5. PENGUJIAN SISTEM. 131 Universitas Kristen Petra

5. PENGUJIAN SISTEM. Pada bab ini akan dibahas tentang pengujian terhadap program reporting yang sudah selesai, dengan tujuan supaya dapat lihat apakah program reporting dapat berjalan dengan baik. Juga dilakukan pengujian akan proses dari Pentaho Data Integration. 5.1.. Spesifikasi Pengujian Pengujian dilakukan dengan menggunakan laptop dengan spesifikasi. sebagai berikut : Prosesor :. Intel(R) Core(TM) i7-7720HQ CPU @2.80Ghz(8 CPUs), ~2.8Ghz. RAM. 8192 MB RAM. :. Kartu grafis : NVIDIA GeForces 1050Ti OS : 5.2.. Windows 10 Pro 64-bit Hasil Program Reporting Pada sub bab ini akan dilakukan pergujian pada proses keseluruhan dari. Power BI reporting dan fitur-fiturnya. Program reporting dapat diakses melalui situs dari Power BI yang dapat diakses jika pengguna memiliki permission yang diberikan oleh pembuat reporting. Pada pengujian ini dilakukan menggunakan akun pribadi, sehingga hanya satu orang saja yang memiliki akses yaitu pengguna. Berikut hasil fitur dari reporting yang telah tersimpan di situs Power BI yang akan dijelaskan perlangkah. 5.2.1.. Login Situs Melalui Browser Login dilakukan dengan membuka situs Microsoft Power BI dan. kemudian menekan tombol sign in untuk memulai proses login jika sudah memiliki akun. Hanya email yang memiliki relasi dengan sebuah perusahaan atau yayasan pendidikan yang bisa membuat akun pada situs ini, jadi tidak sembarang orang bisa membuat akun pada Microsoft Power BI. Gambar 5.1 menunjukan proses memasukan email dan Gambar 5.2 menunjukan proses untuk memasukan password.. 131 Universitas Kristen Petra.

Gambar 5.1.. Sign in website. Gambar 5.2.. Password sign in. Apabila login sukses maka pengguna akan diarahkan menuju halaman utama dari situs Power BI. Halaman utama dari situs Power BI akan menunjukan data-data yang ada di penyimpanan akun itu sendiri (workspace) namun dengan memilih tombol shared with me, pengguna dapat melihat reporting/dashboard yang dibuat oleh orang lain. Fitur shared with me adalah fitur yang akan digunakan oleh Honda MPM untuk membatasi siapakah yang dapat melihat reporting dari workspace tertentu dan sangat berguna untuk menyebar reporting secara online kepada suatu divisi. Untuk pengujian ini akan dibuka reporting yang. 132 Universitas Kristen Petra.

berada pada penyimpanan milik akun ini sendiri. Pada Gambar 5.3. dapat dilihat keseluruhan dari halaman utama pada website Power BI ini.. Gambar 5.3.. Halaman utama situs Power BI. Pada Gambar 5.3. terlihat informasi mengenai dashboard, reports , workbooks , dan datasets. Pada pengujian ini yang akan digunakan adalah reports dan juga file bernama Reporting 3. 5.2.2.. Homepage pada Reporting Pada Gambar 5.4. terlihat tampilan dari Homepage yang terdapat. informasi mengenai total penjualan perbulan dan PDRB pertahun.. Gambar 5.4.. Homepage reporting 133 Universitas Kristen Petra.

Jika pada Gambar 5.4. cursor bergerak ke arah satu titik pada salah satu grafik yang ada, maka Power BI akan menunjukan berapa jumlah yang ada pada titik tersebut dengan angka, hal ini menyebabkan reporting yang berada di Power BI sangat mudah untuk dibaca datanya dan menjadi reporting yang cukup interaktif. Gambar 5.5. menunjukan angka yang terlihat ketika suatu titik dipilih pada reporting hal ini berlaku pada seluruh grafik yang ada di reporting ini.. Gambar 5.5. 5.2.3.. Fokus cursor pada satu titik dalam grafik. PDRB pada Detail Reporting Setelah melihat halaman home, pengguna dapat memilih salah satu dari. pilihan yang berada di sebelah kiri dan jika memilih PDRB maka akan ditampilkan halaman seperti pada Gambar 5.6.. Gambar 5.6.. Halaman PDRB Power BI 134 Universitas Kristen Petra.

