i
PENERAPAN SLOWLY CHANGING DIMENSIONS UNTUK
MENDUKUNG PEMBENTUKAN DIMENSI DINAMIS PADA DATA
WAREHOUSE
(Studi Kasus: Dinas Kependudukan dan Pencatatan Sipil Kabupaten Klaten)
Skripsi
Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika
Oleh:
Gadis Pujiningtyas Rahayu NIM : 085314079
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA YOGYAKARTA
ii
THE IMPLEMENTATION OF SLOWLY CHANGING DIMENSIONS FOR SUPPORTING THE FORMATION OF DYNAMIC DIMENSION IN
THE DATA WAREHOUSE
(Case Study: Dinas Kependudukan dan Pencatatan Sipil Kabupaten Klaten)
A Thesis
Presented as Partial Fullfillment of the Requirements To Obtain the Sarjana Komputer Degree
By:
Gadis Pujiningtyas Rahayu NIM : 085314079
INFORMATICS ENGINEERING STUDY PROGRAM FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY YOGYAKARTA
vii
KATA PENGANTAR
Segala puji syukur penulis panjatkan kepada Allah Bapa di Surga, karena berkat dan penyertaan-Nya penulis dapat menyelesaikan penyusunan tugas akhir yang berjudul “Penerapan Slowly Changing Dimensions untuk Mendukung Pembentukan Dimensi Dinamis Pada Data Warehouse (Studi Kasus : Dinas Kependudukan dan Pencatatan Sipil Kabupaten Klaten)”. Tugas akhir ini disusun sebagai salah satu syarat untuk memperoleh gelar sarjana strata satu pada Program Studi Teknik Informatika Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta. Pada saat pengerjaan tugas akhir ini penulis banyak mendapatkan bantuan dari berbagai pihak, oleh karena itu penulis ingin mengucapkan terima kasih kepada:
1. Ibu Ridowati Gunawan, S.Kom, M.T. Ketua Prodi Teknik Informatika sekaligus dosen pembimbing. Yang telah memberikan bimbingan, arahan, saran, petunjuk-petunjuk, meluangkan waktu, dan kebaikannya sehingga penulis dapat menyelesaikan tugas akhir ini.
2. Ibu Paulina Heruningsih Prima Rosa, SSi., MSc, selaku Dekan Fakultas Sains dan Teknologi dan dosen penguji.
3. Ibu Sri Hartati Wijono, S.Si., M.Kom selaku dosen penguji yang telah memberikan kritik dan saran
4. Kedua orang tua, Bapak Supriyanta dan Ibu Sri Poniyem, dan adik Betrik yang selalu memberikan dukungan, doa, perhatian, semangat, dan motivasi.
5. Bapak Rudy Widodo, selaku Admin DISDUKCAPIL Kabupaten Klaten, yang telah mengizinkan penulis untuk melakukan studi kasus.
7. Sahabat dan teman-teman semua, Ancel, Siska, Endra, Ika, Esy, Vava, Reza, Lie, Roy, Kevin, Angga, Surya dan semua temen-teman TI’08 yang selalu membantu penulis saat mengalami kesulitan dalam mengerjakan Tugas Akhir ini, dan selalu memberikan dukungan semangat dan doa.
8. Serta semua pihak yang tidak dapat disebutkan satu per satu yang telah membantu penulis dalam menyelesaikan tugas akhir ini.
Penulis merasa masih banyak kekurangan dalam penyusunan laporan tugas akhir ini. Untuk itu, penulis mengharapkan saran dan kritik yang membangun dari pembaca. Semoga tugas akhir ini dapat bermanfaat, khususnya pada bidang Teknik Informatika.
ix
PENERAPAN SLOWLY CHANGING DIMENSIONS UNTUK
MENDUKUNG PEMBENTUKAN DIMENSI DINAMIS PADA DATA
WAREHOUSE
(Studi Kasus : Dinas Kependudukan dan Pencatatan Sipil Kabupaten Klaten)
Gadis Pujiningtyas Rahayu
ABSTRAK
x
THE IMPLEMENTATION OF SLOWLY CHANGING DIMENSIONS FOR SUPPORTING THE FORMATION OF DYNAMIC DIMENSION IN
THE DATA WAREHOUSE
(Case Study : Dinas Kependudukan dan Pencatatan Sipil Kabupaten Klaten)
Gadis Pujiningtyas Rahayu
ABSTRACT
xi DAFTAR ISI
HALAMAN PERSETUJUAN ... iii
HALAMAN PENGESAHAN... iv
LEMBAR PERNYATAAN PERSETUJUAN ... v
HALAMAN KEASLIAN KARYA ... vi
KATA PENGANTAR ... vii
ABSTRAK………..ix
ABSTRACT……….x
DAFTAR ISI………...xi
DAFTAR GAMBAR ... xiv
DAFTAR TABEL ... xviii
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan masalah ... 3
1.3 Tujuan ... 3
1.4 Batasan Masalah ... 3
1.5 Metodologi Penelitian ... 4
1.6 Sistematika Penulisan ... 5
BAB II LANDASAN TEORI ... 7
2.6 Tahapan Membangun Data Warehouse ... 13
2.7 Data Staging ... 14
2.8 Extract, Transform, dan Load (ETL)... 15
2.9 Multi Dimensional Modelling ... 15
2.9.1 Cube, Dimension, Measure , dan Member ... 15
2.9.2 Tabel Fakta dan Dimensi (Fact and Dimension Tabels) ... 16
2.9.3 Skema Bintang (Star schema) ... 16
2.11 Pentaho Data Integration (Kettle) ... 17
2.11.1 Pentaho Data Integration ... 17
2.11.2 Komponen Aplikasi Kettle ... 18
2.12 Slowly Changing Dimensions (SCD) ... 19
BAB III ANALISIS DAN PERANCANGAN SISTEM ... 21
3.1 Analisis Sistem Yang Sudah Berjalan ... 21
3.1.1 Kelemahan Sistem yang Ada Sekarang ... 22
3.2 Analisis Kebutuhan Pengguna ... 22
3.3 Alternatif Pemecahan Masalah ... 23
3.4 Gambaran Umum Sistem Yang Akan Dikembangkan ... 23
3.5 Perancangan Kebutuhan Fungsional ... 24
3.5.1 Diagram use case ... 24
3.5.2 Narasi use case diagram ... 24
3.6 Perancangan Data Warehouse ... 26
3.6.1 Memilih Proses (Choosing The Process) ... 26
3.6.2 Memilih Sumber (Choosing The Grain) ... 27
3.6.3 Indetifying and Conforming the Dimension (identifikasi dan konfirmasi dimensi) ... 28
3.6.4 Choosing the Facts (pemilihan fakta) ... 28
3.6.5 Storing Pre-Calculation In the Fact Table (penyimpanan Pre- Calculation di tabel fakta) ... 28
3.6.6 Rounding Out the Dimension Tables (melengkapi tabel dimensi) ... 29
3.6.7 Choosing the Duration of the Database (pemilihan durasi database) ... 35
3.6.8 Tracking SCD (melacak SCD) ... 35
3.6.9 Deciding the Query Priorities and the Query Modes (memutuskan prioritas query dan mode query) ... 36
3.7 Model OLAP ... 36
3.8 Rancangan Star schema untuk Database OLAP ... 36
BAB IV IMPLEMENTASI SISTEM DAN ANALISIS SISTEM ... 38
4.1 Implementasi Arsitektur Data Warehouse ... 38
4.2 Implementasi Integrasi Data ... 39
xiii
4.2.2 Implementasi Memecah Data Warehouse Membentuk Tabel Fakta dan Tabel
Dimensi ... 42
4.3 Pembentukan Dimensi Dinamis ... 42
4.4 Implemenstasi Star schema untuk database OLAP ... 45
4.4.1 Star schema kubus Penduduk ... 45
4.5 Implemenstasi Proses Transfer Data ... 46
4.6 Antar Muka Pengguna Sistem OLAP ... 47
BAB V ANALISIS HASIL ... 49
5.1 Hasil Pengujian Implementasi SCD type 2 pada Database ... 49
5.1.1 Data Dimensi ... 49
5.2 Hasil Pengujian Historical Data ... 50
5.3 Hasil Kuesioner ... 52
5.4 Kelebihan Sistem ... 53
5.5 Kelemahan Sistem ... 53
BAB VI PENUTUP ... 54
6.1 Kesimpulan ... 54
6.2 Saran ... 54
DAFTAR PUSTAKA ... 55 LAMPIRAN
LAMPIRAN 1 PEMILIHAN FIELD DARI DATABASE SIAKDB ... 1-1 LAMPIRAN 2 RANCANGAN INTEGRASI DATA ... 2-1 LAMPIRAN 3 RANCANGAN MEMECAH DATA MEMBENTUK TABEL FAKTA
DAN DIMENSI... 3-1 LAMPIRAN 4 IMPLENTASI INTEGRASI DATA ... 4-1 LAMPIRAN 5 IMPLEMENTASI MEMECAH DATA MEMBENTUK TABEL
xiv
DAFTAR GAMBAR
Gambar 2. 1 Arsitektur Gudang Data ... 12
Gambar 2. 2 Sistem Kerja Data Warehouse ... 15
Gambar 2. 3 Star schema dari PHI-Minimart ... 17
Gambar 3. 1 Proses pembuatan Laporan ... 21
Gambar 3. 2 Diagram use case proses integrasi data dan analisis data ... 24
Gambar 3. 3 Alur proses pembentukan tabel dan proses transformasi data ... 33
xv
