ABSTRAK
Data mart digunakan oleh suatu perusahaan atau instansi untuk mendukung proses analisis dan pengambilan keputusan. Namun banyaknya data yang disimpan di dalam data mart sering kali menyebabkan sulitnya proses analisis dilakukan. Hal ini disebabkan data yang digunakan tidak selalu relevan dengan permasalahan yang dihadapi. Oleh karena itu perlu diterapkan suatu metode untuk membangun cube yang optimal. Sehingga cube yang dibangun dapat digunakan oleh pengguna dalam proses analisis dan pengambilan keputusan secara optimal. Selain itu, diperlukan juga sebuah sistem yang memungkinkan pengguna untuk melakukan operasi OLAP dan menampilkan hasil analisis ke dalam bentuk tabel dan grafik.
Dalam penelitian ini, sebuah aplikasi telah dibangun untuk menghasilkan informasi sesuai dengan kebutuhan analisis pengguna, yang diperoleh melalui survei dalam bentuk kuesioner. Hasil implementasi dan pengujian menunjukkan bahwa aplikasi mampu melakukan optimasi MDX, operasi OLAP, dan menampilkan hasil analisis ke dalam bentuk tabel dan grafik, yang dilengkapi dengan kemampuan untuk menyajikan trend analysis terhadap data yang dipilih. Berdasarkan hasil survei, aplikasi berguna untuk membantu analis dalam melihat
ABSTRACT
Data mart is used in enterprise level to support analysis and decision-making process. However, the number of data which is stored in data mart causes some difficulties to analyze problems. This happens because selected data is not always relevant to the problems encountered. That’s why a method has to be applied to build optimal cube so that can be used by users in analysis and decision-making process. Furthermore, a system is also needed to help users use OLAP operators and represent information in the form of table and chart.
In this research, an application has been created to represent information which in accordance with user needs. It is obtained from a survey in the form of questionnaire. The result of implementation and evaluation shows that the application is able to optimize MDX, execute OLAP operations and represent information in table and chart with trend analysis of data. While the survey shows that the application can help analysts by showing trend analysis and detail of information which has been optimized.
DAFTAR ISI
LEMBAR PENGESAHAN ... i
PERNYATAAN ORISINALITAS LAPORAN PENELITIAN ... ii
PERNYATAAN PUBLIKASI LAPORAN PENELITIAN ... iii
PRAKATA ... iv
DAFTAR KODE PROGRAM ... xvi
DAFTAR LAMPIRAN ... xvii
BAB II LANDASAN TEORI ... 5
2.1 OnlineAnalytical Processing (OLAP) ... 5
2.1.1 Operasi Roll-Up ... 5
2.1.2 Operasi Drill-Down ... 6
2.1.3 Operasi Slice and Dice ... 7
2.1.4 Operasi Pivot ... 8
2.2 Multidimensional Expression (MDX) ... 8
2.2.1 Optimasi MDX ... 9
2.2.2 Algoritma Optimasi MDX ... 10
2.3 Analisis Drill-Down ... 15
3.1 Analisis ... 17
3.2 Gambaran Keseluruhan ... 21
3.2.1 Persyaratan Antarmuka Eksternal ... 21
3.2.2 Antarmuka Pengguna ... 21
3.2.3 Antarmuka Perangkat Keras ... 21
3.2.4 Antarmuka Perangkat Lunak ... 22
3.2.5 Fitur-Fitur Produk Perangkat Lunak ... 22
3.3 Disain Perangkat Lunak ... 36
3.3.1 Pemodelan Perangkat Lunak ... 36
3.3.2 Disain Penyimpanan Data ... 54
3.3.3 Disain Antarmuka ... 58
BAB IV PENGEMBANGAN PERANGKAT LUNAK ... 63
4.1 Implementasi Class dan Method ... 63
4.1.1 Implementasi Class Analysis ... 63
