37
BAB IV
RANCANGAN SISTEM DAN IMPLEMENTASI
4.1 Analisis Sistem
Pada sub bab Analisis sistem secara umum ini, pembahasan akan di identifikasikan lagi menjadi beberapa bagian yaitu :
4.1.1 Identifikasi Kebutuhan Informasi
Informasi yang diperoleh dari Implementasi Data mining ini adalah: a. Grafik kedisiplinan pegawai per periode
b. Laporan Hasil Integrasi Data
Identifikasi data yang diperlukan untuk menghasilkan informasi antara lain dibutuhkan data :
a. Data Jabatan b. Data Golongan c. Data SKPD d. Data Pegawai
e. Database Kedisplinan Pegawai
4.1.2 Identifikasi Sumber Data dan Tujuan Informasi
Identifikasi sumber data dan tujuan informasi dibuat agar asal dan arah data maupun tujuan informasi dapat diketahui dengan jelas.
Adapun sumber data dalam Implementasi Data mining ini berasal dari :
1. Bidang Informasi dan Data
Data Jabatan
Data SKPD
Data Golongan
2. Pegawai
Data Pegawai
Adapun informasi yang dihasilkan ditujukan kepada :
1. Kepala BKD Kota Semarang
Grafik Kedispilinan Pegawai per Periode
4.1.3 Kebutuhan Perangkat Keras (Hardware)
Perangkat keras yang digunakan dalam pembuatan Implementasi Data mining ini memerlukan spesifikasi yang harus dipenuhi. Hal ini bertujuan agar program dalam aplikasi yang dihasilkan dapat dipresentasikan dengan maksimal. Selain itu spesifikasi ini akan berpengaruh terhadap kinerja software aplikasi yang akan digunakan. Spesifikasi hardware yang digunakan untuk pembuatan aplikasi ini, adalah hardware dengan dukungan untuk program aplikasi dan database.
Untuk mendukung Implementasi data mining ini di BKD Kota Semarang perlu adanya dukungan sistem komputer yang memadai baik
hardware maupun software.
Dalam memilih hardware dan software perlu memperhatikan beberapa hal sebagai berikut :
1. Kegiatan komputer di lingkungan Penjualan masih dalam tahap awal sehingga perlu adanya penyesuaian dalam pengembangan. 2. Pemilihan hardware dan software memperhatikan kebutuhan
sekarang dan yang akan datang
3. Adanya pertimbangan biaya yang minimal tetapi mencapai hasil yang relatif optimal.
Untuk menjalankannya memang membutuhkan sebuah perangkat keras yang mendukung agar program tersebut berjalan sesuai dengan
yang kita harapkan. Perangkat keras tersebut meliputi Server dan banyak Client:
1. Server
Prosesor Intel Dual Core Xeon , Memori/RAM 8 GB,
Hard Disk 1TB Free disk space Monitor LCD 16” BenQ
UPS (Unintruptable Power Supply). Networking System
2. Client
Processor Intel Dual Core 2.2 Ghz Memori/RAM 1 GB
Hard Disk 80Gb Free disk space Monitor LCD 16”
UPS (Unintruptable Power Supply). Networking System
4.1.4 Kebutuhan Perangkat Lunak (Software)
Agar komputer bisa berfungsi sebagaimana mestinya, perlu didukung oleh perangkat software yang memadai yaitu :
1. Bahasa Pemrograman
Bahasa pemrograman dalam Implementasi Data mining ini di BKD Kota Semarang adalah Borland Delphi 7 dengan Databasenya MySQL 5.0.
2. Software Aplikasi
Software Aplikasi digunakan untuk mendukung bagian-bagian lain diluar penanganan implementasi data mining ini sebagai berikut :
Server
o Anti Virus, Anti Spyware
o Software Pendukung,
o Database tool (SQL Server) Client
o Windows 2000/XP/7
o Software Pendukung (Ms. Office)
4.1.5 Identifikasi Kebutuhan Sumber Daya Manusia
Agar aplikasi berbasis desktop ini dapat berjalan secara optimal sesuai dengan yang diharapkan maka ada beberapa bagian yang harus dipegang oleh orang-orang yang memiliki keahlian sesuai dengan posisi masing-masing. Bagian-bagian yang dibutuhkan diantaranya :
1. Programmer
Programmer bertugas mengimplementasikan Analisis
desain yang telah dibuat ke dalam kode dan logika program dengan menggunakan bahasa pemrograman. Disini penulis menggunakan bahasa pemrograman Borland Delphi 7 dengan Databasenya MySQL 5.0.
