68
BAB 4
RANCANGAN DATA WAREHOUSE YANG DIUSULKAN
4.1 Arsitektur Data Warehouse
Pada awalnya, perancangan data warehouse dimulai dengan mencari data dari berbagai sumber, baik internal maupun eksternal, yang berhubungan dengan pembuatan laporan bagi pihak-pihak yang berkepentingan. Kemudian data tersebut diambil dan dipindahkan ke dalam media penyimpanan data yang besar. Di dalam penampungan ini, dilakukan transformasi data agar data berada dalam bentuk yang lebih terintegrasi dan konsisten.
Dengan demikian, arsitektur yang digunakan pada perancangan data warehouse ini adalah arsitektur data warehouse terpusat. Alasan penggunaannya adalah dikarenakan arsitektur data warehouse terpusat merupakan arsitektur yang umum digunakan oleh perusahaan-perusahaan berskala medium. Data diambil dari seluruh sistem operasional dan disimpan dalam pusat penyimpanan data. User kemudian menggunakan data yang telah terkumpul tersebut untuk membangun data warehouse fungsional sesuai kebutuhan. Selain itu arsitektur data warehouse terpusat mempermudah dalam pengawasan dan pemeliharaan data serta mempermudah dalam pengembangan rancangan.
Gambar 4.1 Arsitektur Data Warehouse
Komponen-komponen yang digunakan untuk mendukung pembuatan data warehouse pada Jurusan Teknik Informatika di Universitas Bina Nusantara adalah : 1. Sumber data.
Sumber data diperoleh dari berbagai media, platform dan format yang berbeda-beda dan dapat dibedakan menjadi dua bagian yaitu :
a. Sumber data internal. Dapat diambil dari kesgiatan perusahaan sehari-hari atau kegiatan operasional.
b. Sumber data eksternal. Dapat diambil dari data yang berada di luar perusahaan, dimana data yang diperoleh masih sangat terbatas seperti data mengenai Jumlah Mahasiswa yang telah bekerja didapat dari hasil survey bagian marketing terhadap calon wisudawan.
2. Transformasi data
Transformasi data sangat penting dilakukan bila data yang digunakan berasal dari berbagai media, platform dan format yang berbeda-beda untuk membentuk dan membuat data menjadi lebih terintegrasi dan konsisten.
70 3. Data Warehouse
Data Warehouse merupakan wadah dimana data-data yang telah tersaring dikumpulkan untuk dipergunakan sebagai sumber panganalisaan laporan data akademik oleh pihak-pihak yang berkepentingan. Data-data yang disimpan dalam data warehouse merupakan data-data yang bersifat historis dengan jangka waktu tertentu.
4. Front End Tools
Front End Tools merupakan komponen yang menghubungkan data warehouse dengan pengguna. Komponen ini juga mempermudah pengguna dalam mengakses data yang diperlukan dalam pembuatan laporan yang diperlukan oleh pengguna sehingga pengguna menggunakan komponen ini sebagai jembatan menuju data warehouse.
4.2 Rancangan Data Warehouse
Proses perancangan data warehouse yang dilakukan menggunakan metode bottom-up. Hal ini dilakukan karena perancangan data warehouse ini bersumber dari permasalahan yang ada sebagai hasil wawancara terhadap perusahaan. Tahap-tahap yang dilakukan dalam perancangan data warehouse untuk Jurusan Teknik Informatika di Universitas Bina Nusantara adalah sebagai berikut :
• Menganalisa permasalahan yang dihadapi oleh jurusan
Untuk merancang suatu data warehouse, hal yang harus dilakukan pertama kali adalah mencari tahu dan mempelajari permasalahan-permasalahan yang dihadapi oleh jurusan. Dengan mengetahui permasalahan tersebut, maka solusi untuk
mengatasi permasalahan dapat dicari. Selain itu dipertimbangkan pula manfaat yang dapat diperoleh jurusan dengan adanya data warehouse.
• Mengumpulkan data dan informasi yang dibutuhkan
Setelah tahapan diatas dilakukan dan solusi yang dikemukakan disetujui oleh pihak jurusan, tahap berikutnya yang dilakukan adalah pengumpulan semua data dan informasi yang dibutuhkan untuk perancangan dan implementasi data warehouse ini. • Menganalisis dan menentukan kebutuhan data dan informasi
Setelah semua data dan informasi terkumpul, dilakukan analisis dan pemilahan data yang sesuai dengan kebutuhan jurusan.
• Menggunakan Metodologi perancangan data warehouse
Penggunaan metodologi sangat penting dalam merancang sebuah data warehouse karena di sinilah setiap langkah kita dituntun agar tidak melakukan kesalahan. Secara umum, “nine-step methodology” yang diperkenalkan oleh Kimball sering dipakai dalam merancang data warehouse. Metodologi tersebut juga digunakan dalam perancangan data warehouse ini.