Pada Gambar 5.6. user dapat melihat perhitungan pada tabel PDRB dan grafiknya. Setelah itu pengguna dapat memilih juga tahun dan nama daerah yang ingin dilihat dari data, hal ini akan menyebabkan tabel dan grafik dibawahnya mengubah datanya sesuai dengan tahun atau nama daerah yang dipilih. Contoh perubahan data ada pada Gambar 5.7.. Gambar 5.7.. Perubahan data PDRB. 135 Universitas Kristen Petra.

Selain itu pengguna juga dapat melakukan seleksi pada data dengan mengclick satu data di tabel yang diinginkan dan Power BI akan menyorot bagian grafik yang berhubungan dengan data yang berada di tabel. Contoh penyorotan berada pada Gambar 5.8.. Gambar 5.8.. Penyorotan data dari tabel. 136 Universitas Kristen Petra.

Hal ini juga berlaku secara terbalik, jika salah satu bagian dari grafik diclick maka data pada tabel akan disorot sesuai dengan bagian grafik yang dipilih tersebut. Perbedaan yang menonjol adalah memilih satu data pada tabel hanya akan membuat data yang terpilih menonjol sementara data yang lainnya dibuat tidak terlalu menonjol, sedangkan pada grafik data pada tabel yang muncul hanya akan berupa data yang memiliki hubungan dengan bagian grafik yang terpilih. Contoh peyorotan data yang dipilih dari grafik ada pada Gambar 5.9.. Gambar 5.9.. Penyorotan data berdasarkan grafik 137 Universitas Kristen Petra.

Gambar 5.10.. Hierachy paling bawah PDRB. Pada Gambar 5.10. dapat dilihat tahun dan nama daerah dipilih dalam bentuk All ( semua tahun dan daerah), bisa dilihat juga bahwa tabel data memiliki tampilan yang berbeda dikarenakan lipatan dari hierarchy yang ada dibuka, hal ini 138 Universitas Kristen Petra.

menyebabkan data daerah dan tahun muncul pada tabel. Hierachy dibuka dengan cara menekan tombol yang bebentuk dua anak panah kebawah yang ujung sebelumnya menyatu ( sebelah kiri lambing pinned tombol keempat dari kiri) yang bisa dipilih pada pojok kanan atas tabel. Semua hal ini bisa dilakukan karena tabel fakta PDRB terhubung dengan baik dengan tabel dimensinya, jika tabel tidak terhubung maka tidak mungkin pengguna dapat melakukan pemilihan berdasarkan tahun dan daerah juga melakukan pembukaan hierarchy data. Jika sudah selesai dengan halaman ini, pengguna dapat menekan pilihan apa saja termasuk homepage atau menutup browser untuk berhenti melihat reporting yang ada. 5.2.4.. Pertanian pada Detail Reporting Ketika berada pada menu dan memutuskan untuk memilih pertanian, maka. pengguna akan diarahkan kehalaman reporting pertanian yang akan menampilkan informasi mengenai hasil tani yang berada pada suatu daerah dan pada tahun tertentu. Pertanian datanya dibagi menjadi tiga yaitu tanaman pangan, holtikultura , dan perkebunan. Informasi pada bagian tanaman pangan menunjukan dengan baik kepada pengguna yang mengiginkan data tingkat produksi, tingkat luas panen, dan produktivitas tanaman pangan. Namun, data untuk kontribusi Jawa Timur belum sempurna dikarenakan data nasional yang masih kurang benar yang menyebabkan kontribusi salah satu dari produk menjadi lebih dari 100. Dari ketiga jenis pertanian hanya holtikultura yang tidak diperlihatkan luas panennya karena data tidak dibutukan untuk tanaman jenis ini. Gambar 5.11. menunjukan keseluruhan dari halaman reporting pertanian. Pada Gambar 5.11. tersebut dapat dilihat bahwa halaman reporting juga bisa diubah data tabelnya dengan memilih tahun dan daerah yang diinginkan sama seperti yang telah diuji pada detail PDRB. Setiap tabel juga dapat di lihat hierarchy tabelnya dengan menekan tombol yang sama dengan yang sudah dijelaskan pada detail PDRB.. 139 Universitas Kristen Petra.

