaya akan notasi dan elemen. UML bisa berfungsi sebagai cetak biru karena sangat lengkap dan detail. Dengan cetak biru ini maka akan bisa diketahui informasi detail tentang kode program atau bahkan membaca program dan menuliskannya lagi kedalam diagram. Sebagai bahasa pemrograman, UML dapat menerjemahkan diagram yang ada di UML menjadi kode program yang siap untuk dijalankan.

II.2.4.1.Diagram Use Case

Use Case adalah deskripsi fungsi dari sebuah sistem yang dilihat dari sudut

pandang pengguna. Use case bekerja dengan cara mendeskripsikan interaksi antara pengguna dengan sistem melalui sebuah cerita bagaimana sistem tersebut dipakai [11]. Urutan langkah-langkah yang menerangkan antara pengguna dan sistem disebut skenario. Diagram use case menunjukkan tiga aspek dari sistem, yaitu aktor, use case dan sistem.

Gambar II-5 Diagram Use Case

II.2.3.2. Diagram Kelas

Diagram kelas atau class diagram adalah sebuah spesifikasi yang akan menghasilkan sebuah objek dan merupakan inti dari pengembangan dan desain berorientasi objek. Class diagram menggambarkan struktur sistem dari segi pendefinisian kelas-kelas yang akan dibuat untuk membangun sistem. Kelas memiliki atribut dan metode atau operasi [12].

System

Actor A Actor B

(32)

a. Atribut merupakan variabel yang dimiliki oleh suatu kelas. Atribut mendeskripsikan property dengan sebaris teks di dalam kotak kelas tersebut. b. Operasi atau metode adalah fungsi – fungsi yang dimiliki oleh suatu kelas.

II.2.3.3. Diagram Aktifitas

Diagram aktifitas atau Activity Diagram menggambarkan aliran kerja (workflow) atau aktifitas dari sebuah sistem atau proses bisnis. Diagram aktifitas juga dapat menggambarkan proses pararel yang mungkin terjadi pada beberapa eksekusi. Diagram ini tidak menggambarkan interaksi antar subsistem tetapi menggambarkan proses-proses dan jalur-jalur aktifitas secara umum.

II.2.3.4.Diagram Sequence

Diagram sequence digunakan untuk menggambarkan perilaku pada sebuah skenario. Diagram ini menunjukkan sejumlah contoh objek dan pesan (message) yang diletakkan diantara obyek-obyek ini di dalam use case [11]. Komponen utama diagram sequence terdiri atas obyek yang dituliskan dengan kotak segiempat bernama. Pesan (message) diwakili oleh garis dengan tanda panah dan waktu yang di tunjukkan dengan progress vertical.

Obyek dalam diagram sequence dinamakan participant. Setiap participant terhubung dengan garis titik-titik yang disebut lifeline. Sepanjang lifeline ada kotak yang disebut activation. Activation mewakili sebuah eksekusi operasi dari participant.

(33)

103

BAB IV

IMPLEMENTASI DAN PENGUJIAN

IV.1. Implementasi Sistem

Tahapan ini dilakukan setelah perancangan selesai dilakukan dan selanjutnya akan diimplementasikan pada bahasa pemrograman yang akan digunakan. Tujuan implementasi sistem ini adalah untuk menerapkan perancangan yang telah dilakukan terhadap sistem sehingga user dapat memberi masukan demi berkembangnya sistem yang telah dibangun.

IV.1.1. Perangkat Lunak Pembangun

Perangkat lunak yang digunakan dalam membangun Data Mart di PLTGU Cilegon adalah sebagai berikut :

1. Sistem Operasi : Windows 7 Ultimate Service Pack I 32 bit 2. Bahasa Pemrograman : C#

3. DBMS : SQL Server 2012

4. Editor : Visual Studio 2012 5. UML Modeler : Star UML

6. Komponen OLAP : Microsoft Excel 2010 7. Cube Creator : BI – Lite CUBE-it Zero IV.1.2. Perangkat Keras

Perangkat keras yang dibutuhkan untuk menjalankan aplikasi data mart pada PLTGU Cilegon ini adalah sebagai berikut:

1. Processor : Intel Core 2 Duo 2. Memory : RAM 2 GB 3. Harddisk : 160 GB

(34)

