Merancang Data Mart Perancangan Dashboar (1)

(1)

Merancang Data Mart Perancangan Dashboard Penerimaan Mahasiswa

Baru Universitas Muhammadiyah Tangerang

*1 _{Samudera Dipa Legawa,}2_{Ignaitus Joko Dewanto,}3_Henderi,

4_{Ferry Sudarto}

Magister Teknik Informatika, STMIK Raharja

E-mail : *1 _{dipa@raharja.info.}2 _{jokodewanto@raharja.info,}3 _{henderi@raharja.ac.id,} 3_{ferry.sudarto@raharja.info}

Abstrak

Tujuan penelitian adalah untuk merancang data mart yang hasilnya ditampilkan ke dalam dashboard penerimaan mahasiswa baru. Dimana data dapat memberikan laporan yang terperinci, aktual, terintegrasi, terotomatisasi, dan mudah diakses kepada kepala bagian Penerimaan Mahasiswa Baru Universitas Muhammadiyah Tangerang. Metodologi penelitian yang akan digunakan dalam penelitian ini adalah metode perancangan Data Mart Kimbal dengan pendekatan bottom up : menentukan proses bisnis, menentukan granularity, Identifikasi dan penyesuaikan, menentukan fakta, menyimpan hasil perhitungan sementara pada tabel fakta, melengkapi tabel- tabel dimensi, menentukan durasi dimensi, menelusuri dimensi termasuk dimensi yang perubahan lambat, memutuskan prioritas query dan bentuknya. Selanjutnya perancangan BI, OLAP dan dashboard untuk kebutuhan PMB. Tools yang digunakan adalah MsAccess dan Excel Powerpivot. Hasil yang diperoleh adalah implementasi BI dan dashboard kebutuhan PMB, tindak lanjut penelitian adalah pengembangan BI yang lain yang dibutuhkan di dalam merancang renca na- rencana strategis di Universitas Muhammadiyah Tangerang.

Kata Kunci : PMB, data mart, bottom up, BI, OLAP, dashboard

Abstract

The objective of the study was to design the data mart whose results were displayed into the admissions dashboard of the new students. Where data can provide detailed, actual, integrated, automated, and easily accessible reports to the head of Admissions Department of University of Muhammadiyah Tangerang. Research methodology to be used in this research is Data Kimbal Data drafting method with bottom up approach: determining business process, determining granularity, Identification and adjusting, determining fact, storing result of temporary calculation in fact table, complete dimension table, determining dimension duration, trace dimensions including dimensions that change slowly, decide on query priority and shape. Next design BI, OLAP and dashboard for PMB needs. The tools used are MsAccess and Excel Powerpivot. The results obtained are the implementation of BI and the dashboard of PMB needs, follow-up research is another BI development needed in designing strategic plans at the University of Muhammadiyah Tangerang.

(2)

1. Pendahuluan

Universitas Muhammadiyah suatu perguruan tinggi ditandai dengan bertambahnya jumlah mahasiswa dari tahun ke tahun. Pertumbuhan mahasiswa menghasilkan petumbuhan data akademik mahasiswa yang cukup besar. Kumpulan data mahasiswa yang berlimpah tentunya mengandung informasi atau pengetahuan yang harus digali atau dianalisis, sehingga dari kumpulan data tersebut dapat diperoleh pola atau pengetahuan yang dapat digunakan oleh perguruan tinggi untuk lebih memahami kondisi mahasiswa. Berdasarkan pengetahuan yang diperoleh dari analisis data mahasiswa dan dosennya, perguruan tinggi dapat membuat rencana strategis yang lebih baik untuk direalisasikan dalam program kerjanya ke depan.

Seiring dengan pertumbuhan suatu perusahaan, keputusan – keputusan dalam kegiatan bisnis pun semakin rumit dan besar. Karena itu dibutuhkan suatu teknologi, yang merupakan implementasi dari teknologi informasi yang sedang berkembang pesat saat ini, untuk membantu para pelaku bisnis mengambil keputusan – keputusan yang lebih baik dan tepat, dengan cara menyediakan laporan – laporan terperinci dan aktual.