4.1.2 Implementasi Interface IQueryBuilder ... 67
4.2 Implementasi Optimasi MDX dan Operasi OLAP ... 68
4.2.1 Implementasi Optimasi MDX ... 69
4.2.2 Implementasi Operasi OLAP ... 73
4.3 Implementasi Penyimpanan Data ... 74
4.3.1 Implementasi Skema ... 74
4.3.2 Implementasi Database ... 77
4.4 Implementasi Antarmuka ... 77
4.4.1 Implementasi Antarmuka Login... 78
4.4.2 Implementasi Antarmuka Analisis Data ... 78
4.4.3 Implementasi Antarmuka History ... 80
4.4.4 Implementasi Antarmuka Pengguna ... 80
5 BAB V TESTING DAN EVALUASI SISTEM ... 81
5.1 Rencana Pengujian ... 81
5.2 Hasil Pengujian ... 81
5.2.1 Pengujian White Box ... 81
5.2.2 Pengujian Black Box ... 85
6.1 Kesimpulan ... 88
6.2 Saran ... 89
DAFTAR PUSTAKA ... 90
RIWAYAT HIDUP PENULIS ... 92
DAFTAR GAMBAR
Gambar 2.1 Operasi roll-up pada OLAP (Han, Kamber, & Pei, 2012) ... 5
Gambar 2.2 Operasi drill-down pada OLAP (Han, Kamber, & Pei, 2012) ... 6
Gambar 2.3 Operasi slice and dice pada OLAP (Han, Kamber, & Pei, 2012) ... 7
Gambar 2.4 Operasi pivot pada OLAP (Han, Kamber, & Pei, 2012) ... 8
Gambar 2.5 Contoh skema product sold (Niemi, Nummenmaa, & Thanisch, Constructing OLAP Cubes Based on Queries, 2001) ... 12
Gambar 2.6 Contoh normalisasi cube (Niemi, Methods for Logical OLAP Designs, 2001) ... 14
Gambar 2.7 Contoh analisis drill-down berdasarkan wilayah (Inmon, 2005) ... 15
Gambar 2.8 Contoh data grafik (Lane, 2013) ... 16
Gambar 2.9 Contoh regresi linear (Lane, 2013) ... 16
Gambar 3.1 Contoh cube lulusan yang tidak memenuhi kriteria completeness and minimalism (Natalia, 2014) ... 17
Gambar 3.2 Contoh cube lulusan yang didominasi oleh nilai null (Natalia, 2014) ... 18
Gambar 3.3 Use case diagram ... 36
Gambar 3.4 Activity diagram untuk fitur login ... 41
Gambar 3.5 Activity diagram untuk fitur logout ... 42
Gambar 3.6 Activity diagram untuk fitur analisis data ... 43
Gambar 3.7 Activity diagram untuk fitur roll-up/drill-down data ... 44
Gambar 3.8 Activity diagram untuk fitur slice/dice data ... 45
Gambar 3.9 Activity diagram untuk fitur pivot data ... 46
Gambar 3.10 Activity diagram untuk fitur optimasi MDX ... 47
Gambar 3.11 Activity diagram untuk fitur buat grafik... 48
Gambar 3.12 Activity diagram untuk fitur ekspor data ... 48
Gambar 3.13 Activity diagram untuk fitur eksekusi data history ... 49
Gambar 3.14 Activity diagram untuk fitur hapus data history ... 50
Gambar 3.15 Activity diagram untuk fitur lihat pengguna ... 50
Gambar 3.16 Activity diagram untuk fitur tambah pengguna ... 51
Gambar 3.17 Activity diagram untuk fitur ubah pengguna ... 52
Gambar 3.19 Class diagram ... 53
Gambar 3.20 Skema mahasiswa baru (Ayub, Kristanti, & Caroline, Data Warehouse Sebagai Basis Analisis Data Akademik Perguruan Tinggi, 2013) (Natalia, 2014) ... 54
Gambar 3.21 Skema mahasiswa aktif (Ayub, Kristanti, & Caroline, Data Warehouse Sebagai Basis Analisis Data Akademik Perguruan Tinggi, 2013) (Natalia, 2014) ... 55
Gambar 3.22 Skema lulusan (Ayub, Kristanti, & Caroline, Data Warehouse Sebagai Basis Analisis Data Akademik Perguruan Tinggi, 2013) (Natalia, 2014) ... 56
Gambar 3.23 ERD pengguna dan history ... 57
Gambar 3.24 Disain antarmuka untuk melakukan login ... 59
Gambar 3.25 Disain antarmuka untuk mengelola akun pengguna ... 59
Gambar 3.26 Disain antarmuka untuk melakukan analisis data (1) ... 60
Gambar 3.27 Disain antarmuka untuk melakukan analisis data (2) ... 60