5. Mouse 6. Keyboard

IV.1.3. Implementasi Basis Data

Pembuatan databaase dilakukan dengan menggunakan aplikasi DBMS SQL Server 2012. Implementasi database dalam bahasa SQL adalah sebagai berikut:

Tabel IV.1 Tabel Data Produksi Pembangkit

data_produksi_pembangkit

CREATE TABLE dbo.data_produksi_pembangkit ( id_produksi char(14) NOT NULL ,

id_pembangkit char(4) NULL , pembangkit varchar(20) NULL , manufacture varchar(20) NULL , tgl_pengambilan date NULL , jenis_bahanbakar varchar(20) NULL , volume_bahanbakar decimal(12,2) NULL , kwh_produksi decimal(12,2) NULL , keterangan varchar(50) NULL ,

PRIMARY KEY CLUSTERED (id_produksi) )

Tabel IV.2 Tabel Data Kerusakan Equipment

data_kerusakan_equipment

CREATE TABLE dbo.data_kerusakan_equipment ( id_kerusakan_equipment int NOT NULL , id_pembangkit char(4) NULL ,

pembangkit varchar(20) NULL , id_system char(5) NULL , system_name varchar(100) NULL , id_equipment varchar(15) NULL , equipment varchar(100) NULL , id_kerusakan int NULL , description varchar(100) NULL , tgl_pengambilan date NULL , status_equipment varchar(20) NULL , person_group varchar(20) NULL , work_priority varchar(20) NULL , work_type varchar(20) NULL , keterangan varchar(50) NULL ,

PRIMARY KEY CLUSTERED (id_kerusakan_equipment) )

Tabel IV.3 Tabel Data Pembangkitan

(35)

105

CREATE TABLE dbo.data_pembangkitan ( id_pembangkitan char(11) NOT NULL , id_pembangkit char(4) NULL , tgl_pengambilan date NULL , daya_terpasang decimal(12,2) NULL , daya_mampu decimal(12,2) NULL , beban_puncak_unit decimal(12,2) NULL , beban_puncak_sentral decimal(12,2) NULL , pemakaian_sendiri decimal(12,2) NULL , keterangan varchar(50) NULL

PRIMARY KEY CLUSTERED (id_pembangkitan) )

Tabel IV.4 Tabel Data Pengguna

data_pengguna

CREATE TABLE dbo.data_pengguna ( username varchar(20) NOT NULL , password varchar(50) NULL , hak_akses varchar(20) NULL , nama varchar(50) NULL

PRIMARY KEY CLUSTERED (username)

)

Tabel IV.5 Tabel Data Jam Kerja Pembangkit

data_jamkerja_pembangkit

CREATE TABLE dbo.data_jamkerja_pembangkit ( id_jamkerja char(10) NOT NULL ,

id_pembangkit char(4) NULL , pembangkit varchar(20) NULL , tgl_pengambilan date NULL , jam_siap decimal(12,2) NULL , jam_kerja decimal(12,2) NULL , jam_gangguan decimal(12,2) NULL , keterangan varchar(50) NULL

PRIMARY KEY CLUSTERED (id_jamkerja)

)

Tabel IV.6 Tabel Dimensi Pembangkit

dim_pembangkit

CREATE TABLE dbo.dim_pembangkit ( id_pembangkit char(4) NOT NULL , pembangkit varchar(30) NOT NULL

PRIMARY KEY CLUSTERED (id_pembangkit)

(36)

Tabel IV.7 Tabel Dimensi System Pembangkit

dim_system_pembangkit

CREATE TABLE dbo.dim_system_pembangkit ( id_system char(5) NOT NULL ,

system_name varchar(100) NULL , id_pembangkit char(4) NULL ,

PRIMARY KEY CLUSTERED (id_system) ,

CONSTRAINT FK_14 FOREIGN KEY (id_pembangkit) REFERENCES dim_pembangkit (id_pembangkit)

)

Tabel IV.8 Tabel Dimensi Equipment System

dim_equipment_system

CREATE TABLE dbo.dim_equipment_system ( kode_equipment varchar(15) NOT NULL , equipment varchar(50) NULL ,

id_system char(5) NULL

PRIMARY KEY CLUSTERED (kode_equipment) , CONSTRAINT FK_6 FOREIGN KEY (id_system) REFERENCES dim_system_pembangkit (id_system)