Gambar 3. 29 Pembentukan Tabel Dimensi Pekerjaan ... 3-2 Gambar 3. 30 Pembentukan Tabel Dimensi Pendidikan ... 3-2 Gambar 3. 31 Pembentukan Tabel Dimensi Golongan Darah ... 3-3 Gambar 3. 32 Pembentukan Tabel Dimensi Jenis Kelamin ... 3-3 Gambar 3. 33 Pembentukan Tabel Dimensi Akta Kawin ... 3-3 Gambar 3. 34 Pembentukan Tabel Dimensi Akta Cerai ... 3-4 Gambar 3. 35 Pembentukan Tabel Dimensi Akta Lahir ... 3-4 Gambar 3. 36 Pembentukan Tabel Dimensi Wilayah ... 3-4 Gambar 3. 37 Pembentukan Tabel Dimensi penyandang cacat ... 3-5 Gambar 3. 38 Pembentukan Tabel Dimensi Kelompok Umur ... 3-5 Gambar 3. 39 Pembentukan Tabel tf_penduduk ... 3-6
Gambar 4. 1Arsitektur Data Warehouse ... 38
Gambar 4. 2 Struktur Tabel ms_aktalahir ... 42
Gambar 4. 3 Data ms_aktalahir ... 42
Gambar 4. 4 ms_aktalahir.ktr ... 43
Gambar 4. 5 Struktur Tabel dim_aktalahir_scd ... 44
Gambar 4. 6 Pembentukan dim_aktalahir_scd dengan menerapkan SCD type 2 ... 44
Gambar 4. 7 Data setelah ms_aktalahir diinsert dan di-update ... 45
Gambar 4. 8 Data setelah pembentukan dim_aktalahir_scd dr ms_aktalahir yang mengalami pergerakan dimensi ... 45
Gambar 4. 9 Star schema kubus Penduduk pada PendudukPemilu.xml ... 46
xvii
Gambar 4. 57 dim_kelumur_scd.ktr ... 5-15 Gambar 4. 58 Tabel dim_kelumur_scd ... 5-16 Gambar 4. 59 TF_PENDUDUK.ktr ... 5-16 Gambar 4. 60 Tabel TF_PENDUDUK ... 5-20 Gambar 4. 61 Struktur pembentukan Dimensi Agama ... 6-2 Gambar 4. 62 Struktur pembentukan Dimensi Pekerjaan ... 6-2 Gambar 4. 63 Struktur pembentukan Dimensi Pendidikan ... 6-2 Gambar 4. 64 Struktur pembentukan Dimensi Golongan Darah ... 6-3 Gambar 4. 65 Struktur pembentukan Dimensi Jenis Kelamin ... 6-3 Gambar 4. 66 Struktur pembentukan Dimensi Akta Kawin ... 6-3 Gambar 4. 67 Struktur pembentukan Dimensi Akta Cerai ... 6-4 Gambar 4. 68 Struktur pembentukan Dimensi Akta Lahir ... 6-4 Gambar 4. 69 Struktur pembentukan Dimensi Wilayah ... 6-5 Gambar 4. 70 Struktur pembentukan Dimensi Penyandang Cacat ... 6-5 Gambar 4. 71 Struktur pembentukan Dimensi Kelompok Umur ... 6-5 Gambar 4. 72 Halaman Home... 7-2 Gambar 4. 73 Halaman pembuatan laporan berdasarkan agama ... 7-2 Gambar 4. 74 Halaman pembuatan laporan berdasarkan golongan darah. ... 7-3 Gambar 4. 75 Halaman pembuatan laporan berdasarkan jenis kelamin. ... 7-4 Gambar 4. 76 Halaman pembuatan laporan berdasarkan pendidikan. ... 7-5 Gambar 4. 77 Halaman pembuatan laporan berdasarkan penyandang cacat. ... 7-6 Gambar 4. 78 Halaman pembuatan laporan berdasarkan umur ... 7-7 Gambar 4. 79 Halaman pembuatan laporan berdasarkan umur,kelamin dan akta lahir. .. 7-8 Gambar 4. 80 Halaman Lihat Data Histori Penduduk ... 7-8
Gambar 5. 1 Sebelum dim_aktalahir_scd mengalami pergerakan dimensi ... 49
Gambar 5. 2 Setelah dim_aktalahir_scd mengalami pergerakan dimensi ... 50
Gambar 5. 3 Data yang akan dipilih untuk di-update ... 50
Gambar 5. 4 Data yang telah di-update ... 51
Gambar 5. 5 Form untuk melihat Histori Data Penduduk ... 51
xviii
DAFTAR TABEL
Tabel 2. 1 Perbandingan Sistem OLTP dan Sistem Data warehouse... 9
Tabel 3. 1 Narasi use case melihat hasil OLAP ... 24
Tabel 3. 2 Narasi use case membuat laporan dari hasil OLAP ... 25
Tabel 3. 3 Narasi use case melihat Histori data penduduk ... 26
Tabel 3. 4. Tabel Fakta yang Terpilih ... 28
Tabel 3. 5 Tabel yang digunakan sebagai sumber data ... 29
Tabel 3. 6 Tabel aktivitas dan tujuan proses pemilihan field yang akan diperlukan dari database SIAKDB ... 29
Tabel 4. 1Tabel Aktivitas dan Tujuan dari Integrasi Data Transaksional dan Data Master dari Database SIAKDB ke database Penduduk ... 40
Tabel 4. 2 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_aktalahir dari ms_aktalahir ... 43
Tabel 4. 3 queryinsert-update ms_aktalahir ... 44
Tabel 4. 4 Kode Perintah automatisasi.bat ... 46
Tabel 4. 5 Struktur lap_aktalhtjeniskelumur.jsp………47 Tabel 4. 6 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data
transaksi dari biodata_wni dan ms_bantuumur ... 4-2 Tabel 4. 7 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data
ms_agama dari options_wni... 4-5 Tabel 4. 8 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data
ms_ pekerjaan dari options_wni ... 4-7 Tabel 4. 9 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data
ms_ pendidikan dari options_wni ... 4-8 Tabel 4. 10 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data
ms_golongandarah dari options_wni ... 4-9 Tabel 4. 11 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data
ms_ jeniskelamin dari options_wni... 4-11 Tabel 4. 12 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data
ms_ aktakawin dari ms_ aktakawin ... 4-12 Tabel 4. 13 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data
xix
Tabel 4. 14 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_aktalahir dari ms_aktalahir ... 4-15 Tabel 4. 15 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
ms_kec dari setup_kec ... 4-16 Tabel 4. 16 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
ms_kelurahan dari setup_kel ... 4-18 Tabel 4. 17 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi ms_
pnyandangcacat dari penyandangcacat ... 4-20 Tabel 4. 18 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
ms_kelompokumur dari ms_kelompokumur ... 4-21 Tabel 4. 19 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
pembentukan tabel dim_agama_scd dari tabel ms_agama ... 5-2 Tabel 4. 20 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
pembentukan tabel dim_agama_scd dari tabel ms_agama ... 5-3 Tabel 4. 21 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
pembentukan tabel dim_pendidikan_scd dari tabel ms_pendidikan ... 5-4 Tabel 4. 22 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
pembentukan tabel dim_goldrh_scd dari tabel ms_golongandarah ... 5-6 Tabel 4. 23 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
pembentukan tabel dim_jeniskel_scd dari tabel ms_ jeniskelamin ... 5-7 Tabel 4. 24 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
pembentukan tabel dim_aktakawin_scd dari tabel ms_aktakawin ... 5-8 Tabel 4. 25 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
pembentukan tabel dim_aktacerai_scd dari tabel ms_aktacerai ... 5-10 Tabel 4. 26 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
pembentukan tabel dim_aktalahir_scd dari tabel ms_aktalahir ... 5-11 Tabel 4. 27 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi tabel dim_wilayah_scd dari tabel ms_kelurahan dan ms_kec. ... 5-12 Tabel 4. 28 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
pembentukan tabel dim_pydgcct_scd dari tabel ms_pnyandangcacat ... 5-14 Tabel 4. 29 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
pembentukan tabel dim_kelumur_scd dari tabel ms_kelompokumur... 5-15 Tabel 4. 30 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi
1 BAB I PENDAHULUAN
1.1 Latar Belakang
Data dapat digunakan untuk membantu suatu instansi pemerintah, organisasi, perusahaan, maupun perorangan dalam memperoleh informasi yang dibutuhkan. Data yang ada akan menjadi lebih informatif jika dilakukan suatu proses pengolahan. Informasi tersebut dapat digunakan untuk banyak hal, antara lain adalah untuk membuat laporan Kependudukan dan Pencatatan Sipil dari setiap kota dalam rangka penyusunan Buku Data Kependudukan.
