SKRIPSI. Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

(1)

i

IMPLEMENTASI DATA WAREHOUSE

UNTUK MENDUKUNG MONITORING KINERJA KARYAWAN BERDASARKAN NILAI PENILAIAN UNJUK KERJA

(Studi Kasus: PT Surya Pamenang Kediri)

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh:

Lukas Gede Ngurah Bayu Putra 125314006

PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA YOGYAKARTA

(2)

ii

DATA WAREHOUSE IMPLEMENTATION TO SUPPORT EMPLOYEE PERFORMANCE MONITORING BASED ON THE

ASSESSMENT POINT TO WORK (Case Study : PT Surya Pamenang Kediri)

A THESIS

Presented as Partial Fullfillment of the Requirements

To Obtain the Sarjana Komputer Degree

In Informatics Engineering Study Program

By :

Lukas Gede Ngurah Bayu Putra 125314006

INFORMATICS ENGINEERING STUDY PROGRAM

DEPARTMENT OF INFORMATIC ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2016

(3)

(4)

(5)

v

HALAMAN MOTTO

“Kita hidup bukan hanya untuk diri kita

sendiri dan kita mati juga bukan untuk

(6)

vi

HALAMAN PERSEMBAHAN

Dengan penuh rasa syukur dan bangga, saya persembahkan karya ini untuk :

Tuhan Yesus dan Bunda Maria yang selalu menuntun setiap langkah dalam hidup. Orang tua yang terus memberikan dukungan, motivasi serta kasih yang melimpah. Adik-adiku, keluargaku yang mendukung dengan cara masing-masing. Serta teman-teman dan sahabatku yang memberikan pelajaran hidup, jalan-jalan, susah senang bersama dan teman dalam berproses menjadi pribadi yang lebih baik.

(7)

(8)

viii

(9)

ix ABSTRAK

IMPLEMENTASI DATA WAREHOUSE

UNTUK MENDUKUNG MONITORING KINERJA KARYAWAN BERDASARKAN NILAI PENILAIAN UNJUK KERJA

(Studi Kasus: PT Surya Pamenang Kediri)

Lukas Gede Ngurah Bayu Putra Universitas Sanata Dharma

Yogyakarta 2016

Data merupakan aset berharga yang digunakan untuk memutuskan kebijakan, melakukan strategi, atau mengambil keputusan. Data harus diproses sebelum menjadi informasi. Proses pengolahan data dapat dilakukan di berbagai tempat, misalkan di database operasional, aplikasi operasional, maupun menggunakan teknologi data warehouse.

Teknologi data warehouse digunakan untuk mengintegrasikan data hasil nilai penilaian unjuk kerja karyawan. Pembuatan data warehouse digunakan untuk menemukan informasi yang mendukung monitoring kinerja karyawan di PT Surya Pamenang. Data warehouse yang telah terbentuk selanjutnya akan diproses menjadi database Online Analytical Processing (OLAP) menggunakan kettle dan Star Schema. Data warehouse yang terbentuk dapat menghitung nilai aspek_pekerjaan, sikap dan nilai akhir. OLAP memberikan informasi nilai karyawan dari setiap periode penilaian yang telah dilakukan untuk melihat trend kinerja karyawan yang didasarkan pada hasil penilaian unjuk kerja karyawan.

(10)

ABSTRACT

DATA WAREHOUSE IMPLEMENTATION TO SUPPORT EMPLOYEE PERFORMANCE MONITORING BASED ON THE

ASSESSMENT POINT TO WORK (Case Study : PT Surya Pamenang Kediri)

Lukas Gede Ngurah Bayu Putra Universitas Sanata Dharma

Yogyakarta 2016

Data is a valuable asset for deciding a policy, implementing a strategy, and taking decision. Data should be processed before the data become an information. The data processing is able to be done in various places such as operational database, operational application, and technologic data warehouse.

Technologic data warehouse is used to integrate the result of performance assessment data. The establishment of data warehouse is for support monitoring employee performance at PT Surya Pamenang. Further, the established data warehouse will be processed to become database Online Analytical Processing (OLAP) using Kettle and Star Scheme. The established data warehouse is able to count the value aspects of work, attitude and the final value. OLAP provide information about the result value of employee assessment from any period assessment has been done to see the trend employee performance based on the result employee performance assessment.

(11)

KATA PENGANTAR

Puji dan syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa karena atas berkat dan rahmat-Nya, penulis dapat menyelesaikan tugas akhir sesuai d engan waktu yang telah ditentukan. Skripsi ini disusun sebagai salah satu syarat untuk memperoleh gelar sarjana Teknik Informatika di Universitas Sanata Dharma Yogyakarta.

Penulis telah menyadari bahwa tanpa melibatkan bantuan dan dukungan banyak pihak skripsi ini sulit untuk selesai, namun berkat dukungan dan bantuan dari banyak pihak, akhirnya skripsi ini dapat diselesaikan. Oleh sebab itu atas bantuan dan dukungannya, penulis menghaturkan ucapan terimakasih kepada :

1. Tuhan Yang Maha Esa karena telah memberikan memberkati dan memberikan kekuatan selama proses penyelesaian tugas akhir.

2. Sudi Mungkasi,S.Si.,M.Math.Sc.,Ph.D selaku Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta.

3. Dr.Anastasia Rita selaku Ketua Program Studi Teknik Informatika Universitas Sanata Dharma Yogyakarta.

4. JB Budi Darmawan S.,T. M.Sc. selaku dosen pembimbing yang telah meluangkan waktu untuk membimbing penulis selama pembuatan skripsi ini. 5. Orang tua, adik, serta keluarga yang memberikan dukungan, doa, dan motivasi

dalam penyelesaian tugas akhir.

6. Seluruh dosen Teknik Informatika atas ilmu yang telah diberikan selama menuntut ilmu dan sangat membantu penulis dalam mengerjakan tugas akhir. 7. Teman-teman Teknik Informatika 2012 yang selalu memberi semangat dan

bantuan selama menyelesaikan skripsi ini.

8. Serta semua pihak yang baik secara langsung maupun tidak langsung telah membantu penulis dalam menyelesaikan skripsi.

Penulis dalam menulis skripsi ini sudah berusaha semaksimal mungkin, namun penulis juga menyadari bahwa skripsi yang dibuat ini masih banyak kekurangan dan jauh dari sempurna. Oleh sebab itu penulis sangat mengharapkan kritik dan saran dari pembaca yang dapat bermanfaat bagi perbaikan pada masa mendatang.

(12)

(13)

DAFTAR ISI

HALAMAN JUDUL ... i

A THESIS ... ii

HALAMAN PERSETUJUAN ... Error! Bookmark not defined. HALAMAN PENGESAHAN ... Error! Bookmark not defined. PERNYATAAN KEASLIAN KARYA ... Error! Bookmark not defined. LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI ... vii

ABSTRAK ... ix ABSTRACT ... x KATA PENGANTAR ... xi BAB I ... 1 PENDAHULUAN ... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah ... 3 1.3 Tujuan ... 3 1.4 Batasan Masalah ... 3 1.5 Metodologi Penelitian ... 4 1.6 Sistematika Penulisan ... 4 BAB II ... 6 LANDASAN TEORI ... 6 2.1 Data Warehouse ... 6

2.1.1 Komponen Data Warehouse ... 6

2.1.2 Karakteristik Data Warehouse ... 7

2.1.3 Langkah Pembuatan Data Warehouse ... 8

(14)

2.2 Extract, Transform, and Load (ETL) ... 10

2.3 Multi Dimensional Modeling... 10

2.3.1 Cube, Dimension, Measure dan Member ... 10

2.3.2 Fact Table dan Dimension Table ... 11

2.4 Skema Kristal Salju (Snowflake schema) dan Skema Bintang ... 11

2.5 Pentaho ... 12

2.6 Online Analytical Processing (OLAP)... 12

BAB III... 13

ANALISIS DAN PERANCANGAN SISTEM ... 13

3.1 Analisis Kebutuhan ... 13

3.2 Analisis Sistem ... 13

3.3 Mendesain Gudang Data ... 15

3.3.1 Membaca Data Legacy... 15

3.3.2 Menggabungkan Data Dari Sumber Terpisah ... 18

3.3.3 Memindahkan Data Dari Sumber Kedalam Server Data Warehouse .. 19

1.3.4 Memecah Data Warehouse Dalam Tabel Fakta Dan Dimensi ... 21

3.3.5 Diagram Use Case ... 24

3.3.6 Narasi use case diagram ... 24

3.4 Pembuatan OLAP ... 25

3.5 Perancangan Antar Muka ... 28

3.5.1 Tampilan Halaman Login ... 28

3.5.2 Tampilan Halaman Utama ... 28

3.5.3 Tampilan Halaman Nilai Final Karyawan ... 29

3.5.4 Halaman Detail Nilai Karyawan ... 29

BAB IV ... 30

(15)