• Merancang skema bintang
Setelah melakukan penyaringan terhadap semua data dan informasi telah dikumpulkan, maka akan dibuat tabel fakta dan tabel dimensi pada skema bintang yang dibutuhkan dalam merancang data warehouse.
• Menentukan perangkat keras dan piranti lunak yang akan digunakan
Pada tahap ini, kegiatan yang dilakukan adalah menentukan perangkat keras dan piranti lunak apa saja yang akan digunakan untuk dapat mendukung perancangan dan implementasi data warehouse.
72 • Melakukan transformasi data ke dalam data warehouse
Pada tahap ini, data yang tersimpan pada tempat sementara akan dipindahkan dari tempat asal ke tempat tujuan yang disertai dengan transformasi data sehingga data dapat memiliki bentuk yang terintegrasi.
• Membuat prototipe aplikasi
Pada tahap ini, dibangun sebuah aplikasi yang akan menghubungkan user dengan data warehouse yang dirancang untuk memberikan gambaran nyata dari perancangan data warehouse yang akan dibangun.
• Implementasi aplikasi data warehouse
Melakukan implementasi terhadap pihak-pihak yang akan menggunakan aplikasi data warehouse yang telah dibangun.
4.2.1 Pemilihan Proses Bisnis
Setelah menganalisa kebutuhan yang ada di jurusan Teknik Informatika, maka ditetapkan proses bisnis sebagai berikut :
• Analisis kinerja dosen • Analisis absensi dosen
• Penilaian mahasiswa ( IPS , IPK, Nilai Matakuliah ) • Analisis absensi mahasiswa
• Analisis kelas peminatan • Pendataan alumni
4.2.2 Pemilihan grain
Berikut ini adalah gambaran proses bisnis yang terpilih dari sistem yang berjalan.
Gambar 4.2 Pemilihan Grain
Dari proses bisnis yang telah ada, dapat ditentukan grain yang akan menggambarkan secara tepat dari tabel fakta, sebagai berikut :
• Rata-rata Nilai IKAD berdasarkan matakuliah, dosen, dan waktu tertentu
• Jumlah Absen dosen berdasarkan matakuliah, dosen, dan waktu tertentu
• Rata-rata Indeks Prestasi mahasiswa baik indeks prestasi semester maupun kumulatif berdasarkan semester, angkatan, jenis kelamin, dan waktu tertentu
• Rata-rata nilai matakuliah serta jumlah lulusan matakuliah yang dapat dilihat berdasarkan kelas, angkatan dan matakuliah
• Jumlah Absen Mahasiswa berdasarkan matakuliah, kelamin, kelas, angkatan, semester, dan waktu tertentu
74 • Jumlah lulusan serta jumlah lulusan yang telah bekerja berdasarkan kelamin,
angkatan wisuda, dan waktu tertentu
• Jumlah mahasiswa berdasarkan kelas, kelamin, angkatan, dan matakuliah
4.2.3 Penentuan Tabel Dimensi
Setelah kita menentukan grain, langkah selanjutanya adalah menentukan dimensi yang berpengaruh terhadap grain tersebut. Adapun tabel Dimensi yang digunakan dalam data warehouse ini adalah:
Nama Dimensi Deskripsi
DimAngkatan Berisi informasi tentang angkatan Mahasiswa DimAngkatanWisuda Berisi informasi tentang angkatan Wisuda
DimDosen Berisi informasi tentang dosen Jurusan Teknik Informatika yang mengajar di Universitas Bina Nusantara
DimKelas Berisi informasi tentang kelas yang dibuka untuk Mahasiswa
DimKelamin Berisi informasi tentang jenis kelamin mahasiswa yang terdaftar
DimMatakuliah Berisi informasi tentang mata kuliah yang tersedia bagi Mahasiswa Jurusan Teknik Informatika
DimPeminatan Berisi informasi tentang peminatan yang tersedia di Jurusan Teknik Informatika
DimSemester Berisi informasi tentang jenjang Semester yang ditempuh Mahasiswa
DimWaktu Berisi informasi tentang skala waktu, yaitu Tahun dan Periode (Ganjil atau Genap)
Tabel 4.1 Tabel Dimensi 4.2.4 Menentukan Fakta
Setelah ditentukannya dimensi, langkah selanjutnya adalah menentukan fakta. Fakta-fakta nya dapat kita lihat pada tabel sbb :
Proses Bisnis Measure Tabel Fakta
Analisis Kinerja Dosen Nilai IKAD Mata Kuliah, NIlai IKAD Akhir
FaktaIKADDosen
Analisis Absensi Dosen Jumlah Absensi FaktaAbsensiDosen Penilaian Mahasiswa (IPS,
IPK, Nilai Mata Kuliah )
Rata-rata IPS, Rata-rata IPK
Rata-rata Nilai Mata Kuliah, Jumlah Lulus Mata Kuliah
FaktaIPS FaktaIPK FaktaNilaiMtk