Data warehouse adalah sebuah database yang menyimpan data baik yang terbaru maupun lampau dari berbagai sumber. Data yang disimpan adalah data yang relevan terhadap pengambilan keputusan. Sedangkan data mart adalah sub bagian dari data warehouse yang merupakan dasar BI sebagai sumber data, karena data – data dalam data mart sudah dirangkum sedemikian rupa, sehingga dapat menyediakan informasi yang tepat untuk digunakan.

Membangun dan mengimplementasikan Data Mart menjadi sebuah tantangan bagi institusi pemasaran pendidikan dan perlu ditingkatkan berdasarkan data dalam memudahkan pengambilan keputusan strategis. Untuk membangun strategi penerimaan mahasiswa baru dibutuhkan kemampuan analisis data eksternal dan internal yang digunakan secara optimal.

Perancangan data mart penerimaan mahasiswa baru di Universitas Muhammadiyah Tangerang dapat digunakan untuk mengolah data-data mahasiswa dalam memudahkan menghitung jumlah formulir terjual, menentukan sekolah binaan, lokasi promosi, areal daerah potensi untuk melakukan promosi, program studi favorit, pekerjaan dan penghasilan orang tua calon manahasiswa. Sehingga dapat membantu pihak PMB dalam pengambilan keputusan, serta evaluasi.

Business Intelligence (BI) adalah salah satu bentuk implementasi teknologi informasi

yang menjawab kebutuhan di atas. BI dikategorikan sebagai aplikasi dan teknologi untuk mengumpulkan (collect), menyimpan (save), menganalisis (ana lysis), dan menyediakan akses (access) ke data guna membantu penggunanya mengambil keputusan bisnis secara lebih baik. Aplikasi ini mencakup aktivitas sistem pendukung keputusan, query, pelaporan

(reporting), online ana lytical processing (OLAP), analisis statitik (statistica l ana lysis),

peramalan (forecasting), data mining, dan dashboard.

(3)

organisasi sehingga organisasi tersebut dapat meningkatkan keunggulannya (competitive

advantage).

Dashboard yang akan dirancang mengambil data cube yang dihasilkan oleh OLAP, bersumberkan data mart Penerimaan Mahasiswa Baru, kemudian memprosesnya menjadi sebuah laporan yang akurat, tepat waktu, bernilai tinggi, dan berguna. Dashboard ini juga memungkinkan kepala bagian PMB Penerimaan Mahasiswa Baru Universitas Muhammdiyah Tangerang melihat data dari berbagai dimensi sehingga memberikan pengertian yang lebih jelas tentang data tersebut.

Terinspirasi penelitian Parsiyono, dkk. melakukan perancangan data warehouse STAB Syailendra Semarang dengan menggunakan 5 tahapan : merencanakan subyek data, merancang skema barang, merancanga skema bintang, merancang data warehouse, kemudian diimplementasikan dengan cara Extract, Transform dan Load untuk mementuk cube. Hasil laporan data warehouse menghasilkan laporan tentang jumlah mahasiswa per angkatan, per jenis kelamin dan per asal mahasiswa. Data warehouse ini dibangun dengan SQL Server 2012 dan penyajian data menggunakan Excel Powerpivot. Disisilain penelitian Kurniawan Jatmika, dkk., didalam merancang bangun data mart dan purwarupa dashboard untuk visualisasi performa akademik, dalam mengatasi permasalahan dalam memilah dan menyusun informasi, maka dibutuhkan sebuah sistem yang mampu memfasilitasi proses pengumpulan dan penyajian informasi. Dengan menggunakan simpanan data dengan skema

data mart yang terhubung secara langsung ke dalam sebuah dashboard system untuk

mempermudah proses monitoring performa program studi. Akhirnya dengan bangunan data mart tersebut dapat disimpulkan bahwa: desain star schema mendukung dan memudahkan proses rancang bangun data mart akademik dan dashboard system, sistem yang dapat membantu Kepala Program Studi S1 Sistem Informasi dalam mengevaluasi performa akademik program studi, dan pengguna menerima dengan baik sistem yang sudah dirancang bangun.