2. Operator/Administrator
Operator/Administrator tersebut adalah para pegawai
negeri sipil di BKD Kota Semarang, mereka entry, mengoperasikan dan memasukkan data ke dalam komputer, merawat sistem dan sekaligus segala kendala-kendala selama penerapan sistem baru tersebut.
3. Maintenance
Teknis support atau Merawat sistem dan sekaligus memperbaiki segala kendala-kendala yang timbul selama penerapan sistem baru tersebut.
4.2 Perancangan Metode Deskripsi
4.2.1 Transformasi Data
Transformasi data berguna untuk menstrukturkan data transaksi menjadi bentuk yang mudah di proses oleh data mining. Beberapa data dalam database masih perlu di lakukan transformasi, seperti data kategori sebagai berikut:
Tabel 4.1. Transformasi Data/Kategori
Kode Kategori Nama Kategori
01 TEGURAN LISAN
02 TEGURAN TERTULIS
03 PERNYATAAN TIDAK PUAS SECARA TERTULIS
04 PENUNDAAN KENAIKAN GAJI BERKALA
05 PENUNDAAN KENAIKAN PANGKAT
06 PENURUNAN PANGKAT SELAMA 1 TAHUN
07 PENURUNAN PANGKAT SELAMA 3 TH.
08 PENURUNAN JABATAN
09 PEMBEBASAN DARI JABATAN
10 PEMBERHENTIAN DENGAN HORMAT TIDAK ATAS
PERMINTAAN SENDIRI SEBAGAI PNS
11 PEMBERHENTIAN DENGAN TIDAK HORMAT SEBAGAI PNS
4.2.2 Integrasi Data
Proses integrated dilakukan dari berbagai data yang di gabungkan untuk menghasilkan data yang disimpan pada tabel baru. Proses penggabungan ini dilakukan dengan perintah SQL. Hasil integrasi data sebagai berikut:
Tabel 4.2. Hasil Integrasi Data Id Nip Kode golongan Kode jabatan Kode skpd Kode kategori Pelanggaran 1 92 196311131988101001 41 303320 404 05 <<Memo>> 93 196311211994032001 33 311640 607 07 <<Memo>> 94 196312131989022001 32 319380 604 07 <<Memo>> 95 196312131989022001 32 319380 604 04 <<Memo>> 96 196312301989031009 33 400960 604 06 <<Memo>> Pelanggaran 2 Pelanggaran 3 Nomer skpgr Tanggal skpgr mulai selesai <<Memo>> <<Memo>> 862.3/21/2006 2014-06-27 2014-06-27 2015-06-30 <<Memo>> <<Memo>> 862.2/18/2004 2013-06-18 2013-06-18 2016-06-30 <<Memo>> <<Memo>> 862.3/31/2007 2014-11-14 2014-11-14 2017-11-14 <<Memo>> <<Memo>> 862.2/3/2006 2014-01-19 2014-01-19 2015-01-19 <<Memo>> <<Memo>> 862.3/3/2007 2014-02-20 2014-02-20 2015-08-20
4.2.3 Menampilkan Informasi Rata Rata
Berdasarkan data yang diperoleh dari Badan Kepegawaian Daerah, Data kedisplinan pegawai yang terjadi di Badan Kepegawaian Daerah selama periode 2014 dan 2015 sebagai berikut:
Tabel 4.3. Rata Rata Tahun 2014 Kode
Kategori Nama Kategori Jumlah Data
01 TEGURAN LISAN 0
02 TEGURAN TERTULIS 1
03 PERNYATAAN TIDAK PUAS SECARA TERTULIS 6
04 PENUNDAAN KENAIKAN GAJI BERKALA 11
05 PENUNDAAN KENAIKAN PANGKAT 5
06 PENURUNAN PANGKAT SELAMA 1 TAHUN 20
07 PENURUNAN PANGKAT SELAMA 3 TH. 14
08 PENURUNAN JABATAN 0
09 PEMBEBASAN DARI JABATAN 4
10 PEMBERHENTIAN DENGAN HORMAT TIDAK
ATAS PERMINTAAN SENDIRI SEBAGAI PNS 0
11 PEMBERHENTIAN DENGAN TIDAK HORMAT
SEBAGAI PNS 0
Jumlah total 61
Rata-Rata 5,545454545 Jml Total / jml
Ktgri
Tabel 4.4. Rata Rata Tahun 2015 Kode
Kategori Nama Kategori Jumlah Data
1 TEGURAN LISAN 0
2 TEGURAN TERTULIS 6
3 PERNYATAAN TIDAK PUAS SECARA TERTULIS 18
4 PENUNDAAN KENAIKAN GAJI BERKALA 11
5 PENUNDAAN KENAIKAN PANGKAT 2
6 PENURUNAN PANGKAT SELAMA 1 TAHUN 16
7 PENURUNAN PANGKAT SELAMA 3 TH. 6
8 PENURUNAN JABATAN 0
9 PEMBEBASAN DARI JABATAN 7
10 PEMBERHENTIAN DENGAN HORMAT TIDAK
ATAS PERMINTAAN SENDIRI SEBAGAI PNS 0
11 PEMBERHENTIAN DENGAN TIDAK HORMAT
SEBAGAI PNS 0
Jumlah total 66
Rata-Rata 6 Jml Total /
Rata-rata berarti membuat menjadi rata dan nilai perataan tersebut dianggap sebagai lokasi pusat, titik berat, atau keseimbangan data.