Informasi dan data yang dikelola atau dimiliki oleh Pemerintahan Daerah salah satunya adalah dari Dinas Kependudukan dan Pencatatan Sipil (DISDUKCAPIL) Kabupaten Klaten, kini telah berubah menjadi aset berharga untuk menentukan keputusan dalam perencanaan pembangunan dan pengembangan daerah guna pengambilan kebijakan Pemerintah dalam rangka menyejahterakan penduduk. Tanpa pengelolaan dan pemanfaatan data maupun informasi tersebut secara maksimal maka boleh dikatakan Pemerintah tersebut tidak memaksimalkan salah satu potensi yang dimiliki untuk memantau kesejahteraan penduduknya.
Untuk mendukung pengelolaan data yang baik, utamanya bagi Pemerintah Daerah yang memiliki data penduduk dengan volume besar dan tersebar ke dalam database terpisah, dewasa ini telah ada teknologi Data Warehouse yang dapat menggabungkan data dari berbagai sumber data operasional dan sinkronisasi datanya dapat dilakukan secara periodik maupun real time, disesuaikan dengan kebutuhan yang ada. “A Data Warehouse is a Subject Oriented, Integrated, Non-Volatile, and Time-variant collection of data in support of management’s decisions” (Inmon,2005). Penerapan Data Warehouse yang baik dan sesuai dengan kebutuhan secara otomatis memudahkan pengelolaan data dan proses pengambilan informasi dari sumber data. Selanjutnya adalah bagaimana data tersebut dapat disajikan secara informatif.
3
kawin, akta lahir, akta cerai, pendidikan, kecamatan, usia, wilayah dan golongan darah ).
Admin masing-masing Kecamatan mengentrikan data penduduk yang disimpan kedalam database SIAKDB dan dapat diambil dengan mudah rangkuman datanya ketika digudangkan dalam suatu basisdata besar (Data Warehouse ) terlebih dahulu. Data yang telah disimpan dapat mengalami perubahan, hal ini menunjukkan aspek dinamis dari Data Warehouse sehingga memerlukan updating beberapa dimensi. Perubahan-perubahan dalam catatan dimensi dapat menyebabkan situasi tidak teratur jika tidak diperlakukan dengan baik. Untuk mendukung pembentukan dimensi yang dinamis dalam sebuah Data Warehouse diimplementasikan sebuah kriteria Dimensional yaitu Slowly Changing Dimensions (SCD) sehingga data Histori dapat tersimpan dan diakses sewaktu-waktu. Data Warehouse yang dengan teknologi OLAP (Online Analytical Processing) memungkinkan dilakukan query dengan cepat dan menghasilkan informasi secara multidimensi.
1.2 Rumusan masalah
Berdasarkan latar belakang masalah tersebut maka rumusan masalah yang akan dipaparkan adalah : Bagaimana membangun sistem database OLAP (Online Analytical Processing) dengan dengan mengimplementasikan SCD type 2 yang mendukung pembentukan dimensi dinamis pada Data Warehouse untuk membantu DISDUKCAPIL Kabupaten Klaten dalam mengelola data penduduk.
1.3 Tujuan
Menerapkan SCD type 2 dalam pembentukan dimensi dinamis pada Data Warehouse untuk membangun sistem database OLAP.
1.4 Batasan Masalah
1. Data penduduk yang digunakan adalah data penduduk yang ada di DISDUKCAPIL Kabupaten Klaten.
2. Informasi OLAP yang terbentuk digunakan oleh DISDUKCAPIL Kabupaten Klaten dalam membantu penyusunan laporan data penduduk kepada DINAKERTRANSDUK.
3. Dalam mendukung dimensi yang dinamis diterapkan SDC type 2 untuk menyimpan Histori data penduduk.
4. Penerapan SDC type 2 dan pembangunan Data Warehouse menggunakan tools kettle.
5. OLAP server yang digunakan yaitu Mondrian.
6. Sistem OLAP yang dibangun hanya untuk melengkapi fitur SIAK dan tampilan dibuat sesederhana mungkin sesuai dengan keiinginan pihak DISDUKCAPIL Kabupaten Klaten.
1.5 Metodologi Penelitian
Metodologi penelitian yang dilaksanakan dalam penyusunan Tugas Akhir ini adalah sebagai berikut:
1. Mengumpulkan informasi dan data a) Metode Analisis
Metode ini digunakan untuk mendapatkan informasi yang diperlukan untuk mencapai tujuan. Metode ini terdiri dari beberapa tahapan yaitu :
a. Studi kepustakaan
5
Melakukan wawancara dengan bapak Rudy Widodo selaku Admin SIAK di DISDUKCAPIL Kabupaten Klaten pada tanggal 10 Februari 2012 untuk mengetahui hal–hal lain yang berhubungan dengan perancangan aplikasi data warehouse ini, sehingga program yang dihasilkan sesuai dengan yang diharapkan.
c. Analisis data terhadap hasil survey
Melakukan analisis secara deskriptif terhadap informasi-informasi yang telah didapatkan dari hasil wawancara dengan bapak Rudy Widodo selaku Admin SIAK di DISDUKCAPIL Kabupaten Klaten pada tanggal 10 Februari 2012 untuk mengindentifikasi masalah, dan mencari solusi yang tepat untuk pemecahan masalah tersebut. b) Metode Perancangan
Metode yang dipakai untuk merancang data warehouse adalah menggunakan Nine-Step Methodology menurut Kimball (lihat 2.6). 2. Pengujian SCD type 2.
a. Menyiapkan data baru yang akan ditransformasi membentuk dimensi. b. Menyiapkan data penduduk baru yang mempunyai data dimensi baru. c. Melakukan transformasi implementasi SDC type 2.
d. Melihat hasil database OLAP dan report histori data penduduk dari antar muka pengguna.
3. Membuat kesimpulan.
1.6 Sistematika Penulisan Bab I Pendahuluan
Bab ini berisi tentang pembahasan latar belakang, rumusan masalah, tujuan, batasan masalah, metodologi penelitian, dan sistematika penulisan.
Bab ini membahas sekilas tentang Data Warehouse dan juga teori-teori lain yang mendukung dalam penulisan tugas akhir ini.
Bab III Analisis dan Perancangan Sistem
Bab ini membahas langkah-langkah yang akan dilakukan dalam penelitian serta proses analisa dari langkah-langkah tersebut yang kemudian akan diimplementasikan.
Bab IV Implementasi dan Analisis Sistem
Bab ini memuat proses penerapan SDC type 2 yang mendukung pembentukan dimensi dinamis pada Data Warehouse.
Bab V Analisis Hasil
Bab ini berisi hasil implementasi sistem yang telah dibangun dan pengujian sistem.
Bab VI Penutup
7 BAB II
LANDASAN TEORI
2.1 Pengertian Data Warehouse
Menurut W.H. Inmon (1992) Data Warehouse didefinisikan sebagai sekumpulan data yang terintegrasi, basis data berorientasi subyek yang di desain untuk mendukung fungsi sistem penggambilan keputusan, dimana setiap unit dari data adalah non-volatile dan relevan untuk waktu tertentu (Connolly dkk,2008).
2.2 Fungsi Data Warehouse
Data Warehouse mempunyai kegunaan sebagai berikut [2]: 1. Pembuatan laporan
Pembuatan laporan merupakan salah satu kegunaan Data Warehouse yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari, perbulan, pertahun atau jangka waktu kapanpun yang diinginkan.
2. OnLine Analytical Processing (OLAP)
Dengan adanya Data Warehouse, semua informasi baik detail maupun summary yang dibutuhkan dalam proses analisa mudah didapat. Fasilitas lain yang ada pada software OLAP adalah fasilitas roll – up dan drill – down. Drill – down adalah kemampuan untuk melihat detail dari suatu informasi dan roll – up adalah kebalikannya.
3. Data mining
Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya.
4. Proses informasi eksekutif
mempermudah proses pengambilan keputusan. Informasi dan data pada laporan Data Warehouse menjadi target informative bagi user.
2.3 Keuntungan Data Warehouse
Keuntungan yang dapat diambil saat menerapkan data warehouse[2] : 1. Meningkatkan produktifitas dari pengambilan keputusan perusahaan /
organisasi / instansi.
Data warehouse meningkatkan produktifitas dari pengambil keputusan dengan membuat integrasi database yang konsisten, berorientasi subjek dan Histori kal data. Data warehouse mengintegrasikan data dari banyak sistem yang tidak kompatibel menjadi suatu bentuk yang menyediakan satu tampilan yang konsisten mengenai perusahaan. Dengan mentransformasikan data menjadi informasi yang berguna, data warehouse mengijinkan si pengambil keputusan untuk melakukan analisis lebih sesuai dengan kenyataan, akurat dan konsisten.