2. Metodologi Penelitian

Metode penelitian adalah cara menerapkan langkah-langkah sistematis berdasaarkan prinsip-prinsip logis terhadap penemuan, pengesahan, dan penjelasan dalam mencapai kebenaran ilmiah dalam mencapai kebenaran ilmu, untuk memecahkan masalah.

Penelitian ini merupakan penelitian dan pengembangan yang memiliki keterlibatan intens peneliti dengan masalah dan objek penelitian. Titik berat penelitian ini adalah pada perubahan dan mengatasi masalah nyata di objek penelitian, sehingga terdapat kontribusi nyata dan langsung terhadap objek penelitian dalam mengatasi masalah tersebut.

Metode penelitian dengan menggunakan Perancangan Data Mart desain Bottom Up Pendekatan Ralph Kimball : dengan skema terpisah dibangun untuk setiap data mart, dengan mempertimbangkan kebutuhan pengambilan keputusan yang bertanggung jawab pada area bisnis tertentu yang sesuai atau proses. Kemudian, skema ini digabung dalam skema global untuk seluruh data warehouse/data mart

(4)

harus sesuai dengan kebutuhan. Sebagai contoh ketika ingin meneganalisis penerimaan mahasiswa baru berdasarkan berbagai sumber yang berbeda atau dimensi, 2) menentukan granularity (Choosing the grain), perancangan model data warehouse harus sesuai berdasarkan tabel fakta dan dimensi, untuk itu ketika pemilihan sumber harus mengacu pada kemampuan unutk merepresentasikan fakta-fakta yang di ambil dari berbagai sumber dimensi pada OLTP, misalnya PMB_fact, adalah mengambarkan rincian data pmb secara detail, 3) Identifikasi dan penyesuaikan dimensi (Identifying and conforming the

dimensions), dimensi ini sebagai gambaran fakta-fakta pada tabel fakta, misalnya setiap

data pada tabel pmb_dim dilengkapi dengan pmb_id, pmb_no, pmb_name, nama, pmb_street_address, pmb_zip_code dan lainnya, 4) menentukan fakta (Choosing the fact), sumber dari sebuah tabel fakta akan menentukan fakta mana yang akan di gunakan, misalnya : pembayaran_fact terdiri dari pmb_id, admin_id, pembayaran_id, nilai_id, yang menggambarkan fakta dari berbagai tabel dimensi yaitu pmb, pembayaran, nilai dan pmb_date, 5) menyimpan hasil perhitungan sementara pada tabel fakta (Storing pre-

calcula tions in the fact table), 6) melengkapi tabel-tabel dimensi (Rounding-out the

dimension tables), menambahkan selengkap-lengkapnya pada tabel dimensi dan harus

bersifat intuitif dan mudah dipahami oleh pengguna. Tahap ini agar pengguna dipermudahkan dalam penganalisaan nantinya, 7) menentukan durasi dimensi (Choosing

the duration of the dimension), katakana saja durasi data 5 tahun penelitian, 8) menelusuri

dimensi yang termasuk slowly changing dimension (Tracking slowly changing dimension), ada 3 tipe perubahan dimensi yaitu atribut dimensi yang telah berubah tertulis ulang, menimbulkan sebuah dimensi baru dan dimensi yang berubah menimbulkan alternatif, sehingga nilai atribut lama dan yang baru dapat diakses secara bersama pada dimensi yang sama, 9)memutuskan prioritas query dan bentuknya (Deciding the query priorities and the

query modes), berupa perancangan fisik.