)

Tabel IV.9 Tabel Dimensi Bahan Bakar Produksi

dim_bahanbakar_produksi

CREATE TABLE dbo.dim_bahanbakar_produksi ( bahanbakar varchar(20) NULL ,

id_bahanbakar int NOT NULL IDENTITY(1,1) PRIMARY KEY CLUSTERED (id_bahanbakar)

)

Tabel IV.10 Tabel Dimensi Jenis Kerusakan Equipment

dim_jenis_kerusakan_equipment

CREATE TABLE dbo.dim_jenis_kerusakan_equipment ( nama_kerusakan varchar(100) NOT NULL ,

kerusakan_number int NOT NULL IDENTITY(1,1) PRIMARY KEY CLUSTERED (kerusakan_number)

(37)

107

Tabel IV.11 Tabel Dimensi Status Equipment

dim_status_equipment

CREATE TABLE dbo.dim_status_equipment ( equipment_status varchar(100) NOT NULL , kode_status int NOT NULL IDENTITY(1,1) PRIMARY KEY CLUSTERED (kode_status)

)

Tabel IV.12 Tabel Dimensi Work Priority Equipment

dim_workpriority_equipment

CREATE TABLE dbo.dim_workpriority_equipment ( workpriority varchar(20) NULL ,

id_workpriority int NOT NULL IDENTITY(1,1) PRIMARY KEY CLUSTERED (id_workpriority)

)

Tabel IV.13 Tabel Dimensi Waktu Jam Kerja

dim_waktu_jamkerja

CREATE TABLE dbo.dim_waktu_jamkerja ( bulan varchar(15) NOT NULL ,

tahun int NOT NULL ,

kode_waktu_jamkerja int NOT NULL IDENTITY(1,1) PRIMARY KEY CLUSTERED (kode_waktu_jamkerja)

)

Tabel IV.14 Tabel Dimensi Waktu Kerusakan Equipment

dim_waktu_kerusakan_equipment

CREATE TABLE dbo.dim_waktu_kerusakan_equipment ( bulan varchar(15) NOT NULL ,

kode_waktu_kerusakan int NOT NULL IDENTITY(1,1) PRIMARY KEY CLUSTERED (kode_waktu_kerusakan)

)

(38)

dim_waktu_pembangkitan

CREATE TABLE dbo.dim_waktu_pembangkitan ( bulan varchar(15) NOT NULL ,

kode_waktu_pembangkitan int NOT NULL IDENTITY(1,1) PRIMARY KEY CLUSTERED (kode_waktu_pembangkitan)

)

Tabel IV.16 Tabel Dimensi Waktu Produksi

dim_waktu_produksi

CREATE TABLE dbo.dim_waktu_produksi ( bulan varchar(15) NOT NULL ,

kode_waktu_produksi int NOT NULL IDENTITY(1,1) PRIMARY KEY CLUSTERED (kode_waktu_produksi)

)

Tabel IV.17 Tabel Fakta Jam Kerja Pembangkit

fact_jamkerja_pembangkit

CREATE TABLE dbo.fact_jamkerja_pembangkit ( id_jamkerja char(10) NOT NULL ,

id_pembangkit char(4) NULL , id_waktu_jamkerja int NULL , jam_kerja decimal(12,2) NULL , jam_siap decimal(12,2) NULL , jam_gangguan decimal(12,2) NULL , PRIMARY KEY CLUSTERED (id_jamkerja) , CONSTRAINT FK_12 FOREIGN KEY (id_pembangkit) REFERENCES dim_pembangkit (id_pembangkit) , CONSTRAINT FK_13 FOREIGN KEY (id_waktu_jamkerja) REFERENCES dim_waktu_jamkerja (kode_waktu_jamkerja)

)

Tabel IV.18 Tabel Fakta Kerusakan Equipment

fact_kerusakan_equipment

CREATE TABLE dbo.fact_kerusakan_equipment ( id_kerusakan_equipment int NOT NULL , id_equipment varchar(15) NULL , kode_kerusakan int NULL , id_waktu int NULL , id_status int NULL , id_work_priority int NULL ,

PRIMARY KEY CLUSTERED (id_kerusakan_equipment) , CONSTRAINT FK_8 FOREIGN KEY (id_waktu)

(39)