4.1 Implementasi ... 30

4.1.1 Implementasi Basis Data ... 30

4.2 Implementasi Data Warehouse ... 30

4.2.1 Membaca Data Legacy ... 30

4.2.2 Memindahkan Data ke Server Data Warehouse. ... 31

4.3 Memecah Data Warehouse dalam Tabel Dimensi dan Fakta ... 36

4.3.1 Transformasi Tabel dim_bagian... 36

4.3.2 Transformasi Tabel dim_periode ... 38

4.3.3 Transformasi Tabel dim_karyawan ... 39

4.3.4 Transformasi Tabel dim_puk ... 41

4.3.5 Transformasi tabel fact_detail ... 44

4.3.6 Transformasi tabel fact nilai ... 48

4.3.7 Job Transformasi Data Fact Detail ... 56

4.3.8 Job Transformasi Data Fact Nilai ... 56

4.4 Implementasi Star Schema Untuk Database OLAP ... 56

4.4.1 Star Schema Kubus Fact Detail ... 56

4.4.2 Star Schema Kubus Fact Nilai... 59

4.5 Implementasi Antar Muka Pengguna Sistem OLAP ... 60

4.5.1 Halaman Login ... 61

4.5.2 Halaman Menu Utama ... 62

4.5.2.1 Halaman Menu Nilai Final Karyawan ... 63

4.5.2.2 Halaman Menu Detail Nilai Karyawan ... 64

BAB V ... 65

ANALISIS HASIL ... 65

5.1 Penyelesaian Rumusan Masalah ... 65

(16)

5.2.1 Pengujian Perhitungan aspek Pekerjaan, Sikap dan Nilai Akhir. .... 68

... 68

5.2.3 Pengujian Database Detail Nilai ... 72

5.3 Kelebihan dan Kekurangan Sistem ... 74

BAB VI ... 75 PENUTUP ... 75 6.1 Kesimpulan ... 75 6.2 Saran ... 75 DAFTAR PUSTAKA ... 76 LAMPIRAN I ... 77 QUERY TABEL ... 77 LAMPIRAN II ... 84 LISTING PROGRAM ... 84 MANUAL ... 92

SISTEM DATABASE ONLINE ANALYTICAL PROCESSING (OLAP) ... 92

MONITORING KINERJA KARYAWAN ... 92

(17)

DAFTAR GAMBAR

Gambar 3. 1 Proses Pemindahan Tabel Master_Karyawan ... 19

Gambar 3. 2 Proses Pemindahan Tabel Periode ... 20

Gambar 3. 3 Proses Pemindahan Tabel Bagian ... 20

Gambar 3. 4 Proses Pemindahan Master PUK ... 21

Gambar 3. 5 Membuat Tabel Dimensi Dim_Karyawan ... 21

Gambar 3. 6 Membuat Tabel Dim Periode ... 22

Gambar 3. 7 Membuat Tabel Dimensi PUK... 23

Gambar 3. 8 Gambar Use Case ... 24

Gambar 3. 9 Rancangan OLAP Melihat Grafik ... 26

Gambar 3. 10 Rancangan OLAP Melihat Detail Indikator ... 27

Gambar 3. 11 Tampilan Halaman Login ... 28

Gambar 3. 12 Halaman Menu Utama ... 28

Gambar 3. 13 Halaman Nilai Final Karyawan... 29

Gambar 3. 14 Tampilan Halaman Detail Nilai Karyawan ... 29

Gambar 4. 1 master_bagian.ktr ... 31

Gambar 4. 2 data master_bagian ... 32

Gambar 4. 3 master_karyawan.ktr ... 32

Gambar 4. 4 data tabel master_karyawan. ... 34

Gambar 4. 5 inputmasterpuk.ktr ... 34

Gambar 4. 6 Query untuk tabel periode ... 35

Gambar 4. 7 dim_bagian.ktr ... 36

Gambar 4. 8 Tabel dim_bagian ... 37

Gambar 4. 9 dim_periode.ktr ... 38

Gambar 4. 10 Tabel dim_periode ... 39

Gambar 4. 11 dim_karyawan.ktr ... 39

Gambar 4. 12 Tabel dim_karyawan ... 41

Gambar 4. 13 dim_puk.ktr ... 41

Gambar 4. 14 Tabel dim_puk ... 43

Gambar 4. 15 fact_detail.ktr ... 44

(18)

Gambar 4. 17 factnilai,ktr ... 48

Gambar 4. 18 Tabel Fact_Nilai ... 55

Gambar 4. 19 Job Skripsidwh Detail Indikator ... 56

Gambar 4. 20 Job Skripsidwhfinal Nilai OLTP ... 56

Gambar 4. 21 Star Schema kubus fact_detail ... 57

Gambar 4. 22 Struktur pembentukan dim_bagian ... 57

Gambar 4. 23 Struktur pembentukan dim_karyawan ... 58

Gambar 4. 24 Struktur pembentukan dim_periode ... 58

Gambar 4. 25 Struktur pembentukan dim_puk ... 58

Gambar 4. 26 Star Schema kubus fact nilai ... 59

Gambar 4. 27 Struktur pembentukan dim_bagian ... 59

Gambar 4. 28 Struktur pembentukan dim_karyawan ... 60

Gambar 4. 29 Struktur pembentukan dim_waktu ... 60

Gambar 4. 30 Tampilan Halaman Proses Login ... 61

Gambar 4. 31 Tampilan Untuk Proses Gagal Login ... 62

Gambar 4. 32 Tampilan Menu Utama ... 62

Gambar 4. 33 Tampilan Halaman Nilai Final Karyawan ... 63

Gambar 4. 34 Tampilan Grafik Nilai Perkaryawan ... 63

Gambar 4. 35 Tampilan Halaman Detail Nilai Karyawan ... 64

Gambar 5. 1 Hasil OLAP Nilai Karyawan Final ... 66

Gambar 5. 2 Grafik Nilai Karyawan ... 67

Gambar 5. 3 Hasil Kubus skripsinilai Nilai Final Karyawan ... 68

Gambar 5. 4 Hasil Nilai Aspek Pekerjaan, Sikap, dan Nilai Ahir ... 70

Gambar 5. 5 Java Script Hitung Nilai ... 69

Gambar 5. 6 Query Cek Nilai di Database ... 70

Gambar 5. 7 Hasil Query Cek Nilai ... 71

Gambar 5. 8 OLAP Detail Nilai Karyawan ... 72

Gambar 5. 9 Query Cek Detail Nilai ... 73

(19)

DAFTAR TABEL

Tabel 2. 1 Karakteristik Data Warehouse ... 7

Tabel 3. 1 Data File Excel ... 14

Tabel 3. 2 Data Penilaian Unjuk Kerja... 15

Tabel 3. 3 Data Periode Penilaian ... 18

Tabel 3. 4 Data Karyawan ... 18

Tabel 3. 5 Data Bagian ... 18

Tabel 4. 1 penjelasan spesifikasi transformasi Kettle untuk pembentukan tabel master_bagian. ... 31

Tabel 4. 2 penjelasan spesifikasi file transformasi Kettle untuk proses pembentukan tabel master_karyawan. ... 33

Tabel 4. 3 Penjelasan spesifikasi transformasi Mas ... 34

Tabel 4. 4 Penjelasan spesifikasi file transformasi Kettle untuk proses pembentukan tabel dim_bagian. ... 36

Tabel 4. 5 Penjelasan spesifikasi file transformasi Kettle untuk proses pembentukan tabel dim_periode ... 38

Tabel 4. 6 Penjelasan spesifikasi file transformasu Kettle untuk proses dim_karyawan ... 40

Tabel 4. 7 penjelasan spesifikasi file transformasi Kettle untuk pembentukan tabel dim_puk... 42

Tabel 4. 8 Penjelasan spesifikasi file transformasi Kettle untuk proses pembentukan tabel fact_detail. ... 44

Tabel 4. 9 Penjelasan spesifikasi file transformasi kettle untuk proses pembentukan tabel fact_nilai ... 48

(20)

1 BAB I PENDAHULUAN

1.1 Latar Belakang

Data adalah fakta yang dapat disimpan dan memiliki arti (Elmasri & Navathe, 2004). Data adalah kumpulan rekaman baik itu fakta, konsep ataupun instruksi yang dapat digunakan untuk menghasilkan informasi yang dapat dipahami dan berguna bagi organisasi (Whitten, dkk 2004). Pada masa sekarang, data adalah aspek yang sangat berharga. Data dapat memberikan sebuah informasi yang dapat digunakan sebagai ilmu pengetahuan maupun untuk membantu manusia membuat analisis dan pengambilan keputusan. Untuk melakukan analisa dan perencanaan ke depan maka, data harus dapat diolah untuk mendapatkan informasi yang dibutuhkan. Salah satu caranya adalah dengan menggunakan teknik data warehouse.

Data Warehouse merupakan sekumpulan data yang berorientasi pada subyek terintergrasi, memiliki rentang waktu, dan tidak mudah berubah untuk mendukung proses pembuatan keputusan manajerial (Connolly dkk, 2005). Data warehouse adalah wadah untuk menampung data-data yang diperlukan untuk melakukan analisa dan mendapat informasi yang diperlukan oleh organisasi. Data warehouse menyediakan suatu tool yang disebut Online Analytical Processing (OLAP) untuk melakukan analisis data. Dengan menggunakan data warehouse dapat menggunakan berbagai macam data dari berbagai macam sumber data.