Gambar 3.28 Disain antarmuka untuk melakukan operasi OLAP ... 61
Gambar 3.29 Disain antarmukan untuk mengelola data history ... 61
Gambar 4.1 Hasil normalisasi cube untuk E1 ... 72
Gambar 4.2 Hasil normalisasi cube untuk E2 ... 73
Gambar 4.3 Contoh hasil optimasi cube yang dipilih pada kelas E2 ... 73
Gambar 4.4 Implementasi skema mahasiswa baru (Natalia, 2014) ... 75
Gambar 4.5 Implementasi skema mahasiswa aktif (Natalia, 2014) ... 75
Gambar 4.6 Implementasi skema lulusan (Natalia, 2014) ... 76
Gambar 4.7 Implementasi database ... 77
Gambar 4.8 Implementasi antarmuka login form ... 78
Gambar 4.9 Implementasi antarmuka analisis data (1) ... 78
Gambar 4.10 Implementasi antarmuka analisis data (2) ... 79
Gambar 4.11 Implementasi antarmuka operasi OLAP ... 79
Gambar 4.12 Implementasi antarmuka history form ... 80
DAFTAR TABEL
Tabel 3.1 Deskripsi use case diagram untuk fitur login ... 37
Tabel 3.2 Deskripsi use case diagram untuk fitur logout ... 37
Tabel 3.3 Deskripsi use case diagram untuk fitur analisis data ... 38
Tabel 3.4 Deskripsi use case diagram untuk fitur roll-up/drill-down data ... 38
Tabel 3.5 Deskripsi use case diagram untuk fitur slice/dice data ... 38
Tabel 3.6 Deskripsi use case diagram untuk fitur pivot data ... 38
Tabel 3.7 Deskripsi use case diagram untuk fitur optimasi MDX ... 39
Tabel 3.8 Deskripsi use case diagram untuk fitur buat grafik ... 39
Tabel 3.9 Deskripsi use case diagram untuk fitur ekspor data ... 39
Tabel 3.10 Deskripsi use case diagram untuk fitur eksekusi data history ... 39
Tabel 3.11 Deskripsi use case diagram untuk fitur hapus data history ... 39
Tabel 3.12 Deskripsi use case diagram untuk fitur lihat pengguna ... 40
Tabel 3.13 Deskripsi use case diagram untuk fitur tambah pengguna ... 40
Tabel 3.14 Deskripsi use case diagram untuk fitur ubah pengguna ... 40
Tabel 3.15 Deskripsi use case diagram untuk fitur hapus pengguna ... 40
Tabel 3.16 Deskripsi ERD ... 57
Tabel 4.1 Contoh query dan data pada cube_1 ... 71
Tabel 4.2 Contoh query dan data pada cube_2 ... 71
Tabel 4.3 Contoh query dan data pada cube_3 ... 71
Tabel 5.1 Rencana pengujian terhadap fitur-fitur utama pada aplikasi ... 81
Tabel 5.2 Hasil pengujian white box pada method ExecuteQuery ... 82
Tabel 5.3 Hasil pengujian white box pada method GetCube ... 82
Tabel 5.4 Hasil pengujian white box pada method ShowTable ... 82
Tabel 5.5 Hasil pengujian white box pada method LinearRegression ... 83
Tabel 5.6 Hasil pengujian white box pada method BuildQuery ... 83
Tabel 5.7 Hasil pengujian white box pada method BuildPartOfQuery ... 83
Tabel 5.8 Hasil pengujian white box pada method BuildCheckedItemsQuery ... 84
Tabel 5.9 Hasil pengujian white box pada method BuildFinishedQuery ... 84
Tabel 5.10 Hasil pengujian black box pada fitur analisis data ... 85
Tabel 5.11 Hasil pengujian black box pada fitur roll-up/drill-down ... 85
Tabel 5.13 Hasil pengujian black box pada fitur pivot ... 86
Tabel 5.14 Hasil pengujian black box pada fitur optimasi MDX ... 86
Tabel 5.15 Hasil pengujian black box pada fitur buat grafik ... 86
DAFTAR SIMBOL
Use Case Diagram
Gambar Keterangan
Melambangkan aktor yang diperankan oleh pengguna pada aplikasi.
Melambangkan aksi yang ditampilkan sistem dan dapat digunakan oleh suatu aktor.
Melambangkan hubungan antara objek satu dengan objek lainnya.