109

CONSTRAINT FK_9 FOREIGN KEY (id_status) REFERENCES dim_status_equipment (kode_status) , CONSTRAINT FK_10 FOREIGN KEY (id_work_priority) REFERENCES dim_workpriority_equipment (id_workpriority) , CONSTRAINT FK_20 FOREIGN KEY (id_equipment) REFERENCES dim_equipment_system (kode_equipment) , CONSTRAINT FK_21 FOREIGN KEY (kode_kerusakan)

REFERENCES dim_jenis_kerusakan_equipment (kerusakan_number)

)

Tabel IV.19 Tabel Fakta Pembangkitan

fact_pembangkitan

CREATE TABLE dbo.fact_pembangkitan ( id_pembangkitan varchar(11) NOT NULL , id_pembangkit char(4) NULL ,

id_waktu_pembangkitan int NULL , daya_terpasang decimal(12,2) NULL , daya_mampu decimal(12,2) NULL , beban_puncak_unit decimal(12,2) NULL , beban_puncak_sentral decimal(12,2) NULL , pemakaian_sendiri decimal(12,2) NULL ,

PRIMARY KEY CLUSTERED (id_pembangkitan) , CONSTRAINT FK_17 FOREIGN KEY (id_pembangkit) REFERENCES dim_pembangkit (id_pembangkit) ,

CONSTRAINT FK_18 FOREIGN KEY (id_waktu_pembangkitan) REFERENCES dim_waktu_pembangkitan (kode_waktu_pembangkitan) )

Tabel IV.20 Tabel Fakta Produksi Pembangkit

fact_produksi_pembangkit

CREATE TABLE dbo.fact_produksi_pembangkit ( id_produksi char(14) NOT NULL ,

id_pembangkit char(4) NULL , id_waktu_produksi int NULL , id_bahanbakar int NULL ,

kwh_produksi decimal(12,2) NULL , jml_bahanbakar decimal(12,2) NULL PRIMARY KEY CLUSTERED (id_produksi) CONSTRAINT FK_3 FOREIGN KEY (id_pembangkit) REFERENCES dim_pembangkit (id_pembangkit) , CONSTRAINT FK_4 FOREIGN KEY (id_waktu_produksi) REFERENCES dim_waktu_produksi (kode_waktu_produksi) , CONSTRAINT FK_5 FOREIGN KEY (id_bahanbakar) REFERENCES dim_bahanbakar_produksi (id_bahanbakar) )

IV.1.4. Implementasi Perangkat Lunak

(40)

Tabel IV.21 Tabel Implementasi Perangkat Lunak

No. Proses Nama Proses Nama File

1 Login Login.cs

2 ETL Admin.cs

3 Analisis Data Produksi Produksi.cs

3.1 Tampil Analisis Data Produksi Produksi.cs 3.2 Grafik Analisis Data Produksi grafikProduksi.cs 3.3 Roll Up – Drill Down Data Produksi Produksi_Pivot.xlsx

4 Analisis Data Pembangkitan Produksi.cs

4.1 Tampil Analisis Data Pembangkitan Produksi.cs

4.2 Grafik Analisis Data Pembangkitan grafikPembangkitan.cs 4.3 Roll Up – Drill Down Data Pembangkitan Pembangkitan_Pivot.xlsx 5 Analisis Data Jam Kerja Pembangkit Produksi.cs

5.1 Tampil Analisis Data Jam Kerja Pembangkit Produksi.cs 5.2 Grafik Analisis Data Jam Kerja Pembangkit grafikJamkerja.cs 5.3 Roll Up – Drill Down Data Jam Kerja Pembangkit Jamkerja_Pivot.xlsx 6 Analisis Data Kerusakan Equipment Enginering.cs 6.1 Tampil Analisis Data Kerusakan Equipment Enginering.cs 6.2 Grafik Analaisis Kerusakan Equipment grafikEnginering.cs 6.3 Roll Up – Drill Down Data Kerusakan Equipment Kerusakan.xlsx

IV.1.5. Implementasi Aplikasi Data Mart

Implementasi data mart pada aplikasi ini terdiri dari beberapa halaman yang akan dijelaskan dibawah ini, sedangkan sisanya dapat dilihat pada lampiran antar muka.