3. Hasil Dan Pembahasan

2.1.Analiis data mahasiswa baru

(5)

Proses Bisnis Deskripsi Fungsi Yang Terlihat

Penerimaan

Mahasiswa Baru

Melakukan penjualan formulir dan bekerja sama

dengan sekolah-sekolah melakukan pengumpulan

data calon mahasiswa, mengimput datanya, dari

Manager, Staf dan

Admin

Tabel 1. : Data Penerimaan Mahasiswa Baru Universitas Muhammadiyah Tangerang

Pengelolaan data mahasiswa baru hanya sebatas : no, tanggal pendaftaran, nim, nama, tempat tanggal lahir, asal sekolah, no.telp/hp, fak, prodi, nama orang tua (ayah dan ibu), serta alamat dengan melihat data penerimaan mahasiwa baru tersebut, maka pihak Universitas Muhammadiyah Tangerang pada data mahasiswa baru tersebut mengalami beberapa permasalahan, antara lain : 1) Data mahasiswa baru yang diperoleh dari mahasiswa masih bersifat minim, 2) Data mahasiswa baru tidak dapat melihat rata-rata raport, nilai NEM, prestasi yang dimiliki, 3) Data mahasiswa baru tidak memilki email, 4) Data mahasiswa baru juga tidak mengidentifikasikan media sosial yang digunakan, seperti : WA, Instagram, Line, 5) Pengelompokan hanya diidentifikasi dengan pewarnaan, seperti : FE = kuning, FAI = hijau, FIKES = putih, FKIP = biru, FT = coklat muda, FISIP = pink, HUKUM = coklat. Dengan identifikasi ini tentunya susah untuk diambil keputusan untuk pengolahan data ini.6)Data orang tua terbatas hanya nama, tidak mengidentifikasikan : email, pekerjaan orang tua, pendapatan, lulusan orang tua,

3.2.Perancangan Data Warehouse / Data Mart

Pembuatan data warehouse / data mart diperlukan 9 tahap metodologi (nine-step

methodology), yaitu:

1. Langkah 1 - Menentukan proses bisnis (Choosing the process)

Proses Penerimaan Mahasiswa Baru pada Universias Muhammadiyah Tangerang yang digunakan untuk perancangan data warehouse atau data mart, yang digambarkan pada tabel di bawah ini : .

(6)

berbagai dimensi ke dalam aplikasi, melihat

laporan yang tersedia agar dapat menentukan

strategi pemasaran dan pengembangan dashboard

2. Langkah 2 - Menentukan granularity (Choosing the grain)

Memilih grain berarti menentukan apa yang sebenarnya direpresentasikan oleh record dalam tabel fakta yang isinya data calon fakta. Grain dari Penerimaan Mahasiswa Baru yang digunakan untuk merancang data warehouse adalah :

Tabel 3 : Tabel Grain

Grain/Fakta Deskripsi Proses Bisnis yang Terkait

Nilai Informasi

Mahasiswa

Analisis yang dilakukan dilihat dari berbagai sudut

pandang yang berhubungan dengan nilai informasi

yang dimiliki oleh mahasiswa antara lain : yang

diperoleh dari Jalur, NIM Mahasiswa, Nama

Mahasiswa, agama, jenis kelamin, asal sekolah, kota,

kecamatan, fakultas, program studi, alamat surel,

media sosial (faebook, twitter dan Instagram),

pendidikan orang tua, penghasilan orang tua

Penerimaan

Mahasiswa Baru

3. Langkah 3 - Identifikasi dan penyesuaikan dimensi (Identifying and conforming the

dimensions)

Mendefinisikan dan menyesuaikan dimensi (Identifying and conforming the

dimenions) Pada tabel 1 dibawah menampilkan hubungan dimensi dengan grain dari

fakta dalam bentuk matriks:

Tabel 4. : Tabel Identifikasi dan Penyesuaian Dimensi

Dimensi Keterangan Grain

Ujian Diidentifikasi id ujian dan nilai rata ujian Nilai informasi mahasiswa

Admin Diidentifikasi id admin dan nama admin Nilai informasi mahasiswa

Jenis Kelamin Diidentifikasi kode kelamin dan kelamin Nilai informasi mahasiswa

Kota Diidentifikasi kode kota dan nama kotanya Nilai informasi mahasiswa

Mahasiswa Mahasiswa diidentifikasi menjadi id nama

mahasiswa dan nama mahasiswa, kelamin,

tanggal lahir, kode agama, kode kota, kode

pos, kode propinsi, telpon, handphone,

(7)

email, anak ke berapa, jumlah saudara,

kode prodi

Pekerjaan Orang Tua Pekerjaan orang tua diidentifikasi menjadi

id mahasiswa, nama mahasiswa, nama

orang tua, tanggal lahir orang tua, telpon

orang tua, pendidikan orang tua, pekerjaan

orang tua, penghasilan orang tua tiap

bulannya

Nilai informasi mahasiswa

Prodi Prodi diidentifikasi id prodi dan nama

prodi

Propinsi Propinsi diidentifikasi kode propinsi dan

nama propinsi

Sekolah Sekolah diidentifikasi kode sekolah dan

nama sekolah, alamat sekolah, telpon

sekolah

Kecamatan Diidenitifikasi kode kec dan nama

kecamatan

Medsos Diidentifikasi kode medsos dan nama

medsos

Sumber : peneliti

4. Langkah 4 - Menentukan fakta (Choosing the fact)

Pemilahan fakta yang akan digunakan dalam data mart Penerimaan Mahasiswa Baru, dimana masing-masing fakta memiliki data yang dapat dihitung, untuk selanjutnya ditampilkan dalam bentuk laporan, grafik atau berbagai macam diagram. Berikut ini fakta-fakta yang akan ditampilkan di data Mart

Tabel 5. : Tabel Fakta

Fakta Keterangan Dimensi

Recordmhs_fact Fakta Recordmhs_fact merupakan

kumpulan berbagai informasi tentang data

mahasiswa yang dianalisis dari dimensi-

dimensi yang ada. Facta recordmhs_fact,

terdiri dari : id mahasiswa, nama, tempat

lahir, tanggal lahir, alamat, kota, agama,

propinsi, pembayaran, nama prodi, jenis

(8)

Nama

kelami, asal sekolah, pendidikan orang tua,

pekerjaan orang tua, pendapatan orang tua,

medsos

5. Langkah 5 - Menyimpan hasil perhitungan sementara pada tabel fakta (Storing pre-

calcula tions in the fact table)

Menyimpan Pre-kalkulasi dalam Tabel Fakta (Storing pre-calculations in the fa ct

table)

Pre-kalkulasi :

a. JumlahAgama = count(dim agama.kode_agama) b. JumlahJalur = count(dim jalur.id_jalur)

c. JumlahJenisKelamin = count(dim_jeniskelamin.kelamin) d. JumlahKota = count(dim_kota,id_kota)

e. JumlahMhs = count(dim_mhs.id_mhs)

f. JumlahPekerjaanOrangTua = count(dim_pekerjaanorangtua.id_mhs) g. JumlahPendidikanOrangTua = count(dim_pendidikanorangtua.id_mhs) h. JumlahProdi = count(dim_prodi.kode_prodi)

i. JumlahPropinsi = count(dim_propinsi.kode_propinsi) j. JumlahSekolah = count(dim_sekolah.kode_sekolah)

DIM Kota DIM Pe k e rjaan_orang_tua

P K IdM hs

Gambar : Skema Bintang Penerimaan Mahasiswa Baru

6. Langkah 6 - Melengkapi tabel-tabel dimensi (Rounding-out the dimension tables) Menambahkan sebanyak mungkin deskripsi teks pada dimensi. Deskripsi tersebut harus intuitif dan dapat dimengerti oleh user. Tabel –tabel berikut ini merupakan deskripsi teks dari tabel dimensi:

(9)