Menggambarkan bahwa sebuah aksi dapat diperluas fungsinya ke suatu aksi baru.
Melambangkan hubungan antara descendant yang berbagi perilaku dan struktur data dengan ancestor.
Activity Diagram
Gambar Keterangan
Menunjukkan awal aktivitas pada sebuah sistem. Menunjukkan akhir aliran proses sistem.
Menunjukkan aktivitas yang akan dilakukan oleh pengguna pada aplikasi.
Menunjukkan aktivitas pengambilan keputusan dalam aplikasi.
Class Diagram
Gambar Keterangan
DAFTAR ALGORITMA
Algoritma 4.1 Algoritma dari method ShowTable pada class Analysis ... 64
Algoritma 4.2 Algoritma dari method AddChart pada class Analysis ... 65
Algoritma 4.3 Algoritma dari method BuildQuery ... 67
Algoritma 4.4 Algoritma dari method BuildPartOfQuery ... 67
Algoritma 4.5 Algoritma dari method BuildCheckedItemsQuery ... 68
Algoritma 4.6 Algoritma dari method BuildFinishedQuery ... 68
Algoritma 4.7 Algoritma dari method Optimize ... 69
Algoritma 4.8 Algoritma dari method SetEquivalentClass ... 69
Algoritma 4.9 Algoritma dari method CheckIntersection ... 70
Algoritma 4.10 Algoritma dari method CheckExactMatch ... 70
Algoritma 4.11 Algoritma dari method CreateEquivalentClass ... 70
Algoritma 4.12 Algoritma dari method ChangeHierarchy... 74
DAFTAR KODE PROGRAM
DAFTAR LAMPIRAN
Lampiran A Analisis Data Lulusan Fakultas Teknologi Informasi Tahun 2008 -
2012 ... 93
Lampiran B Survei hasil implementasi aplikasi ... 94
Lampiran C Kuesioner hasil analisis data (1) ... 95
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dewasa ini, teknologi telah menjadi bagian penting dalam kehidupan manusia terutama untuk pengolahan data. Pusat Data dan Informasi Kementrian Pertahanan Republik Indonesia menyatakan bahwa jumlah penjualan komputer di Indonesia sangat pesat. Bahkan penjualan komputer sempat mencapai 76% pada kuartal pertama tahun 2010, yang tercatat sebagai presentase tertinggi dalam penjualan produk di Indonesia (Pusat Data dan Informasi Kementrian Pertahanan RI, 2010). Sebagian dari pengguna komputer tersebut adalah perusahaan atau instansi yang beralih dari sistem manual ke sistem berbasis komputer. Sistem berbasis komputer tersebut digunakan untuk membantu instansi dalam melakukan proses analisis dan pengambilan keputusan.
Proses analisis dan pengambilan keputusan menggunakan sistem berbasis komputer dapat dilakukan jika ukuran data yang dimiliki cukup besar. Ukuran data suatu instansi dianggap besar jika instansi tersebut telah beroperasi selama beberapa tahun. Selanjutnya, data yang berkaitan dengan proses analisis akan disimpan ke dalam sebuah tempat penyimpanan data yang dikenal dengan istilah
data mart atau data warehouse. Data mart atau data warehouse digunakan untuk menyimpan data kompleks dengan ukuran besar. Berbeda dengan database, data mart atau data warehouse terpisah dari data kegiatan operasional perusahaan atau instansi, sehingga hanya diperbaharui dalam kurun waktu tertentu (Han, Kamber, & Pei, 2012).
2
Sebagai contoh, untuk melakukan analisis penerimaan mahasiswa baru dapat menggunakan berbagai macam pendekatan, seperti mencari hubungan antara nilai Ujian Saringan Masuk (USM) dengan Indeks Prestasi Akademik (IPK) lulusan atau hubungan antara gelombang USM dengan jumlah lulusan. Analisis tersebut juga dapat dilakukan dengan menggunakan informasi mahasiswa aktif berupa hubungan antara nilai dan gelombang USM dengan status keaktifan mahasiswa. Hal ini menyatakan bahwa semakin banyak informasi yang dimiliki, semakin sulit proses analisis untuk dilakukan.