Gambar 5.11. 5.2.5.. Halaman pertanian Power BI. Peternakan pada Detail Reporting Ketika berada pada menu dan memutuskan untuk memilih perternakan,. maka pengguna akan diarahkan kehalaman reporting perternakan yang akan menampilkan informasi mengenai hasil ternak yang berada pada suatu daerah dan pada tahun tertentu. Sama dengan pertanian, kontribusi terhadap Jawa Timur datanya juga masih salah dengan alasan yang sama, namun data yang lain sudah bagus Gambar 5.12. menunjukan keseluruhan dari halaman reporting perternakan. Pada Gambar 5.12. tersebut dapat dilihat bahwa halaman reporting juga bisa diubah data tabelnya dengan memilih tahun dan daerah yang diinginkan sama seperti yang telah diuji pada detail PDRB. Setiap tabel juga dapat di lihat 140 Universitas Kristen Petra.

hierarchy tabelnya dengan menekan tombol yang sama dengan yang sudah dijelaskan pada detail PDRB.. Gambar 5.12. 5.2.6.. Halaman peternakan Power BI. Sektor pada Detail Reporting Ketika berada pada menu dan memutuskan untuk memilih sektor, maka. pengguna akan diarahkan kehalaman reporting sektor yang akan menampilkan informasi mengenai perhitungan mengenai hasil sektor yang berada pada suatu daerah dan pada tahun tertentu. Desain sektor hampir sama dengan PDRB dan hanya berbeda pada jenis grafik yang digunakan yaitu grafik berbentuk donat. Gambar 5.13. menunjukan keseluruhan dari halaman reporting sektor. Pada Gambar 5.13. tersebut dapat dilihat bahwa halaman reporting juga bisa diubah data tabelnya dengan memilih tahun dan daerah yang diinginkan sama 141 Universitas Kristen Petra.

seperti yang telah diuji pada detail PDRB. Tabel juga dapat di lihat hierarchynya dengan menekan tombol yang sama dengan yang sudah dijelaskan pada detail PDRB.. Gambar 5.13. 5.2.7.. Halaman sektor Power BI. Top 10 Subsektor pada Detail Reporting Ketika berada pada menu dan memutuskan untuk memilih top 10. subsektor , maka pengguna akan diarahkan kehalaman reporting top 10 subsektor yang akan menampilkan informasi mengenai perhitungan 10 subsektor terkaya yang berada pada suatu daerah dan pada tahun tertentu. Data tabel dan Grafik bar yang disediakan sudah sesuai dengan keinginan yaitu menampilkan sepuluh. 142 Universitas Kristen Petra.

subsector terkaya pada kota/desa dan tahun tertentu. Tidak ada data lebih dan kekurangan , seluruh data yang ada pada tabel sama persis dengan grafik. Gambar 5.14. menunjukan keseluruhan dari halaman reporting top 10 subsektor. Pada Gambar 5.14. tersebut dapat dilihat bahwa halaman reporting juga bisa diubah data tabelnya dengan memilih tahun dan daerah yang diinginkan sama seperti yang telah diuji pada detail PDRB. Tabel juga dapat di lihat hierarchynya dengan menekan tombol yang sama dengan yang sudah dijelaskan pada detail PDRB.. Gambar 5.14.. Halaman top 10 subsektor Power BI 143 Universitas Kristen Petra.

