Pengelolaan Data Warehouse Calon Mahasiswa Baru di Universitas Kristen Maranatha.

(1)

iv

ABSTRAK

Pertumbuhan yang pesat dari akumulasi data telah menciptakan kondisi kaya akan data tapi minim informasi. Data Warehouse merupakan penemuan informasi baru dengan mengelelola sejumlah data dalam jumlah besar yang diharapkan dapat mengatasi kondisi tersebut. Dengan memanfaatkan teknologi OLAP pada Data Warehouse dalam pengolahan data mahasiswa, diharapkan dapat menghasilkan informasi tentang data penerimaan mahasiswa baru dan mengubahnya dalam bentuk diagram yang lebih mudah untuk dianalisa untuk manajemen pengambilan keputusan yang tepat. Pengolahan data menggunakan Star Schema yang memproses data dari dimensi dan tabel fakta yang kemudian diolah lebih lanjut melalui proses pada OLAP. Sumber data yang digunakan adalah basis data Mahasiswa yang berisi data penerimaan mahasiswa baru

(2)

v

ABSTRACT

The rapid growth of data accumulation has created conditions data-rich but minimal information. Data Warehouse is the discovery of new information, organizing a number of large amounts of data are expected to tackle the condition. By utilizing the Data Warehouse OLAP technology in the processing of student data, is expected to yield information about the data for admission and change it in the form of diagrams easier to be analyzed for management decision-making right. Star Schema data processing using the process data of the dimension and fact tables are then processed further through the process of OLAP. Source data used are student database that contains the data of new admissions

(3)

vi

DAFTAR ISI

PERNYATAAN ORISINALISTAS LAPORAN PENELITIAN ... ii

PERNYATAAN PUBLIKASI LAPORAN PENELITIAN ... iii

ABSTRAK ... iv

ABSTRACT ... v

DAFTAR ISI ... vi

DAFTAR GAMBAR ... x

DAFTAR TABEL ... xiii

PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Tujuan Pembahasan ... 2

1.4 Ruang Lingkup ... 2

1.4.1 Ruang Lingkup Data ... 2

1.4.2 Ruang Lingkup Perangkat Lunak... 3

1.5 Sumber Data ... 3

1.6 Sistematika Penyajian ... 3

KAJIAN TEORI ... 5

2.1 Data Warehouse ... 5

2.1.1 Extract, Transform and Load (ETL) ... 7

2.1.2 Preprocessing Data Warehouse ... 8

2.2 OLAP(Online Analytical Processing) ... 9

2.3 Business Intelligence ... 13

ANALISIS DAN RANCANGAN SISTEM ... 1

(4)

vii

3.2 Identifikasi Database ... 5

3.3 Data Cleaning ... 7

3.4 Perancangan Star Schema ... 18

IMPLEMENTASI ... 20

4.1 Implementasi Program ... 20

4.1.1 Tampilan Utama ... 20

4.1.2 Form Mahasiswa ... 21

4.1.3 Form Jurusan ... 21

4.1.4 Form Sekolah ... 22

4.1.5 Form PekOT ... 22

4.1.6 Form USM ... 23

4.1.7 Form Add Mahasiswa ... 24

4.1.8 Form Update Mahasiswa... 24

4.1.9 Form Add Jurusan ... 25

4.1.10 Form Update Jurusan ... 25

4.1.11 Form Add Sekolah ... 26

4.1.12 Form Update Sekolah ... 26

4.1.13 Form Add Pekerjaan Orang Tua ... 27

4.1.14 Form Update Pekerjaan Orang Tua ... 27

4.1.15 Form Add USM ... 28

4.1.16 Form Update USM ... 28

4.1.17 Tombol Export ... 29

4.2 Import data dari SQLServer ke Microsoft Excel ... 29

4.3 Perancangan Pivot Table ... 33

4.3.1 Pivot Table Dimensi USM ... 33

(5)