Analisis Absensi Mahasiswa Jumlah Absensi FaktaAbsensiMahasiswa Analisis Kelas Peminatan Jumlah Mahasiswa
Peminatan
FaktaMhsPmt
Pendataan Alumni Jumlah Lulusan,
Jumlah Lulusan Bekerja
FaktaJmlLulusan
Analisis Jumlah Mahasiswa Jumlah Mahasiswa FaktaJmlMhs Tabel 4.2 Tabel Proses Bisnis, Measure dan Fakta
76 4.2.5 Menyimpan pre-calculations dalam tabel fakta
Analisis terhadap fakta-fakta yang ada tidak didapati kondisi pre-calculations
4.2.6 Melengkapi tabel-tabel dimensi
Tabel dimensi tersebut dilengkapi dengan atribut sebagai berikut :
• DimMatakuliah berisi informasi tentang matakuliah yang tersedia bagi mahasiswa Jurusan Teknik Informatika. Yang didalamnya terdapat field: MatakuliahID, KdMatakuliah, NamaMatakuliah
• DimKelamin berisi kelamin dari mahasiswa. Di dalamnya terdapat field: KelaminID, JenisKelamin
• DimKelas berisi informasi tentang kelas yang dibuka untuk mahasiswa. Yang di dalamnya terdapat field : KelasID, KdKelas
• DimAngkatan berisi informasi tentang angkatan mahasiswa. Yang di dalamnya terdapat field : AngkatanID, Angkatan
• DimSemester berisi informasi tentang jenjang semester yang ditempuh mahasiswa. Di dalamnya terdapat field : SemesterID, Semester
• DimWaktu berisi Informasi tentang skala waktu, yaitu tahun dan periode ( ganjil atau genap ). Di dalamnya terdapat field : WaktuID, Tahun, Periode
• DimDosen berisi informasi tentang dosen jurusan teknik informatika yang mengajar di Universitas Bina Nusantara. Di dalamnya berisi field: DosenID, KdDosen, NamaDsn
• DimAngkatanWisuda berisi informasi tentang angkatan wisuda mahasiswa. Di dalamnya terdapat field : AngkatanWisudaID, AngkatanWisuda
• DimPeminatan berisi informasi tentang peminatan yang tersedia di jurusan Teknik Informatika
4.2.7 Memilih durasi dari database
Durasi dari database adalah ukuran seberapa jauh dan seberapa banyak data yang akan diproses pertama kali. Semakin lama, maka akan semakin banyak. Data pada Universitas Bina Nusantara dimulai pada tahun 1997. Tetapi durasi yang akan diambil adalah data dari tahun 2000-2006.
4.2.8 Mencari Dimensi yang memungkinkan untuk berubah
Dari analisa kami terhadap dimensi-dimensi yang telah ada, dan juga hasil analisa record yang ada selama beberapa tahun ini, maka disimpulkan tidak ada data yang berubah baik sekarang ataupun nantinya.
4.2.9 Menentukan prioritas query dan model query
Langkah terakhir adalah langkah yang berhubungan dengan fisikal terutama dengan pengurutan data dan juga pencarian data melalui indexing. Pada data warehouse ini telah di urutkan berdasarkan primary key dari setiap tabel, dan juga secara otomatis terindeks berdasarkan primary key tersebut.
78 4.3 Skema Bintang
Dari masing-masing tabel fakta, dibentuk skema bintang. Skema bintang berguna untuk menggambarkan relasi antara tabel dimensi dan tabel fakta.
Skema Bintang Absensi Mahasiswa
Skema bintang ini menunjukkan bahwa jumlah absensi mahasiswa (JmlAbsensi) dapat dilihat berdasarkan banyak dimensi yaitu, Waktu, Mata Kuliah, Kelamin, Dosen, Kelas, Semester dan Angkatan.
Skema Bintang Absensi Dosen
Skema bintang ini menunjukkan relasi antara tabel-tabel dimensi dengan fakta Absensi Dosen. Dimensi yang digunakan adalah Waktu, Dosen, Mata Kuliah.
Gambar 4.4 Skema Bintang Absensi Dosen
Skema Bintang IKAD Dosen
Skema Bintang ini menunjukkan relasi antara fakta IKAD Dosen dengan dimensi-dimensinya, antara lain: Kelas, Waktu, Dosen, dan Mata Kuliah.
80
Gambar 4.5. Skema Bintang IKAD Dosen
Skema Bintang Peminatan Mahasiswa
Skema Bintang ini menunjukkan relasi antara fakta Peminatan Mahasiswa yang berisi Jumlah Mahasiswa pemilih peminatan tertentu dengan dimensi Peminatan dan Angkatan.
Skema Bintang Fakta Nilai Berdasarkan Mata Kuliah
Skema ini menunjukkan relasi antara tabel dimensi yang berisikan informasi tentang Kelas, Mata kuliah dan Angkatan dengan tabel fakta yang berisi rata-rata nilai dan jumlah mahasiswa yang lulus dalam mata kuliah tersebut.