2. Potensi ROI (Return Of Investment) yang besar.
Suatu perusahaan akan mengeluarkan sumber daya yang cukup besar untuk mengimplementasikan data warehouse dan pengeluaran yang berbeda-beda sesuai dengan variasi solusi teknikal yang akan diterapkan pada perusahaan. Bagaimana pun juga. Suatu studi oleh International Data Corporation (IDC) pada tahun 1996 melaporkan bahwa rata-rata tiga tahun return of investment (ROI) dalam data warehouse mencapai 401% dengan lebih dari 90% dari perusahaan yang diSurvey mencapai lebih dari 40% ROI, setengah dari perusahaan mencapai lebih dari 160% ROI, dan seperempat lebih mendapat lebih dari 600% ROI (IDC, 1996).
3. Competitive Advantage.
9
besarnya competitive advantage yang dapat diperoleh dengan menggunakan teknologi ini. Competitive advantage diperoleh dengan mengijinkan si pengambil keputusan untuk mengakses data tersembunyi yang sebelumnya tidak tersedia, tidak di ketahui, dan tidak dimanfaatkan seperti data mengenai pelanggan, tren, dan permintaan.
2.4 Karakteristik Data Warehouse
Menurut Inmon karakteristik Data Warehouse sebagai berikut[1] :
1. Subject Oriented (Berorientasi subject)
Data Warehouse berorientasi subject artinya Data Warehouse didesain untuk menganalisa data berdasarkan subject-subject tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu.
Data Warehouse diorganisasikan disekitar subjek-subjek utama dari perusahaan(customers, products dan sales) dan tidak diorganisasikan pada area-area aplikasi utama (customer invoicing, stock control dan product sales). Hal ini dikarenakan kebutuhan dari Data Warehouse untuk menyimpan data-data yang bersifat sebagai penunjang suatu keputusan, dari pada aplikasi yang berorientasi terhadap data.
Di bawah ini adalah tabel 2.1 perbedaan antara sistem OLTP dan sistem data warehouse menurut Connolly dan Begg (2005).
2. Integrated (Terintegrasi)
Data Warehouse dapat menyimpan data-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. Time-variant (Rentang Waktu)
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 , kita dapat menggunakan cara antara lain :
a. Cara yang paling sederhana adalah menyajikan Data Warehouse pada rentang waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan. b. Cara yang kedua, dengan menggunakan variasi/perbedaan waktu yang
11
c. 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
Karakteristik keempat dari Data Warehouse adalah non-volatile, maksudnya data pada Data Warehouse tidak di-update secara real time tetapi di refresh dari sistem operasional secara reguler. Data yang baru selalu ditambahkan sebagai suplemen bagi database itu sendiri dari pada sebagai sebuah perubahan. Database tersebut secara continue menyerap data baru ini, kemudian secara incremental disatukan dengan data sebelumnya.
Berbeda dengan database operasional yang dapat melakukan update, insert dan delete terhadap data yang mengubah isi dari database sedangkan pada Data Warehouse hanya ada dua kegiatan memanipulasi data yaitu Load ing data (mengambil data) dan akses data (mengakses Data Warehouse seperti melakukan query atau menampilan laporan yang dibutuhkan, tidak ada kegiatan updating data.
2.5 Arsitektur Data Warehouse
Gambar 2. 1 Arsitektur Gudang Data
Berikut ini adalah tiga jenis dasar sistem Data Warehouse [2]:
1. Functional Data Warehouse ( Data Warehouse Fungsional)
Kata fungsional disini merupakan database yang diperoleh dari kegiatan sehari-hari. Data Warehouse dibuat lebih dari satu dan dikelompokkan berdasar fungsi-fungsi yang ada di dalam perusahaan seperti fungsi keuangan(financial), marketing, personalia dan lain-lain.
Keuntungan dari bentuk Data Warehouse seperti ini adalah, sistem mudah dibangun dengan biaya relatif murah sedangkan kerugiannya adalah resiko kehilangan konsistensi data dan terbatasnya kemampuan dalam pengumpulan data bagi pengguna.
2. Centralized Data Warehouse ( Data Warehouse Terpusat )
Bentuk ini terlihat seperti bentuk data warehouse fungsional, namun terlebih dahulu sumber data dikumpulkan dalam satu tempat terpusat, kemudian data disebar ke dalam fungsinya masing-masing, sesuai kebutuhan perusahaan. Data warehouse terpusat ini, biasa digunakan oleh perusahaan yang belum memiliki jaringan eksternal.
13
3. Distributed Data Warehouse ( Data Warehouse terdistribusi)
Pada data warehouse terdistribusi ini, digunakan gateway yang berfungsi sebagai jembatan penghubung antara data warehouse dengan
workstation yang menggunakan sistem beraneka ragam. Dengan sistem terdistribusi seperti ini memungkinkan perusahaan dapat mengakses sumber data yang berada diluar lokasi perusahaan (eksternal).
Keuntungannya adalah data tetap konsisten karena sebelum data digunakan data terlebih dahulu di sesuaikan atau mengalami proses sinkronisasi. Kerugiannya adalah lebih kompleks untuk diterapkan karena sistem operasi dikelola secara terpisah juga biayanya yang paling mahal dibandingkan dengan dua bentuk Data Warehouse lainnya.
2.6 Tahapan Membangun Data Warehouse
Menurut Kimball, metode yang dipakai untuk merancang data warehouse adalah Nine-Step Methodology (Connolly & Begg, 2005, p. 1187) :
1. Choosing the process (pemilihan proses)
Melakukan pemilihan proses pada materi subjek yang dibutuhkan oleh data mart pada tahap ini ditentukan pada proses bisnis apa data warehouse akan digunakan.
2. Choosing the Grain (pemilihan grain)
Menentukan secara tepat apa yang direpresentasikan oleh record tabel fakta. 3. Indetifying and Conforming the Dimension (identifikasi dan konfirmasi
dimensi)
Membuat set dimensi yang dibutuhkan untuk menjawab seluruh pertanyaan yang diajukan pada tabel fakta.
4. Choosing the Facts (pemilihan fakta)
5. Storing Pre-Calculation In the Fact Table (penyimpanan Pre- Calculation di tabel fakta)
Setelah tabel fakta terpilih, setiap tabel fakta tersebut harus diperiksa ulang untuk menentukan apakah ada fakta yang dapat diterapkan pre-kalkulasi dan kemudian dilakukan penyimpanan pada tabel fakta.
6. Rounding Out the Dimension Tables (melengkapi tabel dimensi)
Pada tahap ini dilakukan pemeriksaan ulang pada tabel dimensi dan menambahkan deskripsi teks terhadap dimensi, serta menentukan hirearki atribut dimensi untuk mempermudah proses analisis.
7. Choosing the Duration of the Database (pemilihan durasi database) Menentukan waktu periode database untuk beberapa tahun kebelakang. 8. Tracking SCD (melacak SCD)
Dimensi berubah secara perlahan seiring berjalannya waktu dan kebutuhan. 9. Deciding the Query Priorities and the Query Modes (memutuskan prioritas
query dan mode query)
Pada tahap ini dilakukan pertimbangan perancangan fisikal, seperti keberadaan dari summary (ringkasan) dan aggregate (penjumlahan).
2.7 Data Staging
15
2.8 Extract, Transform, dan Load (ETL)
Untuk melakukan data warehousing maka diperlukan utilitas yang dirancang khusus untuk hal tersebut. Utilitas tersebut harus memiliki kemampuan[5]:
1. Membaca dari dan mengirim data ke berbagai sumber (file text, excel, database relational, dan sebagainya).
2. Mampu menyesuaikan / transformasi data.
3. Memiliki informasi metadata pada setiap perjalanan transformasi. 4. Memiliki audit log yang baik.
5. Dapat ditingkatkan performanya dengan scale up dan scale out. 6. Mudah diimplementasikan.
Secara singkat proses tersebut dibagi dalam 3 proses besar yaitu Extract (mengambil), Transform (transformasi), dan Load (menyimpan) atau disingkat ETL dapat dilihat pada gambar 2.2.
Gambar 2. 2 Sistem Kerja Data Warehouse 2.9 Multi Dimensional Modelling
2.9.1 Cube, Dimension, Measure , dan Member
1. Cube : adalah struktur multi Dimensional konseptual, terdiri dari Dimension dan measure dan biasanya mencakup pandangan bisnis tertentu.
2. Dimension / dimensi : adalah struktur view / sudut pandang yang menyusun Cube. Dimensi dapat terdiri dari berbagai level.
3. Measure : nilai pengukuran itu sendiri.
4. Member : isi / anggota dari suatu Dimension / measure tertentu. 2.9.2 Tabel Fakta dan Dimensi (Fact and Dimension Tabels)
Tabel fakta (fact tabel) yaitu tabel yang berisi fakta numerik, jika semua data disimpan pada tabel fakta tunggal, maka hasilnya adalah tabel yang besar sekali. Tabel dimensi (Dimension tabel) yaitu tabel yang berisi petunjuk (pointer) ke tabel fakta, digunakan untuk menunjukkan darimana data dapat ditemukan dan tabel terpisah dibutuhkan untuk setiap dimensi.