viii

4.3.3 Pivot Table Dimensi Pekerjaan Orang Tua ... 37

4.4 Pembuatan Grafik... 37

4.4.1 Dimensi USM ... 37

4.4.2 Dimensi Sekolah ... 39

4.4.3 Dimensi Pekerjaan Orang Tua ... 41

4.5 Proses Update Data ... 42

4.6 Proses Pembuatan Dashboard Pada Excel ... 45

4.7 Pembahasan ... 48

4.7.1 Pendaftar berdasarkan gelombang ... 49

4.7.2 Pendaftar berdasarkan asal sekolah per propinsi ... 49

4.7.3 Pendaftar berdasarkan pekerjaan orang tua... 49

PENGUJIAN ... 50

5.1 Pengujian View Data Mahasiswa ... 50

5.2 Pengujian View Data Jurusan ... 50

5.3 Pengujian View Data Sekolah ... 50

5.4 Pengujian View Data PekOT ... 50

5.5 Pengujian View Data USM ... 50

5.6 Pengujian Insert Data Mahasiswa ... 50

5.7 Pengujian Insert Data Jurusan ... 51

5.8 Pengujian Insert Data Sekolah ... 51

5.9 Pengujian Insert Data PekOT... 51

5.10 Pengujian Insert Data USM ... 51

5.11 Pengujian Update Data Mahasiswa ... 51

5.12 Pengujian Update Data Jurusan ... 52

5.13 Pengujian Update Data Sekolah ... 52

(6)

ix

5.15 Pengujian Update Data USM ... 52

5.16 Pengujian Delete Data Mahasiswa ... 52

5.17 Pengujian Delete Data Jurusan... 53

5.18 Pengujian Delete Data Sekolah ... 53

5.19 Pengujian Delete Data PekOT ... 53

5.20 Pengujian Delete Data USM ... 53

5.21 Pengujian dashboard ... 53

SIMPULAN DAN SARAN ... 54

6.1 Simpulan ... 54

6.2 Saran ... 54

(7)

x

DAFTAR GAMBAR

Gambar 2.1 OLAP ... 9

Gambar 2.2 Star Schema OLAP ... 10

Gambar 2.3 Kubus OLAP ... 11

Gambar 2.4 Tahap OLAP ... 11

Gambar 3.1 Data Cleaning ... 1

Gambar 3.2 Data Cleaning ... 3

Gambar 3.3 Data Integrasi ... 3

Gambar 3.4 Data Reduksi ... 4

Gambar 3.5 Tabel USM ... 5

Gambar 3.6 Tabel Mahasiswa ... 6

Gambar 3.7 Tabel Pek_OT ... 6

Gambar 3.8 Tabel Sekolah ... 7

Gambar 3.9 Tabel Jurusan... 7

Gambar 3.10 Tabel Pek_OT ... 8

Gambar 3.15 Tabel Sekolah ... 14

Gambar 3.18 Desain Star Schema ... 18

Gambar 4.1 gambar tampilan utama ... 20

Gambar 4.2 gambar Tampilan Form Utama ... 21

Gambar 4.3 Gambar Tampilan Form Jurusan ... 22

Gambar 4.4 Gambar Tampilan Form Sekolah ... 22

Gambar 4.5 Gambar Tampilan Form Pekerjaan Orang Tua ... 23

Gambar 4.6 Gambar Tampilan Form USM ... 23

Gambar 4.7 Gambar Tampilan Form Add Mahasiswa ... 24

(8)