Gambar 4.1: Rumus Rata-rata.
Jadi rata-rata data kedislipinan pegawai yang terjadi di Badan Kepegeawaian Daerah periode tahun 2014 dan periode tahun 2015 berdasarkan perhitungan di atas masing-masing adalah: Periode Tahun 2014: 𝑋 ̅ =61
11= 5,5454545
Periode Tahun 2015: 𝑋 ̅ =6611= 6
4.2.4 Menampilakn Informasi Nilai Tengah
Sebelum mencari nilai tengah terlebih dahulu harus diketahui apakah jumlah data yang akan diobservasi berjumlah genap atau ganjil. Selain itu data juga harus diurutkan dimulai dari data dengan jumlah frekuensi transaksi terkecil hingga terbesar. Apabila jumlah data yang akan diobservasi genap, maka informasi letak nilai tengah diperoleh dari perhitungan rumus {[(n/2)+((n/2)+1)]/2},dengan n adalah jumlah frekuensi transaksi absensi yang terjadi pada periode yang diinputkan. Sedangkan apabila jumlah data yang akan diobservasi ganjil, maka informasi letak nilai tengah diperoleh dari perhitungan rumus [(n+1)/2],dengan n adalah jumlah frekuensi data kedispilinan pegawai yang terjadi pada periode yang diinputkan. Data transaksi kedisiplinan yang sudah diurutkan berdasarkan jumlah frekuensi transaksi dari yang terkecil hingga tahun terbesar sebagai berikut:
Periode Tahun 2014
Tabel 4.5. Periode Tahun 2014 Kode
Kategori Nama Kategori Jumlah Data
01 TEGURAN LISAN 0
02 TEGURAN TERTULIS 1
03 PERNYATAAN TIDAK PUAS SECARA TERTULIS 6
04 PENUNDAAN KENAIKAN GAJI BERKALA 11
05 PENUNDAAN KENAIKAN PANGKAT 5
06 PENURUNAN PANGKAT SELAMA 1 TAHUN 20
07 PENURUNAN PANGKAT SELAMA 3 TH. 14
08 PENURUNAN JABATAN 0
09 PEMBEBASAN DARI JABATAN 4
10 PEMBERHENTIAN DENGAN HORMAT TIDAK
ATAS PERMINTAAN SENDIRI SEBAGAI PNS 0
11 PEMBERHENTIAN DENGAN TIDAK HORMAT
SEBAGAI PNS 0
Jumlah total 61
Jumlah transaksi yang tejadi pada periode 2014 bernilai ganjil yaitu 61 maka perhitungan nilai varians menggunakan rumus berikut:
Nilai tengah terletak pada data ke- : = [(n+1)/2]
= [((61 +1)/2) = {[62] / 2} = 31
Berdasarkan perhitungan di atas maka nilai median terletak pada data transaksi penjualan dengan urutan data ke 31
Periode Tahun 2015
Tabel 4.6. Periode tahun 2015 Kode
Kategori Nama Kategori Jumlah Data
1 TEGURAN LISAN 0
2 TEGURAN TERTULIS 6
3 PERNYATAAN TIDAK PUAS SECARA TERTULIS 18
4 PENUNDAAN KENAIKAN GAJI BERKALA 11
5 PENUNDAAN KENAIKAN PANGKAT 2
6 PENURUNAN PANGKAT SELAMA 1 TAHUN 16
7 PENURUNAN PANGKAT SELAMA 3 TH. 6
8 PENURUNAN JABATAN 0
9 PEMBEBASAN DARI JABATAN 7
10 PEMBERHENTIAN DENGAN HORMAT TIDAK
ATAS PERMINTAAN SENDIRI SEBAGAI PNS 0
11 PEMBERHENTIAN DENGAN TIDAK HORMAT
SEBAGAI PNS 0
Jumlah total 66
Jumlah transaksi yang tejadi pada periode tahun 2015 bernilai genap yaitu 6 maka perhitungan nilai varians menggunakan rumus berikut:
Nilai tengah terletak pada data ke- : = {[(n/2)+((n/2)+1)]/2}
= {[(66 / 2) + ((66/ 2) + 1)] / 2} = 33,5
Berdasarkan perhitungan di atas maka nilai median terletak pada data transaksi penjualan dengan urutan data ke 33,5
4.2.5 Menampilkan Informasi Tingkat Keberagaman