Penilaian unjuk kerja karyawan adalah salah satu cara yang dilakukan oleh PT Surya Pamenang untuk terus memantau hasil dari kinerja seluruh karyawan. Penilaian unjuk kerja dilakukan secara periodik dan setiap tahun dilakukan dua kali penilaian unjuk kerja. Penilaian yang dilakukan meliputi beberapa faktor antara lain, faktor pekerjaan, faktor sikap, dan faktor kepemimpinan. Hasil dari penilaian unjuk kerja karyawan digunakan untuk pemberian reward atau hukuman. Reward berupa uang prestasi, besaran uang yang diterima tergantung dari hasil penilaian unjuk

(21)

kerja yang diperoleh karyawan. Penilaian unjuk kerja juga digunakan untuk pemberian hukuman jika karyawan mendapat nilai D dalam empat kali periode penilaian. Hukuman yang diberikan adalah berupa penundaan kenaikan grade selama lima tahun. Selain itu penilaian unjuk kerja digunakan pula untuk menentukan kenaikan grade jika dalam penilaian unjuk kerja dalam tiga kali periode karyawan mendapat nilai dengan pola tertentu B+B+B atau A+A+B kenaikan grade dipercepat tiga tahun. Dengan memiliki lebih dari 950 karyawan. serta memiliki data penilaian unjuk kerja maka, ini adalah peluang baru untuk membangun sebuah data warehouse. Sebelum ada data warehouse, data hanya disimpan tanpa ada pengelolaan lebih lanjut. Ini menyebabkan kesulitan mendapatkan informasi mengenai performa karyawan dari tahun ke tahun karena informasi dari hasil nilai unjuk kerja karyawan hanya di sajikan dalam bentuk format excel saja.

Masalah yang dihadapi hingga saat ini adalah database data warehouse belum digunakan di PT Surya Pamenang dan dalam melakukan monitoring kinerja karyawan masih menggunakan nilai unjuk kerja yang disimpan dalam file excel hal ini membuat monitoring yang dilakukan sangat sulit terlebih jumlah karyawan yang tidak sedikit. Untuk itu penulis tertarik untuk merancang database data warehouse yang kemudian akan dibentuk Online Analytical Processing (OLAP). OLAP berfungsi untuk memberikan informasi untuk mendukung monitoring kinerja karyawan berdasarkan nilai penilaian unjuk kerja yang disimpan di database. Hasil dari OLAP dapat digunakan untuk melihat kinerja karyawan dalam bentuk grafik untuk melihat tren kinerja karyawan dari waktu ke waktu.

(22)

1.2 Rumusan Masalah

Berdasarkan latar belakang diatas, dapat dirumuskan masalah:

1. Bagaimana membangun suatu data warehouse serta Online Analytical Processing (OLAP) di PT Surya Pamenang untuk menampilkan informasi yang berupa grafik kinerja karyawan berdasarkan nilai unjuk kerja kerja karyawan untuk mendukung monitoring kinerja karyawan?

2. Bagaimana menghitung dan menampilkan nilai aspek pekerjaan, aspek sikap dan nilai karyawan?

3. Apakah data warehouse dan OLAP ini efektif membantu monitoring kinerja karyawan serta mudah digunakan oleh kepala SDM PT Surya Pamenang?

1.3 Tujuan

Membangun data warehouse dan Online Analytical Processing (OLAP) yang mampu memberi informasi mengenai kinerja karyawan untuk ditampilkan dalam bentuk grafik untuk membantu bagian SDM dalam melakukan monitoring kinerja karyawan.

1.4 Batasan Masalah

Batasan masalah yang digunakan dalam penelitian ini adalah :

1. Data penelian unjuk kerja yang digunakan adalah hasil dari periode 2012, 2013, 2014.

2. Desain dan implementasi data warehouse serta pembangunan sistem OLAP dengan menggunakan tools kettle (Pentaho Data Integration), Schema workbench dan Mondrian sebagai OLAP server.

3. Database yang digunakan adalah database MySQL.

4. Data nilai yang digunakan adalah data nilai untuk karyawan dengan jabatan pelaksana.

5. Data Warehouse tidak menentukan kenaikan status karyawan. 6. Nilai yang digunakan adalah nilai dari aspek pekerjaan, sikap dan nilai

(23)

1.5 Metodologi Penelitian

Metodologi penelitian dan langkah – langkah yang digunakan dalam penulisan tugas akhir adalah:

1. Studi materi dan data

Metode yang digunakan adalah mempelajari materi – materi yang terkait dengan tugas akhir beserta refrensinya.

2. Identifikasi masalah

Melakukan observasi ke PT Surya Pamenang dan melakukan wawancara dengan pihak PT Surya Pamenang untuk mendapatkan informasi tentang penilaian unjuk kerja karyawan.

3. Pengumpulan data dan informasi

Mengumpulkan data penilaian unjuk kerja karyawan di PT Surya Pamenang lalu menganalisa dan melakukan ekstrak data agar dapat digunakan dalam pembuatan data warehouse.

4. Membuat database datawarehouse dan proses ETL 5. Membuat star schema

6. Membuat OLAP dan desain tampilan 7. Pengujian sistem

8. Membuat kesimpulan

1.6 Sistematika Penulisan

Sistematika penulisan merupakan uraian susunan penulisan Tugas Akhir yang akan dibuat secara teratur dan sistematis yang terdiri dari lima bab yaitu:

Bab I Pendahuluan

Bab ini membahas mengenai latar belakang, rumusan masalah, tujuan, batasan masalah, metodologi penelitian, dan sistematika penulisan. Bab II Landasan Teori

Bab ini membahas mengenai pengetahuan menjadi dasar teori untuk mendukung pembuatan data warehouse penilaian unjuk kerja karywan di PT Surya Pamenang.

(24)

Bab III Analisis Perancangan Sistem

Bab ini berisi analisa dan perancangan gudang data. Bab IV Implementasi dan Analisa Hasil

Bab ini berisi pembuatan gudang data dan berisi laporan serta hasil pembangunan gudang data.

Bab V Analisis Hasil

Bab ini berisi hasil pembuatan gudang data. Bab VI Penutup

(25)

BAB II

LANDASAN TEORI

2.1Data Warehouse

Data Warehouse mengintegrasikan data yang telah disimpan dalam periode waktu tertentu dan sering digunakan untuk menambah informasi. Menurut Inmon (1992) data warehouse didefinisikan sebagai sekumpulan data yang terintegrasi, basis data berorientasi subyek yang didesain untuk mendukung fungsi sistem pengambil keputusan, dimana setiap unit data adalah non-volatile dan relevan untuk waktu tertentu.

2.1.1 Komponen Data Warehouse

Ada banyak komponen yang terdapat dalam data warehouse, diantaranya (Connoly & Begg, 2008):

1. Penyimpanan Data

Penyimpanan data adalah komponen umum dalam data warehouse. Dalam kurun waktu tertentu sebuah organisasi pasti melakukan penyimpinan data opersional maupun non-operasional dengan metode tertentu. Data yang disimpan oleh perusahaan ini dalam data warehouse menjadi sumber aliran data mentah dan terorganisir berdasar pada subjek seperti pelanggan, produk dan supplyier. Penyimpanan data juga sering disebut sebagai data warehouse secara fisik.

2. Data Pasar (mart data)

Data pasar adalah subset bagian dari data resource yang memiliki tujuan yang spesifik seperti data penjualan, data pembelian dan data inventori. Dalam data warehouse, data pasar adalah cara meningkatkan inputan kedalam data warehouse dan menurunkan tingkat kesalahan yang terjadi. Data pasar digunakan untuk memperkecil biaya dan memperkecil skala.

3. Metadata

Metadata adalah salah satu contoh dari data warehouse secara logikal. Metadata digunakan untuk memperoleh informasi dan

(26)

mengakses data secara aktual. Sistem legacy pada umumnya tidak menyimpan record tentang karakteristik dari data, seperti jumlah item yang ada, lokasi data, asal data atau bagaimana data dapat diakses. Metadata adalah data dari data atau dengan kata lain metadata adalah menyimpan informasi mengenai data – data yang disediakan oleh data warehouse.

4. Decision Support System (DSS) dan Executive Information System (EIS)

DSS dan EIS bukan bagian dari data warehouse. DSS dan EIS adalah produk yang digunakan untuk mendukung data warehouse.

2.1.2 Karakteristik Data Warehouse

Karakteristik utama dari gudang data dapat dilihat pada tabel: Tabel 2. 1 Karakteristik Data Warehouse

Karakteristik Deskripsi

Subject Oriented Data diorganisir sesuai dengan kebutuhan user.

Integrated

Menghilangkan kerancuan dalam hal penamaan dan kekacauan informasi. Data harus dalam kondisi “clean” Time-series Data dalam rangkaian waktu, bukan

hanya status saat ini..

Summarized Data opersional dikumpulkan untuk mendukung keputusan.

