PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP
PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB
WAHYU DWI SURYANTO
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP
PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB
WAHYU DWI SURYANTO
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
ABSTRACT
WAHYU DWI SURYANTO. Development of Data Warehouse and OLAP Applications for Data Evaluation of Teaching and Learning Process of IPB. Supervised by FIRMAN ARDIANSYAH.
Evaluation of Teaching and Learning Process (EPBM) is one measure of success in a learning process. Every year IPB always holds EPBM at least twice in one academic year. Increasingly, EPBM data is getting more and more difficult to analyze and to find information, either expressed or implied. By using data warehouse technology and an application On-line Analytical Processing (OLAP), IPB’s stakeholder can analyze and find information on the data.
The main objective of this research is to develop a data warehouse and OLAP applications on EPBM data of IPB using Microsoft Business Intelligence as OLAP server. This study begin by collecting the data, integration and data reduction, data cleansing, data transformation, data loading, and OLAP implementations. The data warehouse schema used in this research is the galaxy scheme which has two facts (Course fact and Lecturer fact) and 9-dimensions (semester, academic year, courses, lecturers, faculty, department, lecturers education, and lecturers strata).
To create a data warehouse and OLAP applications, we generate a data cube called EPBM Data. The results of the data cube can be visualized into various types of graphic models, such as bar graphs, line graphs, pie charts, and so forth. The results of the data cube is visualized using Microsoft Sharepoint 2010.
Judul Skripsi : Pengembangan Data Warehouse dan Aplikasi OLAP pada Data Evaluasi Proses Belajar Mengajar IPB
Nama : Wahyu Dwi Suryanto NIM : G64096065
Disetujui Pembimbing
Firman Ardiansyah SKom MSi NIP. 19790522 200501 1 003
Diketahui Ketua Departemen
Dr Ir Agus Buono MSi MKom NIP. 19660702 199302 1 001
PRAKATA
Bismillahirrahmaanirrahiim,
Alhamdulilahirobbil’alamin, segala puji syukur penulis panjatkan ke hadirat Allah Subhanahuwa ta’ala atas segala rahmat dan karunia-Nya sehingga tugas akhir ini berhasil diselesaikan. Topik tugas akhir yang dipilih dalam penelitian adalah Pengembangan Data Warehouse dan Aplikasi OLAP Data Evaluasi Proses Belajar Mengajar IPB.
Penulis ingin menyampaikan terima kasih kepada keluarga tercinta terutama ibunda tercinta Akidah, ayahanda tersayang Kispono Riyanto, dan Kakanda Khurniawan Fajar Purnomo serta seluruh keluarga besar atas doa, semangat, nasihat, dan kasih sayang yang diberikan kepada penulis.
Terima kasih kepada Bapak Firman Ardiansyah SKom MSi selaku dosen pembimbing tugas akhir dan pembimbing akademik atas bantuan, motivasi, arahan, dan kesabarannya dalam membimbing hingga tugas akhir ini dapat diselesaikan. Penulis juga mengucapka terima kasih kepada Bapak Hari Agung Adrianto SKom MSi dan Dr Yani Nurhadryani SSi MT sebagai penguji. Terima kasih juga penulis sampaikan kepada:
1 Pimpinan dan staf Kantor Manajemen Mutu (KMM), dan Direktorat Akademik dan Pendidikan (Dit. AP) Institut Pertanian Bogor atas dukungan data dan informasinya.
2 Pimpinan dan staf Direktorat Komunikasi dan Sistem Informasi (DKSI) IPB atas dukungan jaringan, perangkat lunak, dan pengakat keras.
3 Rekan-rekan satu bimbingan: Andri Setyawan, Abdul Qifli Sangadji, dan rekan lainnnya terima kasih atas kebersamaan dan semangatnya selama ini.
4 Rekan-rekan seperjuangan di Alih Jenis angkatan 4 Ilmu Komputer IPB terima kasih atas kerjasama dan kebersamaannya selama menempuh pendidikan di kampus tercinta ini.
5 Staf dan pegawai di Departemen Ilmu Komputer atas bantuannya.
6 Priyo, Hanif, Wikhdal, Hafiz, Hana, Lina, Rika, dan rekan-rekan programmer di cyber jagung serta semua pihak yang membantu terselesaikannya penelitian ini.
Semoga tulisan ini dapat memberikan banyak manfaat, Amiinn.
Bogor, Juni 2012
RIWAYAT HIDUP
Penulis, Wahyu Dwi Suryanto, dilahirkan di Pulau Kangean, Sumenep, Jawa Timur pada tanggal 25 Februari 1989. Penulis merupakan anak kedua dari dua bersaudara dari pasangan Kispono Riyanto dan Akidah.
v
DAFTAR ISI
Halaman
DAFTAR TABEL ... vi
DAFTAR GAMBAR ... vi
DAFTAR LAMPIRAN ... vii
PENDAHULUAN ... 1
Latar Belakang ... 1
Tujuan ... 1
Ruang Lingkup ... 1
Manfaat Penelitian ... 1
METODE PENELITIAN ... 1
Analisis... 1
Desain... 2
1 Desain Konseptual ... 2
2 Desain Logikal ... 2
3 Desain Fisik ... 2
Praproses data ... 2
1 Integrasi dan Reduksi Data ... 2
2 Pembersihan Data ... 2
3 Transformasi Data ... 2
Data Warehouse ... 2
Pengujian Query ... 3
Aplikasi OLAP dengan Business Intelligence ... 3
Lingkungan Pengembangan ... 3
HASIL DAN PEMBAHASAN... 3
Analisis... 3
Desain... 4
1 Desain Konseptual ... 4
2 Desain Logikal ... 4
3 Desain Fisik ... 5
Praproses Data ... 7
1 Integrasi dan Reduksi ... 7
2 Pembersihan Data ... 7
3 Transformasi Data ... 8
4 Load Data ... 8
Data Warehouse ... 8
Pengujian Query ... 8
Eksplorasi Data dan Presentasi Hasil ... 8
KESIMPULAN DAN SARAN... 9
Kesimpulan ... 9
Saran ... 9
DAFTAR PUSTAKA ... 10
vi
DAFTAR TABEL
Halaman
1
Atribut pada data EPBM. ... 42
Atribut tabel fakta_matakuliah ... 43
Atribut tabel fakta_dosen ... 54
Desain fisik tabel fakta_matakuliah setelah proses integrasi dan reduksi. ... 55
Desain fisik tabel fakta_dosen setelah proses integrasi dan reduksi ... 56
Atribut yang direduksi pada data EPBM ... 77
Hasil pengujian query ... 9DAFTAR GAMBAR
Halaman1
Bagan metode penelitian ... 22
Skema Galaxy dengan 2 tabel fakta dan 9 tabel dimensi. ... 63
Hirarki dimensi tahun akademik. ... 64
Hirarki dimensi semester. ... 65
Hirarki dimensi matakuliah berdasarkan departemen dan fakultas. ... 66
Hirarki dimensi dosen berdasarkan departemen dan fakultas. ... 77
Hirarki dimensi dosen berdasarkan jenjang pendidikan. ... 78
Hirarki dimensi dosen berdasarkan tahun kerja dosen. ... 79
Hirarki dimensi dosen berdasarkan pendidikan. ... 710
Data yang mengandung nilai null. ... 711
Data yang mengandung nilai null yang sudah diisi dengan nilai rata-rata. ... 712
Arsitektur three-tier data warehouse pada data EPBM (Noviandi 2010). ... 813
Grafik batang jumlah responden pada fakta dosen pada Fakultas MIPA per departemen setiap semester tahun 2010/2011. ... 914
Grafik garis jumlah responden setiap tahun per semester pada fakta dosen pada Fakultas MIPA Departemen Ilmu Komputer. ... 9vii
DAFTAR LAMPIRAN
Halaman
1
Formulir Evaluasi Proses Belajar Mengajar ... 122
Hasil pembersihan data data EPBM mata kuliah ... 133
Hasil pembersihan data EPBM dosen ... 134
Isi tabel fakta_dosen ... 145
Isi tabel fakta_matakuliah ... 156
Isi tabel dimensi semester pada hirarki semester pada fakta_dosen dan fakta_matakuliah ... 167
Isi tabel dimensi strata pada hirarki dosen pada fakta_matakuliah... 168
Isi tabel dimensi pendidikan pada hirarki dosen pada fakta_matakuliah ... 169
Isi tabel dimensi tahun pada hirarki dosen pada fakta_matakuliah ... 1710
Isi tabel matakuliah pada hirarki matakuliah pada fakta_dosen dan fakta_matakuliah ... 1711
Isi tabel tahunakademik pada hirarki tahunakademik pada fakta_dosen dan fakta_matakuliah... 1712
Isi tabel fakultas pada hirarki departemen pada fakta_dosen dan fakta_matakuliah ... 1813
Isi tabel departemen pada hirarki departemen pada fakta_dosen dan fakta_matakuliah ... 1814
Isi tabel dosen pada hirarki dosen pada fakta_matakuliah ... 1915
Hasil pengujian formal dengan spesifikasi tren jumlah responden dosen pada fakultas ... 1916
Hasil pengujian non formal dengan spesifikasi tren jumlah responden dosen pada fakultas ... 2017
Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi mata kuliah pada fakultas setiap tahun ... 2118
Hasil pengujian non formal dengan spesifikasi tren nilai rata-rata hasil evaluasi mata kuliah pada fakultas setiap tahun ... 2119
Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun ... 2220
Hasil pengujian non formal dengan spesifikasi tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun ... 2221
Hasil pengujian formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir ... 2322
Hasil pengujian non formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir ... 231
PENDAHULUAN
Latar Belakang
Beberapa tahun terakhir, Evaluasi Proses Belajar Mengajar (EPBM) selalu menjadi sorotan pada institusi pendidikan sebagai tolok ukur dalam peningkatkan mutu pendidikan dan keberhasilan suatu proses belajar mengajar (PBM). Salah satu institusi pendidikan yang melakukan EPMB adalah Institut Pertanian Bogor (IPB). IPB selalu melakukan EPBM setiap menjelang Ujian Akhir Semester (UAS). Evaluasi dilakukan pada setiap mata kuliah yang diberikan dan pada dosen pengajar yang memberikan perkuliahan dan praktikum dalam setiap semesternya.