Gambar 4.7. Skema Bintang Nilai Berdasarkan Mata Kuliah
Skema Bintang Jumlah Mahasiswa
Skema bintang ini menunjukkan relasi antara Fakta Jumlah Mahasiswa dengan Dimensi Angkatan, Kelas, Kelamin.
82
Gambar 4.8. Skema Bintang Jumlah Mahasiswa
Skema Bintang Fakta Indeks Prestasi Semester
Skema Bintang ini menunjukkan relasi antara Fakta Indeks Prestasi baik Semester maupun Kumulatif dengan dimensi-dimensi yang terkait, antara lain: Semester, Mahasiswa, Waktu, Kelamin dan Angkatan.
Gambar 4.9. Skema Bintang Indeks Prestasi
Skema Bintang Mahasiswa Telah Lulus
Skema ini menunjukkan relasi antara Fakta Jumlah Lulusan total serta yang telah bekerja dengan Dimensi Mahasiswa dan Angkatan Wisuda.
84 Skema Bintang Global
Skema Bintang Global merupakan skema gabungan dari skema bintang masing-masing fakta. Hasil penggabungan dapat pada gambar 4.11 di bawah ini
4.4 Metadata
Berikut adalah Metadata Tabel dimensi dan fakta datawarehouse yang bersumber dari database : Nama Database : BinusTI
Nama Table : DimKelamin
Deskripsi Table : Tabel dimensi kelamin mahasiswa
Data Source
Name Data Type Size Description Process
Table Field Data Type
KelaminID Int 4 Kode Kelamin Autonumber
JenisKelamin Varchar 1 Kelamin Copy Msmhs1 JnKel Varchar(1)
Nama Database : BinusTI Nama Table : DimAngkatan
Deskripsi Table : Tabel dimensi angkatan
Data Source
Name Data Type Size Description Process
Table Field Data Type
AngkatanID Int 4 Kode Angkatan Autonumber
Nama Database : BinusTI
Nama Table : DimAngkatanWisuda
Deskripsi Table : Tabel dimensi angkatan wisuda
Data Source Name Data
Type
Size Description Process
Table Field Data Type
AngkatanWisudaID Int 4 Kode
AngkatanWisuda
Autonumber AngkatanWisuda Varchar 5 Angkatan
Wisuda ke -
Copy Transaksi_wisuda_mahasiswa Wisuda Varchar(5)
Nama Database : BinusTI Nama Table : DimDosen
Deskripsi Table : Tabel dimensi dosen
Data Source
Name Data Type Size Description Process
Table Field Data Type
DosenID Int 4 Kode Dosen Autonumber
KdDosen Varchar 5 No Induk Dosen Copy Master_Dosen Kddsn Varchar(5)
NamaDsn Varchar 50 Nama Dosen Copy Master_Dosen Nmdsn Varchar(50)
Nama Database : BinusTI Nama Table : DimKelas
Deskripsi Table : Tabel dimensi kelas
Data Source
Name Data Type Size Description Process
Table Field Data Type
KelasID Int 4 Kode kelas Autonumber
Nama Database : BinusTI
Nama Table : DimMataKuliah
Deskripsi Table : Tabel dimensi matakuliah
Data Source
Name Data Type Size Description Process
Table Field Data Type
MatakuliahID Int 4 Kode
Matakuliah
Autonumber KdMatakuliah Varchar 5 Kode
Matakuliah
Copy Master_matakuliah Kdmtk Varchar(5)
NamaMatakuliah Varchar 100 Nama Matakuliah
Copy Master_matakuliah nmmtk Varchar(100)
Nama Database : BinusTI Nama Table : DimPeminatan
Deskripsi Table : Tabel dimensi peminatan
Data Source
Name Data Type Size Description Process
Table Field Data Type
PeminatanID Int 4 Kode Peminatan Autonumber
KdPeminatan Varchar 2 Kode Peminatan Copy Tabel_peminatan kdpmt Varchar(2)
NamaPeminatan Varchar 40 Nama Peminatan Copy Tabel_peminatan nmpmt Varchar(40) Nama Database : BinusTI
Nama Table : DimSemester
Deskripsi Table : Tabel dimensi semester
Data Source
Name Data Type Size Description Process
Table Field Data Type
SemesterID Int 4 Kode Semester Autonumber
Nama Database : BinusTI Nama Table : DimWaktu
Deskripsi Table : Tabel dimensi waktu
Data Source
Name Data Type Size Description Process
Table Field Data Type
WaktuID Int 4 Kode waktu Autonumber
Tahun Varchar 4 Tahun Copy Transaksi_ips_ipk Priod Varchar(4)
Periode Varchar 1 Ganjil-genap Copy Transaksi_ips_ipk Kdsem Varchar(1)
Nama Database : BinusTI
Nama Table : FaktaAbsensiDosen Deskripsi Table : Tabel Fakta absensi dosen
Data Source
Name Data Type Size Description Process
Table Field Data Type
DosenID Int 4 Kode Mahasiswa Copy DimDosen DosenID Int
WaktuID Int 4 Kode Waktu Copy DimWaktu WaktuID Int