Atribut Tipe Data Panjang

IdMhs VarChar 50

Nama Varchar 100

Tabel 6. : Dim Agama

Kode_Agama Char 2

Agama Varchar 12

2. Dim_jalur

Tabel 7. : Dim Jalur

Id_Jalur Varchar 10

Jalur Varchar 20

3. Dim_Jeniskelamin

Tabel 8. : Dim_Jeniskelamin

Kode_kelamin Char 3

Kelamin Varchar 10

4. Dim_Kota

Tabel 9. : Dim_Kota

Kode_Kota Char 15

Kota Varchar 50

5. Dim_Mahasiswa

Tabel 10, : Dim_Mahsiswa

IdMhs VarChar 50

Nama Varchar 100

Kelamin Char 3

Tempatlahir Varchar 50

Tanggallahir Date -

Kode_Agama Char 2

Alamat Char 255

Kode_Kota Varchar 50

KodePos Varchar 50

Kode_Prop Varchar 50

Telpon Varchar 50

Handphone Varchar 50

Email Varchar 100

Anak_ke Integer 11

Kode_Prodi Varchar 50

6. Dim_Pekerjaanorangtua

(10)

Nama Aplikasi Database Database ada Waktu data yang

Kode_Prodi VarChar 15

Prodi Varchar 50

8. Dim_Propinsi

Tabel 13, : Dim_Propinsi

Kode_Propinsi VarChar 15

Propinsi Varchar 50

9. Dim_Sekolah

Tabel 14. : Dim_Sekolah

Kode_Sekolah VarChar 15

Kode_Pembayaran VarChar 15

Jumlah_Pembayaran Numerik 30

11. Dim_Ujian

Tabel 16. : Dim_Ujian

Kode_Ujian VarChar 15

Nilai1 Numerik 3

Nilai2 Numerik 3

Nilai3 Numerik 3

NilRata Numerik 3

7. Langkah 7 - Menentukan durasi dimensi (Choosing the duration of the dimension) Durasi dari data Penerimaan Mahasiswa Baru di Universitas Muhammadiyah Tangerang dimasukan ke dalam data warehouse sebagai berikut:

(11)

Dimensi Atribut Tipe SCD

Dim_Mahasiswa Id_Mahasiswa 1

Nama 1

Kelamin -

Tempatlahir -

Tanggallahir -

Kode_Agama 1

Id_Jalur 1

Alamat 1

Kode_Kota 1

KodePos 1

Kode_Propinsi 1

Telpon 1

Handphone 1

Email 1

Pembayaran 1

Ujian 1

Medsos 1

Datawarehouse Aplikasi PMB

Universitas Muhammadiyah Tangerang

PMB 2010 2012-2017 5 tahun

8. Langlah 8 - Menelusuri dimensi yang termasuk slowly changing dimension

(Tracking slowly changing dimension)

Dari tipe-tipe dasar perubahan dimensi, pada perancangan data warehouse PMB ini, perubahan atribut pada dimensi akan mengakibatkan pembuatan suatu record dimensi baru. Hal ini dilakukan untuk menjaga data yang lama tetap ada agar diketahui perubahan dimensi yang terjadi dari data lama ke data baru. Contohnya seperti adanya perubahan pada nama mahasiswa, akan mengakibatkan penambahan record baru pada dimensi dengan tetap menyimpan record yang lama.

(12)

Tabel 20. : Tabel slowly changing dimension lanjutan

Dimensi Atribut Tipe SCD

AnakKe -

JumlahSdr -

Kode_Prodi 1

Dim_Agama Kode_Agama 1

Agama -

Dim_Jalur Id_Jalur 1

Jalur -

Dim_Kota Kode_Kota 1

Kota -

Dim_Pekerjaanorangtua Id_Mahasiswa 1

Nama 1

Nama_orang_tua -

Tgl_lahir -

Telponortu 1

AsalSekolah 1

Pekerjaan_ortu 2

Pendapatan_ortu 2

Dim_Prodi Kode_Prodi 2

Prodi 2

Dim_Propinsi Kode_Propinsi 1

Propinsi -

Dim_Sekolah Kode_sekolah 1

Nama_sekolah -

Alamat_sekolah 1

No_telp 1

9. Langkah 9 - Memutuskan prioritas query dan bentuknya (Deciding the query

priorities and the query modes)