Meskipun demikian, tidak semua informasi yang dimiliki berguna dalam proses analisis dan pengambilan keputusan. Data mart mengandung informasi yang sangat banyak, sehingga tidak semua informasi relevan terhadap kebutuhan analisis pengguna. Selain itu, data yang ditampilkan tidak selalu memiliki nilai atau bernilai null (Niemi, Nummenmaa, & Thanisch, 2001). Hal ini dapat diatasi dengan memilih informasi yang tepat, yang sesuai dengan kebutuhan proses analisis. Kemudian, hasil analisis akan direpresentasikan ke dalam bentuk yang lebih umum dengan menggunakan suatu metode. Metode tersebut adalah optimasi
Multidimensional Expression (MDX) dalam operator Online Analytical Processing (OLAP). Optimasi MDX dilakukan untuk menampilkan informasi secara optimal agar sesuai dengan kebutuhan analisis pengguna.
3
1.2 Rumusan Masalah
Rumusan masalah yang akan dikaji dalam penelitian ini adalah:
1. Bagaimana cara membangun sebuah sistem yang dapat digunakan dalam proses analisis dan pengambilan keputusan, dengan menggunakan data mart
sebagai sumber data?
2. Bagaimana cara merancang sebuah sistem yang tidak hanya dapat menyajikan seluruh informasi dari cube, tetapi juga dapat menyajikan informasi secara optimal?
3. Bagaimana cara merepresentasikan cube yang telah dibangun secara optimal untuk dapat digunakan dalam proses analisis dan pengambilan keputusan?
1.3 Tujuan
Tujuan penelitian ini adalah:
1. Membangun sebuah aplikasi yang menyediakan fitur operasi OLAP untuk digunakan dalam proses analisis dan pengambilan keputusan.
2. Merancang query MDX dengan suatu metode tertentu, agar dapat menghasilkan cube dengan informasi yang optimal dan sesuai dengan kebutuhan analisis pengguna.
3. Merepresentasikan cube ke dalam bentuk tabel dan grafik, yang dilengkapi dengan kemampuan untuk menampilkan trend analysis untuk keperluan analisis dan pengambilan keputusan.
1.4 Batasan Masalah
Batasan masalah yang terdapat dalam penelitian ini adalah:
1. Sumber data yang digunakan dalam penelitian ini adalah data mart mahasiswa di Universitas Kristen Maranatha, yang telah dibangun pada Kerja Praktek yang dilakukan oleh Natalia.
2. Data mart yang digunakan adalah bagian dari penelitian Ayub et al., yang merupakan implementasi dari pembentukan skema data mahasiswa menjadi
data mart.
4
4. Grafik yang digunakan terdiri dari vertical bar/column chart (grafik batang vertikal), pie chart (diagram pai), dan line chart (grafik baris).
5. Hak akses pada aplikasi dibagi menjadi dua peran, yaitu administrator dan
analyst.
6. Kuesioner analisis kebutuhan pengguna diisi oleh ketua jurusan/program studi di Fakultas Teknologi Informasi Universitas Kristen Maranatha.
1.5 Sistematika Pembahasan
Sistematika pembahasan laporan yang digunakan dalam penelitian ini adalah:
BAB I PENDAHULUAN
Bab ini berisi uraian garis besar yang meliputi latar belakang, perumusan masalah, tujuan, dan batasan masalah yang mengawali pembuatan aplikasi.
BAB II LANDASAN TEORI
Bab ini berisi teori-teori dasar yang digunakan dalam pembuatan aplikasi, yang terdiri dari teori tentang OLAP, MDX, analisis drill-down, dan linear regression.
BAB III ANALISIS DAN DISAIN
Bab ini berisi arsitektur perangkat lunak yang digunakan, termasuk penggunaan sistem secara keseluruhan. Arsitektur perangkat lunak tersebut digambarkan dengan menggunakan diagram UML, yang terdiri dari use case diagram, activity diagram, dan class diagram.
BAB IV PENGEMBANGAN PERANGKAT LUNAK
Bab ini berisi implementasi dari kelas-kelas yang digunakan dalam pembuatan aplikasi, serta hubungan antar kelas.
BAB V TESTING DAN EVALUASI SISTEM
Bab ini berisi laporan mengenai pengujian terhadap aplikasi yang telah diselesaikan.