5.2.8.. Demografi pada Detail Reporting Ketika berada pada menu dan memutuskan untuk memilih demografi,. maka pengguna akan diarahkan kehalaman reporting demografi yang akan menampilkan informasi mengenai perhitungan akan penduduk yang berada pada suatu daerah dan pada tahun tertentu. Berbeda dari halaman reporting yang lainnya, halaman ini terdiri dari 2 fakta yang berbeda dan memiliki filter untuk jenis kelamin Setiap tabel juga dapat di lihat hierarchy tabelnya dengan menekan tombol yang sama dengan yang sudah dijelaskan pada detail PDRB. Gambar 5.15. menunjukan keseluruhan dari halaman reporting demografi.. Gambar 5.15.. Halaman demografi Power BI 144 Universitas Kristen Petra.

Ketika salah satu jenis dari gender dipilih maka tampilan yang akan ditunjukan akan berbeda dan hanya menampilkan grafik dan data yang sesuai dengan gender tersebut. Namun perubahan gender tidak akan mengubah data pada tabel kategory profil, karena tabel tersebut merupakan hasil dari fakta lain yang tidak terhubung dengan filter gender, sehingga isi tabel akan tetap sementara tabel kategory usia akan berubah. Gambar 5.16 akan menujukan perubahan pada data ketika gender dipilih.. Gambar 5.16.. Perubahan data berdasarkan gender 145 Universitas Kristen Petra.

Penyorotan data ketika tidak memilih gender tetap sama aturannya dengan tabel lain, bagian grafik yang dipilih akan tersorot sementara bagian lain akan susah untuk dilihat warnanya. Penyorotan grafik tetap tidak mengubah kategory profil karena merupakan data dari fakta yang berbeda dengan grafik. Filter yang mampu mengubah seluruh page ini hanyalah Year/tahun dan nama daerah/nama kota. Gambar 5.17. menunjukan penyorotan data dan perubahan pada tabel kategory usia.. Gambar 5.17.. Penyorotan data demografi 146 Universitas Kristen Petra.

5.2.9.. Field Kecamatan pada Detail Reporting Ketika berada pada menu dan memutuskan untuk memilih kecamatan,. maka pengguna akan diarahkan kehalaman reporting kecamatan yang akan menampilkan informasi mengenai perhitungan akan hasil kecamatan yang berada pada suatu daerah dan pada tahun tertentu. Gambar 5.18. menunjukan keseluruhan dari halaman reporting kecamatan. Pada Gambar 5.18. tersebut dapat dilihat bahwa halaman reporting juga bisa diubah data tabelnya dengan memilih tahun dan daerah yang diinginkan sama seperti yang telah diuji pada detail PDRB. Setiap tabel juga dapat di lihat hierarchy tabelnya dengan menekan tombol yang sama dengan yang sudah dijelaskan pada detail PDRB.. Gambar 5.18.. Halaman kecamatan Power BI 147 Universitas Kristen Petra.

Dalam halaman reporting kecamatan ini terdapat satu fitur yang sangat berguna untuk menyorot data spesifik dari kecamatan yang ada. Karena semua data pada halaman ini kecamatannya akan sama dengan yang dipilih dari filter nama daerah dan waktu yang sama dengan year, maka ketika salah satu data kecamatan diclick/ dipilih maka akan membuat tabel lain berubah isinya menjadi hanya kecamatan yang dipilih dari tabel lain tersebut. Gambar 5.19. akan memperlihatkan perubahan pada seluruh tabel ketika satu baris data dipilih.. Gambar 5.19.. Halaman penyorotan tabel kecamatan 148 Universitas Kristen Petra.

5.2.10. Penjualan pada Detail Reporting Ketika berada pada menu dan memutuskan untuk memilih sales, maka pengguna akan diarahkan kehalaman reporting sales yang akan menampilkan informasi mengenai perhitungan akan hasil penjualan yang berada pada suatu daerah dan pada tahun tertentu. Gambar 5.20. menunjukan keseluruhan dari halaman reporting penjualan. Pada Gambar 5.20. tersebut dapat dilihat bahwa halaman reporting juga bisa diubah data tabelnya dengan memilih tahun dan daerah yang diinginkan sama seperti yang telah diuji pada detail PDRB. Satu perbedaan saja pada halaman ini adalah filter untuk memilih bulan yang tidak akan mengubah grafik tapi akan mengubah isi tabel.. Gambar 5.20.. Halaman penjualan Power BI 149 Universitas Kristen Petra.