xi

Gambar 4.9 Gambar Tampilan Add Jurusan ... 25

Gambar 4.10 Gambar Tampilan Update Jurusan ... 26

Gambar 4.11 Gambar Tampilan Add Sekolah ... 26

Gambar 4.12 Gambar Tampilan Update Sekolah ... 27

Gambar 4.13 Gambar Tampilan Add Pekerjaan Orang Tua ... 27

Gambar 4.14 Gambar Tampilan Update Pekerjaan Orang Tua ... 28

Gambar 4.15 Gambar Tampilan Add USM ... 28

Gambar 4.16 Gambar Tampilan Update USM ... 29

Gambar 4.17 gambar tampilan Export ... 29

Gambar 4.18 Import Data ... 30

Gambar 4.23 Pendaftar Per Gelombang... 33

Gambar 4.24 Pendaftar berdasarkan propinsi ... 34

Gambar 4.25 Pendaftar berdasarkan kota kabupaten ... 35

Gambar 4.26 Pendaftar berdasarkan nama sekolah ... 35

Gambar 4.27 Pendaftar berdasarkan kode propinsi ... 36

Gambar 4.28 Pendaftar berdasarkan kode kota... 36

Gambar 4.29 Pekerjaan Orang Tua Mahasiswa ... 37

Gambar 4.30 Grafik USM per Gelombang ... 38

Gambar 4.31 Grafik jumlah pendaftar per propinsi ... 39

Gambar 4.32 jumlah pendaftar per kabupaten ... 39

Gambar 4.33 jumlah pendaftar berdsarkan nama sekolah ... 40

Gambar 4.34 jumlah pendaftar berasal dari luar bandung ... 40

Gambar 4.35 jumlah pendaftar berasal dari luar jawa barat ... 41

Gambar 4.36 Pekerjaan orang tua pendaftar ... 41

Gambar 4.37 Pendaftar berdasarkan kode propinsi ... 42

Gambar 4.38 Pendaftar berdasarkan kode kota... 42

Gambar 4.39 Insert Data Baru ... 43

(9)

xii

Gambar 4.41 Insert Data Baru ... 44

Gambar 4.42 Update Pivot Table ... 44

Gambar 4.43 Update Pivot Table ... 45

Gambar 4.44 Insert Slicer ... 46

Gambar 4.47 Pivot Chart... 47

Gambar 4.48 Pivot Chart... 48

(10)

xiii

DAFTAR TABEL

Tabel 3.1 keterangan tabel yang akan di gunakan ... 5

Tabel 3.2 keterangan tabel star schema... 19

Tabel 5.1 tabel pengujian view data mahasiswa ... 50

Tabel 5.2 tabel pengujian view data jurusan ... 50

Tabel 5.3 tabel pengujian view data sekolah ... 50

Tabel 5.4 tabel pengujian view data PekOT ... 50

Tabel 5.5 tabel pengujian view data usm ... 50

Tabel 5.6 tabel pengujian insert data... 50

Tabel 5.7 tabel pengujian insert data Jurusan ... 51

Tabel 5.8 tabel pengujian insert data sekolah ... 51

Tabel 5.9 tabel pengujian insert data PekOT ... 51

Tabel 5.10 tabel pengujian insert data Usm ... 51

Tabel 5.11 tabel pengujian update data mahasiswa ... 51

Tabel 5.12 tabel pengujian update data jurusan ... 52

Tabel 5.13 tabel pengujian update data sekolah... 52

Tabel 5.14 tabel pengujian update data PekOT ... 52

Tabel 5.15 tabel pengujian update data PekOT ... 52

Tabel 5.16 tabel pengujian delete data mahasiswa ... 52

Tabel 5.17 tabel pengujian delete data jurusan ... 53

Tabel 5.18 tabel pengujian delete data sekolah ... 53

Tabel 5.19 tabel pengujian delete data PekOT... 53

Tabel 5.20 tabel pengujian delete data USM ... 53

(11)

1

Universitas Kristen Maranatha

PENDAHULUAN

1.1Latar Belakang

Database adalah teknologi yang sangat di perlukan di zaman modern seperti

sekarang ini, karena dengan adanya database kita akan mudah untuk menyimpan

file atau berkas kedalam sebuah komputer, banyak bentuk-bentuk yang dulu hanya

mempunyai teknologi sebagai tempat penyimpanan data yang terdiri dari field-field,

record dan diolah serta ditampilkan menjadi informasi dalam berbagai format

tampilan yang sederhana, namun kini bermula dari bentuk yang sederhana tersebut telah didapatkan suatu metode untuk menampilkan suatu database yang berguna untuk menganalisa data untuk suatu keperluan tertentu. Dengan memanfaatkan

relational database yang sudah ada maka didapat suatu cara untuk mengantisipasi

kebutuhan guna menganalisa data secara cepat untuk membantu mendapatkan keputusan dalam suatu organisasi. (Janus & Misner, 2011)