Kategori yang digunakan untuk mengetahui perbandingan tingkat keberagaman frekuensi transaksi dari dua periode yang berbeda. Data yang akan digunakan sebagai perbandingan adalah data periode tahun 2014 dan tahun 2015. Tingkat keberagaman ini dihitung menggunakan ukuran sebaran varians. Varians merupakan ukuran sebaran data yang
menggunakan prinsip mencari jarak antara setiap data dengan pusatnya (rata-rata) yaitu apabila diaplikasikan ke dalam rumus, maka rumus
varians yaitu:
Gambar 4.2: Rumus Varians
Secara sederhana rumus tersebut dapat dijelaskan bahwa nilai
varians diperoleh dengan mengurangkan setiap data observasi dengan
rata-rata seluruh data, kemudian setiap hasil pengurangan tersebut dikuadratkan untuk selanjutnya semuanya dijumlahkan. Terakhir, hasil penjumlahan tersebut dibagi dengan (n -1), dengan n menyatakan banyaknya data. Data yang akan digunakan sebagai berikut:
Tabel 4.7. Rincian perhitungan varians tahun 2014 dan 2015 Perhitungan Varians 2014 dan 2015
KodeKategori 2014 S1 2015 S2 01 0 30,752066 0 36 02 1 20,661157 6 0 03 6 0,2066116 18 144 04 11 29,752066 11 25 05 5 0,2975207 2 16 06 20 208,93388 16 100 07 14 71,479339 6 0 08 0 30,752066 0 36 09 4 2,3884298 7 1 10 0 30,752066 0 36 11 0 30,752066 0 36 Jumlah 61 456,72727 66 430 Rata-Rata 5,545454545 6
S = (Jumlah Data Per Kategori - Rata-Rata)^2
Varians
Jml S / (jml Ktgri - 1)
2014 45,67272727
Berdasarkan data yang ditunjukkan Tabel 4.7 total transaksi yang terjadi pada periode tahun 2014 adalah 61 dan periode tahun 2015 adalah 66,jumlah kategori ada 11,sehingga rata-rata transaksi yaitu:
Untuk tahun 2014 𝑋 ̅ =𝑥1+𝑥2+⋯+𝑥𝑛 𝑛 = 6111 = 5,454545 Untuk April 2015 𝑋 ̅ =𝑥1+𝑥2+⋯+𝑥𝑛𝑛 = 66 11 = 6
a. Perhitungan varians tahun 2014
Varians untuk ID Kategori 1
S1 = (x − X)² = (0 – 5,454545)² = 30,752066
Varians untuk ID Kategori 2
S1 = (x − X)² = (1 – 5,454545)² = 20,661157
Varians untuk ID Kategori 3
S1 = (x − X)² = (6 – 5,454545)² = 0,2066116
Varians untuk ID Kategori 4
S1 = (x − X)² = (11 – 5,454545)² = 29,752066
Varians untuk ID Kategori 5
S1 = (x − X)² = (5 – 5,454545)² = 0,2975207
Varians untuk ID Kategori 6
S1 = (x − X)² = (20 – 5,454545)² = 208,93388
Varians untuk ID Kategori 7
S1 = (x − X)² = (14 – 5,454545)² = 71,479339
Varians untuk ID Kategori 8
Varians untuk ID Kategori 9
S1 = (x − X)² = (4 – 5,454545)² = 2,3884298
Varians untuk ID Kategori 10
S1 = (x − X)² = (0 – 5,454545)² = 30,752066
Varians untuk ID Kategori 11
S1 = (x − X)² = (0 – 5,454545)² = 30,752066
Varians transaksi tahun 2014 yaitu:
∑
𝑛𝑖=1=
(x1-
𝑋
̅
)²
n-1
= 456,72727
10
=45,67272727
b. Perhitungan varians Tahun 2015
Varians untuk ID Kategori 1
S1 = (x − X)² = (0 –6)² = 36
Varians untuk ID Kategori 2
S1 = (x − X)² = (6 – 6)² = 0
Varians untuk ID Kategori 3
S1 = (x − X)² = (18 – 6)² = 144
Varians untuk ID Kategori 4
S1 = (x − X)² = (11 – 6)² = 25
Varians untuk ID Kategori 5
S1 = (x − X)² = (2– 6)² = 16
Varians untuk ID Kategori 6
S1 = (x − X)² = (16 –6)² = 100
Varians untuk ID Kategori 7