Tabel juga dapat di lihat hierarchynya dengan menekan tombol yang sama dengan yang sudah dijelaskan pada detail PDRB. Gambar 5.21. akan menunjukan hasil hierarchy paling dasar dan perubahan data pada saat mengunakan filter nama bulan.. Gambar 5.21.. Filter bulan dan hierarchy penjualan. Terdapat juga fitur yang dapat digunakan untuk membuat fokus data hanya pada kategory tertentu saja, misalkan hanya ingin melihat penjualan yg dihasilkan CV karunia. Dengan fitur drill down maka data bisa digali berdasarkan kategory atau isi dari field yang dipilih. Hal ini akan menyebabkan fokus data yang 150 Universitas Kristen Petra.

ditampilkan hanya data yang berhubungan dengan data yang dipilih tersebut. Gambar 5.22. akan menunjukan cara menggunakan fitur drill down dan sementara Gambar 5.23. akan menunjukan hasil dari drill down tersebut.. Gambar 5.22.. Drill down 151 Universitas Kristen Petra.

Gambar 5.23.. Hasil drill down. Pada Gambar 5.23. terlihat hasil dari data yang telah di drill down. Jika ingin menggali lebih dalam lagi seperti kode dealer spesifik , maka bisa dilakukan hal yang sama seperti pada Gambar 5.22. dan tabel akan berubah lagi menjadi lebih detail untuk kode dealer tersebut saja. Jika ingin mengembalikan seperti semula atau seperti bentuk tabel sebelumnya, maka cukup dilakukan drill up yang dimana tombolnya berupa anak panah keatas seperti pada gambar 5.23. 5.2.11. Sales & PDRB pada Detail Reporting Ketika berada pada menu dan memutuskan untuk memilih sales & PDRB, maka pengguna akan diarahkan kehalaman reporting sales & PDRB yang akan menampilkan informasi mengenai perhitungan akan hasil penjualan berdasarkan jenis kelamin, pekerjaan dan jenis motor serta penghasilan PDRB. Semua ini. 152 Universitas Kristen Petra.

didasarkan pada suatu daerah dan range tahun tertentu. Gambar 5.24. menunjukan keseluruhan dari halaman reporting sales & PDRB.. Gambar 5.24.. Halaman sales & PDRB Power BI. Hal yang bisa dilihat pada grafik ini hanyalah garis turun naiknya suatu transaksi dan juga angkanya bila satu titik disorot sama dengan yang ditunjukan di Homepage. Namun untuk range tahun yang berada di sebelah kanan kolom nama daerah, berbeda cara pengunaannya dengan halaman lainnya. Halaman lainnya memilih satu tahun saja, namun pada halaman ini tahun bisa ditentukan dengan menggunakan range tahun yang bisa menampilkan data lebih dari 1 tahun saja. Gambar 5.25 akan menunjukan hasil penggunaan kolom range usia dan perubahan data yang terjadi ketika menggunakannya pada halaman Sales & PDRB ini.. 153 Universitas Kristen Petra.

Gambar 5.25.. Penggunaan range tahun. Seperti pada Gambar 5.25. hasil dari reporting berubah menjadi hanya 4 tahun saja mulai dari 2013 hingga 2016. Filter ini sangat berguna bila ingin mencari data pada jarak waktu tertentu. Selain itu fitur yang bisa digunakan pada halaman ini adalah mengubah hasil grafik lain berdasarkan satu kategory yang dipilih di tabel lain. Seperti pada Gambar 5.25. terdapat penjelasan mengenai warna dari grafik garis mengenai tentang apa yang diwakilkan oleh garis tersebut. Sebagai contoh pada grafik Penjualan by Year and Customer Gender terdapat dua Customer Gender yaitu warna hijau yang berarti angka nomer 1, dan warna Merah yang berarti angka nomer 2. Seperti yang dijelaskan di pojok kanan atas dari halaman nomer 1 adalah laki-laki sementara nomer 2 adalah perempuan. Jika salah satu lingkaran kecil yang berwarna hijau atau merah ini ditekan/highlight, maka grafik lain yang berasal dari fakta penjualan akan berubah juga sesuai dengan lingkaran yang ditekan ( jika yang ditekan linkaran hijau dengan nomer 1 berarti data pada grafik lain yang berhubungan dengan penjualan akan menampilkan seluruh data yang berhubungan dengan jenis kelamin laki-laki). Hal. 154 Universitas Kristen Petra.