Tuntutan menjadi organisasi yang memiliki kinerja tinggi juga di hadapi oleh Universitas Kristen Maranatha karena persaingan untuk mendapatkan mahasiswa antar perguruan tinggi tidak dapat dipelakkan lagi seiring dengan pertumbuhan, perguruan tinggi/Universitas harus memperlengkapi dirinya untuk dapat bertahan didalam persaingan. Data yang ada pada Universitas yang begitu besar dan banyak membutuhkan alokasi tempat penyimpanan akan terbantu dan menjadi efisien dengan adanya data warehouse. Salah satu penerapan penggunaan teknologi informasi tersebut menggunakan Bussiness Intelligence yang dapat digunakan untuk mengolah data mahasiswa baru yang diterima. Hasil pengolahan data secara historikal yang terdapat di Penerimaan Mahasiswa Baru seperti data pendaftar yang berisi waktu daftar, sekolah asal, jurusan di SMA, dan lain-lain dapat dikumpulkan dalam data warehouse, kemudian dilakukan analisis statistik, sehingga di peroleh informasi yang dapat di gunakan oleh pihak Universitas Kristen Maranatha. (JANNACH, ZANKER, FELFERNIG, & FRIEDRICH, 2011)

(12)

2

Universitas Kristen Maranatha keputusan, pengelolaan data dan dukungan infrastruktur di bidang teknologi informasi merupakan cikal-bakal dari lahirnya teknologi OLAP (Online Analytical

Processing) . OLAP merupakan bagian dari sistem Data Warehousing yang

mendukung Bussiness Intelligence. OLAP merupakan suatu metode untuk menyajikan data dalam bentuk multidimensional query yang lebih mudah dan lebih efisien untuk di sajikan. OLAP dapat digunakan untuk menganalisis data secara interaktif dengan fasilitas yang baik. (Nagabushana, 2006)

1.2Rumusan Masalah

Rumusan masalah pada Pengelolaan Data Warehouse Calon Mahasiswa Baru Di Universitas Kristen Maranatha ialah sebagai berikut:

1. Bagaimana mengelola data calon mahasiswa baru di lihat dari jumlah pendaftar, asal sekolah, dan informasi-informasi lainnya

2. Bagaimana cara membuat data warehouse di Universitas Kristen Maranatha?

1.3Tujuan Pembahasan

Tujuan Pembahasan pada Pengelolaan Data Warehouse Calon Mahasiswa Baru Di Universitas Kristen Maranatha ialah sebagai berikut:

1. Mengelola data calon mahasiswa baru dengan menggunakan OLAP dan menampilkan hasil data tersebut.

2. Membuat data warehouse calon data mahasiswa baru Universitas Kristen Maranatha dan menampilkan dalam bentuk grafik

1.4Ruang Lingkup

Dalam pembuatan Pengelolaan Data Warehouse Calon Mahasiswa Baru Di Universitas Kristen Maranatha akan dibuat batasan masalah agar topik yang di bicarakan tetap pada batasan yang sudah ditentukan:

1.4.1Ruang Lingkup Data

(13)

3

Universitas Kristen Maranatha

1.4.2Ruang Lingkup Perangkat Lunak

Adapun ruang lingkup perangkat lunak pada aplikasi ini adlah:

1. Sistem Operasi : Windows 7 Profesional

2. Sistem Basis Data : Microsoft SQL Server

1.5Sumber Data

Primer : Sumber data dari database yang berisi data calon mahasiswa baru tahun ajaran 2000/2001 - 2016/2017.

Sekunder : Buku dan modul yang membahas tentang Data Warehouse,

OLAP,dan Business Intelligence.

1.6Sistematika Penyajian

Berikut ini adalah sistematika penyajian pada pembuatan aplikasi ini:

BAB I Pendahuluan

Membahas mengenai latar belakang, rumusan masalah, tujuan, ruang lingkup kajian, sumber data, dan sistematika penyajian Tugas Akhir.

BAB II Kajian Teori

Membahas mengenai teori-teori seperti pengenalan Data Warehouse,

OLAP, dan Business Intelligence yang berkaitan dengan analisa ini.

BAB III Analisis dan Rancangan Sistem

Membahas mengenai pemodelan dan tahapan yang dilakukan dalam menganalisa data.

BAB IV Implementasi

Membahas mengenai hasil analisis dan juga berisi tentang screenshot dari analisis yang dibuat.

(14)

4

Universitas Kristen Maranatha BAB VI Simpulan dan Saran

(15)

SIMPULAN DAN SARAN

6.1Simpulan

Kesimpulan yang didapat berdasarkan tujuan yang telah disampaikan di bab 1 adalah sebagai berikut.