Di dalam model multi dimensional, database terdiri dari beberapa tabel fakta dan tabel dimensi saling terkait. Suatu tabel fakta berisi berbagai nilai agregasi yang menjadi dasar pengukuran (measure ) serta beberapa key yang terkait ke tabel dimensi yang akan menjadi sudut pandang dari measure tersebut.
Dalam perkembangannya, susunan fact tabel dan Dimension tabel ini memiliki standar perancangan atau schema karena terbukti meningkatkan performa dan kemudahan dalam penerjemahan ke sistem OLAP. Schema inilah yang menjadi dasar untuk melakukan data warehousing. Dua skema yang paling umum digunakan oleh berbagai OLAP engine adalah skema bintang (star schema) dan skema butir salju (snowflake schema) [5].
2.9.3 Skema Bintang (Star schema)
17
dimensi dengan skema ini semuanya berupa leaf (daun) dan tidak ada percabangan lain dapat dilihat pada gambar 2.3 [5].
Gambar 2. 3 Star schema dari PHI-Minimart 2.10 Surrogate Key
Surrogate Key adalah key / kolom data di tabel dimensi yang menjadi primary key dari tabel tersebut. Nilai ini biasanya berupa nilai sekuensial dan tidak memiliki arti dari proses bisnis darimana sumber data berasal[4].
2.11 Pentaho Data Integration (Kettle) 2.11.1 Pentaho Data Integration
Pentaho Data Integration (PDI) atau Kettle adalah utlities ETL open source di bawah Pentaho Corp Amerika. Proyek ini awalnya merupakan inisiatif dari Matt Casters (http://www.ibridge.be), seorang programmer dan konsultan Business Intelligence (BI) dari Belgia yang telah menangani berbagai proyek BI untuk semua perusahaan besar.[5]
Saat ini Kettle merupakan utilitas ETL yang sangat popular dengan beberapa fitur sebagai berikut:
1. Kumpulan step yang kaya ( lebih dari 100 steps ) dalam paket.
3. Performa dan kemampuan skalabilitas yang sudah terbuka. 4. Dapat dikembangkan dengan berbagai plugin tambahan.
2.11.2 Komponen Aplikasi Kettle
Kettle 3.0.1 terdiri dari 4 utilitas dalam bentuk shell / batch script, yaitu:[5] 1. Spoon
Spoon adalah utilitas grafik untuk merancang, mengeksekusi dan melakukan troubleshooting dari ETL melalui job dan transformasi. Porsi terbesar dari alokasi waktu pengembangan proyek Data Warehouse adalah Kettle yang melibatkan spoon di dalamnya.
Lingkungan kerja spoon terdiri dari beberapa bagian sebagai berikut: a. Pulldown Menu : koleksi menu dari spoon yang terintegrasi dalam satu
toolbar.
b. Welcome Screen : merupakan halaman pembuka kettle yang berisi informasi ke situs Pentaho. Untuk mengaktifkan welcome screen pilih menu Help | Show the Welcome Screen.
c. Toolbar : terdiri dari job / transformasi toolbar . d. Panel Execution Results, terdiri dari:
1) Execution Histori : Data Histori es eksekusi .
2) Logging : Berisi detil dari eksekusi job / transformation. 3) Job Metrics : Berisi detil dari step-step yang telah dieksekusi .
4) Step Metrics : berisi detil jumlah pembacaan data ( write, update, dll) per satuan waktu detik dari step-step yang telah dieksekusi.
5) Performance Graphs : Tampilan grafis dari pembacaan data dari Step Metrics.
2. Pan
19
automation). Dipaketkan dengan nama file pan.bat (batch script) dan pan.sh (BASH shell script)[5].
3. Kitchen
Kitchen merupakan utilitas yang digunakan unutk mengeksekusi job . Umumnya dijalankan pada saat otomatisasi terjadwal (scheduled automation). Dipaketkan dengan nama file pan.bat (batch script) dan pan.sh (BASH shell script).
4. Carte
Merupakan utilitas cluster web server yang digunakan untuk mengeksekusi job / transformation. Terutama digunakan untuk meningkatkan performa ETL dengan pembagian Load kerja pada berbagai node Carte (master dan slave).
2.12 Slowly Changing Dimensions (SCD)
Dapat dipastikan bahwa pada suatu saat sumber data pembentuk dimensi akan berubah. Perubahan tersebut dinamakan Slowly Changing Dimensions (SCD) atau dimensi yang berubah secara perlahan. Ada 3 macam tipe respon / penanganan SCD yaitu Tipe 1, 2, dan 3. Bagian Berikut menerangkan apa perbedaan dari tiap tipe SCD[7] :
1. Type 1 SCD
Menggunakan pendekatan timpa data yang berubah ( overwrite ). Ini dilakukan jika memang tidak ada kepentingan menyimpan data historis atau pergerakan isi data dari dimensi tersebut.
2. Type 2 SCD
3. Type 3 SCD
21 BAB III
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem Yang Sudah Berjalan
Pada bagian ini dijelaskan tentang proses pembuatan laporan yang sudah berjalan di DISDUKCAPIL Kabupaten Klaten selama ini. Gambaran umum proses pembuatan laporan yang sudah berjalan dapat dilihat dalam gambar 3.1.
Gambar 3. 1 Proses pembuatan Laporan
laporan yang diminta dan proses ini membutuhkan sekitar 3 hari pengerjaannya. Dari hasil query akan dibuat laporan dalam bentuk file excel dan kemudian dijadikan lampiran lalu dikirim kepada admin DINAKERTRANSDUK yang berkaitan sebelum batas waktu yang ditentukan.
3.1.1 Kelemahan Sistem yang Ada Sekarang
Berdasarkan penelitian yang dilakukan, maka ada beberapa masalah yang dihadapi oleh DISDUKCAPIL Kabupaten Klaten, yaitu sebagi berikut :
1. Penggunaan database yang ada di perusahaan masih belum bisa membuat laporan secara langsung, sehingga diperlukan integrasi ke dalam data warehouse.
2. DISDUKCAPIL Kabupaten Klaten dalam menganalisis data dan kebutuhan belum dapat dilakukan dengan cepat, karena belum memiliki data warehouse, sehingga data penduduk tersebut tidak dapat dimanfaatkan secara optimal untuk digunakan sebagai bahan analisis untuk pengambilan keputusan kebijakan Pemerintah.
3. Belum ada tools yang dapat dengan mudah memberikan informasi dalam bentuk grafik, yang dapat membantu pihak Pemerintah melihat dan menganalisis hasil yang ditampilkan dalam bentuk grafik.
4. Kesulitan dalam mengelola data historis penduduk sebagai acuan bagi perencanaan strategis untuk masa yang akan datang.
3.2 Analisis Kebutuhan Pengguna
23
diperlukan teknik khusus dalam menanganinya supaya Histori data dapat diakses. Teknik khusus yang perlu digunakan adalah Data Warehouse yang mengimplementasikan SCD type 2. Sehingga perubahan-perubahan dalam catatan dimensi yang dapat menyebabkan situasi tidak teratur dapat diperlakukan dengan baik. Adapun proses pengolahan data yang diperlukan adalah pembuatan laporan.
3.3 Alternatif Pemecahan Masalah
Berdasarkan permasalahan yang dihadapi di atas, berikut ini adalah alternatif pemecahan masalah yang diusulkan :
a. Dengan menggunakan data warehouse maka akan mempercepat proses pembuatan laporan yang dibutuhkan oleh Admin SIAK di DISDUKCAPIL Kabupaten Klaten.
b. Dengan menggunakan aplikasi data warehouse dimana laporan yang dihasilkan dapat ditampilkan ke dalam bentuk tabel dan grafik yang mudah untuk diakses dan digunakan oleh Staf Pemerintahan Kabupaten Klaten yang berkepentingan.
c. Dengan melakukan integrasi data yang ada ke dalam Data Warehouse untuk membangun sistem OLAP dengan mengimplementasikan SCD type 2 data historis penduduk akan dapat tersimpan.
3.4 Gambaran Umum Sistem Yang Akan Dikembangkan
Sistem yang akan dibangun adalah sistem OLAP dengan Data Warehouse yang mengimplementasikan SCD type 2. Sistem OLAP multidimensional database diperlukan untuk menampilkan data penduduk secara multidimensi sehingga dapat digunakan untuk mengetahui Histori data penduduk selain itu untuk membantu admin dalam menyelesaikan laporan dengan cepat dan tepat.
menerapkan SCD type 2 yang mendukung pembentukan dimensi dinamis sehingga Histori data dapat tersimpan. OLAP database yang akan dirancang ini berorientasi subjek dimana subjek yang dituju adalah DISDUKCAPIL Kabupaten Klaten sehingga kebutuhan sistem disesuaikan dengan kebutuhan DISDUKCAPIL Kabupaten Klaten.