Jumlah mahasiswa IPB yang aktif pada tahun 2011 yaitu 14 363. Jumlah mata kuliah yang diselenggarakan setiap tahun sebanyak 1100 mata kuliah. EPBM dilakukan dua kali dalam satu tahun, untuk setiap mata kuliah oleh mahasiswa. Jadi, setiap tahun data EPBM yang terkumpul adalah sebanyak 31 598 600 lembar EPBM yang kemudian direkap berdasarkan dosen pada setiap mata kuliah. Rata-rata data EPBM per tahun setelah dilakukan rekap per dosen sebanyak 2785
.
Data yang dihasilkan dari pengisian EPBM dari tahun ke tahun disimpan dalam suatu tempat penyimpanan data dalam bentuk berkas Excel (xls dan xlsx), namun penyimpanan yang dilakukan secara rutin dari tahun ke tahun menyebabkan data yang tersimpan semakin menumpuk. Walaupun saat ini media penyimpanan sudah memiliki kapasitas yang besar (sampai terabyte), penumpukan data tetap akan menimbulkan masalah jika tidak dikelola dengan baik. Penyajian informasi yang interaktif, konklusif, cepat, dan menarik tidak akan terwujud dengan baik. Kondisi seperti ini biasa disebut dengan istilah “rich of data but poor of information” (Han & Kamber 2006).
Untuk mengatasi masalah penumpukan data dan masalah penyajian informasi dari data EPBM tersebut, diperlukan proses pengelolaan
data warehouse yang baik. Data warehouse
yang disajikan memerlukan fungsi pengumpulan, persiapan, dan penyimpanan data EPBM untuk menghasilkan aplikasi yang bersifat query atau reporting sehingga dapat membantu pengelolaan data yang bertumpuk dan serta mempermudah menyajikan informasi secara visual. Oleh karena itu, perlu dibangun aplikasi On-Line Analytical Processing (OLAP) yang diintegrasikan dengan data warehouse.
Microsoft Business Intelligence (BI) merupakan tool yang berbasis Windows untuk
OLAP yang menyediakan tool pembantu dalam menganalisis data.
Tujuan
Penelitian ini bertujuan membangun data warehouse dan aplikasi OLAP berbasis web untuk data Evaluasi Proses Belajar Mengajar IPB yang dikelola oleh Kantor Manajemen Mutu (KMM) dengan menggunakan Microsoft Business Intelligence.
Ruang Lingkup
Ruang lingkup penelitian ini dibatasi pada pembuatan data warehouse dan pengembangan aplikasi OLAP berbasis web. Tools yang digunakan adalah Microsoft Business Intelligence yang sudah termasuk dalam paket pada Microsoft SQL Server 2008 R2. Data yang digunakan adalah data EPBM tahun akademik 2007/2008 sampai dengan tahun akademik 2010/2011 yang terdapat di Kantor Manajemen Mutu (KMM) IPB.
Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat kepada pihak-pihak terkait yang ada di IPB, khususnya KMM selaku pengelola data dan penyelenggara kegiatan EPBM IPB, dalam memberikan dan menyajikan analisis terhadap data secara cepat, interaktif, dan menarik. Hal ini dapat berguna bagi pihak-pihak terkait untuk dapat melakukan analisis data sehingga membantu proses pengambilan keputusan secara tepat.
METODE PENELITIAN
Penelitian ini dilakukan dalam beberapa tahapan (Gambar 1).
Analisis
Pada tahap, ini dilakukan analisis spesifikasi kebutuhan data warehouse yang akan dibangun sesuai dengan keinginan pengguna. Data yang akan dianalisis adalah data yang merupakan hasil olahan dari formulir EPBM yang sudah diolah. Contoh formulir EPBM dapat dilihat pada Lampiran 1. Analisis spesifikasi kebutuhan dilakukan untuk menghasilkan desain konseptual, desain logikal, dan desain fisik.
tempat database yang digunakan, sedangkan
user dapat berinteraksi langsung dengan antarmuka aplikasi. Adapun fasilitas yang dapat diterima pengguna adalah sebagai berikut: 1 memilih dimensi atau atribut melalui kotak
drop-down list,
2 menampilkan data secara drill down dan
drill up, dan
3 menampilkan data dalam bentuk grafik (box, pie, dan line).
Gambar 1 Bagan metode penelitian. Desain
1 Desain Konseptual
Pada tahap ini, dilakukan desain skema dalam pembuatan data warehouse, analisis measure
dan dimensi-dimensi apa yang akan digunakan.
Measure adalah suatu ukuran untuk mengukur tingkat analisis data warehouse dari dimensi-dimensi yang ada.
2 Desain Logikal
Pada tahapan ini, dilakukan perencanaan dan pembuatan database dengan membuat relasi-relasi data dan menentukan hubungan satu atribut dangan atribut lainnya. Penyimpanan data pada database terdapat dua pilihan, yaitu dengan penyimpanan multidimensional atau menggunakan penyimpanan dengan basis relasional.
3 Desain Fisik
Tahapan desain fisik adalah tahapan terakhir sebelum ke tahapan praproses data. Tahapan ini menjelaskan kubus data yang sudah siap digunakan dalam data warehouse. Pada tahapan ini, skema sudah dapat diimplementasikan ke dalam data warehouse yang akan dibangun.
Praproses data
Sebelum masuk ke implementasi data warehouse, data harus melalui tahap praproses data terlebih dahulu (Han & Kamber 2006). Tahapan praproses data pada data EPBM IPB meliputi:
1 Integrasi dan Reduksi Data
KMM IPB menggunakan Microsoft Excel untuk mengelola hasil EPBM. Hasil ekspor data dosen dari Sistem Kepegawaian yang ada di Dit. SDM juga dalam format Excel (.xls). Data mata kuliah yang diberikan oleh Dit. AP berupa
file dengan format Ms. Word (.doc). Sebelum diimpor ke Microsoft SQL Server 2008, atribut-atribut data yang relevan dipilih. Pemilihan atribut ini berdasarkan tujuan pembuatan data warehouse. Integrasi dilakukan dengan menggabungkan atribut-atribut yang menarik dari tabel yang dianalisis. Reduksi dilakukan bersamaan dengan proses integrasi, yaitu dengan membuang atribut-atribut yang kurang menarik dari tabel yang dianalisis.
2 Pembersihan Data
Pembersihan data dilakukan terhadap
record-record yang mengandung nilai null, dan nilai yang tidak konsisten. Kondisi tersebut dapat diatasi dengan membuang atau menyeragamkan nilainya dengan menggunakan nilai rataan untuk atribut yang bernilai angka. 3 Transformasi Data
Tranformasi ke bentuk data yang tepat dilakukan agar data dapat digunakan untuk proses selanjutnya. Tranformasi meliputi penyeragaman nama atribut, generalisasi, agregasi, dan konstruksi atribut. Akhir dari tahapan transformasi ini ialah terbentuknya sebuah data warehouse.
Data Warehouse
Metode yang digunakan dalam pengembangan data warehouse ini mengacu pada arsitektur three-tier data warehouse yang meliputi:
1 Lapisan bawah (bottom tier)
Lapisan ini merupakan suatu sistem basisdata relasional (SQL Server 2008 R2) yang berfungsi sebagai tempat pengolahan data. 2 Lapisan tengah (middle tier)
Lapisan ini merupakan lapisan tempat menyimpan stuktur kubus data yang biasa disebut dengan OLAP server. Dalam penelitian ini, digunakan Microsoft Business Intelligence (BI) sebagai OLAP server.
3
warehouse dan data mart memiliki batasan yang sangat tipis, namun perbedaan ini tidak perlu dikhawatirkan karena secara subtansi tujuan dari pembuatannya memiliki kesamaan (Noviandi 2010).
Konsep data warehouse sudah dikenal sebagai platform yang fundamental dari setiap solusi BI yang dikembangkan. Keberhasilan dalam merancang dan memasukkan data ke dalam data warehouse akan sangat berpengaruh terhadap berhasil atau tidaknya solusi BI yang dikembangkan dalam sebuah organisasi (Noviandi 2010).
3 Lapisan atas (top tier)
Lapisan ini merupakan lapisan untuk end user yang berfungsi menampilkan ringkasan dari isi data warehouse yang merupakan hasil dari operasi OLAP (SharePoint 2010).
Pengujian Query
Tahap pengujian query ini dilakukan setelah pemuatan dan pembuatan data warehouse
selesai. Pengujian ini dilakukan untuk melihat apakah operasi OLAP yang dibangun sudah berhasil diimplementasikan dan sesuai dengan informasi yang akan ditampilkan. Pengujian
query dibantu dengan memvisualisasikan kubus-kubus data dengan grafik-grafik dan tabel-tabel untuk akurasi hasil.