SemesterID Int 4 Kode Semester Copy DimSemester SemesterID Int
MatakuliahID Int 4 Kode Matakuliah Copy DimMatakuliah MatakuliahID Int
JmlAbsensi Float 8 Jumlah Absen Create
Nama Database : BinusTI
Nama Table : FaktaAbsensiMahasiswa Deskripsi Table : Tabel Fakta absensi Mahasiswa
Data Source Name Data
Type
Size Description Process
Table Field Data
Type
DosenID Int 4 Kode Dosen Copy DimDosen DosenID Int
WaktuID Int 4 Kode Waktu Copy DimWaktu WaktuID Int
MatakuliahID Int 4 Kode Matakuliah
Copy DimMatakuliah MatakuliahID Int
KelasID Int 4 Kode Kelas Copy DimKelas KelasID Int
KelaminID Int 4 Kode Mahasiswa
Copy DimKelamin MahasiswaID Int
AngkatanID Int 4 Kode Angkatan Copy DimAngkatan AngkatanID Int
JmlAbsensi Float 8 Jumlah Absen Create Transaksi_absensi_mahasiswa, Transaksi_jadwal_absensi
Nama Database : BinusTI
Nama Table : FaktaIKADDosen Deskripsi Table : Tabel Fakta ikad dosen
Data Source Name Data
Type Size Description Process Table Field Data
Type
DosenID Int 4 Kode Mahasiswa Copy DimDosen DosenID Int
WaktuID Int 4 Kode Waktu Copy DimWaktu WaktuID Int
KelasID Int 4 Kode Kelas Copy DimKelas KelasID Int
MatakuliahID Int 4 Kode Matakuliah Copy DimMatakuliah MatakuliahID Int
IkadMtu Float 8 Ikad matakuliah Create
Nama Database : BinusTI Nama Table : FaktaIP Deskripsi Table : Tabel Fakta IP
Data Source Name Data
Type
Size Description Process
Table Field Data
Type
AngkatanID Int 4 Kode Angkatan Copy DimAngkatan AngkatanID Int
WaktuID Int 4 Kode Waktu Copy DimWaktu WaktuID Int
SemesterID Int 4 Kode Semester Copy DimSemester SemesterID Int
KelaminID Int 4 Kode Mahasiswa Copy DimKelamin KelaminID Int
AvgIPS Float 8 IPS rata-rata Create
AvgIPK Float 8 IPK rata-rata Create
Nama Database : BinusTI
Nama Table : FaktaJumlahLulusan
Deskripsi Table : Tabel Fakta Jumlah Lulusan
Data Source Name Data
Type
Size Description Process
Table Field Data
Type AngkatanWisudaID Int 4 Kode Angkatan
Wisuda
Copy DimAngkatanWisuda AngkatanWisudaID Int
WaktuID Int 4 Kode Waktu Copy DimWaktu WaktuID Int
KelaminID Int 4 Kode Kelamin Copy DimKelamin KelaminID Int
JmlLulusan Int 4 Jumlah Lulusan Create
JmlMhsBekerja Int 4 Jumlah Lulusan
yang telah bekerja
Nama Database : BinusTI Nama Table : FaktaNilaiMtk
Deskripsi Table : Tabel Fakta Jumlah Lulus dan nilai mahasiswa pada matakuliah tertentu Data Source Name Data
Type
Size Description Process
Table Field Data
Type
MataKuliahID Int 4 Kode
Matakuliah Copy DimMatakuliah MataKuliahID Int
AngkatanID Int 4 Kode
Angkatan Copy DimAngkatan AngkatanID Int
KelasID Int 4 Kode Kelas Copy DimKelas KelasID Int
JmlLulusanMtk Int 4 Jumlah Lulusan Matakuliah
Create
AvgNilai Float 8 Rata-rata nilai
matakuliah
Create
Nama Database : BinusTI Nama Table : FaktaJmlMhs
Deskripsi Table : Tabel Fakta Jumlah mahasiswa per angkatan
Data Source Name Data
Type Size Description Process Table Field Data
Type
AngkatanID Int 4 Kode
Angkatan
Copy DimAngkatan AngkatanID Int
KelasID Int 4 Kode Kelas Copy DimKelas KelasID Int
KelaminID Int 4 Kode
MataKuliahID Int 4 Kode Matakuliah
Copy DimMataKuliah MataKuliahID Int
JmlMhs Int 4 Jumlah
Mahasiswa
Create Nama Database : BinusTI
Nama Table : FaktaMhsPmt
Deskripsi Table : Tabel Fakta peminatan pilihan mahasiswa
Data Source Name Data
Type Size Description Process Table Field Data
Type
PeminatanID Int 4 Kode
Peminatan
Copy DimPeminatan PeminatanID Int
AngkatanID Int 4 Kode
Angkatan
Copy DimAngkatan AngkatanID Int
JmlMhsPmt Int 4 Jumlah
Peminatan yang dipilih mahasiswa
4.5 Analisa Kapasitas Media Penyimpanan
Untuk menentukan besarnya media penyimpanan. Maka diperlukan perhitungan dari besarnya data yang di input pada tabel-tabel dimensi dan fakta. Perhitungannya adalah sebagai berikut :
• Analisis media penyimpanan tabel DimKelamin
Banyaknya data dalam tabel DimKelamin, sesuai dengan metadata yaitu 5 bytes untuk 1 recordnya. Dimensi ini hanya ada 2 record dan tidak akan terjadi penambahan record.