ini berlaku pada ketiga tabel yang berasal dari fakta penjualan, namun tidak akan memberikan dampak pada grafik PDRB yang terletak diposisi paling bawah di halaman ini. Gambar 5.26. akan menunjukan hasil percobaan pemilihan satu kategory pada jenis kelamin.. Gambar 5.26.. Hasil dari memilih kategory. Pada Gambar 5.26. kategory yang dipilih pada Penjualan by Year and Customer Gender adalah no 2 yang berwarna merah, sehingga pada grafik penjualan berdasarkan pekerjaan dan pejualan berdasarkan jenis motor berubah menjadi khusus untuk data yang customernya berjenis kelamin perempuan. 5.2.12. Fitur Custom Reporting Setelah melihat semua halaman reporting yang ada, terlihat bahwa tabel yang digunakan pada reporting yang sudah di publish ini isi dari kolom dan row. 155 Universitas Kristen Petra.

tidak dapat diubah/ ditukar. Gambar 5.27. akan menunjukan tombol yang harus ditekan untuk melakukan export tabel dari power bi ke bentuk lainnya.. Gambar 5.27.. Export tabel. Setelah melakukan export ke dalam bentuk excel, maka hal selanjutnya yang harus dilakukan adalah melakukan select pada semua data dan menekan tombol pivot tabel yang berada di menu insert. Pada Gambar 5.28. terlihat tombol untuk membuat pivot tabel yang diinginkan.. Gambar 5.28.. Option pivot table. 156 Universitas Kristen Petra.

Setelah tombol pivot tabel dipilih maka excel akan membuka halaman baru yang akan berisi data yang dipivotkan. Pada bagian kiri akan ada visualisasi dari data yang dipilih dari bagian kanan seperti pada Gambar 5.29.. Gambar 5.29.. Pivot tabel awal. Pengguna kemudian dapat memilih data yang ingin dilihat dengan isi dari row dan column yang tidak dibatasi seperti pada power bi. Pada pivot tabel excel ini juga dapat dilakukan fungsi sum, average, minimum, dan maximum dengan menekan tanda panah pada data yang sudah berada di kolom values. Fitur ini digunakan hanya jika division head ingin tabel dalam bentuk pivot yang bisa diubah-ubah row dan kolomnya. Namun apabila data yang ditampilkan pada power bi sudah cukup untuk division head maka tabel pivot tidak harus dibuat. Pada Gambar 5.30. terlihat pivot tabel yang sudah dipilih isi dari kolom dan rownya. 157 Universitas Kristen Petra.

Gambar 5.30.. Tabel pivot dengan data. Pada Gambar 5.31. terlihat jenis kolom yang dipilih oleh pengguna dan penataan data sesuai row dan kolom yang diinginkan.. Gambar 5.31.. Data yang dipilih pada pivot tabel 158 Universitas Kristen Petra.

5.3.. Pengujian Proses pada Pentaho Data Integration Pengujian proses pada pentaho data integration dilakukan dengan fokus. untuk melihat kebenaran dan kelengkapan data pada pentaho, serta mencari tahu apa faktor yang mempercepat proses transformasi pada pentaho. Pengujian ini dilakukan sehingga perusahaan lebih mengerti tentang proses transformasi pada pentaho data integration. 5.3.1.. Pengujian Kebenaran dan Kelengkapan Data Pengujian kebenaran dan kelengkapan data pada pentaho bisa dilihat. setelah program ini selesai menjalankan proses transformasi. Hampir semua hasil dari proses pada pembuatan data warehouse ini sama. Gambar 5.27. akan menunjukan gambaran ketika proses transformasi telah selesai.. Gambar 5.32.. Proses transformasi selesai. Ketika proses transformasi selesai seperti pada Gambar 5.32. yang mengunakan contoh dari data fakta subsektor, maka akan muncul preview data yang berguna sebagai sarana untuk mengecek data apa saja yang berhasil dimasukan kedalam tabel FACT_MR_SUBSEKTOR3. Preview data dapat dilihat pada Gambar 5.33.. 159 Universitas Kristen Petra.