S1 = (x − X)² = (6 – 6)² = 0
Varians untuk ID Kategori 8
Varians untuk ID Kategori 9 S1 = (x − X)² = (7 – 6)² = 1
Varians untuk ID Kategori 10
S1 = (x − X)² = (0– 6)² = 36
Varians untuk ID Kategori 10
S1 = (x − X)² = (0– 6)² = 36
Varians transaksi Tahun 2015 yaitu:
∑
𝑛𝑖=1=
(x1-
𝑋
̅
)²
n-1
= 430,000
10
=43
Nilai varians transaksi periode Tahun 2014 lebih besar dibandingkan dengan nilai varians transaksi periode Tahun 2015, ini berarti bahwa transaksi periode Tahun 2015 lebih beragam dibandingkan periode Tahun 2015. Frekuensi transaksi untuk masing-masing kategori kedisplinan pada periode tahun 2014 lebih beragam dan terdapat kategori kedispinan yang lebih dominan pada periode tersebut.
4.2.6 Menampilkan Grafik
Grafik merupakan visualisasi atau gambaran dari sekelompok data.Dengan melihat grafik dapat diketahui dimana letak kecenderungan berkumpulnya data dengan ditunjukkan oleh batang grafik yang tinggi dalam hal ini adalah kategori absensi yang sering terjadi,sedangkan batang grafik yang rendah menunjukkan kategori absensi yang jarang terjadi.
4.3 Perancangan Sistem Secara Umum
Dalam Implementasi Data Mining di BKD Kota Semarang ini digunakan alat bantu Data Flow Diagram (DFD) tersebut adalah
4.3.1 Context Diagram (Diagram Konteks)
Diagram Konteks Implementasi Data Mining sebagai berikut:
Gambar 4.4: Context Diagram
0 Implementasi Data Mining Disiplin Pegawai Bidang Disiplin Pegawai Kepala BKD Data_Pegawai Data_Jabatan Data_Satuan_Kerja Data_Unit_Kerja Data_Kategori Grafik_Disiplin_Pegawai Data_Disiplin_Pegawai Project Name : Project Path: Chart File: Chart Name: Created On: Created By: Modified On: Modified By:
Implementasi Data Mining c:\dfd\cahyo\
dfd00001.dfd
CD Implementasi Data Mining Jan-19-2017
Cahyo Jan-19-2017 Cahyo
4.3.2 DFD Level 0 Gambar 4.5: DFD Level 0 Pegawai 1 Master Data 2 Pendataan Pegawai 3 Disiplin Master_TJabatan Bidang Administrasi Kepegawaian Kepala BKD Master_TSkpd Master_TUnitKerja Master_Pegawai 4 Data Mining Master Disiplin Kategori Data_Jabatan Data_Satuan_Kerja Data_Unit_Kerja Master_TSkpd Master_Pegawai Data_Disiplin_Pegawai Master_TUnitKerja Data_Pegawai Master_TSkpd Master_TUnitKerja Master_TJabatan Master disiplin Master_TJabatan Master_Pegawai Grafik_Disiplin_Pegawai Master Disiplin Kategori Data_Kategori Project Name: Project Path: Chart File: Chart Name: Created On: Created By: Modified On: Modified By:
Implementasi Data Mining c:\dfd\cahyo\ dfd00003.dfd DFD Level 0 Implementasi DM Jan-19-2017 Cahyo Jan-19-2017 Cahyo Data_Golongan Master_Tgolongan Master_Tgolongan Master_Tgolongan Master_Tgolongan
4.3.3 DFD Level 1 Master Data
Gambar 4.6: DFD Level 1 Master Data Bidang Administrasi Kepegawaian 1.1 Pendataan Jabatan 1.2 Pendataan Unit Kerja 1.3 Pendataan Satuan Kerja 1.4 Pendataan Golongan Master_TJabatan Master_TUnitKerja Master_TSkpd Master_TGolongan Data_Jabatan Data_Unit_Kerja Data_Satuan_Kerja Data_Golongan Master_TJabatan Master_TUnitKerja Master_TSkpd Master_tgolongan Project Name: Project Path: Chart File: Chart Name: Created On: Created By: Modified On: Modified By:
Implementasi Data Mining c:\dfd\cahyo\
dfd00005.dfd
DFD Level 1 Proses Master Data Jan-19-2017
Cahyo
Jan-19-2017
4.3.4 DFD Level 1 Proses Data Mining
Gambar 4.7: DFD Level 1 Proses Data Mining Pegawai
Kategori 4.1 Pendataan Kategori Bidang Administrasi Kepegawaian Kepala BKD 4.2 Grafik Disiplin Pegawai Kategori Data_Kategori Kategori Project Name: Project Path: Chart File: Chart Name: Created On: Created By: Modified On: Modified By:
Implementasi Data Mining c:\dfd\cahyo\
dfd00006.dfd
DFD Level 1 Proses Data Mining Jan-19-2017 Cahyo Jan-19-2017 Cahyo Master Disiplin Master Disiplin
4.4 Perancangan Database
4.4.1 ERD (Entity Relationship Diagram) pegawai NoFinger nip namalengkap gelardpn gelarblk kotalhr tgllhr Gender agama kodepos kelurahan kecamatan kabupaten propinsi Alamat rt rw skpd N 1 Mempunyai golongan N 1 Jabatan N 1 N Kd_gol Kd_skpd Kd_jabatan Kd_Unitkerja Unit Kerja N 1 nip Kd_unitkerja Kd_UnitKerja Nm_UnitKerja Kd_jabatan Nm_jabatan Kd_skpd Nm_skpd Kd_gol Golruang pangkat nip Kd_gol Kd_skpd Kd_Jabatan nip nip nip Kd_ktg Pelanggaran 1 Pelanggaran 2 Pelanggaran 3 Tgl_skpgr No_skpgr Tmt_mulai Tmt_selesai Ket_pasal Nm_ktg Kd_ktg Mempunyai Mempunyai Mempunyai N Master_Disipl in kategori
Gambar 4.8: ERD (Entity Relationship Diagram)
4.4.2 Transformasi ERD Ke Basis Data Fisik
Secara umum, sebuah diagram E-R akan dipresentasikan menjadi sebuah basis data secara fisik. Sedangkan komponen-komponen ERD yang berupa entitas-entitas dan relasi akan ditransformasikan menjadi tabel-tabel yang merupakan komponen utama pembentuk basis data.
Relasi Unit Kerja
memiliki Unit Kerja
Nm_Unitkerja Kd_Unitkerja 1 Kd_unitkerja nip Pegawai nip Nama_Pgw Gelar_Dpn tempatlahir Gelar_Blk agama Gender tgllahir alamat rt rw kecamatan kelurahan kodepos provinsi kabupaten N NoFinger Kd_gol Kd_jabatan Kd_skpd Kd_UnitKerja
Gambar 4.9 : Relasi Unit Kerja
Karena relasi “Unitkerja” pada ERD diatas mempunyai derajat relasi Banyak ke Satu, maka himpunan relasi “Unitkerja” akan field Kd_unitkerja Include ke Entitas Pegawai, ada dua tabel yang dapat dibentuk dari ERD diatas yaitu, tabel Pegawai dan Unitkerja.
Tabel Pegawai
Nip No Finger Nama_pgw Gelar_Dpn Gelar_Blk
Kotalhr tgllhr Gender Agama Kodepos
Rw Kd_unitkerja Kd_gol Kd_Skpd Kd_jabatan Tabel Unitkerja Kd_Unitkerja Nm_unitkerja Relasi Jabatan Mempunyai Jabatan Nm_Jabatan Kd_Jabatan 1 Kd_Jabatan nip Pegawai nip Nama_Pgw Gelar_Dpn tempatlahir Gelar_Blk agama Gender tgllahir alamat rt rw kecamatan kelurahan kodepos provinsi kabupaten N NoFinger Kd_gol Kd_jabatan Kd_skpd Kd_unitkerja
Gambar 4.10 : Relasi Jabatan
Karena relasi “Jabatan” pada ERD diatas mempunyai derajat relasi Banyak ke Satu, maka himpunan relasi “Jabatan” akan field Kd_Jabatan Include ke Entitas Pegawai, ada dua tabel yang dapat dibentuk dari ERD diatas yaitu, tabel Pegawai dan Jabatan.