2 X 5 = 10 bytes
• Analisis media penyimpanan tabel DimAngkatan
Banyaknya data dalam tabel DimAngkatan sesuai dengan metadata yaitu 8 bytes untuk 1 recordnya. Diasumsikan dalam setahun terjadi penambahan angkatan sebanyak 1, maka selama 5 tahun jumlah recordnya bertambah.
1 X 5 = 5 record
Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun : 5 X 8 = 40 Bytes
• Analisis media penyimpanan tabel DimAngkatanWisuda
Banyaknya data dalam tabel DimAngkatanWisuda, sesuai dengan metadata yaitu 9 bytes untuk 1 recordnya. Diasumsikan dalam setahun terjadi penambahan Angkatan Wisuda sebanyak 2, maka selama 5 tahun jumlah recordnya bertambah.
94 Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun :
10 X 9 = 90 Bytes
• Analisis media penyimpanan tabel DimDosen
Banyaknya data dalam tabel DimDosen, sesuai dengan metadata yaitu 59 bytes untuk 1 recordnya. Diasumsikan dalam setahun terjadi penambahan Dosen sebanyak 10, maka selama 5 tahun jumlah recordnya bertambah.
10 X 5 = 50 record
Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun : 50 X 59 = 2950 Bytes
• Analisis media penyimpanan tabel DimKelas
Banyaknya data dalam tabel DimKelas, sesuai dengan metadata yaitu 9 bytes untuk 1 recordnya. Pada awalnya sudah ditentukan maksimal terdapat 175 kelas pada jurusan Teknik Informatika sehingga data ini tidak mengalami pertumbuhan.
9 X175 = 1.575
• Analisis media penyimpanan tabel DimMataKuliah
Banyaknya data dalam tabel DimMatakuliah, sesuai dengan metadatanya yaitu 109 bytes untuk 1 recordnya. Pada awalnya teradapat 92 Matakuliah Teknik Informatika dan diasumsikan tidak terjadi penambahan matakuliah
• Analisis media penyimpanan tabel DimPeminatan
Banyaknya data dalam tabel DimPeminatan, sesuai dengan metadata yaitu 46 bytes untuk 1 recordnya. Pada awalnya terdapat 6 jenis peminatan dan diasumsikan tidak terjadi penambahan peminatan.
6 X 46 = 276 bytes
• Analisis media penyimpanan tabel DimSemester
Banyaknya data dalam tabel DimSemester, sesuai dengan metadata yaitu 8 bytes untuk 1 recordnya. Diasumsikan dalam setahun tidak terjadi penambahan dan diberi batasan semester yang mungkin dimiliki oleh mahasiswa sampai semester ke 14 maka kapasitas penyimpanannya
14 X 8 = 112 bytes
• Analisis media penyimpanan tabel DimWaktu
Banyaknya data dalam tabel DimWaktu, sesuai dengan metadata yaitu 12 bytes untuk 1 recordnya. Diasumsikan dalam setahun terjadi penambahan Tahun dan periode sebanyak 1, maka selama 5 tahun jumlah recordnya bertambah.
1 X 5 = 5 record
Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun : 5 X 12 = 60 Bytes
96 • Analisis media penyimpanan tabel FaktaAbsensiDosen
Banyaknya data dalam tabel DimFaktaAbsensiDosen, sesuai dengan metadata yaitu 24 bytes untuk 1 recordnya. Diasumsikan dalam setahun terjadi penambahan sebanyak 20000, maka selama 5 tahun jumlah recordnya bertambah.
20.000 X 5 = 100.000 record
Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun : 100.000 X 24 = 2.400.000 Bytes = 2.344 Kbytes
• Analisis media penyimpanan tabel FaktaAbsensiMahasiswa
Banyaknya data dalam tabel FaktaAbsensiMahasiswa, sesuai dengan metadata yaitu 32 bytes untuk 1 recordnya. Diasumsikan dalam setahun terjadi penambahan sebanyak 420.000, maka selama 5 tahun jumlah recordnya bertambah.
420.000 X 5 = 2.100.000 record
Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun : 2.100.000 X 32 = 67.200.000 Bytes = 65625 Kbytes
• Analisis media penyimpanan tabel FaktaIKADDosen
Banyaknya data dalam tabel FaktaAbsensiMahasiswa, sesuai dengan metadata yaitu 32 bytes untuk 1 recordnya. Diasumsikan dalam setahun terjadi penambahan sebanyak 2.700, maka selama 5 tahun jumlah recordnya bertambah.