Larger Memelihara data dari waktu ke waktu selama diperlukan.

Not Normalized Terdapat redudansi.

Metadata Data mengenai data untuk user dan personil data warehouse

Input Data operasional ditambah data eksternal yang dibutuhkan.

Nonvolatile Data hanya dapat dibaca tidak dapat dirubah oleh user

(27)

2.1.3 Langkah Pembuatan Data Warehouse 1. Membaca data legacy

Memperhatikan bagian-bagian data yang perlu untuk dilakukan pembersihan.

2. Menggabungkan data dari sumber terpisah

Setiap jenis informasi yang diinginkan mungkin berasal dari beberapa file yang harus digabungkan pada data warehouse. 3. Memindahkan data dari sumber ke dalam server gudang data

Membuat standarisasi format dan copy-kan data dari sumber data sekaligus melakukan clean-ing data

4. Memecah data warehouse dalam tabel fakta dan tabel dimensi Tabel fakta dan dimensi disusun menurut kebutuhan subyek.

2.1.4 Implementasi Data Warehouse

Ada banyak cara untuk mengimplementasikan data warehouse tetapi yang utama adalah mendesain basis data dengan skema yang sangat baik agar dapat dengan mudah melakukan integrasi data. Data warehouse harus mampu untuk melakukan proses cleaning terhadap data. Data dengan maksud yang sama seharusnya dipandang sama. Perbedaan harus dihilangkan dalam data warehouse. Oleh karena itu didalam data warehouse terjadi redudansi data adalah hal yang sangat wajar.

Denis Kozar (1997), wakil pimpinan dari Enterprise Information Architecture dari Chase Manhattan Bank mengemukakan ‘tujuh kesalahan fatal’ dalam menerapkan data warehouse yaitu:

1. Pada saat membangun data warehouse.

Kesalahan yang sering terjadi adalah tidak dilakukan perancangan yang baik pada data warehouse. Pada saat akan membangun sebuah data warehouse seharusnya sudah dipikirkan bagaimana cara melakukan desain, membangun dan memelihara data warehouse itu sendiri. Data Warehouse tidak dapat dengan sendirinya dibangun dengan harapan aka nada orang yang memanfaatkannya.

(28)

2. Kesalahan dalam membuat kerangka arsitektur data warehouse

Kerangka adalah blue print untuk membangun dan menggunakan berbagai komponen data warehouse. Bila terjadi kesalahan dalam pembuatan kerangka maka akan berakibat fatal, karena kerangka arsitektur data warehouse sangat penting.

3. Ketidakmampuan menyusun asumsi

Asumsi dan data potensial harus dimasukan ke dalam kerangka data warehouse, asumsi yang harus dipersiapkan antara lain :

a. Jumlah data yang akan dimasukan kedalam data warehouse. b. Berapa sering data harus diperbahurui / dilakukan update? c. Dimanakah data warehouse akan ditempatkan?

4. Kesalahan dalam menentukan peralatan

Untuk memilih peralatan dalam membangun data warehouse harus sangat tepat.karena dalam membangun data warehouse menggunakan peralatan yang berbeda dengan peralatan yang digunakan untuk membangun sistem operasional.

5. Kesalahan siklus hidup data warehouse.

Siklus hidup data warehouse berbeda dengan system development life cycle (SDLC). Meski terdapat kesamaan namun ada perbedaan mendasar yaitu siklus hidup data warehouse tidak pernah berakhir, selalu berlanjut sehingga perlu selalu diperbaharui.

6. Kecenderungan membatalkan data

Kecenderungan membatalkan data yang mengandung perbedaan. Perlu dilakukan penyesuaian terhadap data yang berbeda dan bukan menghilangkan data, karena redudansi data wajar terjadi di dalam data warehouse.

(29)

2.2Extract, Transform, and Load (ETL)

Proses Extract, Transform and Load (ETL) adalah proses untuk melakukan extract data. Kemudian dari extract berbagai macam data akan dilakukan transformasi data kemudian dilakukan proses load kedalam data warehouse. Untuk itu dapat di katakana proses ETL dibagi menjadi tiga proses besar yaitu:

1. Extract

Mengumpulkan data dari multiple, heterogeneous dan external sources.

2. Transform

Mengubah data dari format asli / legacy kedalam format data warehouse.

3. Load

Merupakan proses untuk membuat rangkuman informasi yang sudah diolah dan membangun indeks serta partisi untuk disajikan kedalam computer views.

2.3 Multi Dimensional Modeling

2.3.1 Cube, Dimension, Measure dan Member

OLAP menggunakan multi dimensional modeling, artinya kita dapat melihat analisis pengukuran dengan pandangan berbagai dimensi. Dalam konsep OLAP kita akan mengerti beberapa istilah berkaitan dengan OLAP :

1. Cube : cube adalah struktur multi dimensional konseptual yang terdiri dari dimension dan measure. Biasanya mencakup pandangan bisnis tertentu.

2. Dimension : dimensi adalah struktur view / sudut pandang yang akan menyusun cube. Demensi terdiri dari berbagai macam level.

3. Measure : nilai pengukuran itu sendiri.

(30)

2.3.2 Fact Table dan Dimension Table

Tabel fakta adalah tabel dimensional yang akan menyimpan data numeric dan berisi composite primary key. Tabel dimensi adalah sekumpulan tabel-tabel yang lebih kecil dari tabel fakta pada model dimensional yang berisi pointer sehingga dapat menunjukan data ditabel terpisah. Setiap tabel dimensi memiliki non-composite primary key (Connolly dkk, 2005).

Di dalam model multi dimensional , database terdiri dari beberapa tabel fakta dan beberapa tabel dimensi yang saling terkait. Tabel fakta berisi nilai dari agregasi yang menjadi pengukuran (measure) serta beberapa key yang terkait ke tabel dimensi yang menjadi sudut pandang dari measure tersebut. Dalam perkembangannya, susunan tabel fakta dan tabel dimensi memiliki standar perancangan atau schema karena dapat meningkatkan performa dan kemudahan dalam penerjemahan ke OLAP. Schema inilah yang menjadi dasar untuk melakukan data warehousing. Salah satu schema yang umum digunakan adalah skema bintang (star schema) yang dapat diterapkan di berbagai OLAP engine.

2.4Skema Kristal Salju (Snowflake schema) dan Skema Bintang

Menurut Connolly dan Begg (2010), skema snowflake adalah variasi lain dari skema bintang dimana tabel dimensi tidak berisi data yang denormalized. Suatu tabel dimensi dapat memiliki tabel dimensi lainnya.

Skema bintang (star schema) adalah struktur logical yang memiliki sebuah tabel fakta yang berisi data factual yang diletakan di tengah dan di kelilingi oleh tabel dimensi yang berisi data refrensi. Skema bintang mengeksploitasi karakteristik dari data factual di mana fakta dibuat dari peristiwa yang muncul di masa lalu dan tidak mungkin berubah, dengan mengabaikan bagaimana data dianalisis. Penting untuk memperlakukan data fakta sebagai data refrensi yang dapat dibaca (read only refrence data) yang tidak akan berubah sepanjang waktu (Connolly dkk, 2005).

(31)

2.5Pentaho

Menurut informasi yang tertulis pada web resmi Pentaho, Pentaho adalah bagian dari perusahaan Hitachi, yang bergerak pada bidang data integration dan business analytics. Pentaho dapat melakukan pengolahan data dengan basis apapun. Pentaho dikembangkan oleh Pentaho Corporation yang berpusat di daerah Orlanda, Amerika Serikat. Ada dua bentuk produk Pentaho yang ditawarkan, yang pertama adalah Enterprise edition (EE) yang memiliki sifat berbayar dengan ketentuan annual subscribtion atau kontrak tahunan untuk menggunakannya serta yang kedua adalah Community Edition (CE) yang bersifat open source.

2.6Online Analytical Processing (OLAP)

Database OLAP dirancang dan difokuskan pada kecepatan untuk membaca data terutama dari volume data yang besar. Database OLAP tidak akan mengantisipasi perubahan data yang dilakukan oleh pengguna. Tetapi sebaliknya, isi dari database dipopulasi dengan suatu proses batch dan biasanya dilakukan dalam periode tertentu. OLAP akan menampilkan informasi dari permintaan proses analisis yang bersifat dimensional.

(32)

13 BAB III

ANALISIS DAN PERANCANGAN SISTEM 3.1Analisis Kebutuhan

Tahap ini digunakan untuk mengetahui kebutuhan dari bagian SDM PT Surya Pamenang Kediri dalam melakukan monitoring hasil penilaian unjuk kerja karyawan. Monitoring nilai dan analisis akan digunakan untuk pertimbangan bagi kebijakan yang akan dijalankan oleh bagian SDM.