Pada perancangan ini, bentuk skema yang dipilih adalah skema bintang, karena skema ini merupakan skema yang mudah dipahami dan digunakan oleh pengguna daripada skema yang lain. Bentuknya yang tidak terlalu rumit, memudahkan dalam

hal query. Langkah yang berhubungan dengan physical terutama pengurutan data

dan pencarian data melalui indexing Pada data warehouse ini telah diurutkan berdasarkan primary key dari setiap tabel dan juga secara otomatis terindeks berdasarkan primary key tersebut.

3.3. Rancangan dashboard

Pada rancangan data mart yang sudah diolah maka data-data yang telah diolah ditampilkan dalam bentuk diagram dan tabel berdasarkan dari kebutuhan user. Beberapa implementasinya adalah sebagai berikut:

(13)

Total

100%

0% Total

2. Hasil Dashboard Calon Mahasiswa Baru berdasarkan Kota

Total

189

1 7 3

3. Hasil Dashboard Calon Mahasiswa Baru berdasarkan Pekerjaan orangtua

Total

Guru Pegawai Swasta Pensiunan

PNS Polisi TNI

Wiraswasta (blank)

42% 12%

30%

33%%7%3%

\

(14)

S1 S2 SMA (blank)

Total 127 5 68

A

x

is

T

it

le

5. Hasil Dashboard Calon Mahasiswa Baru berdasarkan Pendidikan orangtua

Total

200

0 Total

Hasil dashboard ini mengidentifikasikan calon mahasiswa berdasarkan Pendidikan Orang Tua.

6. Hasil Dashboard Calon Mahasiswa Baru berdasarkan Prodi

Total

35 30 25 20 15 10

0 Total

Hasil dashboard ini mengidentifikasikan calon mahasiswa berdasarkan Program Studi

(15)

A

banten jakarta jawa barat lampung (blank)

Total 186 9 1 3

8. Hasil Dashboard Calon Mahasiswa Baru berdasarkan Asal Sekolah

Total

(16)

4. Kesimpulan

Data -data yang telah peneliti kumpulkan selama penelitian dan telah diuraikan pada bab-bab sebelumnya, maka penulis dapat menarik kesimpulan sebagai berikut:

1. Penerimaan Mahasiswa Baru Universitas Muhammadiyah Tangerang memiliki data histori transaksi PMB yang belun maksimal, oleh sebab itu dilakukan pengkajian perancangan data mart.

2. Meskipun dengan sistem yang telah ada saat ini telah dapat menangani kegiatan operasioanal dan bisnis PMB Universitas Muhammadiyah Tanerang, namun pemanfaatan data histori transaksi PMB secara optimal tentu dapat memberikan suatu manfaat yang besar bagi pihak PMB, Fakuktas, Program Studi, Akademik, Kemahasiswaan dan Keuangan pada Universitas Muhammadiyah Tangerang.

3. Data-data transaksi PMB yang bersifat historis dapat disimpan ke dalam data mart PMB,

sehingga dapat menghasilkan informasi yang berguna bagi pihak top management yang

mendukung proses pengambilan keputusan.

4. Informasi yang dihasilkan data mart bersifat ringkas, dengan bentuk grafik dalam bentuk

dashboard memudahkan pemahaman dan analisa dalam proses pengambilan keputusan.

5. Saran

Dari kesimpulan yang telah diuraikan, peneliti memberikan saran yang dapat bermanfaaat dalam mengatasi kelemahan-kelemahan. Hal-hal yang perlu dipertimbangkan yaitu :

1. Untuk pengembangan selanjutnya diharapkan lingkup dari data mart lebih besar, mencakup data ang berelasi ke akademik, kemahasiswaan, keuangan.