1. Pengelolaan Data Warehouse Calon Mahasiswa Baru di Universitas Kristen Maranatha menghasilkan data yang lebih akurat dan hasil yang diperoleh dapat digunakan untuk melihat data mahasiswa baru yang mendaftar di Universitas Kristen Maranatha

2. Dengan adanya program Insert,Update,Delete memudahkan para pengguna untuk memasukkan,memperbaharui,dan menghapus data.

3. Pembuatan grafik data calon mahasiswa baru dengan menggunakan pivot

table dan dashboard pada Microsoft Excel dapat memudahkan pengguna

untuk melihat data mahasiswa baru sesuai keinginan.

6.2Saran

(16)

Pengelolaan Data

Warehouse

Calon Mahasiswa Baru Di

Universitas Kristen Maranatha

TUGAS AKHIR

Diajukan untuk Memenuhi Persyaratan Akademik dalam

Menyelesaikan Pendidikan pada Program Studi

S1 Teknik Informatika Universitas Kristen Maranatha

Oleh

Surya Pranoto Tanuwijaya

0972124

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INFORMASI

UNIVERSITAS KRISTEN MARANATHA

BANDUNG

(17)

PRAKATA

Puji syukur kepada Tuhan Yang Maha Esa yang telah melimpahkan kasih karunia-Nya yang besar sehingga Tugas Akhir ini bisa diselesaikan tepat waktu. Dalam rangka menyelesaikan studi untuk mendapatkan gelar S1 Teknik Informatika saya mengerjakan Tugas Akhir ini. Saya mengambil Tugas Akhir yang berjudul Analisis Dan Pengelolaan Data Warehouse Calon Mahasiswa Baru Di Universitas Kristen Maranatha Menggunakan OLAP.

Terima kasih kepada kedua dosen pembimbing saya bapak Ir.Teddy Marcus Zakaria, MT. yang telah memberikan arahan, bimbingan dan bantuan dalam Tugas Akhir ini Terima kasih juga kepada Dekan S1 Teknik Informatika Dr. Hapnes Toba, M. Sc. Ketua Program Studi S1 Teknik Informatika Robby Tan, S.T, M. Kom., dan Koordinator Tugas Akhir Meliana Christianti J., S.Kom., M.T.

Dalam Tugas Akhir ini saya terbuka untuk kritik dan saran dari pembaca melalui email franstanuwijaya21@yahoo.co.id. Dengan adanya penelitian ini diharapkan dapat membantu mengembangkan dunia bisnis khususnya di bidang alat tulis kantor.

Bandung, 16 Desember 2016

(18)

DAFTAR PUSTAKA

Aigner, W., Miksch, S., Schumann, H., & Tominski, C. (2011). Visualization of

Time-Oriented Data. London: Springer-Verlag London Limited.

Chendra, Y. N. (2016). Perancangan DataWarehouse Untuk Toko Alat Tulis Kantor.

Huda, N. M. (2010). APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA (Studi Kasus di Fakultas MIPA Universitas Diponegoro). APLIKASI DATA MINING

UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA (Studi Kasus di Fakultas MIPA Universitas Diponegoro),

6-9.

Inmon, W. H. (2005). Building the Data Warehouse. Indianapolis: Wiley Publishing Inc.

JANNACH, D., ZANKER, M., FELFERNIG, A., & FRIEDRICH, G. (2011).

Recommender Systems An Introduction. New York: Cambridge University

Press.

Janus, P., & Misner, S. (2011). Building Integrated Business Intelligence Solutions

with SQL Server® 2008 R2 & Office 2010. New York: The McGraw-Hill

Companies.

Kroenke, D. M., & Auer, D. J. (2012). Database Processing: Fundamentals,

Design, and Implementation. Upper Saddle River, New Jersey, USA:

Pearson Education, Inc.

Linoff, G. S. (2008). Data Analysis Using SQL and EXCEL. United States of America: Wiley Publishing, Inc.

Nagabushana, S. (2006). Data Warehousing OLAP and Data Mining. New Delhi: New Age International (P) Ltd., Publishers.

Object Management Group. (2014, June 9). Business Process Model and Notation

(19)

Wrembel, R., & Koncilia, C. (2007). Data Warehouses and OLAP: Concepts,

Architectures and Solutions. London: IRM Press (an imprint of Idea Group