Dalam melakukan monitoring kinerja karyawan dibutuhkan informasi yaitu nilai aspek pekerjaan, sikap dan nilai akhir dari setiap karyawan yang akan menentukan karyawan mendapat nilai A, B, C, D atau E. Nilai A, B, C, D atau E yang didapat dari setiap karyawan dapat mendukung untuk pengambilan kebijakan oleh bagian SDM. Dengan pola nilai tertentu dari nilai karyawan bagian SDM dapat mengambilkan kebijakan yang diperlukan. Penilaian unjuk kerja juga digunakan untuk pemberian hukuman jika karyawan mendapat nilai D dalam empat kali periode penilaian. Hukuman yang diberikan adalah berupa penundaan kenaikan grade selama lima tahun. Selain itu penilaian unjuk kerja digunakan pula untuk menentukan kenaikan grade jika dalam penilaian unjuk kerja dalam tiga kali periode karyawan mendapat nilai B+B+B atau A+A+B kenaikan grade dipercepat tiga tahun.

Untuk mendukung monitoring kinerja karyawan maka akan dibangun database data warehouse dan OLAP untuk memberikan informasi tentang nilai aspek pekerjaan, aspek sikap, nilai akhir serta grafik nilai per karyawan yang memudahkan untuk melihat trend kinerja karyawan. Nilai A, B, C, D atau E yang didapat berdasarkan pada nilai akhir yang didapat karyawan dari hasil PUK.

3.2 Analisis Sistem

Hasil nilai dari penilaian unjuk kerja disimpan pada sebuah file excel. Untuk setiap periode penilaian maka akan menghasilkan satu file excel yang berisi hasil nilai dari penilaian unjuk kerja karyawan. Penulis mencoba untuk membantu memecahkan masalah yaitu dengan membuat gudang data untuk

(33)

14

bagian SDM PT Surya Pamenang, yaitu dengan membuat gudang data. Guna membuat gudang data untuk keperluan memberikan informasi mengenai nilai dari faktor pekerjaan, faktor sikap, dan nilai akhir dari karyawan maka diperlukan :

1. Bahan berupa data Excel yaitu :

Laporan yang berisi tentang hasil nilai karyawan tahun 2012, 2013, 2014 dapat dilihat pada tabel 3.1.

Tabel 3. 1 Data File Excel

Daftar Field Excel a) Code b) Nik c) Masa Kerja d) Bagian e) Seksi f) Penilai1_1_1 g) Penilai2_1_1 h) Indikator1_1 i) Indikator1_5 j) Penilai1_2_1 k) Penilai2_2_1 l) Indikator 2_1 m) Penilai1_2_2 n) Penilai2_2_2 o) Indikator2_2 p) Penilai1_2_3 q) Penilai2_2_3 r) Indikator2_3 s) Indikator2_4 t) Penilai1_2_5 u) Penilai2_2_5 v) Indikator2_5

(34)

3.3 Mendesain Gudang Data

Tahapan yang akan dilakukan dalam desain gudang data : 1. Membaca data legacy

Memperhatikan bagian-bagian data yang perlu untuk dilakukan pembersihan.

2. Menggabungkan data dari sumber terpisah

Setiap jenis informasi yang diinginkan mungkin berasal dari beberapa file yang harus digabungkan pada data warehouse. 3. Memindahkan data dari sumber ke dalam server gudang data

Membuat standarisasi format dan copy-kan data dari sumber data sekaligus melakukan clean-ing data

4. Memecah data warehouse dalam tabel fakta dan tabel dimensi Tabel fakta dan dimensi disusun menurut kebutuhan subyek.

Berikut ini akan dijelaskan :

3.3.1 Membaca Data Legacy

Data yang didapat berisi data tentang hasil nilai penilaian unjuk kerja karyawan di PT Surya Pamenang. Data yang didapat masih berupa data file excel dengan 35 kolom. Data harus dikonversi terlebih dahulu untuk disimpan ke dalam database yang akan digunakan.

3.3.1.1 Master PUK

Tabel master puk bersisi data nilai karyawan, nik, kode, bagian dan seksi. Atribut yang diperlukan pada tabel master puk dapat dilihat pada tabel 3.2

Tabel 3. 2 Data Penilaian Unjuk Kerja

Master PUK Deskripsi

NIK Berisi nomor induk

karyawan.

KODE Berisi kode dari

karyawan yang

didapat dari

department keuangan

BAGIAN Berisi bagian dimana

(35)

SEKSI Berisi seksi dimana karyawan bekerja.

PERIODE CODE Berisi kode periode

yang menunjukan waktu karyawan dilakukan penilaian unjuk kerja.

ID BAGIAN Berisi kode bagian

dimana karyawan bekerja.

Penilai1_1_1 Berisi nilai dari penilai

1 pada aspek penilaian 1.1

INDIKATOR 1_1 Berisi nilai karyawan

dari indikator 1.1

dari indikator 1.2

1 pada aspek penilaian 1.3.

dari indikator1.3.

Penilai2_1_4 Berisi nilai karyawan

dari penilai 2 pada aspek penilaian 1.4.

INDIKATOR1_4 Berisi nilai karyawan

dari indikator1.4.

(36)

INDIKATOR1_5 Berisi nilai karyawan dari indikator 1.5

dari indikator 2.1.

dari indikator 2.2.

dari indikator 2.3.

dari indikator 2.4.

dari indikator 2.5. 3.3.1.2Master Periode

Master periode berisi data tentang rentang waktu penilaian puk. Data pada tabel periode dapat dilihat pada tabel 3.3

(37)

Tabel 3. 3 Data Periode Penilaian

Master Periode Deskripsi

PK Periode_Code Berisi No Periode code Bulan_awal Berisi nama bulan awal PUK Bulan_akhir Berisi nama bulan akhir PUK Tahun_awal Berisi tahun awal PUK Tahun_akhir Berisi tahun akhir PUK 3.3.1.3Master Karyawan

Master karyawan berisi data tentang karyawan antara lain data NIK, kode, bagian, seksi, dan department. Data pada tabel master karyawan dilihat pada tabel 3.4

Tabel 3. 4 Data Karyawan

Master Karyawan Deskripsi

PK NIK Berisi NIK dari karyawan.

Code Berisi code karyawan.

Department Berisi di department mana karyawan bekerja.

Bagian Berisi di bagian mana karyawan bekerja. Seksi Berisi di seksi mana karyawan bekerja. 3.3.1.4Master Bagian

Data master bagian berisi ID dan nama bagian dapat dilihat pada tabel 3.5

Tabel 3. 5 Data Bagian

Master Bagian Deskripsi

PK ID Bagian Berisi ID untuk setiap bagian

Bagian Berisi nama bagian tempat karyawan bekerja.

3.3.2 Menggabungkan Data Dari Sumber Terpisah

Pada bagian ini, data yang berasal dari berbagai sumber yang terpisah akan digabungkan. Pada studi kasus yang digunakan dalam penelitian ini semua file berbentuk file excel. Untuk itu sumber data yang masih berbentuk file excel tersebut akan dipindahkan ke tabel dalam database.

(38)

3.3.3 Memindahkan Data Dari Sumber Kedalam Server Data Warehouse Sebelum data dipindahkan ke server data warehouse, harus dilakukan penyusunan tabel data warehouse dengan memperhatikan hasil dari langkah –langkah sebelumnya. Bentuk data warehouse untuk studi kasus di PT Surya Pamenang adalah:

a. Tabel Master Karyawan

Dalam melakukan penelian unjuk kerja PT Surya Pamenang memiliki data tentang karyawan yang akan dinilai. Data karyawan ini disimpan didalam data master karyawan. Karena yang diberikan data karyawan masih dalam bentuk file excel maka akan di pindahkan kedalam database tabel Master_Karyawan. Dalam tabel master_karyawan data yang disimpan meliputi data tentang NIK, Code, Department, Bagian, dan Seksi. Proses pemindahan data dapat dilihat pada gambar 3.1.

Gambar 3. 1 Proses Pemindahan Tabel Master_Karyawan b. Tabel Periode

Tabel periode adalah tabel yang akan menyimpan waktu dan periode pelaksanaan PUK. Tabel ini berisi periode_code, bulan_awal, bulan_akhir, tahun_awal, tahun_akhir. Yang akan menjadi primary key adalah periode_code. Proses pemindahan tabel periode dapat dilihat pada gambar 3.2

(39)

``

Gambar 3. 2 Proses Pemindahan Tabel Periode c. Tabel Bagian

Tabel bagian adalah tabel yang akan menyimpan id dan nama bagian dimana karyawan bekerja dengan primary key adalah id bagian. Proses dapat dilihat pada gambar 3.3

Gambar 3. 3 Proses Pemindahan Tabel Bagian d. Tabel Master PUK

Tabel master PUK digunakan untuk menyimpan hasil penilaian dari setiap karyawan. Data yang diperoleh masih berasal dari file excel dan ini harus di ubah untuk dimasukkan kedalam database menjadi tabel mspuk. Dapat dilihat pada gambar 3.4

(40)

Gambar 3. 4 Proses Pemindahan Master PUK

1.3.4 Memecah Data Warehouse Dalam Tabel Fakta Dan Dimensi Tabel dimensi yang digunakan berasal dari beberapa tabel. Berikut detail asal dari tiap dimensi :

a. Tabel dim_karyawan

Dim_karyawan berisi detail tentang data karyawan. Data karyawan berupa nik, Kode, Department, Bagian dan Seksi. Pada dim karyawan akan ditambahkan satu field yaitu sk_karyawan. struktur tabel dim karyawan dapat dilihat pada gambar 3.5