Tabel Pegawai
Nip No Finger Nama_pgw Gelar_Dpn Gelar_Blk
Kotalhr tgllhr Gender Agama Kodepos
Kelurahan Kecamatan Kabupaten Provinsi Rt
Rw Kd_unitkerja Kd_gol Kd_Skpd Kd_jabatan
Tabel Jabatan
Relasi SKPD SKPD Bagian Nm_skpd Kd_skpd 1 N nip Kd_skpd Pegawai nip Nama_Pgw Gelar_Dpn tempatlahir Gelar_Blk agama Gender tgllahir alamat rt rw kecamatan kelurahan kodepos provinsi kabupaten NoFinger Kd_gol Kd_skpd Kd_jabatan Kd_unitkerja Gambar 4.11 : Relasi SKPD
Karena relasi “SKPD” pada ERD diatas mempunyai derajat relasi Banyak ke Satu, maka himpunan relasi “SKPD” akan field Kd_SKPD Include ke Entitas Pegawai, ada dua tabel yang dapat dibentuk dari ERD diatas yaitu, tabel Pegawai dan SKPD.
Tabel Pegawai
Nip No Finger Nama_pgw Gelar_Dpn Gelar_Blk
Kotalhr tgllhr Gender Agama Kodepos
Rw Kd_unitkerja Kd_gol Kd_skpd Kd_jabatan Tabel SKPD Kd_SKPD Nm_SKPD Relasi Golongan Golongan Mempunyai GolRuang Kd_Golongan nip Kd_Gol 1 N Pegawai No Finger NIP Nama_Pgw Gelar_Dpn tempatlahir Gelar_Blk agama Gender tgllahir alamat rt rw kecamatan kelurahan kodepos provinsi kabupaten Kd_gol Pangkat Kd_skpd Kd_jabatan Kd_unitkerja
Gambar 4.12 : Relasi Golongan
Karena relasi “Golongan” pada ERD diatas mempunyai derajat relasi Banyak ke Satu, maka himpunan relasi “Golongan” akan field Kd_Gol Include ke Entitas Pegawai, ada dua tabel yang dapat dibentuk dari ERD diatas yaitu, tabel Pegawai dan Golongan.
Tabel Pegawai
Nip No Finger Nama_pgw Gelar_Dpn Gelar_Blk
Kotalhr Tgllhr Gender Agama Kodepos
Kelurahan Kecamatan Kabupaten Provinsi Rt
Rw Kd_unitkerja Kd_gol Kd_skpd Kd_jabatan
Tabel Golongan
Relasi Disiplin Master_disiplin Kategori Nm_ktg Kd_ktg N Kd_ktg nip Pegawai nip Nama_Pgw Gelar_Dpn tempatlahir Gelar_Blk agama Gender tgllahir alamat rt rw kecamatan kelurahan kodepos provinsi kabupaten N NoFinger Kd_gol Kd_jabatan Kd_skpd Kd_UnitKerja
Pelanggaran 1 Pelanggaran 2 Pelanggaran 3
No_skpgr Tgl_skpgr Tmt_mulai Tmt_selesai Ket_pasal
Gambar 4.13 : Relasi Disiplin
Karena relasi “Disiplin” pada ERD diatas mempunyai derajat relasi banyak ke banyak, maka himpunan relasi “Disiplin” akan field nip, Kd_ktg, pelanggaran 1, pelanggaran 2, pelanggaran 3, no_skpgr, tgl_skpgr, tmt_mulai, tmt_selesai, dan ket_pasal menjadi tabel master_disiplin, dan ada tga tabel yang dibentuk dari ERD diatas yaitu tabel pegawai, tabel master_disiplin, dan tabel kategori.