Gambar 5.33.. Preview data. Preview data ini dapat dibuktikan kebenaran datanya dengan cara mengakses data pada SQL Server Management Studio, dengan melakukan pengecekan data langsung pada tabelnya maka dapat dibuktikan bahwa data pada Preview data ini benar atau salah. Gambar 5.34. menujukan data awal pada tabel FACT_MR_SUBSEKTOR3.. Gambar 5.34. Data pada SQL untuk membantu menguji Dari Gambar 5.34. bisa dibuktikan bahwa data yang ada pada Gambar 5.33. benar karena ID_DIM_MR_KATEGORY_SUBSEKTOR pada preview data sudah sama dengan data pada SQL server yang diikuti dengan data perbaris yang sesuai, kecuali pada presentase dan kontribusi yang memiliki angka floating yang lebih panjang. Namun perhitungan pada pentaho untuk data floating sudah benar karena seperti data baris pertama pada SQL yang presentasenya 4.1175408029626 jika dibulatkan dengan hasil hanya satu angka dibelakang koma maka hasilnya akan menjadi 4.1, hal yang sama ada terjadi pada field kontribusi. Selain tipe data. 160 Universitas Kristen Petra.

float tidak ada lagi yang perlu diuji untuk proses transformasi secara kesuluruhan pada pembuatan data warehouse ini. Untuk menganalisa kelengkapan data dapat dilihat pada step metics pada pentaho sesuai dengan Gambar 5.35.. Gambar 5.35.. Step metrics. Pada Gambar 5.30. step metrics dapat dilihat pada Stepname terakhir yaitu FACT_MR_SUBSEKTOR3, dari langkah ini terlihat bahwa data yang dibaca sebelumnya sama dengan data yang masukan kedalam database. Sementara pada langkah lain jumlah data dapat berubah karena dilakukan fungsi join yang dapat menambah dan mengurangi jumlah data yang tergantung dari fungsi yang digunakan pada Pentaho Data Integration. Data bisa dibandingkan dengan yang ada pada SQL, dan setelah di analisa data yang ada pada SQL server sama dengan pentaho yaitu 17507. Bukti bahwa data sama ada pada Gambar 5.36.. 161 Universitas Kristen Petra.

Gambar 5.36. 5.3.2.. Jumlah data pada SQL Server. Pengujian Kecepatan Pengerjaan Data Kecepatan data pada program pentaho bisa sangat berbeda hasilnya. tergantung dari faktor jumlah data yang dibaca pada awal dan berapa banyak data yang dimasukan ke database setelah diproses. Contoh yang akan digunakan adalah data yang diolah pada tabel fakta transaksi. Gambar 5.37. dan Gambar 5.38. akan menunjukan dua proses yang berbeda yang memiliki waktu penyelesaian yang juga berbeda.. Gambar 5.37.. Kecepatan pentaho 1. 162 Universitas Kristen Petra.