(41)

b. Tabel dim_periode

Dim_Periode berisi detail waktu periode penilaian. Dim periode digunakan sebagai dimensi waktu. Didalam dimensi periode terdapat sk_periode, periode_code, bulan awal, bulan akhir, tahun awal, tahun akhir. Struktur tabel pada gambar 3.6

Gambar 3. 6 Membuat Tabel Dim Periode c. Tabel dim_bagian

Dim_Bagian berisi tentang bagian yang menunjukan posisi karyawan bekerja. Didalam dimensi dim_bagian terdapat sk_bagian, id_bagian, bagian. Struktur tabel pada gambar 3.7

Gambar 3. 7 Membuat Tabel Dim Bagian d. Tabel dim_puk

Dimensi puk dibuat untuk menyimpan detail nilai karyawan per indikator. Dari tabel dimensi puk akan dibentuk sk_puk, indikator1_1 – indikator2_1. Tabel dim puk dibuat untuk mendukung dalam pembentukan tabel fact_detail. Struktur tabel dim puk dapat dilihat pada gambar 3.8

(42)

Gambar 3. 8 Membuat Tabel Dimensi PUK

Gambar 3.8 merupakan struktur tabel dimensi puk. Data dari OLTP akan dipilih untuk dimasukan / disimpan pada dimensi puk.

(43)

3.3.5 Diagram Use Case

Proses utama yang dilakukan yaitu proses monitoring kinerja karyawan. Diagram use case akan menggambarkan interaksi user dengan sistem dapat dilihat pada gambar 3.9

Gambar 3. 9 Gambar Use Case 3.3.6 Narasi use case diagram

Langkah melihat nilai karyawan digunakan oleh user ketika ingin melihat nilai final karyawan. langkah dalam melakukan ini dapat dilihat pada tabel 3.6. untuk langkah melihat detail nilai karyawan dapat dilihat pada tabel 3.7

Tabel 3.6 Tabel Narasi use case Melihat grafik nilai.

Aktor : User SDM

Deskripsi Use Case :

Use Case menggambarkan tentang mekanisme melihat grafik OLAP.

Prakondisi : User SDM harus memiliki hak akses berupa user name dan password sebagai admin. Trigger : -

Langkah Umum : Kegiatan Aktor : Kegiatan Sistem : 2. Aktor memilih

menu yang akan dilihat di OLAP. 1. Menampilkan halaman utama. 3. Menampilkan hasil OLAP. Langkah Alternatif : -

Kesimpulan : Use Case berhenti bila user memilih menu lain.

(44)

Tabel 3.7 Tabel Narasi use case Melihat detail nilai indikator

Aktor : User SDM

Deskripsi Use Case :

Use Case menggambarkan tentang mekanisme melihat detail nilai indikator. Prakondisi : User SDM harus memiliki hak akses berupa

user name dan password sebagai admin. Trigger : -

Langkah Umum : Kegiatan Aktor : Kegiatan Sistem : 2. Aktor memilih

menu yang akan dilihat di OLAP. 1. Menampilkan halaman utama. 3. Menampilkan hasil nilai indikator. Langkah Alternatif : -

Kesimpulan : Use Case berhenti bila user memilih menu lain.

3.4 Pembuatan OLAP

Dalam pembuatan data warehouse ini memiliki cube analisis. Cube analisis digunakan untuk melihat hasil penilaian untuk faktor pekerjaan, faktor sikap dan nilai akhir. Cube ini berhubungan dengan tiga tabel dimensi. Cube dibangun dengan menggunakan Star Schema. Pada star schema memiliki tabel fakta yaitu fact_nilai untuk nilai aspek pekerjaan, sikap, dan nilai akhir. Fact nilai memiliki hubungan dengan tabel dim karyawan, dim periode dan di bagian. Fact_detail adalah tabel fakta untuk menyimpan dan menampilkan detail nilai. Tabel yang diperlukan untuk membentuk tabel fakta adalah dim karyawan, dim puk, dim periode dan dim bagian. Rancangan OLAP fact nilai dapat dilihat pada gambar 3.10 dan gambar 3.11 untuk OLAP fact detail.

(45)

Gambar 3. 10 Rancangan OLAP Melihat Grafik DIM_PERIODE PK SK_PERIODE PERIODE_CODE BULAN_AWAL BULAN_AKHIR TAHUN_AWAL TAHUN_AKHIR FACT_PUK FK SK_KARYAWAN FK SK_PERIODE FK SK_BAGIAN Aspek pekerjaan Aspek Sikap Nilai Akhir Nilai Huruf Keterangan Dim Karyawan PK D SK_KARYAWAN NIK KODE DEPARTMENT BAGIAN SEKSI DIM_BAGIAN PK SK_BAGIAN ID_BAGIAN BAGIAN

(46)

Gambar 3. 11 Rancangan OLAP Melihat Detail Indikator DIM_PERIODE PK SK_PERIODE PERIODE_CODE BULAN_AWAL BULAN_AKHIR TAHUN_AWAL TAHUN_AKHIR DIM PUK PK SK_PUK INDIKATOR 1_1 INDIKATOR 1_2 INDIKATOR 1_3 INDIKATOR1_4 INDIKATOR 1_5 INDIKATOR 2_1 INDIKATOR 2_2 INDIKATOR 2_3 INDIKATOR 2_4 INDIKATOR 2_5 Dim Karyawan PK D SK_KARYAWAN NIK KODE DEPARTMENT BAGIAN SEKSI FACT_PUK FK SK_KARYAWAN FK SK_PERIODE FK SK_PUK FK SK_BAGIAN INDIKATOR 1_1 INDIKATOR 1_2 INDIKATOR 1_3 INDIKATOR1_4 INDIKATOR 1_5 INDIKATOR 2_1 INDIKATOR 2_2 INDIKATOR 2_3 INDIKATOR 2_4 INDIKATOR 2_5 DIM_BAGIAN PK SK_BAGIAN ID_BAGIAN BAGIAN

(47)

3.5 Perancangan Antar Muka

Sistem ini yang akan dibangun digunakan pengguna sistem agar dapat berinteraksi dengan sistem melalui Graphical User Insterface (GUI) untuk login, halaman utama, halaman nilai final karyawan, dan halaman detail nilai karyawan.

3.5.1 Tampilan Halaman Login

Tampilan halaman login terdiri dari dua field yang digunakan untuk memasukan data username dan password serta satu tombol yaitu tombol login yang digunakan untuk proses login. Tampilan halaman login dapat dilihat pada gambar 3.12

Gambar 3. 12 Tampilan Halaman Login 3.5.2 Tampilan Halaman Utama

Tampilan halaman utama terdiri dari menu nilai final karyawan, detail nilai karyawan dan logout. Tampilan halaman menu utama dapat dilihat pada gambar 3.13

(48)

3.5.3 Tampilan Halaman Nilai Final Karyawan

Tampilan halaman nilai final karyawan terdiri dari menu nilai final karyawan, detail nilai karyawan dan logout. Di halaman ini juga ditampilkan OLAP dari tabel fakta nilai karyawan. Tampilan halaman data analisis dapat dilihat pada gambar 3.14

Gambar 3. 14 Halaman Nilai Final Karyawan

3.5.4 Halaman Detail Nilai Karyawan

Tampilan halaman detail nilai karyawan terdiri dari menu nilai final karyawan, detail nilai karyawan dan logout. Di halaman ini juga ditampilkan OLAP dari tabel fakta detail nilai karyawan. Tampilan halaman detail nilai karyawan dapat dilihat pada gambar 3.15

Gambar 3. 15 Tampilan Halaman Detail Nilai Karyawan

(49)

BAB IV IMPLEMENTASI

4.1 Implementasi

Pada bab ini akan menjelaskan tentang implementasi pembuatan database data warehouse dan OLAP.

4.1.1 Implementasi Basis Data

Pada tahap ini akan menjelaskan pembuatan database untuk sistem dengan menngunakan MySQL. Database pada sistem ini bernama ‘SKRIPSI’ untuk menyimpan data kedalam database didalam tabel OLTP, tabel yang dimiliki antara lain tabel ‘Master_Karyawan’, tabel ‘Master_Bagian’, table ‘Master_PUK’, dan tabel ’Periode’. Untuk database data warehouse memiliki dua database yaitu ‘SKRIPSIDWH’ untuk menyimpan data untuk OLAP detail nilai indikator dan database ‘SKRIPSIDWHFINALCOBA1’ untuk menyimpan data untuk OLAP nilai akhir dan grafik. Tabel yang dimiliki yaitu tabel ‘Dim_Karyawan’, tabel ’Dim_Bagian’, tabel ‘Dim_PUK’, tabel ‘Dim_Periode’ dan dua tabel fact yaitu tabel’fact_detail’ untuk detail nilai indikator serta tabel ‘fact_nilai’ untuk nilai akhir, aspek pekerjaan dan aspek sikap. Query pembentukan tabel dapat dilihat pada lampiran I.