2.700 X 5 = 13.500 record
Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun : 13.500 X 32 = 432.000 Bytes = 422 Kbytes
• Analisis media penyimpanan tabel FaktaIP
Banyaknya data dalam tabel FaktaIP, sesuai dengan metadata yaitu 32 bytes untuk 1 recordnya. Diasumsikan dalam 1 semester terjadi penambahan sebanyak 6.000 karena dalam setahun terdapat 2 semester sehingga dalam setahun terdapat 12.000 data baru, maka selama 5 tahun jumlah recordnya bertambah.
12.000 X 5 = 60.000 record
Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun : 60.000 X 32 = 1920000 Bytes = 1875 Kbytes
• Analisis media penyimpanan tabel FaktaJumlahLulusan
Banyaknya data dalam tabel FaktaJumlahLulusan, sesuai dengan metadata yaitu 12 bytes untuk 1 recordnya. Diasumsikan dalam setahun terjadi penambahan sebanyak 1.200, maka selama 5 tahun jumlah recordnya bertambah.
1.200 X 5 = 6.000 record
Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun : 6.000 X 12 = 72.000 Bytes = 70 Kbytes
• Analisis media penyimpanan tabel FaktaNilaiMtk
Banyaknya data dalam tabel FaktaNilaiMtk, sesuai dengan metadata yaitu 24 bytes untuk 1 recordnya. Diasumsikan dalam setahun terjadi penambahan sebanyak 5000, maka selama 5 tahun jumlah recordnya bertambah.
98 Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun :
25.000 X 24 = 600.000 Bytes = 586 Kbytes
• Analisis media penyimpanan tabel FaktaJmlMhs
Banyaknya data dalam tabel FaktaJmlMhs, sesuai dengan metadata yaitu 12 bytes untuk 1 recordnya. Diasumsikan dalam setahun terjadi penambahan sebanyak 1.500, maka selama 5 tahun jumlah recordnya bertambah.
1.500 X 5 = 7.500 record
Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun : 7.500 X 12 = 90.000 Bytes = 88 Kbytes
• Analisis media penyimpanan tabel FaktaMhsPmt
Banyaknya data dalam tabel FaktaMhsPmt, sesuai dengan metadata yaitu 12 bytes untuk 1 recordnya. Diasumsikan dalam setahun terjadi penambahan sebanyak 1.200, maka selama 5 tahun jumlah recordnya bertambah.
1.400 X 5 = 7.000 record
Jadi besar kapasitas media penyimpanan yang diperlukan selama 5 tahun : 7.000 X 12 = 84.000 Bytes = 82 Kbytes
Berikut adalah tabel gambaran kapasitas yang diperlukan pada tahun pertama :
Tabel Keterangan Besar
Record Record Jumlah Besar Table (Bytes)
DimKelamin Dimensi Kelamin 5 2 10
DimAngkatan Dimensi Angkatan 8 5 40
DimAngkatanWisuda Dimensi Angkatan Wisuda
9 10 18
DimDosen Dimensi Dosen 59 139 8201
DimKelas Dimensi Kelas 9 175 1575
DimMataKuliah Dimensi Matakuliah 109 92 10028
DimPeminatan Dimensi Peminatan 46 5 230
DimSemester Dimensi Semester 8 14 112
DimWaktu Dimensi Waktu 12 10 120
FaktaAbsensiDosen Fakta Absensi Dosen 24 1250 30000 FaktaAbsensiMahasiswa Fakta Absensi
Mahasiswa
32 431500 13808000
FaktaIKADDosen Fakta IKAD Dosen 32 2700 86400
FaktaIP Fakta IP 32 12000 384000
FaktaJumlahLulusan Fakta Jumlah Lulusan 12 4125 49500 FaktaNilaiMtk Fakta Nilai Matakuliah 24 5000 120000
FaktaJmlMhs Fakta Jumlah
Mahasiswa
12 7000 84000
FaktaMhsPmt Fakta Mahasiswa
Peminatan
12 7000 84000
100 4.6 Analisa Pertumbuhan Data
Berikut adalah tabel pertumbuhan data :
Pertumbuhan data per tahun Tabel Besar Record Jumlah Record Besar Table
(Bytes) Jumlah Record
Besar Table (Bytes) % DimKelamin 5 2 10 0 0 0 DimAngkatan 8 5 40 1 8 20 DimAngkatanWisuda 8 10 18 1 8 44.44 DimDosen 59 139 8201 10 590 7.19 DimKelas 9 175 1575 0 0 0 DimMataKuliah 109 92 10028 0 0 0 DimPeminatan 46 5 230 0 0 0 DimSemester 8 14 112 0 0 0 DimWaktu 12 10 120 2 24 20 FaktaAbsensiDosen 24 1250 30000 250 6000 20 FaktaAbsensiMahasiswa 32 431500 13808000 86300 2761600 20 FaktaIKADDosen 32 2700 86400 540 17280 20 FaktaIP 32 12000 384000 2400 76800 20 FaktaJumlahLulusan 12 4125 49500 825 9900 20 FaktaNilaiMtk 24 5000 120000 1000 24000 20 FaktaJmlMhs 12 7000 84000 1400 16800 20 FaktaMhsPmt 12 7000 84000 1400 16800 20
Tabel 4.4 Tabel pertumbuhan data setiap tahunnya
4.7 Perancangan Aplikasi
Berikut ini adalah perancangan aplikasi data warehouse pada Jurusan Teknik Informatika, Universitas Bina Nusantara.