Gambar 5.38.. Kecepatan pentaho 2. Pada Gambar 5.37. langkah pengerjaan lebih banyak daripada Gambar 5.38. namun hasil lama penyelesaian prosesnya lebih sedikit, hal ini disebabkan karena kecepatan proses pentaho didasarkan oleh banyaknya data yang dibaca bukan berapa banyak langkah yang digunakan untuk memproses data tersebut. Langkah pengerjaan yang akan paling terpengaruh pada jumlah data masuk adalah langkah setelah join yang terakhir. Setiap kali langkah join berakhir, kecepatan proses berikutnya akan jauh lebih lambat karena data yang dibaca setelah proses join itu akan membagi kecepatan dengan pemrosesan data pada langkah join. Halhal ini menyebabkan data yang jumlahnya banyak akan membaca data yang didapat oleh join terlebih dahulu, kemudian pada proses setelahnya akan membaca data yang sudah dioutputkan oleh proses join secara langsung dan akhirnya mengakibatkan pentaho menjalankan dua proses sekaligus dan kecepatannya terbagi menjadi dua. Jadi jika ada tiga proses setelah join maka kecepatan akan sangat berkurang karena Pentaho akan menjalankan 3 proses sekaligus. Tabel 5.1. ini akan menjelaskan tentang waktu yang dibutuhkan oleh pentaho untuk melakukan proses transformasi data yang dimasukan kedalam snowflake schema yang telah dirancang jika menggunakan 3 proses setelah join.. Tabel 5.1. Perkiraan waktu pada proses transformasi Jumlah data. Perkiraaan Waktu. 4000 data. 2.1 detik. 500000 data. 22 menit. 900000 data. 30 menit. 1200000 data. 35 menit. 163 Universitas Kristen Petra.

5.4.. Kuisoner Hasil Pengujian Reporting oleh User Evaluasi terhadap hasil reporting ini akan dilakukan dengan mengunakan. kuisoner untuk mengetahui penilaian pengguna terhadap reporting yang telah dibuat. Sampel dari penilaian ini adalah pengguna yang terlibat dalam pengarahan ide untuk pembuatan reporting yang diinginkan oleh perusahaan, dan juga pengguna yang berpotensi akan menggunakan reporting ini kedepannya. Pengguna yang mengisi kuisoner ini terdiri dari 1 IT manager, 2 marketing and sales supervisor , 1 IT development staff, dan 2 sales staff. Evaluasi ini dilakukan melalui penilaian yang diberikan responden terhadap kriteria-kriteria yang disebutkan dalam tabel 5.2. berikut ini.. Tabel 5.2. Hasil kuesioner Indikator. Penilaian 1. 2. 3. Desain Tampilan Reporting. 4 2. 5 3. Fasilitas yang Disediakan Reporting. 2. 3. Kemudahan Dalam Menjalankan Aplikasi Reporting. 2. 3. Kemudahan Dalam Membaca Informasi yang disediakan Kemudahan yang Disediakan oleh Aplikasi Reporting ini Sebagai Upaya Dalam Membantu Analisa Pasar Program Reporting ini Secara Keseluruhan. 3. 2. 4. 1. 3. 2. Keterangan skala penilaian: . Nilai 1: sangat buruk. . Nilai 2: buruk. . Nilai 3: cukup. . Nilai 4: baik. . Nilai 5: sangat baik Persentase penilaian pengguna terhadap desain tampilan reporting adalah. sebagai berikut: . Nilai 4 = (2/5) * 100% = 40% 164 Universitas Kristen Petra.

. Nilai 5 = (3/5) * 100% = 60% Persentase penilaian pengguna terhadap fasilitas yang disediakan reporting. adalah sebagai berikut: . Nilai 4 = (2/5) * 100% = 40%. . Nilai 5 = (3/5) * 100% = 60% Persentase penilaian pengguna terhadap kemudahan dalam menjalankan. aplikasi reporting adalah sebagai berikut: . Nilai 4 = (2/5) * 100% = 40%. . Nilai 5 = (3/5) * 100% = 60% Persentase penilaian pengguna terhadap kemudahan dalam membaca. informasi yang disediakan adalah sebagai berikut: . Nilai 4 = (3/5) * 100% = 60%. . Nilai 5 = (2/5) * 100% = 40% Persentase penilaian pengguna terhadap kemudahan yang disediakan oleh. aplikasi reporting ini sebagai upaya dalam membantu analisa pasar adalah sebagai berikut: . Nilai 4 = (4/5) * 100% = 80%. . Nilai 5 = (1/5) * 100% = 20% Persentase penilaian pengguna terhadap program reporting secara. keseluruhan adalah sebagai berikut: . Nilai 4 = (3/5) * 100% = 60%. . Nilai 5 = (2/5) * 100% = 40%. 165 Universitas Kristen Petra.