4.2Implementasi Data Warehouse

4.2.1 Membaca Data Legacy

Pada tahap ini menganalisa tabel database yang digunakan untuk membangun tabel fakta dan tabel dimensi dalam database data warehouse. Sumber data yang digunakan adalah berupa file excel yang dipindahkan kedalam tabel di database OLTP ‘SKRIPSI’. Data didalam file excel merupakan data nilai unjuk kerja karyawan mulai dari tahun 2012 hingga 2014. Setiap tahun memiliki dua kali periode penilaian yang artinya terdapat enam file excel yang menyimpan data tentang hasil nilai unjuk kerja karyawan.

(50)

4.2.2 Memindahkan Data ke Server Data Warehouse. 1. Table ‘master_bagia

Gambar 4. 1 master_bagian.ktr

Gambar di atas merupakan proses pemindahan data bagian dari tabel master_karyawan ke dalam tabel master_bagian. Langkah dari pembentukan tabel adalah sebagai berikut :

1) Membaca sumber data yaitu field bagian yang ada didalam tabel master_karyawan.

2) Memilih field yang akan dimasukan kedalam tabel master bagian. 3) Memilih table master_bagian untuk output.

Tabel 4. 1 penjelasan spesifikasi transformasi Kettle untuk pembentukan tabel master_bagian.

Nama File master_bagian.ktr

Nama Step Table input Mengambil data dari field di tabel master karyawan.

Nama Step Select Values Mengambil field bagian dan id_bagian yang sudah diproses untuk dimasukan kedalam step berikutnya. Nama Step Insert / Update Tabel output master_bagian

Connection Host : localhost Database : skripsi Port : 3306 Target Tabel Master_bagian.

(51)

Gambar 4. 2 data master_bagian 2. Tabel ‘master_karyawan’

Gambar 4. 3 master_karyawan.ktr

Gambar di atas merupakan proses pemindahan data karyawan dari file excel ke dalam tabel master_karyawan di database skripsi. Langkah pembentukan tabel master_karyawan adalah sebagai berikut :

1) Membaca sumber data yaitu file excel data karyawan yang terdiri dari kode, nik, department, bagian, seksi dan id_bagian.

2) Memilih field yang akan dimasukan kedalam tabel master_karyawan. 3) Menggunakan insert/update untuk memasukan data untuk memudahkan proses jika ada tambahan karyawan / karyawan yang berpindah bagian kemudian disimpan kedalam tabel master_karyawan.

(52)

Tabel 4. 2 penjelasan spesifikasi file transformasi Kettle untuk proses pembentukan tabel master_karyawan.

Nama File

Master_karyawan.ktr

Nama Step

Excel Input Memasukan file dari excel

File/Directory E:\Metopen\SKRIPSI\2012_PUK_P1_SKRI PSI.xlsx E:\Metopen\SKRIPSI\2012_PUK_P2_SKRI PSI.xlsx E:\Metopen\SKRIPSI\2013_PUK_P1_SKRI PSI.xlsx E:\Metopen\SKRIPSI\2013_PUK_P2_SKRI PSI.xlsx E:\Metopen\SKRIPSI\2014_PUK_P1_SKRI PSI.xlsx E:\Metopen\SKRIPSI\2014_PUK_P2_SKRI PSI.xlsx Nama Step

Select Values Memilih field yang akan dimasukan kedalam tabel master_karyawan.

Nama Step

Insert / Update Untuk melakukan insert / update data karyawan dan disimpan kedalam tabel master_karyawan.

Connection Host : localhost Database : Skripsi Port : 3306

(53)

Gambar 4. 4 data tabel master_karyawan. 3. Tabel ‘master_puk’

Gambar 4. 5 inputmasterpuk.ktr

Gambar 4.5 merupakan proses pemindahan data nilai unjuk kerja karyawan dari file excel ke dalam database skripi di tabel master_puk. Langkah dari pembentukan tabel master_puk adalah sebagai berikut : 1) Membaca sumber data yaitu file excel data nilai unjuk kerja karyawan

dari tahun 2012, 2013 dan 2014.

2) Memilih field yang akan dimasukan kedalam tabel master_puk. 3) Memilih tabel master_puk sebagai tabel yang menyimpan data nilai

unjuk kerja karyawan.

Penjelasan file transformasi inputmasterpuk dapat dilihat pada tabel 4.3 Tabel 4. 3 Penjelasan spesifikasi transformasi Mas

Nama File

inputmasterpuk.ktr

Nama Step

Excel Input Memasukan file dari excel

File/Directory E:\Metopen\SKRIPSI\2012_PUK_P1_S KRIPSI.xlsx

(54)

E:\Metopen\SKRIPSI\2012_PUK_P2_S KRIPSI.xlsx E:\Metopen\SKRIPSI\2013_PUK_P1_S KRIPSI.xlsx E:\Metopen\SKRIPSI\2013_PUK_P2_S KRIPSI.xlsx E:\Metopen\SKRIPSI\2014_PUK_P1_S KRIPSI.xlsx E:\Metopen\SKRIPSI\2014_PUK_P2_S KRIPSI.xlsx Nama Step

Select Values Memilih field yang akan dimasukan kedalam tabel master_karyawan.

Nama Step

Insert / Update Memilih tabel yaitu master_puk untuk menyimpan data nilai PUK.

Connection Host : localhost Database : Skripsi Port : 3306

Target Tabel Master_puk 4. Tabel ‘periode’

Gambar 4. 6 Query untuk tabel periode

Gambar 4.6 merupakan proses untuk memasukan data periode kedalam database periode. Data yang akan disimpan adalah data tentang peride code, bulan awal, bulan akhir, tahun awal dan tahun akhir.

(55)

4.3 Memecah Data Warehouse dalam Tabel Dimensi dan Fakta 4.3.1Transformasi Tabel dim_bagian

Gambar 4. 7 dim_bagian.ktr

Gambar 4.7 merupakan proses pembentukan tabel dimensi bagian. Tabel dim_bagian ini akan digunakan dalam proses OLAP. Terdapat empat langkah yaitu table input, add sequence, select values, dan insert/update. Proses diawali dengan mengambil data dari table master_bagian dari database skripsi. Kemudian masuk langkah add sequence yang berfungsi memberikan surrogate key yaitu field SK_BAGIAN sebagai primary key pada tabel dim_bagian. Pada langkah select values akan dilakukan pemilihan data untuk selanjutnya akan disimpan ke tabel dim_bagian dengan menggunakan insert / update yang akan menjalankan perintah SQL. Spesifikasi pembentukan tabel dim_bagian dapat dilihat pada tabel 4.4

Tabel 4. 4 Penjelasan spesifikasi file transformasi Kettle untuk proses pembentukan tabel dim_bagian.

Nama File Dim_bagian.ktr

Nama Step Table Input Memasukan data dari table master_bagian

Connection Host : localhost Database : skripsi Port : 3306 Query SQL SELECT ID_BAGIAN , BAGIAN FROM master_bagian

Nama Step Add Sequence Memberikan surrogate key yaitu field SK_BAGIAN.

Nama Step Select values Memilih field yang akan dimasukan kedalam tabel dim bagian

(56)

Nama Step Insert/ Update

Insert / Update dim_bagian

Connection Host : localhost Database : skripsidwh Port : 3306

Host : localhost

Database : skripsidwhfinalcoba1 Port : 3306

Target Table Dim_bagian

Gambar 4. 8 Tabel dim_bagian

Gambar 4.8 adalah data hasil dari transformasi dim_bagian. Data id_bagian, sk_bagian dan bagian disimpan kedalam tabel dimensi dim_bagian.

(57)

4.3.2 Transformasi Tabel dim_periode

Gambar 4. 9 dim_periode.ktr

Gambar 4.9 merupakan proses pembentukan tabel dim_periode. Tabel dim_periode akan digunakan dalam proses OLAP. Terdapat empat langkah yaitu table input, add sequence, select value, dan insert/update. Proses diawali dengan memasukan tabel periode dari database skripsi. Kemudian, masuk ke langkah add sequence yang berfungsi memberikan surrogate key yaitu field SK_PERIODE sebagai primary key pada tabel dim_periode. Pada langkah select values akan dilakukan pemilihan data yang diperlukan untuk disimpan ke dalam tabel dim_periode melalui langkah insert / update yang akan mengeksekusi perintah SQL. Spesifikasi pembentukan tabel dim_periode dapat dilihat pada tabel 4.5

Tabel 4. 5 Penjelasan spesifikasi file transformasi Kettle untuk proses pembentukan tabel dim_periode

Nama File Dim_periode.ktr

Nama Step Table Input Memasukan data dari table periode Connection Host : localhost

Database : skripsi Port : 3306 Query SQL SELECT PERIODE_CODE , BULAN_AWAL , BULAN_AKHIR , TAHUN_AWAL , TAHUN_AKHIR FROM periode

Nama Step Add Sequence

Memberikan surrogate key yaitu field SK_PERIODE.