Tabel Pegawai
Nip No Finger Nama_pgw Gelar_Dpn Gelar_Blk
Kelurahan Kecamatan Kabupaten Provinsi Rt
Rw Kd_unitkerja Kd_gol Kd_skpd Kd_jabatan
Tabel master_disiplin
Nip Kd_ktg Pelanggaran1 Pelanggaran2 Pelanggaran3
No_skpgr Tgl_skpgr Tmt_mulai Tmt_selesai Ket_pasal
Tabel Kategori
Nm_ktg Kd_ktg
4.4.3 Relasi Tabel
Dari transformasi dan pembuktian tabel maka dapat ditentukan relasi dari tiap-tiap tabel secara menyeluruh, adapun tabel relasinya sebagai berikut : Master_pgw NIP * NoFinger Nm_pgw Gelar_dpn Gelar_blk Kotalhr Gender Agama Sts_kawin Alamat Rt Rw Kelurahan Kecamatan Kabupaten kodepos Propinsi Kd_unitkerja ** Kd_gol ** Kd_jabatan ** Kd_skpd ** SKPD Kd_skpd * Nm_skpd JABATAN Kd_jabatan * Nm_jabatan GOLONGAN Kd_gol * GolRuang Pangkat UNIT KERJA Kd_unitkerja * Nm_unitkerja Master_disiplin NIP Kd_ktg ** Pelanggaran 1 Pelanggaran 2 Pelanggaran 3 No_skpgr Tgl_skpgr Tmt_mulai Tmt_selsei Ket_pasal KATEGORI Kd_ktg * Nm_ktg
4.4.4 Struktur File Database
a. Struktur Tabel Jabatan File data: master_tjabatan.db Field kunci: Kd_Jabatan
Tabel 4.8. Struktur Tabel Jabatan
Field Type Width Decimal Keterangan
Kd_Jabatan Char 7 - Kode Jabatan
Nm_Jabatan Char 100 - Nama Jabatan
b. Struktur Tabel SKPD File data: master_tskpd.db Field Kunci:Kd_Skpd
Tabel 4.9. Struktur Tabel SKPD
c. Struktur Tabel Golongan
File data : master_tgolongan.db Field Kunci :Kd_Gol
Tabel 4.10 Struktur Tabel Golongan
d. Struktur Tabel UnitKerja
File data : master_tunitkerja.db Field Kunci : Kd_Unitkerja
Field Type Width Decimal Keterangan
Kd_Skpd Char 3 - Kode Skpd
Nm_Skpd Char 75 - Nama Skpd
Field Type Width Decimal Keterangan
Kd_Gol Char 2 - Kode Golongan
GolRuang Char 5 - Golongan Ruang
Tabel 4.11 Struktur Tabel Unit Kerja
e. Struktur Tabel Pegawai File data: master_pgw.db Field Kunci: NIP
Tabel 4.12 Struktur Tabel Pegawai
Field Type Width Decimal Keterangan
Nip Char 18 - Nip
NoFinger Char 24 - No Finger
Nama_Pgw Char 50 - Nama Pegawai
Gelar_Dpn Char 12 - Gelar Depan
Gelar_Blk Char 15 - Gelar Belakang
Kotalhr Char 5 - Kota Lahir
Tgllahir Date - - Tanggal Lahir
Gender Char 10 - Jenis Kelamin
Agama Char 10 - Agama
GolDarah Char 5 - Golongan Darah
Sts_Kawin Char 15 - Status Perkawinan
Alamat Char 50 - Alamat
Rt Char 5 - RT
Rw Char 5 - RW
Kelurahan Char 30 - Kelurahan
Kecamatan Char 40 - Kecamatan
Kabupaten Char 40 - Kabupaten
Field Type Width Decimal Keterangan
Kd_Unitkerja Char 6 - Kode Unit Kerja
Nm_Unitkerja Char 80 - Nama Unit Kerja
Kodepos Char 5 - Kodepos
Provinsi Char 40 - Provinsi
Kd_unitkerja Char 6 - Kode Unit Kerja
Kd_Gol Char 2 - Kode Golongan
Kd_Jabatan Char 7 - Kode Jabatan
Kd_Skpd Char 3 - Kode Skpd
f. Struktur Tabel Kategori File data: Kategori.db Field Kunci: kd_Ktg
Tabel 4.13 Struktur Tabel Kategori
g. Struktur Tabel Disiplin File data: master_disiplin.db Field Kunci: kd_hukuman
Tabel 4.14 Struktur Tabel Disiplin
Field Type Width Decimal Keterangan
Kd_ktg Char 2 - Kode Kategori
Nm_Ktg Char 30 - Nama Kategori
Field Type Width Decimal Keterangan
nip Char 18 - nip
Kd_ktg Char 2 - Kode kategori
Pelanggaran1 Text - - Pelanggaran yang
dilakukan
Pelanggaran2 text - - Pelanggaran yang
dilakukan
Pelanggaran3 text - - Pelanggaran yang
dilakukan
pelanggaran
Tgl_skpgr Date - - Tanggal sk
pelanggaran
Tmt_mulai Date - - Mulai hukuman
Tmt_selesai Date - - Selesai hukuman