Aplikasi OLAP dengan Business Intelligence Business Intelligence adalah serangkaian kegiatan untuk memahami situasi bisnis dengan melakukan berbagai jenis analisis pada data yang dimiliki oleh organisasi serta data eksternal dari pihak ketiga untuk membantu menentukan strategi, keputusan bisnis yang taktis, dan operasional dan mengambil yang diperlukan tindakan untuk meningkatkan kinerja bisnis (Rainardi 2010).
Langkah awal pembangunan aplikasi OLAP adalah dengan membentuk struktur kubus data dalam OLAP server. Sebelum tahap pembangunan kubus data, analisis data dilakukan untuk menentukan dimensi dan
measure yang akan digunakan. Setelah menganalisis dimensi dan measure yang akan digunakan, dilakukan pembentukan struktur kubus data. Pembentukan bisa dilakukan secara manual ataupun otomatis. Pada penelitian ini, pembentukan kubus data secara otomatis dilakukan.
Selanjutnya dilakukan perancangan antar-muka. Rancangan antarmuka terbagi menjadi dua bagian, yaitu tampilan screen dengan resolusi 1024 x 768 piksel dan tampilan hasil
query. Fungsi dirancang untuk operasi-operasi OLAP dengan crosstab dan grafik.
Implementasi aplikasi dilakukan dengan menggunakan Microsoft SharePoint 2010. Lingkungan Pengembangan
Aplikasi OLAP ini dibangun dengan menggunakan perangkat sebagai berikut:
Perangkat keras server dengan spesifikasi:
• Prosesor Intel Core i5650.
• Memory 10GB DDR III.
• Hard disk 500GB.
Perangkat keras client dengan spesifikasi:
• Prosesor Intel Core i3 2.27GHz.
• Memory 3GB DDR III.
• Hard disk 320GB.
• Monitor 14” (1366 x 768 piksel)
• Keyboard.
• Mouse.
Perangkat lunak yang terpasang di server:
• Windows Server 2008 R2.
• Internet Explorer 8.
• Internet Information Services 7.
• Microsoft SQL Server 2008.
• Microsoft Sharepoint 2010.
• Microsoft .Net Framework 4.0.
Perangkat lunak yang digunakan untuk membuat sistem:
• Windows 7 Ultimate Edition.
• Internet Explorer 9.
• Internet Information Services 7.
• Microsoft SQL Server 2008.
• Microsoft Sharepoint 2010.
• Microsoft .Net Framework 4.0.
HASIL DAN PEMBAHASAN
Analisis
Data EPBM IPB yang diperoleh dalam format Excel 2007 (.xlsx) berisi data EPBM mata kuliah dan dosen masing-masing sebanyak 11 139 record. Data mata kuliah diperoleh dari Dit. AP dalam format Ms. Word (.doc). Data dosen diunduh langsung dari Sistem Informasi Kepegawaian IPB yang dikelola oleh Dit. SDM dalam format Excel 2003 (.xls). Dari seluruh data tersebut, selanjutnya proses analisis data dilakukan. Proses ini dilakukan untuk menemukan atribut-atribut yang tepat untuk pembangunan data warehouse. Atribut-atribut pada data EPBM sebelum dianalisis dapat dilihat pada Tabel 1.
Atribut yang akan digunakan dipilih berdasarkan kreteria berikut:
2 atribut yang dapat direlasikan dengan atribut (foreign key) pada tabel lainnya, serta 3 data tidak mengandung nilai null > 10
(atribut maupun record).
Spesifikasi kebutuhan yang ditentukan pada tahap ini adalah sebagai berikut:
1 Tren jumlah responden dosen pada fakultas setiap tahun: Jumlah responden dosen yang mengisi EPBM pada mata kuliah yang diajar oleh dosen pada masing-masing fakultas setiap tahun akademik yang telah berjalan. 2 Tren nilai rata-rata hasil evaluasi mata
kuliah pada fakultas setiap tahun: Jumlah nilai rata-rata dari seluruh (m1-m9) poin pertanyaan setiap mata kuliah yang diajarkan pada masing-masing fakultas setiap tahun akademik yang telah berjalan. 3 Tren nilai rata-rata hasil evaluasi dosen pada
fakultas setiap tahun: Jumlah nilai rata-rata dari seluruh (p1-p9) poin pertanyaan setiap dosen yang diajarkan pada masing-masing fakultas setiap tahun akademik yang berjalan.
4 Tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir: Rata-rata nilai yang diperoleh dosen dari seluruh poin pertanyaan (p1-p9) berdasarkan jenjang pendidikan terakhir dosen setiap tahun akademik yang telah berjalan.
5 Tren nilai dosen berdasarkan lokasi belajar terakhir: Rata-rata nilai yang diperoleh dosen dari seluruh poin pertanyaan (p1-p9) berdasarkan lokasi (dalam atau luar) belajar terakhir setiap tahun akademik yang telah berjalan.
Tabel 1 Atribut pada data EPBM. No Atribut No Atribut
1 Tahun 17 DSN
2 Semester 18 NIPlama
3 MK 19 NIP Baru
4 NMMK 20 Nama
5 M1 21 Namacek
6 M2 22 P1
7 M3 23 P2
8 M4 24 P3
9 M5 25 P4
10 M6 26 P5
11 M7 27 P6
12 M8 28 P7
13 M9 29 P8
14 RATA2mk 30 P9 15 JMLmk 31 RATA2ds 16 DEPTDOS 32 JMLds
Desain
1 Desain Konseptual
Tahap desain diawali dengan menentukan dan memilih atribut-atribut yang bisa dijadikan sebagai measure dan dimensi. Dimensi yang terbentuk adalah dimensi tahun akademik, dimensi semester, dimensi matakuliah, dimensi departemen, dimensi fakultas, dimensi dosen, dimensi pendidikan, dimensi tahun, dan dimensi strata. Atribut pada tabel-tabel fakta terdiri atas
foreign key dari dimensi-dimensi dan measure. 2 Desain Logikal
Pada tahap ini, dihasilkan 2 tabel fakta dan 9 tabel dimensi. Kedua tabel fakta tersebut diberi nama fakta_matakuliah yang memiliki 12 atribut dan fakta_dosen yang memiliki 15 atribut. Atribut pada tabel fakta_matakuliah dan tabel fakta_dosen berturut-turut dapat dilihat pada Tabel 2 dan Tabel 3.
Tabel 2 Atribut tabel fakta_matakuliah Atribut Deskripsi
Id tahun akademik
idtahunakademik sebagai penciri tahun diselenggara-kannya mata kuliah idsemester idsemester sebagai penciri
semester diselenggarakannya mata kuliah
idmatakuliah idmatakuliah sebagai penciri mata kuliah
p1 garis-garis besar perkuliahan disampaikan pada pertemuan pertama
p2 kuliah dilaksanakan sesuai dengan jadwal yang ditetapkan oleh Dit. AP p3 kuliah dilaksanakan sesuai
dengan jumlah yang telah ditentukan (14 pertemuan / semester)
p4 pokok bahasan kuliah sesuai dengan tujuan kuliah p5 pokok bahasan kuliah
menambah pengetahuan dan wawasan baru
p6 tugas mandiri yang diberikan meningkatkan materi p7 sarana / prasarana
mendu-kung pelaksanaan kuliah p8 ujian tengah semester atau
tugas mandiri diberikan sesuai dengan pokok bahasan dan tujuan kuliah
p9 hasil ujian tengah semester diumumkan 2 minggu setelah periode ujian
5
3 Desain Fisik
Pada tahap ini, measure dan dimensi yang akan digunakan ditentukan. Measure yang dipilih pada fakta mata kuliah adalah m1 yang merepresentasikan pertanyaan pertama pada kuesioner, m2 juga merepresentasikan pertanyaan kedua pada kuesioner, m3, m4, dan
m5 sampai dengan m9 merepresentasikan urutan pertanyaan yang ada pada kuesioner dan ratam
merepresentasikan rata-rata dari seluruh nilai (m1 – m9).
Tabel 3 Atribut tabel fakta_dosen Atribut Deskripsi
Id tahun akademik
idtahunakademik sebagai penciri tahun diseleng-garakannya mata kuliah Idsemester idsemester sebagai penciri
semester diselenggarakannya mata kuliah
idmatakuliah idmatakuliah sebagai penciri mata kuliah
Nip nip sebagai penciri dosen m1 dosen menyampaikan materi
pengajaran dengan baik m2 dosen memberikan penekanan
tentang aspek-aspek penting yang terkait dengan materi yang diberikan
m3 dosen menyampaikan materi pengajaran yang meningkat-kan minat mahasiswa terhadap mata kuliah ini
m4 dosen memberikan ilustrasi yang mencakup keterkinian perkembangan ilmu / aplikasi / hasil penelitian
m5 dosen menggunakan bahan / alat bantu / alat peraga yang sesuai dengan materi pembelajaran
m6 dosen memberikan kesempa-tan kepada mahasiswa untuk bertanya / menyampaikan pendapat
m7 dosen memperlihatkan sikap dan penampilan yang baik m8 dosen menghormati dan
menghargai mahasiswa sesuai dengan hak dan kewajibannya m9 dosen menyampaikan
pesan-pesan moral, etika, dan disiplin
Ratam rata-rata nilai dari m1-m9 Begitu juga untuk fakta dosen, p1 sampai dengan p9 merepresentasikan urutan pertanyaan yang ada pada kuisioner. Ratap juga merepresentasikan rata-rata dari seluruh nilai
(p1 – p9). Desain fisik dan atribut-atribut pada tabel fakta_matakuliah dapat dilihat pada Tabel 4 dan Tabel fakta_dosen dapat dilihat pada Tabel 5.