Nama Step Select values

Memilih field yang akan dimasukan kedalam tabel dim_periode

(58)

Nama Step Insert/ Update

Insert / Update ke tabel dim_periode

Connection Host : localhost Database : skripsidwh Port : 3306 Host : localhost Database : skripsidwhfinalcoba1 Port : 3306 Target Table Dim_periode

Gambar 4. 10 Tabel dim_periode

Gambar 4.10 merupakan hasil dari transformasi dim_periode. Data yang akan disimpan kedalam tabel dimensi dim_periode adalah sk_periode, periode_code, bulan_awal, bulan_akhir, tahun_awal dan tahun akhir.

4.3.3 Transformasi Tabel dim_karyawan

Gambar 4. 11 dim_karyawan.ktr

Gambar 4.11 merupakan proses pembentukan tabel dim_karyawan. Tabel dim_karyawan ini digunakan dalam proses OLAP. Terdapat empat langkah yaitu table input, add sequence, select values, dan insert/update. Pada proses awal dilakukan dengan memasukan tabel master_karyawan dari database skripsi. Kemudian, masuk langkah add sequence yang berfungsi untuk memberikan surrogate key yaitu field SK_KARYAWAN sebagai primary key

(59)

pada table dim_karyawan. Pada langkah select values akan dilakukan pemilihan data yang akan disimpan kedalam tabel dim_karyawan melaui langkah insert / update yang akan mengeksekusi perintah SQL. Spesifikasi pembentukan tabel dim_karyawan dapat dilihat pada tabel 4.6

Tabel 4. 6 Penjelasan spesifikasi file transformasu Kettle untuk proses dim_karyawan

Nama File Dim_karyawan.ktr

Nama Step Table Input Memasukan data dari table master_karyawan

Connection Host : localhost Database : skripsi Port : 3306 Query SQL SELECT NIK , KODE , ID_BAGIAN , DEPARTMENT , BAGIAN , SEKSI FROM master_karyawan

Nama Step Add Sequence Memberikan surrogate key yaitu field SK_KARYAWAN.

Nama Step Select values Memilih field yang akan dimasukan kedalam tabel dim_karyawan

Nama Step Insert/ update Insert / update dim_karyawan Connection Host : localhost

Database : skripsidwh Port : 3306

Host : localhost

Database : skripsidwhfinalcoba1 Port : 3306

(60)

Gambar 4. 12 Tabel dim_karyawan

Gambar 4.12 adalah hasil dari dim_karyawan.ktr. pada transformasi ini data yang akan disimpan kedalam tabel dimensi dim_karyawan adalah sk_karyawan, nik, kode, id_bagian, bagian, department, dan seksi.

4.3.4 Transformasi Tabel dim_puk

Gambar 4. 13 dim_puk.ktr

Gambar 4.13 merupakan proses pembentukan tabel dim_puk. Tabel dim_puk digunakan dalam proses OLAP. Terdapat empat langkah yaitu table

(61)

input, add sequence, select values, dan insert/update. Proses ini diawali dengan memasukan data dari tabel master_puk dari database skripsi. Kemudian, masuk langkah add sequence yang berfungsi memberikan surrogate key yaitu field SK_PUK sebagai primary key pada tabel dim_puk. Pada langkah select values akan dilakukan untuk memilih field yang disimpan didalam table dim_puk melalui langkah insert / update yang akan mengeksekusi perintah SQL. Spesifikasi pembentukan tabel dim_puk dapat dilihat pada tabel 4.7

Tabel 4. 7 penjelasan spesifikasi file transformasi Kettle untuk pembentukan tabel dim_puk

Nama File Dim_puk.ktr

Nama Step Table Input Memasukan data dari table master_puk. Connection Host : localhost

Database : skripsi Port : 3306 Query SQL SELECT PERIODE_CODE , NIK , KODE , INDIKATOR1_1 , INDIKATOR1_2 , INDIKATOR1_3 , INDIKATOR1_4 , INDIKATOR1_5 , INDIKATOR2_1 , INDIKATOR2_2 , INDIKATOR2_3 , INDIKATOR2_4 , INDIKATOR2_5 , ID_BAGIAN FROM master_puk

Nama Step Add Sequence

Memberikan surrogate key yaitu field SK_PUK.

Nama Step Select values

Memilih field yang akan dimasukan kedalam tabel dim_puk

(62)

Nama Step Insert/ update

Insert/ Updateke tabel dim_puk

Connection Host : localhost Database : skripsidwh Port : 3306

Target Table

Dim_puk.

Gambar 4. 14 Tabel dim_puk

Gambar 4.14 adalah hasil dari transformasi dim_puk.ktr. Data yang akan disimpan kedalam tabel dimensi dim_puk adalah periode_code, nik, kode, indikator1_1 – indikator2_5, id_bagian dan sk_puk.

(63)

4.3.5 Transformasi tabel fact_detail

Gambar 4. 15 fact_detail.ktr

Gambar 4.15 merupakan proses pembentukan tabel fact detail ada empat langkah dalam tahap ini antara lain table input, stream lookup, select values dan insert/update. Proses diawali dengan langkah memasukan data dari tabel dim_karyawan kemudian dilakukan stream lookup untuk mencocokan data dengan tabel dim_puk, dim_periode, dan dim_bagian. Setelah itu kita menggunakan select values untuk memilih field yang akan dimasukan kedalam tabel fact detail dengan menggunakan langkah insert/update.

Menyamakan data berturut-turut dari tabel dim_karyawan hingga tabel dim_bagian hal ini dilakukan karena tabel fakta / fact_detail hanya berisi data yang dapat diukur dan surrogate key dari setiap dimensi maka data yang diambil untuk disamakan hanya surrogate key. Spesifikasi pembentukan tabel fact_detail dapat dilihat pada tabel 4.8

Tabel 4. 8 Penjelasan spesifikasi file transformasi Kettle untuk proses pembentukan tabel fact_detail.

Nama File Fact_Detail.ktr Nama

Step

Table Input Memasukan data dari tabel dim_karyawan.

Connection Host : localhost Database: skripsidwh Port : 3306 Query SQL SELECT SK_KARYAWAN , NIK , KODE , DEPARTMENT , BAGIAN

(64)

, SEKSI , ID_BAGIAN FROM dim_karyawan Nama Step Stream lookup Menyamakan SK_KARYAWAN

Kunci NIK karyawan

ditabel

dim_karyawan dengan NIK di tabel dim_puk. Lookup SK_KARYAWAN di tabel dim_karyawan. Nama Step

Table input Table Input dim_puk Nama

Step

Stream lookup

Mengambil data puk untuk dicocokan dengan NIK ditabel dim_karyawan

Kunci NIK karyawan

ditabel dim_puk disamakan dengan

NIK ditabel

dim_karyawan. Lookup

Connection Host : localhost

Database :

skripsidwh Port : 3306 Nama

Step

Table input Query SQL SELECT SK_PUK , INDIKATOR1_1 , INDIKATOR1_2 , INDIKATOR1_3 , INDIKATOR1_4 , INDIKATOR1_5 , INDIKATOR2_1 , INDIKATOR2_2 , INDIKATOR2_3 , INDIKATOR2_4 , INDIKATOR2_5 , NIK , PERIODE_CODE , KODE , ID_BAGIAN FROM dim_puk Nama Step

Table Input Memasukan data dari dim_periode. Connection Host : localhost

Database : skripsidwh Port : 3306 Query SQL SELECT PERIODE_CODE , BULAN_AWAL , BULAN_AKHIR , TAHUN_AWAL

(65)

, TAHUN_AKHIR , SK_PERIODE FROM dim_periode Nama Step Stream lookup

Menyamakan periode code

Kunci Periode code ditabel dim_puk dan

periode code ditabel dim_periode.

lookup SK_PERIODE dari

tabel dim_periode. Nama

Step

Table Input Memasukan data dari dim_bagian Connection Host : localhost

Database : skripsidwh Port : 3306 Query SQL SELECT SK_BAGIAN , BAGIAN , ID_BAGIAN FROM dim_bagian Nama Step Stream lookup Menyamakan id bagian

Kunci Id bagian di tabel dim_bagian disamakan dengan id_bagian di tabel dim_karyawan lookup SK_BAGIAN di tabel dim_bagian. Nama Step

Select Values Memilih data

yang akan disimpan kedalam tabel fact_detail. Fieldname SK_PERIODE SK_PUK INDIKATOR1_1 INDIKATOR1_2 INDIKATOR1_3 INDIKATOR1_4 INDIKATOR1_5 INDIKATOR2_1 INDIKATOR2_2 INDIKATOR2_3 INDIKATOR2_4 INDIKATOR2_5 SK_KARYAWAN

(66)

SK_BAGIAN

Nama step Insert/update Untuk menyimpan data kedalam tabel fact_detail.

Connection Host : localhost Database : skripsidwh Port : 3306 Target table Fact_detail

Gambar 4. 16 Hasil Fact_Detail

Gambar 4.16 adalah hasil transformasi fact_detail. Data yang disimpan didalam fact_detail adalah sk_periode, sk_puk, indikator1_1 – indikator2_5, sk_karyawan dan sk_bagian.