1. Halaman Login

(41)

111

oleh sistem apakah data yang dimasukkan sesuai dengan data pengguna dalam database. Halaman login dapat dilihat pada Gambar IV-1 berikut ini:

Gambar IV-1 Halaman Login

2. Halaman Utama Administrator

(42)

Gambar IV-2 Halaman Utama Administrator

3. Halaman ETL

(43)

113

Gambar IV-3 Halaman ETL

4. Halaman Analisis Divisi Produksi

(44)

terhadap data produksi, pembangkitan, dan jam kerja pembangkit. Halaman analisis data produksi dapat dilihat pada Gambar IV-4 berikut ini:

Gambar IV-4 Halaman Analisis Data Produksi Pembangkit

5. Halaman Analisis Divisi Enginering

(45)

115

melakukan analisis terhadap data kerusakan equipment. Halaman analisis data Divisi Enginering dapat dilihat pada Gambar IV-5 berikut ini:

Gambar IV-5 Halaman Analisis Divisi Enginering

IV.2. Pengujian Sistem

(46)

IV.2.1. Pengujian Black Box

Pengujian black box merupakan merupakan pengujian yang menitikberatkan pada hasil output dari kendali input yang dimasukkan pada tampilan kendali input form tampilan, dimana pengujian dikatakan berhasil apabila output sesuai dengan

kendali input yang dimasukkan pada setiap tampilan. 1. Pengujian Login

Pengujian proses login ini dilakukan untuk melihat apakah proses dapat berjalan sesuai dengan masukan dari user. Tabel pengujian login dapat dilihat pada Tabel IV.22 berikut ini:

Tabel IV.22 Tabel Pengujian Login

Skenario Uji (data normal)

Data Masukan Yang diharapkan Pengamatan Kesimpulan

Username:

Inputan dapat diterima dan tampil halaman

Inputan dapat diterima dan user keluar dari aplikasi.

[√] diterima [ ] ditolak

Skenario Uji (data tidak normal)

Data Masukan Yang Diharapkan Pengamatan Kesimpulan

(47)

117 berfungsi normal, data inputan tidak cocok

Pengujian terhadap proses ETL dilakukan guna mengetahui apakah proses ETL dapat berlangsung sesuai dengan file data mart. Tabel pengujian ETL dapat dilihat Tabel IV.23 pada berikut ini:

Tabel IV.23 Tabel Pengujian ETL

File data dengan format .xlsx

Proses ETL berhasil. Eksekusi SSIS berhasil dan proses ETL sukses.

[√] diterima

[ ] ditolak

Klik tombol Start SSIS.

Sistem mengeksekusi

Package SSIS.

Sistem berhasil mengeksekusi Package

SSIS dan muncul pesan

“Package Result: Success”

[√] diterima

[ ] ditolak

File data dengan format .txt

Proses ETL gagal. Eksekusi SSIS gagal. [√] diterima [ ] ditolak

File data dengan format .docx

Proses ETL gagal. Eksekusi SSIS gagal. [√] diterima [ ] ditolak

File data dengan format .pdf

Proses ETL gagal. Eksekusi SSIS gagal. [√] diterima [ ] ditolak

Klik tombol Start SSIS.

Sistem gagal

(48)

Pengujuan ini adalah untuk menguji pilihan fakta dan dimensi yang hendak ditampilkan pada tabel dan grafik analisa. Pengujian analisis data ini dibagi menjadi 2, yaitu slice and dice, serta roll-up drill-down.

a. Pengujian analisis data secara slice and dice

Pengujian analisis data secara slice and dice ini dilakukan dengan memilih fakta serta dimensi yang dinginkan.Tabel pengujian analisis data secara slice and dice dapat dilihat pada Tabel IV.24 berikut ini:

Tabel IV.24 Tabel Pengujian Analisis Data Secara Slice And Dice

Fakta: Produksi bulan januari sampai februari 2014.

Sistem menampilkan data produksi dari bulan januari sampai februari 2014.

Dimensi: Work Priority

Dimensi: Waktu perbulan

Sistem Menampilkan jumlah kerusakan

equipment dari bulan januari sampai februari 2014.

Sistem Menampilkan jumlah kerusakan

equipment berdasarkan

work priority dari bulan januari sampai februari 2014.