3.5 Perancangan Kebutuhan Fungsional
Perancangan sistem akan direpresentasikan dalam diagram use case dan narasi use case diagram.
3.5.1 Diagram use case
Proses utama yang akan dilakukan yaitu proses analisis data. Proses analisis data terdapat 3 fungsi utama yaitu melihat data penduduk OLAP, membuat laporan, dan melihat Histori data penduduk. Sistem OLAP tersebut hanya digunakan untuk melengkapi fitur SIAK dimana semua user yang terhubung sudah ada maintenance dari SIAK sendiri. User yang dapat melakukan proses integrasi data dan analisis data diasumsikan sudah sukses login di SIAK.
Diagram use case proses integrasi data dan analisis data dapat dilihat dalam gambar 3.2.
Gambar 3. 2 Diagram use case proses integrasi data dan analisis data 3.5.2 Narasi use case diagram
Tabel 3. 1 Narasi use case melihat hasil OLAP
ID Use Case : PD-01
25
Aktor : Kepala DISDUKCAPIL Kabupaten Klaten ,Admin
SIAK, admin perkecamatan
Deskripsi Use Case : Use case ini menggambarkan tentang mekanisme melihat data OLAP
Prakondisi : Aktor harus mempunyai hak akses berupa username dan password sebagai admin
Trigger : -
Langkah Umum : Kegiatan Aktor Respon Sistem
2. Aktor memilih menu yang akan dilihat data OLAPnya
1. Menampilkan halaman utama
3. Menampilkan hasil OLAP Langkah Alternatif : -
Kesimpulan Use case ini berhenti apabila aktor memilih menu lain. Tabel 3. 2 Narasi use case membuat laporan dari hasil OLAP
ID Use Case : PD-02
Nama Use Case : Membuat Laporan Penduduk
Aktor : Admin SIAK
Deskripsi Use Case : Use case ini menggambarkan tentang mekanisme pembuatan laporan dengan hasil OLAP
Prakondisi : Aktor harus mempunyai hak akses berupa username dan password sebagai admin
Trigger : -
Langkah Umum : Kegiatan Aktor Respon Sistem
2. Aktor memilih menu yang akan dilihat data OLAPnya .
4. Admin meng-klik icon ketika ingin mencetak laporan dalam format PDF.
1. Menampilkan halaman utama . 3. Menampilkan hasil OLAP .
Langkah Alternatif : 4. Admin meng-klik icon ketika ingin mencetak laporan dalam format excel.
Tabel 3. 3 Narasi use case melihat Histori data penduduk
ID Use Case : PD-03
Nama Use Case : Melihat Histori data Penduduk
Aktor : Admin SIAK
Deskripsi Use Case : Use case ini menggambarkan tentang mekanisme melihat Histori data penduduk
Prakondisi : Aktor harus mempunyai hak akses berupa username dan password sebagai admin
Trigger : -
Langkah Umum : Kegiatan Aktor Respon Sistem
2. Aktor memilih menu lihat Histori . 4. Aktor memasukkan nik dan memilih kategori dimensi. Lalu klik lihat
1. Menampilkan halaman utama .
3. Menampilkan form untuk melihat data Histori dari penduduk.
5. Menampilkan hasil data Histori penduduk
Langkah Alternatif : -
Kesimpulan Use case ini berhenti apabila aktor memilih menu lain. 3.6 Perancangan Data Warehouse
Perancangan data warehouse yang digunakan adalah Nine-Step Methodology menurut Kimball dalam buku Connolly dan Begg (2005, p. 1187) dengan langkah-langkah sebagai berikut :
3.6.1 Memilih Proses (Choosing The Process)
27
laporan. Hal ini dikarenakan proses pembuatan laporan yang menjadi permasalahan utama yang dihadapi oleh DISDUKCAPIL Kabupaten Klaten.
3.6.2 Memilih Sumber (Choosing The Grain)
Setelah menentukan proses pengolahan data yang dibutuhkan dalam data warehouse, maka ditentukan grain yang menjelaskan tiap fakta. Berikut grain-grain yang terpilih, yaitu :
1) Jumlah penduduk berdasar agama dan aliran kepercayaan total.
2) Jumlah kepemilikan dokumen kependudukan (Akta Lahir) total berdasar jenis kelamin dan usia.
3) Jumlah penduduk total menurut golongan usia. 4) Jumlah penduduk total menurut Pendidikan. 5) Jumlah penduduk total menurut golongan darah. 6) Jumlah penduduk menurut penyandang cacat. 7) Jumlah penduduk menurut jenis pekerjaan. 8) Jumlah penduduk menurut jenis kelamin.
9) Jumlah kepemilikan dokumen kependudukan (Akta Lahir, Akta Kawin, Akta Cerai) total berdasar jenis kelamin dan usia.
10)Jumlah penduduk menurut tempat tinggal ( wilayah ).
11)Jumlah penduduk menurut tempat tinggal ( wilayah ) dan pendidikan. 12)Jumlah penduduk menurut pekerjaan dan pendidikan.
13)Jumlah penduduk menurut tempat tinggal ( wilayah ) dan pekerjaan. 14)Jumlah penduduk menurut tempat tinggal ( wilayah ) dan golongan darah. 15)Jumlah penduduk menurut tempat tinggal ( wilayah ) dan penyandang cacat. 16)Jumlah penduduk menurut tempat tinggal ( wilayah ) dan umur.
3.6.3 Indetifying and Conforming the Dimension (identifikasi dan konfirmasi dimensi)
Dari keterangan langkah-langkah diatas, dapat ditentukan dimensi-dimensi yang digunakan dalam data warehouse, yaitu :
a. Dimensi wilayah (dim_wilayah_scd) b. Dimensi jenis kelamin (dim_jeniskel_scd) c. Dimensi agama (dim_agama_scd)
d. Dimensi akta lahir (dim_aktalahir_scd) e. Dimensi akta kawin (dim_aktakawin_scd) f. Dimensi akta cerai (dim_aktacerai_scd) g. Dimensi golongan darah (dim_goldrh_scd) h. Dimensi pekerjaan (dim_pekerjaan_scd) i. Dimensi penyandangcacat (dim_pydgcct_scd) j. Dimensi umur (dim_kelumur_scd)
k. Dimensi pendidikan (dim_pendidikan_scd)
3.6.4 Choosing the Facts (pemilihan fakta)
Berikut tabel pada 3.4 measure dan keterangan fakta yang terpilih, sesuai dengan pertimbangan kebutuhan data dan informasi dari DISDUKCAPIL Kabupaten Klaten
Tabel 3. 4. Tabel Fakta yang Terpilih Tabel Fakta Ukuran / Measures Tujuan tf_penduduk Jumlah penduduk
(tag_penduduk)
Memberi gambaran secara umum data penduduk yang sudah dapat mengikuti pemilu 3.6.5 Storing Pre-Calculation In the Fact Table (penyimpanan Pre-
Calculation di tabel fakta)
29
3.6.6 Rounding Out the Dimension Tables (melengkapi tabel dimensi)
Pada tahap ini dilakukan pemeriksaan ulang pada tabel dimensi dan menambahkan deskripsi teks terhadap dimensi, serta menentukan hirearki atribut dimensi untuk mempermudah proses analisis. Identifikasi komponen dilakukan dari database operasional, dalam hal ini yaitu database SIAKDB untuk membangun Data Warehouse. Berikut tabel-tabel OLTP dari database SIAKDB yang digunakan sebagai sumber data yang akan dijelaskan pada tabel 3.5 :
Tabel 3. 5 Tabel yang digunakan sebagai sumber data Nama Tabel Keterangan
biodata_wni Tebel yang berisi data lengkap dari masing-masing penduduk options_wni Tabel yang berisi data keterangan atribut dari biodata_wni ms_aktakawin Tabel yang berisi data keterangan kepemilikan akta kawin ms_aktacerai Tabel yang berisi data keterangan kepemilikan akta cerai ms_aktalahir Tabel yang berisi data keterangan kepemilikan akta lahir setup_kec Tabel yang berisi data semua kecamatan yang ada di Indonesia setup_kel Tabel yang berisi data semua kelurahan yang ada di Indonesia penyandangcacat Tabel yang berisi data jenis cacat yang dimiliki pleh penduduk ms_kelompokumur Tabel yang berisi data penggolongan umur penduduk
ms_bantuumur Tabel yang berisi data umur beserta id masing-masing
Tabel dari database SIAKDB adalah data yang tercatat sampai bulan Februari 2012. Tabel 3.6 adalah langkah yang dilakukan untuk mendapatkan field dari sumber data :
Tabel 3. 6 Tabel aktivitas dan tujuan proses pemilihan field yang akan diperlukan dari database SIAKDB
No Langkah Aktivitas Tujuan
1. Pemilihan field tabel biodata_wni
Memilih field yang akan ditransformasi dari tabel biodata_wni pada database SIAKDB yang nantinya akan
digunakan untuk membentuk tabel transaksi pada database Penduduk 2. Pemilihan field
tabel options_wni
Memilih field yang akan ditransformasi dari tabel options_wni pada database SIAKDB yang nantinya akan digunakan untuk membentuk tabel