Selanjutnya, dibuat skema model data multidimensi. Skema yang terbentuk adalah skema galaxy. Terbentuknya skema ini karena terdapat 3 tabel dimensi yang berbagi pakai antara fakta matakuliah dan fakta dosen. Ketiga tabel dimensi tersebut adalah dimensi matakuliah, dimensi tahunakademik, dan dimensi semester. Skema model data multidimensi yang terbentuk dapat dilihat pada Gambar 2.
Tabel 4 Desain fisik tabel fakta_matakuliah setelah proses integrasi dan reduksi.
No Atribut Keterangan
1 idmatakuliah Varchar 2 idtahunakademik int 3 Idsemester int
4 m1 float
5 m2 float
6 m3 float
7 m4 float
8 m5 float
9 m6 float
10 m7 float
11 m8 float
12 m9 float
13 ratam float
Tabel 5 Desain fisik tabel fakta_dosen setelah proses integrasi dan reduksi
No Atribut Tipe Data
1 idmatakuliah varchar
2 Nip varchar
3 idsemester int
4 idtahunakademik int
5 p1 float
6 p2 float
7 p3 float
8 p4 float
9 p5 float
10 p6 float
11 p7 float
12 p8 float
13 p9 float
14 jumlahresponden Int
Dari dimensi-dimensi yang ada, terbentuk struktur hirarki pada masing-masing fakta. Setiap dimensi memiliki level hirarki yang berbeda-beda. Beberapa hirarki yang terbentuk ialah:
• hirarki tahun akademik,
• hirarki semester,
• hirarki mata kuliah, dan
• hirarki dosen.
Hirarki adalah satu bagian dimensi. Dimensi merupakan hirarki berupa jenjang atau tingkatan dari dimensi tersebut. Dengan adanya hirarki tersebut, dimensi dapat menunjukkan tingkatannya (Han & Kamber 2006).
Hirarki tahun akademik adalah hirarki dari tahun ajaran atau tahun akademik yang dilaksanakan oleh IPB. Struktur hirarki dimensi tahun akademik dapat dilihat pada Gambar 3.
Gambar 3 Hirarki dimensi tahun akademik. Hirarki semester adalah hirarki dari semester yang diberlakukan di IPB. Struktur hirarki dimensi semester dapat dilihat pada Gambar 4.
Hirarki mata kuliah adalah hirarki dari mata kuliah yang diajarkan di IPB. Hirarki ini mencakup hirarki berdasarkan departemen dan
fakultas. Struktur hirarki dimensi mata kuliah dapat dilihat pada Gambar 5.
Gambar 4 Hirarki dimensi semester.
Gambar 5 Hirarki dimensi matakuliah berdasarkan departemen dan fakultas.
7
hirarki dimensi dosen berdasarkan pendidikan terakhir dapat dilihat pada Gambar 9.
Praproses Data
1 Integrasi dan Reduksi
Tahap ini diawali dengan menggabungkan semua data yang terbagi dalam beberapa format
file (.doc, .xls, dan .xlsx) menjadi format Excel (.xlsx). Berikutnya, dilakukan penggabungan
record dari atribut-atribut tabel yang dianalisis menjadi satu tabel besar untuk dijadikan tabel fakta. Reduksi data dilakukan dengan membuang atribut-atribut yang tidak terpilih berdasarkan kriteria dari hasil analisis. Hanya terdapat 5 atribut yang dibuang berdasarkan kriteria atau sebanyak 15.625% dari 32 atribut. Atribut-atribut yang direduksi dapat dilihat pada Tabel 6.
Tabel 6 Atribut yang direduksi pada data EPBM
No Atribut
1 NMMK 2 JMLmk 3 DEPTDOS 4 DSN 5 NIPlama
Proses integrasi dan reduksi data membentuk tabel baru, antara lain tabel fakta_matakuliah dan fakta_dosen yang selanjutnya dijadikan tabel fakta. Proses integrasi menghasilkan desain fisik final.
Setelah melakukan proses integrasi dan reduksi, data yang tersimpan dalam format Excel (xlsx) dikonversi menjadi format Ms. SQLServer 2008 (mdf).
2 Pembersihan Data
Pembersihan data pada tabel fakta_dosen dan fakta_matakuliah untuk field yang sama yaitu: idmatakuliah yang mengandung nilai null
dihapus dari daftar record dan idtahunakademik yang bersisi nilai null diisi dengan nilai yang paling banyak muncul. Data pertanyaan (m1, m2..., p1, p2...) yang mengandung nilai null
diperbaharui dengan menggunakan nilai rata-rata. Contoh pembersihan data dengan memperbaharui nilainya dengan nilai rata-rata pada tabel fakta_matakuliah dapat dilihat pada Gambar 10 dan Gambar 11.
Gambar 10 Data yang mengandung nilai null.
Gambar 11 Data yang mengandung nilai null
yang sudah diisi dengan nilai rata-rata. Data yang tidak konsisten pada tabel departemen dengan atribut nama departemen diperbaharui dengan menyeragamkan nama departemen dengan nama atribut yang sesuai dengan nama departemen aslinya. Contoh: Departemen Statistik diubah menjadi Departemen Statistika, Departemen Ilkom diubah menjadi Departemen Ilmu Komputer, dan Departemen Ekonomi Sumber Daya Lingkungan diubah menjadi Departemen Sumberdaya Lingkungan. Penyeragaman ini dilakukan dengan mengambil nama baku departemen yang sesuai dengan nama unit yang ada di IPB saat ini.
Setelah dilakukan pembersihan data, jumlah
record data EPBM mata kuliah menyusut dari 11 140 menjadi 2934, sementara data EPBM dosen yang tersisa ialah 10 251 record dari 11 140 record. Hal ini disebabkan pengambilan
record hanya dilakukan pada data yang memenuhi kriteria dan adanya penghapusan
record yang tidak sesuai dengan ketentuan data yang akan dianalisis. Hasil pembersihan data Gambar 6 Hirarki dimensi dosen berdasarkan
departemen dan fakultas.
Gambar 7 Hirarki dimensi dosen berdasarkan jenjang pendidikan.
Gambar 8 Hirarki dimensi dosen berdasarkan tahun kerja dosen.
pada EPBM mata kuliah dan dosen dapat dilihat pada Lampiran 2 dan Lampiran 3. 3 Transformasi Data
Transformasi data meliputi penyeragaman nama atribut dan agregasi atribut. Proses ini dilakukan dengan berpedoman pada skema data warehouse yang sudah ada.
Langkah awal transformasi dilakukan dengan mengubah nama atribut pada tabel. Nama atribut dimensi disesuaikan pada skema yang terbentuk. Generalisasi data tidak dilakukan karena tidak ditemukan data yang perlu digeneralisasi. Langkah selanjutnya ialah menentukan nilai agregasi atribut-atribut yang menjadi ukuran (measure). Data tabel fakta_dosen ditentukan nilai agregasinya untuk menentukan ukuran responden. Proses transformasi juga dilakukan dengan mengontruksi atribut baru menggunakan data dari atribut yang sudah ada.
Selanjutnya, tabel-tabel fakta tersebut diberi nama fakta_matakuliah dan fakta_dosen. Tahap terakhir transformasi adalah mengkontruksi tabel-tabel dimensi dengan penaaman ulang antara lain: matakuliah, semester, tahunakademik, tahun, dosen, pendidikan, departemen, fakultas, dan strata.
Detail isi dari tabel fakta_dosen dapat dilihat pada Lampiran 4, tabel fakta_matakuliah pada Lampiran 5, tabel dimensi semester pada Lampiran 6, tabel strata pada Lampiran 7, tabel pendidikan pada Lampiran 8, tabel tahun pada Lampiran 9, tabel matakuliah pada Lampiran 10, tabel tahunakademik pada Lampiran 11, tabel fakultas pada Lampiran 12, tabel departemen pada Lampiran 13, dan tabel dosen pada Lampiran 14.
4 Load Data
Setelah data warehouse berhasil dibuat, langkah berikutnya adalah pemuatan data (loading) dari data warehouse ke kubus data. Sebelum pemuatan data dilakukan, skema data warehouse dimodelkan dalam OLAP server
SQL Server Analisys Services (SSAS). Proses ini menentukan dimensi, elemen dari dimensi, ukuran, dan kubus data. Kubus data yang dibuat diberi nama OlapEpbm.cube yang berisi kubus data fakta dosen dan fakta mata kuliah. Kubus data dosen dibuat untuk tabel fakta fakta_dosen
dan kubus data mata kuliah dibuat untuk tabel fakta fakta_matakuliah.
Data Warehouse
Arsitektur penelitian ini mengadopsi arsitektur three-tier yaitu lapisan bawah, tengah, dan atas. Lapisan bawah adalah pemrosesan data pembuatan skema data warehouse dengan
DBMS SQL Server 2008. Lapisan tengah terdapat OLAP server SSAS yang menyimpan data dalam kubus data.
Lapisan atas yang merupakan visualisasi dari aplikasi OLAP dilakukan oleh web browser. Pada lapisan ini, pengguna dapat melakukan pencarian data, mengevaluasi pola, dan mendapatkan representasi informasi dalam bentuk grafik yang mudah dipahami. Arsitektur
three-tier data warehouse pada penelitian ini dapat dilihat pada Gambar 12.