2. Melakukan pemeliharaan secara rutin terhadap data mart PMB, agar data yang diolah dan

dihasilkan memiliki performance yang baik.

3. Untuk pengembangan selanjutnya diharapkan data mart yang telah dibangun dapat

dikembangkan menjadi data warehouse yang melingkupi seluruh bagian unit bisnis pada

(17)

Daftar Pusataka

[1]. Amborowati, Armadyah, “Perancangan dan Pembuatan Data Warehouse pada Perpustakaan STMIK AMIKOM Yogyakarta”, 2o15.

[2]. Ballard, Chuck; Farell, Daniel M.; Gupta, amit; Mazuela, Carlos; Vohnik, Stanislav, “Dimensional Modeling: In a Business Intelligence Environment”, 2006.

[3]. C. T and . B. C. , "A Practica l Approach to Design, Implementation, And

Management, 4th Edition," in Database Systems , California, Addison Wesley

Publishing Company Inc., 2005, p. 1171

[4]. Dedić, N. and Stanier C., "An Evaluation of the Challenges of Multilingualism in Data Warehouse Development" in 18th International Conference on Enterprise Information Systems - ICEIS , 2016, p. 196.

[5]. Fitrianah, Devi. Lumbantobing, Lumbantobing, Elfrida S. , “Rekayasa Independent Data Mart dari Basis Data Operasional Tak Teritegrasi”, Prosiding Seminar Nasional Manajemen Teknoiogi XI Program Studi MMT – ITS, Surabaya 6 Februari 2010. http://mmt.its.ac.id/download/SEMNAS/SEMNAS%20XI/MTI/10.%20

Prosiding%20Devi%20Fitrianah-Ok%20Print.pdf (diakses tanggal : 6 Oktober 2017).

[6]. H. . W. Inmon, "Building Data warehouse, 4th Edition," Canada, John Wiley& Sons., 2005, p. 495.

[7]. Hazibuan, Zainal, “Metodologi Penelitian pada Bidang Ilmu Komputer dan Teknologi Informasi : Konsep, Teknik dan Aplikasi”, Universitas Indonesia, 2017. [8]. Henderi. Winarko, Edi. (2015). “Rancangan Sistem Basis Data Warehouse

Evaluasi Kinerja”, Seminar Nasional Teknologi informasi dan Multimedia 2015, STMIK AMIKOM Yogyakarta, ISSN : 2302-3805.

[9]. Jatmika, Kurniawan. Adhistya Erna P. Cahyono, Ari. (2016) , “Rancang Bangun Data Mart dan Purwarupa Dashboard untuk Visualisasi Performa Akademik”. Jurusan Teknik Elektro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada Yogyakarta.

[10]. Kimball, Ralph and Ross, Margy, “The Data Warehouse Toolkit: The Complete

Guide to Dimensional Modeling (Second Edition)”, p. 393

[11]. Nolan and H. , "Microsoft SQL Server 7.0 Data Warehousing Training Kit," USA, Microsoft Prees, 2000.

[12]. Paramita, Dyah. Firdaus. Afrimas, Mira. (2012). Penerapan Data Mart Penjualan Hypermarket XYZ Menggunakan Metode From Enterprise Models To Dimensional Models . Jurusan sistem Informasi (JSI), Vol.4 No. 2, Oktober 2012.

Halaman 503-515 ISSN Print : 2085-1588 ISSN Online : 2355-4614

http://ejournal.unsri.ac.id/index.php/jsi/index (diaskes tanggal : 9 Oktober 2017)

(18)

[14]. Robert Wrembel dan Chritian Koncilia, “Data wahouses and OLAP : Concept,

Archiectures and Solution Table Contens”, Singapore, IRM Press, 2007.

[15]. Turban, Efrain. Arroson, Jay E. Liang, Ting Peng. “Decission Support System and

Intelligence Systems”, 2005.

[16]. V. Poe, "Building Data Warehouse for Decision Support, edisi-2," Prentice Hall, 1998