BAB VI KESIMPULAN DAN SARAN
6
BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Kesimpulan yang diperoleh dari hasil analisis, pembuatan, implementasi, dan pengujian aplikasi adalah:
1. Pengguna dapat melakukan operasi OLAP melalui fitur-fitur yang disajikan oleh aplikasi (Tabel 5.11-Tabel 5.13).
2. Aplikasi mampu melakukan optimasi terhadap cube yang telah dibangun dengan menerapkan algoritma pada penelitian Niemi et al. Cube yang dihasilkan memenuhi ketiga syarat, sebagai berikut (Tabel 5.14):
a. Completeness and minimalism
Pengguna dapat memilih atribut sesuai dengan kebutuhan analisis, sehingga cube yang dihasilkan bersifat lengkap dan minimal, karena tidak melebihi kebutuhan.
b. Correct aggregation
Pengguna dapat melakukan roll-up dan drill-down, sehingga data yang dihasilkan dapat ditelusuri berdasarkan nilai ukur yang dipilih.
c. Minimal sparsity
Cube dibangun berdasarkan hasil seleksi pengguna, sehingga nilai null
dapat dihilangkan dengan melakukan seleksi ulang pada atribut yang terkait.
Meskipun demikian, hasil optimasi juga bersifat relatif karena tergantung pada kebutuhan dan hasil seleksi pengguna.
3. Aplikasi mampu menampilkan hasil analisis ke dalam bentuk grafik yang dilengkapi dengan kemampuan untuk menampilkan trend analysis
menggunakan regresi linear (Tabel 5.15).
89
5. Hasil pengujian menunjukkan bahwa fitur-fitur yang telah dibangun menghasilkan output (keluaran) yang sesuai dengan hasil yang diharapkan (Subbab 5.2).
6.2 Saran
Saran yang diperoleh untuk mengembangkan aplikasi ini adalah sebagai berikut:
1. Aplikasi dilengkapi dengan fitur untuk menerima input berupa query yang dimasukkan secara manual, tanpa melakukan seleksi terhadap data yang disajikan pada antarmuka.
2. Aplikasi dilengkapi dengan fitur impor skema, sehingga penggunaannya tidak terbatas pada skema yang telah dimasukkan.
DAFTAR PUSTAKA
Ayub, M., & Kristanti, T. (2013). Model Analisis Classification dan Clustering untuk Data Mahasiswa dan Dosen di Perguruan Tinggi. Laporan Penelitian Hibah Bersaing DIKTI tahun anggaran 2013 di Universitas Kristen Maranatha.
Ayub, M., Kristanti, T., & Caroline, M. (2013). Data Warehouse Sebagai Basis Analisis Data Akademik Perguruan Tinggi. Prosiding Seminar Nasional Teknologi Informasi, Fakultas Teknologi Informasi Universitas Tarumanagara.
Cabibbo, L., & Torlone, R. (1998). A logical approach to multidimensional databases. 6th International Conference on Extending Database Technlogy. Springer.
Fowler, M. (2005). UML Distilled (3 ed.). Yogyakarta: ANDI.
Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques (3 ed.). Waltham, United States of America: Elsevier Inc.
Inmon, W. H. (2005). Building The Data Warehouse. Indianapolis: Wiley Publishing, Inc.
Lane, D. M. (2013). Introduction to Statistics: An Interactive e-Book.
Lenz, H.-J., & Shoshani, A. (1997). Summarizablity in OLAP and Statistical Data Bases. Ninth International Conference On Scientific And Statistical Database Management.
Mallach, E. G. (2000). Decision Support and Data Warehouse Systems.
Singapore: McGraw-Hill Book Co.
Natalia, L. A. (2014). Implementasi Skema Star dan Snowflake Dalam Pembuatan Data Mart Dengan Menggunakan Data Mahasiswa dan Dosen di Universitas Kristen Maranatha. Kerja Praktek S1 Teknik Informatika Fakultas Teknologi Informasi Universitas Kristen Maranatha. Bandung, Indonesia.
91
Niemi, T., Nummenmaa, J., & Thanisch, P. (2001). Constructing OLAP Cubes Based on Queries.
Pusat Data dan Informasi Kementrian Pertahanan RI. (2010). Kategori Berita: Teknologi Informasi. Retrieved April 16, 2014, from Pusdatin Kemhan: http://pusdatin.kemhan.go.id
SAS Institute Inc. (2004). SAS® 9.1 OLAP Server: MDX Guide. Cary, NC, USA: SAS Institute Inc.