ms_agama, ms_pekerjaan, ms_pendidikan,
ms_golongandarah,
ms_jeniskelamin pada database Penduduk
Mendapatkan field yang akan membentuk tabel ms_agama, ms_pekerjaan,
ms_pendidikan, ms_golongandarah, ms_jeniskelamin pada database Penduduk
3. Pemilihan field tabel ms_aktakawin
Memilih field yang akan ditransformasi dari tabel ms_aktakawin pada database SIAKDB yang nantinya akan digunakan untuk membentuk tabel ms_aktakawin pada database Penduduk
Mendapatkan field yang akan membentuk tabel ms_aktakawin pada database Penduduk
4. Pemilihan field tabel ms_aktacerai
Memilih field yang akan ditransformasi dari tabel ms_aktacerai pada database SIAKDB yang nantinya akan digunakan untuk membentuk tabel ms_aktacerai pada database Penduduk
Mendapatkan field yang akan membentuk tabel ms_aktacerai pada database Penduduk
5. Pemilihan field tabel ms_aktalahir
Memilih field yang akan ditransformasi dari tabel ms_aktalahir pada database SIAKDB yang nantinya akan digunakan untuk membentuk tabel ms_aktalahir pada database Penduduk
31
6. Pemilihan field tabel setup_kec
Memilih field yang akan ditransformasi dari tabel setup_kec pada database SIAKDB yang nantinya akan digunakan untuk membentuk tabel ms_kec pada database Penduduk
Mendapatkan field yang akan membentuk tabel ms_kec pada database Penduduk
7. Pemilihan field tabel setup_kel
Memilih field yang akan ditransformasi dari tabel setup_kel pada database SIAKDB yang nantinya akan digunakan untuk membentuk tabel ms_kelurahan pada database Penduduk
Mendapatkan field yang akan membentuk tabel ms_kelurahan pada database Penduduk
8. Pemilihan field tabel
penyandangcacat
Memilih field yang akan ditransformasi dari tabel penyandangcacat pada database SIAKDB yang nantinya akan digunakan untuk membentuk tabel
ms_penyandangcacat pada database Penduduk
Mendapatkan field yang akan membentuk tabel
ms_penyandangcacat pada database Penduduk
9. Pemilihan field tabel
ms_kelompokumur
Memilih field yang akan ditransformasi dari tabel ms_kelompokumur pada database SIAKDB yang nantinya akan digunakan untuk membentuk tabel ms_kelompokumur pada database Penduduk
Mendapatkan field yang akan membentuk tabel
ms_kelompokumur pada database Penduduk
10. Pemilihan field tabel
ms_bantuumur
Memilih field yang akan ditransformasi dari tabel ms_bantuumur pada database SIAKDB yang nantinya akan digunakan untuk membentuk tabel ms_bantuumur pada database Penduduk
Adapun proses pemilihan field yang akan diperlukan dari database SIAKDB akan dijelaskan di lampiran 1 halaman 1-1. Dimensi yang akan dibentuk adalah dimensi jenis kelamin, dimensi agama, dimensi pekerjaan, dimensi penyandang cacat, dimensi akta kawin, dimensi akta lahir, dimensi akta cerai, dimensi pendidikan, dimensi kecamatan, dimensi usia, dimensi wilayah, dan dimensi golongan darah dengan measure jumlah total penduduk (tag_penduduk). Berikut keterangan atribut yang digunakan dalam masing-masing dimensi, sesuai dengan pertimbangan kebutuhan data dan informasi dari DISDUKCAPIL Kabupaten Klaten, yaitu :
a. Dimensi wilayah (dim_wilayah_scd)
Berisi detail wilayah tempat tinggal yang ditempati pada transaksi penduduk. b. Dimensi jenis kelamin (dim_jeniskel_scd)
Berisi detail jenis kelamin yang dimiliki pada transaksi penduduk. c. Dimensi agama (dim_agama_scd)
Berisi detail agama yang digunakan pada transaksi penduduk. d. Dimensi akta lahir (dim_aktalahir_scd)
Berisi detail status akta lahir yang dimiliki pada transaksi penduduk. e. Dimensi akta kawin (dim_aktakawin_scd)
Berisi detail status akta kawin yang dimiliki pada transaksi penduduk. f. Dimensi akta cerai (dim_aktacerai_scd)
Berisi detail status akta cerai yang dimiliki pada transaksi penduduk. g. Dimensi golongan darah (dim_goldrh_scd)
Berisi detail golongan darah yang dimiliki pada transaksi penduduk. h. Dimensi pekerjaan (dim_pekerjaan_scd)
Berisi detail pekerjaan yang dimiliki pada transaksi penduduk. i. Dimensi penyandangcacat (dim_pydgcct_scd)
33
j. Dimensi umur (dim_kelumur_scd)
Berisi detail range umur yang digunakan pada transaksi penduduk. k. Dimensi pendidikan (dim_pendidikan_scd)
Berisi berisi detail pendidikan yang dimiliki pada transaksi penduduk.
Proses pemetaan yang dilakukan yaitu dari database SIAKDB ke database penduduk dan database olappend. Gambar 3.3 merupakan alur proses pembentukan tabel dan proses transformasi data.
3.6.6.1 Perancangan Integrasi Data
Langkah-langkah proses integrasi data dilakukan dengan:
1. Pengintegrasian data transaksional dan data master dari database sumber (SIAKDB) ke database target (penduduk).
2. Pemecahan tabel master Data Warehouse menjadi tabel dimensi dan tabel fakta.
3. Pengintegrasian data transaksional dan data master untuk membentuk tabel dimensi dan tabel fakta ke database OLAP.
3.6.6.1.1 Rancangan Proses Integrasi Data Transaksional dan Data Master dari Database SIAKDB ke Database Penduduk
Proses integrasi ini diperlukan untuk merancang proses integrasi data transaksional dan data semua master yang akan digunakan untuk membangun Data Warehouse dari Database SIAKDB ke Database Penduduk. Adapun rancangan proses integrasi yang akan dibentuk dijelaskan pada lampiran 2 halaman 2-1.
3.6.6.1.2 Rancangan Proses Memecah Data Warehouse Membentuk Tabel Dimensi dan Tabel Fakta.
35
akan dibentuk adalah tf_pemilu dan tf_penduduk. Adapun rancangan proses memecah Data Warehouse membentuk tabel fakta dan dimensi akan dijelaskan pada lampiran 3 halaman 3-1.
3.6.7 Choosing the Duration of the Database (pemilihan durasi database) Pada langkah ini menentukan lamanya sumber data yang akan digunakan pada data warehouse. Untuk data warehouse penduduk ini digunakan sumber data dari database OLTP yang diambil dari tiga tahun yang lalu.
3.6.8 Tracking SCD (melacak SCD)
Untuk memantau perubahan yang terjadi dalam dimensi,digunakan tipe Slowly Changing Dimensions (SCD) yang dikemukakan oleh Kimball. Hal ini diterapkan pada semua tabel dimensi menggunakan SCD tipe 2. Pada SCD tipe 2 dilakukan dengan cara :
a. Membuat data tambahan dimensi baru menggunakan nilai baru dari Surrogate Key .
b. Memperbarui record ini dengan fields yang telah berubah dan menambahkan fields lain yang diperlukan.
c. Untuk mendapatkan versi sebelumnya dari sebuah record dimensi, jika ada di tabel maka akan disalin dan dibuat entri baru dalam tabel dimensi dengan Surrogate Key yang baru.
d. Jika ada versi sebelumnya dari record dimensi, maka akan dibuat sepenuhnya 1 record yang baru.
e. Kemudian memperbarui record ini dengan fields yang berubah, dan apapun yang lain yang diperlukan.
Dengan demikian dapat melacak sejarah perubahan fisik yang benar yang telah terjadi pada entitas dimensi, karena Slowly Changing Dimensions type 2 sendiri menciptakan beberapa entri dalam dimensi tabel dengan kunci yang berbeda. Slowly Changing Dimensions type 2 menyimpan sejarah semua perubahan yang dibuat untuk field tabel dimensi, bahkan ketika dimasukkan record baru dan setiap kali perubahan dibuat.
3.6.9 Deciding the Query Priorities and the Query Modes (memutuskan prioritas query dan mode query)
Pada tahap ini dilakukan pertimbangan perancangan fisikal, seperti keberadaan dari summary (ringkasan) dan aggregate (penjumlahan). Pada bagian ini, rancangan desain fisikal yang disarankan hanya urutan fisikal dari tabel fakta, dimana urutan data pada sebuah tabel fakta telah terurut berdasarkan waktu transaksi masing-masing. Untuk pendesainan indexing, setiap primary key pada tiap dimensi menggunakan index.