[√] diterima

[ ] ditolak

(49)

119

pesan kesalahan “Pilih

Pembangkitan dan

Dimensi: Work Priority

Dimensi: Waktu perbulan

Sistem tidak akan menampilkan data kerusakan equipment.

Sistem tidak menampilkan data kerusakan equipment, muncul pesan

kesalahan “Data Tidak Ditemukan.” kerusakan equipment.

Sistem tidak menampilkan data kerusakan equipment, muncul pesan

kesalahan “Pilih Filter

Data Dan Periode

Analisisnya.”

[√] diterima

[ ] ditolak

b. Pengujian analisis data secara drill-down

Pengujian analisis data secara roll-up drill-down ini dilakukan dengan memilih fakta serta dimensi yang dinginkan, pemilihan dimensi dapat dilakukan secara bebas.Tabel pengujian analisis data secara roll-up drill-down dapat dilihat pada Tabel IV.25 berikut ini:

Tabel IV.25 Tabel Pengujian Analisis Data Secara Drill Down

Fakta: Produksi data produksi perbulan dari tahun 2014.

Sistem Menampilkan data produksi perbulan dari tahun 2014.

(50)

Dimensi: Waktu

IV.2.1.1. Kesimpulan Pengujian Black Box

Berdasarkan hasil dari pengujian black box, dapat disimpulkan bahwa fungsi-fungsi pada aplikasi sudah berjalan baik, meski demikian tidak dapat dipastikan bahwa aplikasi bebas dari kesalahan sehingga diperlukan pengamatan lebih lanjut, khususnya selama implementasi.

IV.2.2.Pengujian Beta

Pengujian Beta merupakan pengujian aplikasi di lingkungan implementasinya, dalam pengujian ini, aplikasi digunakan secara langsung oleh PLTGU Cilegon, untuk kemudian melalui wawancara dapat diketahui kualitas dari perangkat lunak data mart yang dibangun, apakah sudah memenuhi harapan pengguna atau tidak.

IV.2.2.1. Wawancara

Wawancara sebagai pengujian Beta dilakukan pada tanggal 9 Februari 2015 di PLTGU Cilegon pada Divisi Produksi dan Enginering dengan mengajukan beberapa pertanyaan, yakni sebagai berikut:

a. Segi Administrator

1. Apakah sebelumnya sudah mempunyai pengalaman mengolah data mart? 2. Apakah aplikasi ini mudah digunakan dari segi administrator?

3. Apakah dari segi tampilan aplikasi ini cukup memberi kemudahan untuk mengakses?

4. Apakah pemberian nama button-button sudah cukup memberikan kemudahan?

(51)

121

6. Apakah proses ETL (Ekstrack, Transform, Loading) yang dilakukan aplikasi cukup cepat?

7. Adakah saran yang dapat saudara berikan untuk pengembangan aplikasi ini? b. Segi Produksi

1. Apakah sebelumnya sudah mempunyai pengalaman mengolah informasi strategis data mart/data warehouse?

2. Apakah aplikasi ini mudah digunakan dari segi produksi?

4. Apakan aplikasi ini sudah cukup memberikan informasi strategis bagi Divisi produksi khususnya dan PLTGU Cilegon umumnya?

6. Apakah aplikasi ini cukup cepat diakses (klik button, pergantian halaman)? 7. Apakah pengaksesan informasi strategis dalam aplikasi ini dapat dilakukan

cukup cepat?

8. Adakah saran yang dapat saudara berikan untuk pengembangan aplikasi ini? c. Segi Enginering

2. Apakah aplikasi ini mudah digunakan dari segi enginering?

4. Apakan aplikasi ini sudah cukup memberikan informasi strategis bagi Divisi Enginering khususnya dan PLTGU Cilegon umumnya?

(52)

7. Apakah pengaksesan informasi strategis dalam aplikasi ini dapat dilakukan cukup cepat?

8. Adakah saran yang dapat saudara berikan untuk pengembangan aplikasi ini? IV.2.2.2. Hasil Wawancara

Berikut adalah hasil wawancara dengan Sodara Annisa Putri, Staff Divisi Enginering, Bapak Suratin, Manager Divisi Enginering, Bapak Mohammad Zein,

Staff Divisi Produksi PLTGU Cilegon: a. Segi Administrator

1. pakah sebelumnya sudah mempunyai pengalaman mengolah data mart?

“Belum pernah.”