Gambar 12 Arsitektur three-tier data
warehouse pada data EPBM (Noviandi 2010).
Aplikasi OLAP pada penelitian ini menyediakan fasilitas-fasilitas berikut:
1 Menu OLAP yang memungkinkan pengguna menentukan kubus data, ukuran, dan dimensi-dimensi yang akan ditampilkan untuk dianalisis.
2 Filter dimensi yang menyaring dimensi yang ditampilkan pada sumbu x dan sumbu y
untuk menampilkan elemen-elemen tertentu dari dimensi. Dimensi lainnya dapat dipilih salah satu elemen dari tiap-tiap dimensi. 3 Visualisasi grafik yang menampilkan data
hasil operasi OLAP dalam bentuk grafik kepada pengguna.
Pengujian Query
Pengujian query dibantu dengan mengguna-kan grafik dan tabel dari kubus data. Hasil pengujian dapat dilihat pada Tabel 7.
Eksplorasi Data dan Presentasi Hasil
Eksplorasi data dilakukan dengan menggunakan operasi OLAP untuk menggali beberapa informasi yang diinginkan. Operasi OLAP yang dapat dijalankan dapat dilihat pada tiap kubus yang terbentuk. Pada OLAP, dapat dilakukan beberapa operasi misalnya drill down, drill up, dan slice.
9
fakultas per semester pada tahun 2010/2011 dengan semester sebagai legend fields.Gambar 14 merupakan grafik garis jumlah responden setiap tahun per semester pada fakta dosen pada Fakultas MIPA Departemen Ilmu Komputer dengan tahun akademik sebagai legend fields. Gambar 15 merupakan grafik batang hasil rata-rata nilai mata kuliah per fakultas pada fakta mata kuliah setiap tahun akademik mulai tahun 2007/2008 sampai dengan 2010/2011 dengan departemen-departemen pada Fakultas MIPA sebagai legend fields.
Tabel 7 Hasil pengujian query
Spesifikasi Formal Non formal Status Tren jumlah responden dosen pada fakultas setiap tahun Lampiran 15 Lampiran 16 Berhasil
Tren nilai rata-rata hasil evaluasi mata kuliah pada setiap fakultas Lampiran 17 Lampiran 18 Berhasil
Tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun Lampiran 19 Lampiran 20 Berhasil Tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir Lampiran 21 Lampiran 22 Berhasil Tren nilai dosen berdasarkan lokasi belajar terakhir Lampiran 23 Lampiran 24 Berhasil
Gambar 13 Grafik batang jumlah responden pada fakta dosen pada Fakultas MIPA per departemen setiap semester tahun 2010/2011.
KESIMPULAN DAN SARAN
Kesimpulan
Hasil penelitian ini menyimpulkan bahwa pembangunan data warehouse dan aplikasi OLAP pada data evaluasi proses belajar mengajar menghasilkan dua kubus data, yaitu kubus data dosen dan kubus data mata kuliah. Kubus data yang telah terbentuk dapat divisualisasikan dengan tepat, cepat, dan akurat. Bentuk penyajian gambar dapat dilihat dalam bentuk grafik dengan menggunakan Microsoft Business Intelligence sebagai OLAP server.
Hasil penelitian ini dapat memberikan manfaat kepada IPB umumnya dan Kantor Manajemen Mutu (KMM) khususnya sebagai penyelenggara EPBM dan pengelolanya. Hasil penelitian ini juga bisa digunakan untuk menganalisis data EPBM yang ukurannya tidak kecil sehingga memudahkan proses pembuatan laporan dan pengambilan keputusan.
Saran
Saran untuk penelitian data warehouse dan pembuatan OLAP selanjutnya adalah sebagai berikut:
1 Pembuatan aplikasi untuk proses extract, transform, dan load (ETL) untuk akurasi yang lebih baik.
Gambar 14 Grafik garis jumlah responden setiap tahun per semester pada fakta dosen pada Fakultas MIPA
Departemen Ilmu Komputer.
2 Penambahan fasilitas login ke aplikasi sehingga tidak bisa diakses oleh orang yang tidak berkepentingan.
DAFTAR PUSTAKA
Han J, Kamber M. 2006. Data Mining: Concepts and Techniques. San Francisco: Morgan Kaufmann Publ.
Noviandi KR. 2010. Microsoft Business Intelligence dengan Ms. SQL Server 2008 dan Share Point 2010. http://sqlserver-indo.net/files/folders/565/download.aspx [12 Okt 2011].
13
Lampiran 2 Hasil pembersihan data EPBM mata kuliah
Fakultas R Null Null(%) R1 Redu Redu(%) R2
FEM 1087 39 0.35% 1048 738 6.62% 310
TPB 772 94 0.84% 678 486 4.36% 192
FPIK 1449 198 1.78% 1251 874 7.85% 377
Fateta 1066 128 1.15% 938 535 4.80% 403
FMIPA 1853 199 1.79% 1654 1172 10.52% 482
Fahutan 1164 138 1.24% 1026 764 6.86% 262
Fapet 226 17 0.15% 209 169 1.52% 40
Fema 1003 89 0.80% 914 729 6.54% 185
Faperta 1625 119 1.07% 1506 1064 9.55% 442
FKH 827 69 0.62% 758 517 4.64% 241
Tidak Diketahui 68 68 0.61% 0 0 0.00% 0
Total 11140 1158 10.39% 9982 7048 63.27% 2934
Lampiran 3 Hasil pembersihan data EPBM dosen
Fakultas R Null Null(%) R1 Redu Redu(%) R2
FEM 1087 179 1.61% 908 0 0.00% 908
TPB 772 361 3.24% 411 0 0.00% 411
FPIK 1449 48 0.43% 1401 0 0.00% 1401
Fateta 1066 15 0.13% 1051 0 0.00% 1051
FMIPA 1853 129 1.16% 1724 0 0.00% 1724
Fahutan 1164 18 0.16% 1146 0 0.00% 1146
Fapet 226 6 0.05% 220 0 0.00% 220
Fema 1003 26 0.23% 977 0 0.00% 977
Faperta 1625 13 0.12% 1612 0 0.00% 1612
FKH 827 26 0.23% 801 0 0.00% 801
Tidak Diketahui 68 68 0.61% 0 0 0.00% 0
TOTAL 11140 889 7.98% 10251 0 0.00% 10251
Catatan Lampiran 2 dan Lampiran 3 1 R = jumlah data awal
2 Null = jumlah data mata kuliah bernilai null
3 Null (%) = jumlah data mata kuliah bernilai null dalam persen 4 R1 = hasil cleaning null
5 Redu = jumlah data redudansi
Lampiran 4 Isi tabel fakta_dosen
id
matakuliah nip
id semester
idtahun
akademik p1 p2 p3 p4 p5 p6 p7 p8 p9 ratap jumlah
AGB201 195307181978032000 1 6 3.15 3.00 3.15 3.08 3.08 3.15 3.15 3.15 3.23 3.10 13 AGB201 196003211986012000 1 4 3.21 3.13 3.18 3.29 3.18 3.11 3.34 3.32 3.18 3.23 38 AGB201 196003211986012000 1 5 3.09 3.18 3.20 3.09 3.23 3.18 3.21 3.21 3.18 3.18 66 AGB201 196003211986012000 1 6 3.23 3.31 3.19 3.26 3.27 3.27 3.26 3.27 3.24 3.26 106
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
ARL313 197704242006042000 2 5 3.10 3.12 3.05 3.09 3.10 3.17 3.12 3.12 3.12 3.09 157 ARL313 197704242006042000 2 6 3.01 3.01 3.04 3.05 3.05 3.07 3.03 3.05 3.09 2.77 130 ARL313 198103302005011000 2 3 3.02 2.96 3.00 2.93 3.04 3.07 3.17 3.00 3.00 3.03 54 ARL320 196010221986011000 1 4 3.05 3.05 3.03 3.08 2.97 3.03 3.00 3.00 3.00 3.04 39 ARL320 196107201984032000 1 4 3.04 3.04 3.06 3.02 3.06 3.04 3.08 3.04 3.06 3.05 49
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
KOM202 198210102006041000 1 5 3.00 3.10 3.05 2.65 2.85 3.05 3.25 3.15 3.15 3.02 20 KOM203 196805012005012000 1 4 3.03 3.20 3.10 2.88 2.91 3.00 3.32 3.33 3.26 3.12 69
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
15
Lampiran 5 Isi tabel fakta_matakuliah
idmatakuliah idtahunakademik idsemester m1 m2 m3 m4 m5 m6 m7 m8 m9 ratam
GIZ216 3 2 3.07 2.77 2.80 2.94 2.88 3.04 2.73 2.89 2.89 2.89
MSP224 3 2 2.92 2.87 2.81 3.00 3.11 3.02 2.87 2.94 2.94 2.94
FIS216 3 2 2.81 2.76 2.76 2.76 2.83 2.81 2.76 2.78 2.78 2.78
KRP332 3 2 3.06 3.09 3.12 3.09 3.10 3.07 2.98 3.07 3.07 3.07
... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ...
ITP230 3 2 2.98 2.79 3.02 2.86 2.86 2.79 2.91 2.89 2.89 2.89
BIO304 3 2 3.03 2.95 2.98 2.94 3.12 3.05 2.34 2.92 2.92 2.92
NTP312 3 2 2.98 2.98 2.98 2.35 3.00 3.02 2.69 2.86 2.86 2.86
BDP302 3 2 3.07 2.97 3.00 2.98 3.11 3.00 2.83 2.99 2.99 2.99
... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ...