3.7 Model OLAP
Model OLAP yang digunakan adalah ROLAP. ROLAP adalah tipe OLAP yang bergantung kepada database relasional atau RDBMS (Relational Database Management Sistem) sebagai media penyimpanan (storage) data yang akan diolah. Dengan strategi tersebut maka OLAP Server (Mondrian) terhindar dari masalah pengelolaan data storage dan hanya menerjemahkan proses query analysis (MDX) ke relational query (SQL).
3.8 Rancangan Star schema untuk Database OLAP
37
atas dua jenis tabel, yaitu tabel fakta dan tabel dimensi. Star schema yang akan dibentuk untuk membangun sistem OLAP server adalah sebagai berikut
a. Skema untuk kubus penduduk
Kubus penduduk dengan star schema tf_penduduk seperti gambar 3.4
Gambar 3. 4 Star schema tf_penduduk
38 BAB IV
IMPLEMENTASI SISTEM DAN ANALISIS SISTEM
Pada bab ini akan dijelaskan tentang implementasi pembuatan Data Warehouse dan komputasi data Cube.
4.1 Implementasi Arsitektur Data Warehouse
Arsitektur Data Warehouse yang dibentuk terdiri dari satu database transaksional yaitu database SIAKDB, dua database Data Warehouse yaitu database penduduk sebagai database Staging dan database olappend sebagai database OLAP, dan OLAP server. Arsitektur Data Warehouse yang akan dibentuk terdapat pada gambar 4.1.
Gambar 4. 1Arsitektur Data Warehouse
39
database Stagingnya yang kemudian dilakukan proses ETL yang akan disimpan sebagai Data Warehouse sehingga dapat dilakukan proses OLAP.
Untuk mendukung arsitektur sistem Data Warehouse ini diperlukan beberapa spesifikasi software dan hardware yang mendukung yaitu:
1. Data Warehouse Dinas Kependudukan menggunakan sistem basis data terpusat, karena gudang data hanya digunakan pada satu tempat yaitu di Pemerintahan Daerah Kabupaten Klaten
2. Data Warehouse Dinas Kependudukan menggunakan jaringan LAN (Local Area Network )
3. Menggunakan database Oracle 9i
Bahasa pemrograman yang dipakai adalah java
Tool : Kettle Version 4.2, Schema-Workbench, Mondrian, Toad for Oracle Version 8.6, Apache-tomcat dan ojdbc connector untuk penghubung antara program java.
4. Spesifikasi
Hardware yang digunakan untuk Data Warehouse ini adalah : Processor : Intel(R) Core™ i3 CPU M 370 @ 2.40 GHz Memory : 4 GB DDR 2
Hardisk : 320 GB
4.2 Implementasi Integrasi Data
Setelah melewati tahap perancangan struktur database Data Warehouse, pembangunan Data Warehouse selanjutnya proses implementasi integrasi data.
4.2.1 Integrasi Data Transaksional dan Data Master dari Database
SIAKDB ke database Penduduk
aktivitas dan tujuan tersendiri. Aktivitas dan tujuan dari proses integrasi data dapat dilihat pada tabel 4.1.
Tabel 4. 1Tabel Aktivitas dan Tujuan dari Integrasi Data Transaksional dan Data Master dari Database SIAKDB ke database Penduduk
No Langkah Aktivitas Tujuan
1 Intgrasi Data
transaksi dari biodata_wni dan ms_bantuumur
Transormasi sumber data dari tabel biodata_wni dan ms_bantuumur di database siakdb ke tabel transaksi di database penduduk.
pebentukan tabel transaksi
2. Integrasi Data
ms_agama dari options_wni
Transformasi sumber data dari tabel options_wni di database siakdb ke tabel ms_agama di database penduduk
pembentukan tabel ms_agama
3. Integrasi Data
ms_pekerjaan dari options_wni
Transformasi sumber data dari tabel options_wni di database siakdb ke tabel ms_pekerjaan di database penduduk.
pembentukan tabel ms_pekerjaan
4. Integrasi Data
ms_pendidikan dari options_wni
Transformasi sumber data dari tabel options_wni di database siakdb ke tabel ms_ pendidikan di database penduduk.
pembentukan tabel ms_pendidikan
5. Integrasi Data
ms_golongandarah dari Options_wni
Transformasi sumber data dari tabel options_wni di database siakdb ke tabel ms_golongandarah di database penduduk.
pembentukan tabel ms_golongandarah
6. Integrasi Data
ms_jeniskelamin dari options_wni
Transformasi sumber data dari tabel options_wni di database siakdb ke tabel ms_jeniskelamin di database penduduk.
pembentukan tabel ms_jeniskelamin
7. Integrasi Data
ms_aktakawin dari ms_aktakawin
Transformasi sumber data dari tabel ms_aktakawin di database siakdb ke tabel ms_aktakawin di database penduduk.
41
8. Integrasi Data
Ms_aktacerai dari Ms_aktacerai
Transformasi sumber data dari tabel ms_ aktacerai di database siakdb ke tabel ms_ aktacerai di database penduduk.
pembentukan tabel ms_aktacerai
9. Integrasi Data
Ms_aktalahir dari Ms_aktalahir
Transformasi sumber data dari tabel ms_ aktalahir di database siakdb ke tabel ms_ aktalahir di database penduduk.
pembentukan tabel ms_aktalahir
10. Integrasi Data Ms_kec dari Setup_kec
Transformasi sumber data dari tabel setup_kec di database siakdb ke tabel ms_kec di database penduduk.
pembentukan tabel ms_kec
11. Integrasi Data Ms_kel dari Setup_kel
Transformasi sumber data dari tabel setup_kel di database siakdb ke tabel ms_kelurahan di database penduduk.
pembentukan tabel ms_kelurahan
12. Integrasi Data ms_pnyandangcacat
dari
penyandangcacat
Transformasi sumber data dari tabel setup_kel di database siakdb ke tabel ms_pnyandangcacat di database penduduk.
pembentukan tabel ms_
pnyandangcacat
13. Integrasi Data Ms_kelompokumur
dari
Ms_kelompokumur
Transformasi sumber data dari tabel ms_kelompokumur di database siakdb ke tabel ms_kelompokumur di database penduduk.
pembentukan tabel ms_kelompokumur
14. Integrasi Data ms_bantuumur dari ms_bantuumur
Transformasi sumber data dari tabel ms_bantuumur di database siakdb ke tabel ms_bantuumur di database penduduk.
pembentukan tabel ms_bantuumur
4.2.2 Implementasi Memecah Data Warehouse Membentuk Tabel Fakta dan Tabel Dimensi
Dimensi yang akan dibentuk adalah dimensi jenis kelamin, dimensi agama, dimensi pekerjaan, dimensi penyandang cacat, dimensi akta kawin, dimensi akta lahir, dimensi akta cerai, dimensi pendidikan, dimensi kecamatan, dimensi usia, dimensi wilayah , dan dimensi golongan darah. Adapun proses memecah Data Warehouse membentuk tabel fakta dan dimensi akan dijelaskan pada lampiran 5 halaman 5-1.
4.3 Pembentukan Dimensi Dinamis
Cara yang ditempuh untuk menguji SCD type 2 agar pergerakan data dimensi terlihat yaitu dengan menambah atau mengupdate data. Data yang tersimpan dapat dilihat dari berbagai dimensi, yaitu dimensi jenis kelamin, dimensi agama, dimensi pekerjaan, dimensi penyandang cacat, dimensi akta kawin, dimensi akta lahir, dimensi akta cerai, dimensi pendidikan, dimensi kecamatan, dimensi usia, dimensi wilayah dan dimensi golongan darah. Dalam pengujian ini akan dibuat lebih fokus yaitu pergerakan data yang dilihat dari sudut pandang akta lahir. Berikut pergerakan data yang dapat dilihat dari beberapa tabel yaitu dim_aktalahir_scd dan transaksi
Gambar 4. 2 Struktur Tabel ms_aktalahir
Gambar 4.2 adalah struktur tabel yang dimiliki oleh tabel ms_aktalahir. Gambar 4.3 adalah semua data yang ada pada ms_aktalahir. Pada tabel ms_aktalahir terdapat 2 rows yang akan ditransformasi.
43
Tabel master akta lahir ini yang akan ditransformasikan membentuk dimensi SCD type 2 untuk mendukung dimensi dinamis. Adapun proses transformasi yang dilakukan dapat dilihat pada gambar 4.4.
Gambar 4. 4 ms_aktalahir.ktr
Gambar 4.4 merupakan proses pembentukan tabel ms_aktalahir. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_ aktalahir di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_ aktalahir di database penduduk.
Tabel 4.2 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ aktalahir dari ms_ aktalahir
Tabel 4. 2 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_aktalahir dari ms_aktalahir
Nama File ms_ aktalahir.ktr
Nama Step Tabel Input ms_ aktalahir
Database Siakdb Query sql SELECT
AKTA_LHR , DESCR
FROM MS_AKTALAHIR Nama Step Sort rows Fieldname akta_lhr
Ascending Y
Case sensitive N Nama Step Select values Select & Alter
Nama kolom AKTA_LHR , DESCR Nama Step Insert/Update Tabel ms_ aktalahir
Database Penduduk