2. Apakah aplikasi ini mudah digunakan dari segi administrator?

“Aplikasi cukup mudah digunakan bagi saya yang baru pertama kali menggunakan data mart.”

“Cukup mudah diakses”

“Relatif mudah, tapi juga ada nama-nama button yang membuat saya sedikit

kebingungan.”

5. Apakah aplikasi ini cukup cepat diakses (klik button, pergantian halaman)?

“Cukup cepat diakses.”

6. Apakah proses ETL (Ekstrack, Transform, Loading) yang dilakukan aplikasi cukup cepat?

“Cukup cepat untuk mengekstrack data yang relatif banyak.”

7. Adakah saran yang dapat saudara berikan untuk pengembangan aplikasi ini?

“Keseluruhan aplikasi cukup mudah dipahami dan digunakan, hanya saja

(53)

123

juga lebih diperindah. Dan juga pemberian pelatihan pada orang yang baru

menggunakan pertama kali.”

b. Segi Produksi

“Belum pernah, hanya mendengar istilah nya.”

2. Apakah aplikasi ini mudah digunakan dari segi produksi?

“Cukup mudah”

4. Apakan aplikasi ini sudah cukup memberikan informasi strategis bagi Divisi Produksi khususnya dan PLTGU Cilegon umumnya?

“Sudah cukup, tapi informasi produksi terlalu banyak angkanya, saya jadi

agak kebingungan.”

“Saya agak kebingungan dengan istilah roll up drill down, karena tidak familiar.”

“Belum pernah, hanya mendengar istilah nya.”

“Cukup cepat, karena saya bisa langsung mendapatkan informasi produksi, pembangkitan, dan jam kerja dalam satu aplikasi”

(54)

“Informasi produksi, pembangkitan, jam kerja sudah cukup mudah di akses,

hanya saja tampilan data produksi masih cukup sulit dibaca secara cepat, terlalu banyak angka yang di tampilkan. Selebihnya tidak ada masalah.” c. Segi Enginering

“Sudah pernah”

2. Apakah aplikasi ini mudah digunakan dari segi enginering?

“Cukup mudah digunakan”

“Cukup mudah diakses”

4. Apakan aplikasi ini sudah cukup memberikan informasi strategis bagi Divisi Enginering khususnya dan PLTGU Cilegon umumnya?

“Cukup memberikan kemudahan bagi saya untuk memonitoring kerusakan

equipment.”

“Agak bingung dengan istilah roll up drill down”

“Relativ cepat, tidak ada masalah”

“Cukup cepat, tidak ada masalah”

8. Adakah saran yang dapat saudara berikan untuk pengembangan aplikasi ini?

“Aplikasi cukup mudah digunakan, hanya sebagai saran mungkin aplikasi bisa

(55)

125

IV.2.2.3. Saran dan Kesimpulan Pengujian Beta

1. Data mart yang dibangun untuk PLTGU Cilegon agar dapat dikembangkan lebih lanjut sehingga mampu menyajikan informasi mengenai operasional divisi lain perusahaan.

2. Penamaan pada button agar lebih diperjelas jika menggunakan istilah asing, karena pengguna belum terlalu familiar dengan data mart.

(56)

(57)

125

BAB V

KESIMPULAN DAN SARAN

I.1. Kesimpulan

Berdasarkan hasil analisis serta pengujian pada aplikasi data mart yang dibangun, maka dapat disimpulkan bahwa:

1. Penerapan data mart pada PLTGU Cilegon dapat memberikan informasi dinamis yang cepat dan tepat guna penghimpunan informasi dan pengambilan keputusan yang dibutuhkan managerial.

2. Penerapan data mart pada PLTGU Cilegon juga dapat mempermudah manager Divisi Enginering dan Produksi dalam hal pemenuhan data dan informasi strategis sehingga membantu managerial dalam menghasilkan laporan yang dapat digunakan untuk mendukung pengambilan keputusan.

V.2. Saran

Berikut ini adalah saran yang dapat diberikan untuk pengembangan sistem selanjutnya, adalah sebagai berikut:

1. Sistem tidak hanya menganalisis Divisi Enginering dan Produksi, tetapi juga menganalisis seluruh divisi pada PLTGU Cilegon guna memenuhi informasi strategis perusahaan.

(58)

(59)