TIN241 3 2 2.81 2.63 2.59 2.37 2.90 2.96 2.26 2.65 2.65 2.65
TIN324 3 2 2.87 2.96 2.96 2.85 3.04 3.04 2.39 2.87 2.87 2.87
ITK211 3 2 3.13 3.10 3.06 2.88 3.09 3.09 2.67 3.00 3.00 3.00
... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ...
TIN231 3 2 3.20 3.13 3.18 2.99 3.17 3.21 2.91 3.11 3.11 3.11
TIN260 3 2 3.07 3.08 3.03 3.01 3.08 3.07 2.73 3.01 3.01 3.01
Lampiran 6 Isi tabel dimensi semester pada hirarki semester pada fakta_dosen dan fakta_matakuliah Idsemester Semester
1 Genap 2 Ganjil
Lampiran 7 Isi tabel dimensi strata pada hirarki dosen pada fakta_matakuliah idstrata strata
S1 Sarjana S2 Master S3 Doktor
Lampiran 8 Isi tabel dimensi pendidikan pada hirarki dosen pada fakta_matakuliah
idpendidikan namapendidikan ket
A04 Cornell University Luar
A05 Iowa State University Luar
A06 North Carolina State Univ. Luar
A07 University of Wisconsin Luar
A09 University of Missouri Luar
... ... ...
... ... ...
... ... ...
B00 Tidak di ketahui Dalam
B01 Universitas Indonesia Dalam
B02 Institut Pertanian Bogor Dalam
B03 Universitas Gadjah Mada Dalam
B04 Universitas Padjadjaran Dalam
B06 Universitas Airlangga Dalam
B07 Institut Teknologi Bandung Dalam
... ... ...
... ... ...
... ... ...
V01 Seoul National University Luar
V02 International Islamic University Malaysia Luar
W01 Vienna University of Technology Luar
17
Lampiran 9 Isi tabel dimensi tahun pada hirarki dosen pada fakta_matakuliah
Lampiran 10 Isi tabel matakuliah pada hirarki matakuliah pada fakta_dosen dan fakta_matakuliah
idmatakuliah namamatakuliah iddepartemen
1003211 Economic Crops Z1
1404454 Instrument and Process Control Z1
... ... ...
... ... ...
... ... ...
KOM208 Teori Bahasa dan Otomata G6
KOM251 Penerapan Komputer G6
KOM301 Komputer Grafik G6
... ... ...
... ... ...
... ... ...
TSL460 Perencanaan Tata ruang dan Penatagunaan Lahan A1
TSL490 Kuliah Kerja Profesi A1
TSL498 Seminar A1
TSL499 Skripsi A1
Lampiran 11 Isi tabel tahunakademik pada hirarki tahunakademik pada fakta_dosen dan fakta_matakuliah
idtahunakademik tahunakademik 1 2005/2006 2 2006/2007 3 2007/2008 4 2008/2009 5 2009/2010 6 2010/2011 7 2011/2012 8 2012/2013 idtahun tahun
Lampiran 12 Isi tabel fakultas pada hirarki departemen pada fakta_dosen dan fakta_matakuliah
idfakultas namafakultas inisial
A Fakultas Pertanian FAPERTA
B Fakultas Kedokteran Hewan FKH
C Fakultas Perikanan dan Ilmu Kelautan FPIK
D Fakultas Peternakan FAPET
E Fakultas Kehutanan FAHUTAN
F Fakultas Teknologi Pertanian FATETA
G Fakultas Matematika dan Ilmu Pengetahuan Alam FMIPA
H Fakultas Ekonomi dan Manajemen FEM
I Fakultas Ekologi Manusia FEMA
Z Tingkat Persiapan Bersama TPB
Lampiran 13 Isi tabel departemen pada hirarki departemen pada fakta_dosen dan fakta_matakuliah
iddepartemen idfakultas namadepartemen inisial
A1 A Ilmu Tanah dan Sumberdaya Lahan TSL
A2 A Agronomi dan Hortikultura AGH
A3 A Proteksi Tanaman PTN
A4 A Arsitektur Lanskap ARL
B0 B Kedokteran Hewan FKH
B1 B Anatomi, Fisiologi dan Farmakologi AFF
B2 B
lmu Penyakit Hewan dan Kesehatan Masyarakat
Veteri IPH
B3 B Klinik, Reproduksi dan Patologi KRP
C1 C Budidaya Perairan BDP
C2 C Manajemen Sumberdaya MSP
C3 C Teknologi Hasil Perairan THP
C4 C Pemanfaatan Sumberdaya Perikanan PSP
C5 C Ilmu dan Teknologi Kelautan ITK
D0 D Fakultas Peternakan D
D1 D Ilmu Produksi dan Teknologi Peternakan PTP
D2 D Ilmu Nutrisi dan Teknologi Pakan NTP
E1 E Manajemen Hutan MNH
E2 E Hasil Hutan HHT
E3 E Konservasi Sumberdaya Hutan dan Ekowisata KSH
E4 E Silvikultur SVK
F1 F Teknik Mesin dan Biosistem TMB
F2 F Ilmu dan Teknologi Pangan ITP
F3 F Teknologi Industri Pertanian TIN
F4 F Teknik Sipil dan Lingkungan SIL
G1 G Statistika STK
G2 G Geofisika dan Meteorologi GFM
G3 G Biologi BIO
G4 G Kimia KIM
19
Lajutan
iddepartemen idfakultas namadepartemen inisial
G6 G Ilmu Komputer KOM
G7 G Fisika FIS
G8 G Biokimia BIK
G9 G MKDU MKU
H1 H Ilmu Ekonomi EKO
H2 H Manajemen MAN
H3 H Agribisnis ESL
H4 H Ekonomi Sumberdaya dan Lingkungan AGB
I1 I Gizi Masyarakat GIZ
I2 I Ilmu Keluarga dan Konsumen IKK
I3 I Komunikasi dan Pengembangan Masyarakat KPM
Z1 Z Tingkat Persiapan Bersama TPB
Lampiran 14 Isi tabel dosen pada hirarki dosen pada fakta_matakuliah
nip namagelar idtahun idstrata Id
pendidikan
Id departemen 194701021976031000
Ir. Hidayat
Wiranegara 7 S1 B02 A1
194704061974021000
drh. Abadi Sutisna,
M.Si 5 S2 B02 B1
194705251972101000 Ir. Eman Kustaman 3 S1 ID002 G8
... ... ... ... ... ...
... ... ... ... ... ...
... ... ... ... ... ...
198609112010121000
Azis Boing Sitanggang, S.TP,
M.Si 41 S2 Z001 F2
198612102010122000
dr. Karina Rahmadia
Ekawidyani 41 S1 B01 I1
198706102010121000
Fengky Satria Yoresta,
S.T, M.T 41 S2 B08 E2
Lanjutan
21
Lampiran 17 Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi mata kuliah pada fakultas setiap tahun
Lampiran 19 Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun
23
Lampiran 21 Hasil pengujian formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir
Lampiran 22 Hasil pengujian non formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir
Lanjutan
ABSTRACT
WAHYU DWI SURYANTO. Development of Data Warehouse and OLAP Applications for Data Evaluation of Teaching and Learning Process of IPB. Supervised by FIRMAN ARDIANSYAH.
Evaluation of Teaching and Learning Process (EPBM) is one measure of success in a learning process. Every year IPB always holds EPBM at least twice in one academic year. Increasingly, EPBM data is getting more and more difficult to analyze and to find information, either expressed or implied. By using data warehouse technology and an application On-line Analytical Processing (OLAP), IPB’s stakeholder can analyze and find information on the data.
The main objective of this research is to develop a data warehouse and OLAP applications on EPBM data of IPB using Microsoft Business Intelligence as OLAP server. This study begin by collecting the data, integration and data reduction, data cleansing, data transformation, data loading, and OLAP implementations. The data warehouse schema used in this research is the galaxy scheme which has two facts (Course fact and Lecturer fact) and 9-dimensions (semester, academic year, courses, lecturers, faculty, department, lecturers education, and lecturers strata).
To create a data warehouse and OLAP applications, we generate a data cube called EPBM Data. The results of the data cube can be visualized into various types of graphic models, such as bar graphs, line graphs, pie charts, and so forth. The results of the data cube is visualized using Microsoft Sharepoint 2010.
PENDAHULUAN
Latar Belakang
Beberapa tahun terakhir, Evaluasi Proses Belajar Mengajar (EPBM) selalu menjadi sorotan pada institusi pendidikan sebagai tolok ukur dalam peningkatkan mutu pendidikan dan keberhasilan suatu proses belajar mengajar (PBM). Salah satu institusi pendidikan yang melakukan EPMB adalah Institut Pertanian Bogor (IPB). IPB selalu melakukan EPBM setiap menjelang Ujian Akhir Semester (UAS). Evaluasi dilakukan pada setiap mata kuliah yang diberikan dan pada dosen pengajar yang memberikan perkuliahan dan praktikum dalam setiap semesternya.
Jumlah mahasiswa IPB yang aktif pada tahun 2011 yaitu 14 363. Jumlah mata kuliah yang diselenggarakan setiap tahun sebanyak 1100 mata kuliah. EPBM dilakukan dua kali dalam satu tahun, untuk setiap mata kuliah oleh mahasiswa. Jadi, setiap tahun data EPBM yang terkumpul adalah sebanyak 31 598 600 lembar EPBM yang kemudian direkap berdasarkan dosen pada setiap mata kuliah. Rata-rata data EPBM per tahun setelah dilakukan rekap per dosen sebanyak 2785
.
Data yang dihasilkan dari pengisian EPBM dari tahun ke tahun disimpan dalam suatu tempat penyimpanan data dalam bentuk berkas Excel (xls dan xlsx), namun penyimpanan yang dilakukan secara rutin dari tahun ke tahun menyebabkan data yang tersimpan semakin menumpuk. Walaupun saat ini media penyimpanan sudah memiliki kapasitas yang besar (sampai terabyte), penumpukan data tetap akan menimbulkan masalah jika tidak dikelola dengan baik. Penyajian informasi yang interaktif, konklusif, cepat, dan menarik tidak akan terwujud dengan baik. Kondisi seperti ini biasa disebut dengan istilah “rich of data but poor of information” (Han & Kamber 2006).
Untuk mengatasi masalah penumpukan data dan masalah penyajian informasi dari data EPBM tersebut, diperlukan proses pengelolaan
data warehouse yang baik. Data warehouse
yang disajikan memerlukan fungsi pengumpulan, persiapan, dan penyimpanan data EPBM untuk menghasilkan aplikasi yang bersifat query atau reporting sehingga dapat membantu pengelolaan data yang bertumpuk dan serta mempermudah menyajikan informasi secara visual. Oleh karena itu, perlu dibangun aplikasi On-Line Analytical Processing (OLAP) yang diintegrasikan dengan data warehouse.
Microsoft Business Intelligence (BI) merupakan tool yang berbasis Windows untuk
OLAP yang menyediakan tool pembantu dalam menganalisis data.
Tujuan
Penelitian ini bertujuan membangun data warehouse dan aplikasi OLAP berbasis web untuk data Evaluasi Proses Belajar Mengajar IPB yang dikelola oleh Kantor Manajemen Mutu (KMM) dengan menggunakan Microsoft Business Intelligence.
Ruang Lingkup
Ruang lingkup penelitian ini dibatasi pada pembuatan data warehouse dan pengembangan aplikasi OLAP berbasis web. Tools yang digunakan adalah Microsoft Business Intelligence yang sudah termasuk dalam paket pada Microsoft SQL Server 2008 R2. Data yang digunakan adalah data EPBM tahun akademik 2007/2008 sampai dengan tahun akademik 2010/2011 yang terdapat di Kantor Manajemen Mutu (KMM) IPB.
Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat kepada pihak-pihak terkait yang ada di IPB, khususnya KMM selaku pengelola data dan penyelenggara kegiatan EPBM IPB, dalam memberikan dan menyajikan analisis terhadap data secara cepat, interaktif, dan menarik. Hal ini dapat berguna bagi pihak-pihak terkait untuk dapat melakukan analisis data sehingga membantu proses pengambilan keputusan secara tepat.
METODE PENELITIAN
Penelitian ini dilakukan dalam beberapa tahapan (Gambar 1).
Analisis
Pada tahap, ini dilakukan analisis spesifikasi kebutuhan data warehouse yang akan dibangun sesuai dengan keinginan pengguna. Data yang akan dianalisis adalah data yang merupakan hasil olahan dari formulir EPBM yang sudah diolah. Contoh formulir EPBM dapat dilihat pada Lampiran 1. Analisis spesifikasi kebutuhan dilakukan untuk menghasilkan desain konseptual, desain logikal, dan desain fisik.
2
tempat database yang digunakan, sedangkan
user dapat berinteraksi langsung dengan antarmuka aplikasi. Adapun fasilitas yang dapat diterima pengguna adalah sebagai berikut: 1 memilih dimensi atau atribut melalui kotak
drop-down list,
2 menampilkan data secara drill down dan
drill up, dan
[image:36.595.100.289.131.448.2]3 menampilkan data dalam bentuk grafik (box, pie, dan line).
Gambar 1 Bagan metode penelitian. Desain
1 Desain Konseptual
Pada tahap ini, dilakukan desain skema dalam pembuatan data warehouse, analisis measure
dan dimensi-dimensi apa yang akan digunakan.
Measure adalah suatu ukuran untuk mengukur tingkat analisis data warehouse dari dimensi-dimensi yang ada.
2 Desain Logikal
Pada tahapan ini, dilakukan perencanaan dan pembuatan database dengan membuat relasi-relasi data dan menentukan hubungan satu atribut dangan atribut lainnya. Penyimpanan data pada database terdapat dua pilihan, yaitu dengan penyimpanan multidimensional atau menggunakan penyimpanan dengan basis relasional.
3 Desain Fisik
Tahapan desain fisik adalah tahapan terakhir sebelum ke tahapan praproses data. Tahapan ini menjelaskan kubus data yang sudah siap digunakan dalam data warehouse. Pada tahapan ini, skema sudah dapat diimplementasikan ke dalam data warehouse yang akan dibangun.
Praproses data
Sebelum masuk ke implementasi data warehouse, data harus melalui tahap praproses data terlebih dahulu (Han & Kamber 2006). Tahapan praproses data pada data EPBM IPB meliputi:
1 Integrasi dan Reduksi Data
KMM IPB menggunakan Microsoft Excel untuk mengelola hasil EPBM. Hasil ekspor data dosen dari Sistem Kepegawaian yang ada di Dit. SDM juga dalam format Excel (.xls). Data mata kuliah yang diberikan oleh Dit. AP berupa
file dengan format Ms. Word (.doc). Sebelum diimpor ke Microsoft SQL Server 2008, atribut-atribut data yang relevan dipilih. Pemilihan atribut ini berdasarkan tujuan pembuatan data warehouse. Integrasi dilakukan dengan menggabungkan atribut-atribut yang menarik dari tabel yang dianalisis. Reduksi dilakukan bersamaan dengan proses integrasi, yaitu dengan membuang atribut-atribut yang kurang menarik dari tabel yang dianalisis.
2 Pembersihan Data
Pembersihan data dilakukan terhadap
record-record yang mengandung nilai null, dan nilai yang tidak konsisten. Kondisi tersebut dapat diatasi dengan membuang atau menyeragamkan nilainya dengan menggunakan nilai rataan untuk atribut yang bernilai angka. 3 Transformasi Data
Tranformasi ke bentuk data yang tepat dilakukan agar data dapat digunakan untuk proses selanjutnya. Tranformasi meliputi penyeragaman nama atribut, generalisasi, agregasi, dan konstruksi atribut. Akhir dari tahapan transformasi ini ialah terbentuknya sebuah data warehouse.
Data Warehouse
Metode yang digunakan dalam pengembangan data warehouse ini mengacu pada arsitektur three-tier data warehouse yang meliputi:
1 Lapisan bawah (bottom tier)
Lapisan ini merupakan suatu sistem basisdata relasional (SQL Server 2008 R2) yang berfungsi sebagai tempat pengolahan data. 2 Lapisan tengah (middle tier)
Lapisan ini merupakan lapisan tempat menyimpan stuktur kubus data yang biasa disebut dengan OLAP server. Dalam penelitian ini, digunakan Microsoft Business Intelligence (BI) sebagai OLAP server.
warehouse dan data mart memiliki batasan yang sangat tipis, namun perbedaan ini tidak perlu dikhawatirkan karena secara subtansi tujuan dari pembuatannya memiliki kesamaan (Noviandi 2010).
Konsep data warehouse sudah dikenal sebagai platform yang fundamental dari setiap solusi BI yang dikembangkan. Keberhasilan dalam merancang dan memasukkan data ke dalam data warehouse akan sangat berpengaruh terhadap berhasil atau tidaknya solusi BI yang dikembangkan dalam sebuah organisasi (Noviandi 2010).
3 Lapisan atas (top tier)
Lapisan ini merupakan lapisan untuk end user yang berfungsi menampilkan ringkasan dari isi data warehouse yang merupakan hasil dari operasi OLAP (SharePoint 2010).
Pengujian Query
Tahap pengujian query ini dilakukan setelah pemuatan dan pembuatan data warehouse
selesai. Pengujian ini dilakukan untuk melihat apakah operasi OLAP yang dibangun sudah berhasil diimplementasikan dan sesuai dengan informasi yang akan ditampilkan. Pengujian
query dibantu dengan memvisualisasikan kubus-kubus data dengan grafik-grafik dan tabel-tabel untuk akurasi hasil.
Aplikasi OLAP dengan Business Intelligence Business Intelligence adalah serangkaian kegiatan untuk memahami situasi bisnis dengan melakukan berbagai jenis analisis pada data yang dimiliki oleh organisasi serta data eksternal dari pihak ketiga untuk membantu menentukan strategi, keputusan bisnis yang taktis, dan operasional dan mengambil yang diperlukan tindakan untuk meningkatkan kinerja bisnis (Rainardi 2010).
Langkah awal pembangunan aplikasi OLAP adalah dengan membentuk struktur kubus data dalam OLAP server. Sebelum tahap pembangunan kubus data, analisis data dilakukan untuk menentukan dimensi dan
measure yang akan digunakan. Setelah menganalisis dimensi dan measure yang akan digunakan, dilakukan pembentukan struktur kubus data. Pembentukan bisa dilakukan secara manual ataupun otomatis. Pada penelitian ini, pembentukan kubus data secara otomatis dilakukan.
Selanjutnya dilakukan perancangan antar-muka. Rancangan antarmuka terbagi menjadi dua bagian, yaitu tampilan screen dengan resolusi 1024 x 768 piksel dan tampilan hasil
query. Fungsi dirancang untuk operasi-operasi OLAP dengan crosstab dan grafik.
Implementasi aplikasi dilakukan dengan menggunakan Microsoft SharePoint 2010. Lingkungan Pengembangan
Aplikasi OLAP ini dibangun dengan menggunakan perangkat sebagai berikut:
Perangkat keras server dengan spesifikasi:
• Prosesor Intel Core i5650.
• Memory 10GB DDR III.
• Hard disk 500GB.
Perangkat keras client dengan spesifikasi:
• Prosesor Intel Core i3 2.27GHz.
• Memory 3GB DDR III.
• Hard disk 320GB.
• Monitor 14” (1366 x 768 piksel)
• Keyboard.
• Mouse.
Perangkat lunak yang terpasang di server:
• Windows Server 2008 R2.
• Internet Explorer 8.
• Internet Information Services 7.
• Microsoft SQL Server 2008.
• Microsoft Sharepoint 2010.
• Microsoft .Net Framework 4.0.
Perangkat lunak yang digunakan untuk membuat sistem:
• Windows 7 Ultimate Edition.
• Internet Explorer 9.
• Internet Information Services 7.
• Microsoft SQL Server 2008.
• Microsoft Sharepoint 2010.
• Microsoft .Net Framework 4.0.
HASIL DAN PEMBAHASAN
Analisis
Data EPBM IPB yang diperoleh dalam format Excel 2007 (.xlsx) berisi data EPBM mata kuliah dan dosen masing-masing sebanyak 11 139 record. Data mata kuliah diperoleh dari Dit. AP dalam format Ms. Word (.doc). Data dosen diunduh langsung dari Sistem Informasi Kepegawaian IPB yang dikelola oleh Dit. SDM dalam format Excel 2003 (.xls). Dari seluruh data tersebut, selanjutnya proses analisis data dilakukan. Proses ini dilakukan untuk menemukan atribut-atribut yang tepat untuk pembangunan data warehouse. Atribut-atribut pada data EPBM sebelum dianalisis dapat dilihat pada Tabel 1.
Atribut yang akan digunakan dipilih berdasarkan kreteria berikut:
4
2 atribut yang dapat direlasikan dengan atribut (foreign key) pada tabel lainnya, serta 3 data tidak mengandung nilai null > 10
(atribut maupun record).
Spesifikasi kebutuhan yang ditentukan pada tahap ini adalah sebagai berikut:
1 Tren jumlah responden dosen pada fakultas setiap tahun: Jumlah responden dosen yang mengisi EPBM pada mata kuliah yang diajar oleh dosen pada masing-masing fakultas setiap tahun akademik yang telah berjalan. 2 Tren nilai rata-rata hasil evaluasi mata
kuliah pada fakultas setiap tahun: Jumlah nilai rata-rata dari seluruh (m1-m9) poin pertanyaan setiap mata kuliah yang diajarkan pada masing-masing fakultas setiap tahun akademik yang telah berjalan. 3 Tren nilai rata-rata hasil evaluasi dosen pada
fakultas setiap tahun: Jumlah nilai rata-rata dari seluruh (p1-p9) poin pertanyaan setiap dosen yang diajarkan pada masing-masing fakultas setiap tahun akademik yang berjalan.
4 Tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir: Rata-rata nilai yang diperoleh dosen dari seluruh poin pertanyaan (p1-p9) berdasarkan jenjang pendidikan terakhir dosen setiap tahun akademik yang telah berjalan.
5 Tren nilai dosen berdasarkan lokasi belajar terakhir: Rata-rata nilai yang diperoleh dosen dari seluruh poin pertanyaan (p1-p9) berdasarkan lokasi (dalam atau luar) belajar terakhir setiap tahun akademik yang telah berjalan.
Tabel 1 Atribut pada data EPBM. No Atribut No Atribut
1 Tahun 17 DSN
2 Semester 18 NIPlama
3 MK 19 NIP Baru
4 NMMK 20 Nama
5 M1 21 Namacek
6 M2 22 P1
7 M3 23 P2
8 M4 24 P3
9 M5 25 P4
10 M6 26 P5
11 M7 27 P6
12 M8 28 P7
13 M9 29 P8
14 RATA2mk 30 P9 15 JMLmk 31 RATA2ds 16 DEPTDOS 32 JMLds
Desain
1 Desain Konseptual
Tahap desain diawali dengan menentukan dan memilih atribut-atribut yang bisa dijadikan sebagai measure dan dimensi. Dimensi yang terbentuk adalah dimensi tahun akademik, dimensi semester, dimensi matakuliah, dimensi departemen, dimensi fakultas, dimensi dosen, dimensi pendidikan, dimensi tahun, dan dimensi strata. Atribut pada tabel-tabel fakta terdiri atas
foreign key dari dimensi-dimensi dan measure. 2 Desain Logikal
[image:38.595.316.512.332.749.2]Pada tahap ini, dihasilkan 2 tabel fakta dan 9 tabel dimensi. Kedua tabel fakta tersebut diberi nama fakta_matakuliah yang memiliki 12 atribut dan fakta_dosen yang memiliki 15 atribut. Atribut pada tabel fakta_matakuliah dan tabel fakta_dosen berturut-turut dapat dilihat pada Tabel 2 dan Tabel 3.
Tabel 2 Atribut tabel fakta_matakuliah Atribut Deskripsi
Id tahun akademik
idtahunakademik sebagai penciri tahun diselenggara-kannya mata kuliah idsemester idsemester sebagai penciri
semester diselenggarakannya mata kuliah
idmatakuliah idmatakuliah sebagai penciri mata kuliah
p1 garis-garis besar perkuliahan disampaikan pada pertemuan pertama
p2 kuliah dilaksanakan sesuai dengan jadwal yang ditetapkan oleh Dit. AP p3 kuliah dilaksanakan sesuai
dengan jumlah yang telah ditentukan (14 pertemuan / semester)
p4 pokok bahasan kuliah sesuai dengan tujuan kuliah p5 pokok bahasan kuliah
menambah pengetahuan dan wawasan baru
p6 tugas mandiri yang diberikan meningkatkan materi p7 sarana / prasarana
mendu-kung pelaksanaan kuliah p8 ujian tengah semester atau
tugas mandiri diberikan sesuai dengan pokok bahasan dan tujuan kuliah
p9 hasil ujian tengah semester diumumkan 2 minggu setelah periode ujian
3 Desain Fisik
Pada tahap ini, measure dan dimensi yang akan digunakan ditentukan. Measure yang dipilih pada fakta mata kuliah adalah m1 yang merepresentasikan pertanyaan pertama pada kuesioner, m2 juga merepresentasikan pertanyaan kedua pada kuesioner, m3, m4, dan
m5 sampai dengan m9 merepresentasikan urutan pertanyaan yang ada pada kuesioner dan ratam
merepresentasikan rata-rata dari seluruh nilai (m1 – m9).
Tabel 3 Atribut tabel fakta_dosen Atribut Deskripsi
Id tahun akademik
idtahunakademik sebagai penciri tahun diseleng-garakannya mata kuliah Idsemester idsemester sebagai penciri
semester diselenggarakannya mata kuliah
idmatakuliah idmatakuliah sebagai penciri mata kuliah
Nip nip sebagai penciri dosen m1 dosen menyampaikan materi
pengajaran dengan baik m2 dosen memberikan penekanan
tentang aspek-aspek penting yang terkait dengan materi yang diberikan
m3 dosen menyampaikan materi pengajaran yang meningkat-kan minat mahasiswa terhadap mata kuliah ini
m4 dosen memberikan ilustrasi yang mencakup keterkinian perkembangan ilmu / aplikasi / hasil penelitian
m5 dosen menggunakan bahan / alat bantu / alat peraga yang sesuai dengan materi pembelajaran
m6 dosen memberikan kesempa-tan kepada mahasiswa untuk bertanya / menyampaikan pendapat
m7 dosen memperlihatkan sikap dan penampilan yang baik m8 dosen menghormati dan
menghargai mahasiswa sesuai dengan hak dan kewajibannya m9 dosen menyampaikan
pesan-pesan moral, etika, dan disiplin
Ratam rata-rata nilai dari m1-m9 Begitu juga untuk fakta dosen, p1 sampai dengan p9 merepresentasikan urutan pertanyaan yang ada pada kuisioner. Ratap juga merepresentasikan rata-rata dari seluruh nilai
(p1 – p9). Desain fisik dan atribut-atribut pada tabel fakta_matakuliah dapat dilihat pada Tabel 4 dan Tabel fakta_dosen dapat dilihat pada Tabel 5.
[image:39.595.313.508.279.490.2]Selanjutnya, dibuat skema model data multidimensi. Skema yang terbentuk adalah skema galaxy. Terbentuknya skema ini karena terdapat 3 tabel dimensi yang berbagi pakai antara fakta matakuliah dan fakta dosen. Ketiga tabel dimensi tersebut adalah dimensi matakuliah, dimensi tahunakademik, dan dimensi semester. Skema model data multidimensi yang terbentuk dapat dilihat pada Gambar 2.
Tabel 4 Desain fisik tabel fakta_matakuliah setelah proses integrasi dan reduksi.
No Atribut Keterangan
1 idmatakuliah Varchar 2 idtahunakademik int 3 Idsemester int
4 m1 float
5 m2 float
6 m3 f