4.7.1 Perancangan Menu
Terdapat dua jenis menu, yaitu : 1. Menu dropdown
Menu ini terletak di bagian paling atas. Berikut ini rancangan menu menu dropdown tersebut.
File Tools About Print
Export Exit
Transform Data User Accounts
Gambar 4.12 Rancangan Menu Dropdown 2. Menu navigasi
Menu navigasi terdapat pada bagian kiri dari form. Menu ini dikelompokkan dalam beberapa kategori. Berikut ini daftar menu dan kategorinya.
Mahasiswa Absensi Indeks Prestasi Kelulusan Peminatan Statistik Dosen Absensi IKAD Mata Kuliah Nilai Statistik
102 4.7.2 Perancangan Layar
1. Halaman Login
Pada saat aplikasi dijalankan, akan muncul form untuk melakukan koneksi ke datawarehouse terlebih dahulu. Form ini membutuhkan informasi mengenai lokasi server Data warehouse, nama Database, Username dan Password. Selain itu terdapat dua buah tombol yang berguna untuk melakukan proses koneksi atau keluar dari aplikasi.
Gambar 4.14 Rancangan Layar Login
Apabila terjadi kesalahan pada saat proses koneksi ke server akan ditampilkan pesan kesalahan dan keterangan jenis kesalahan yang terjadi. Setelah itu user dapat mencoba melakukan koneksi lagi.
Gambar 4.15 Rancangan Pesan Kesalahan Login Server : Database : Username : Password : Exit Connect Gambar OK Pesan Kesalahan
2. Halaman Utama (Main Form)
Setelah proses koneksi berhasil dilakukan, layar akan berpindah ke form halaman utama. Pada form inilah terdapat berbagai macam menu dapat dipilih.
Gambar 4.16 Layar Utama
3. Layar Transform Data
Melalui layar ini, user dapat mengeksekusi DTS Package yang tersedia. DTS Package ini terhubung dengan DTS Package yang tersimpan di SQL Server. Keterangan mengenai status eksekusi akan ditampilkan dalam kotak teks boks. Untuk memantau proses eksekusi, user dapat melihatnya melalui progress bar. [halaman isi]
Menu Navigasi
Judul Program
Menu DropdownStatus Bar
Judul Nav Menu 1 Menu Link 1 Menu Link 2
104
Gambar 4.17 DTS Package execution menu
4.7.3 Perancangan Output
Berikut adalah perancangan output / hasil pengolahan data dari aplikasi data warehouse. Pada layar ini terdapat dua macam output yang dipisahkan dalam tab, yaitu Chart / grafik dan Tabel Pivot yang berisi data-data dalam tabel.
Check List Box DTS Package
Button Execute Package Text Box Hasil Execute
Progress Bar
Gambar 4.18 Perancangan Layar Output
4.8 Rencana Implementasi
Dalam melakukan perancangan data warehouse untuk layer akademik pada jurusan Teknik Informatika Universitas Bina Nusantara, diperlukan menggunakan komponen-komponen perangkat keras dan perangkat lunak yang dapat mendukung implementasi aplikasi.
Setelah menentukan kebutuhkan – kebutuhan yang diperlukan guna meng-implementasi-kan aplikasi yang telah dibuat, maka telah disusun jadwal rencana implementasi aplikasi, seperti pada tabel berikut ini :
Menu Navigasi
Judul Program
Menu DropdownStatus Bar
Judul Nav Menu 1 Menu Link 1 Menu Link 2
Diagram / Tabel Pivot
Chart Tabel Pivot
Kriteria / Filter Data / Kondisi
106 Hari ke-
No. Rencana Kegiatan
1 2 3 4 5 6 7 8 1 Persiapan Software dan hardware X X
2 Instalasi Hardware X
3 Instalasi Software X
4 Uji coba sistem X X
5 Pelatihan sistem X X
6 Evaluasi user X
Tabel 4 .5 Tabel rencana implementasi aplikasi
4.8.1 Dukungan Perangkat Keras
Perangkat keras atau hardware adalah komponen yang secara fisik digunakan untuk mendukung aplikasi data warehouse. Perangkat keras yang mendukung implementasi aplikasi adalah sebuah server, yang dapat digunakan untuk melayani query dari proses data warehouse dan diharapkan server tersebut dapat memberikan respon yang cepat dalam pemrosesan data dan beberapa client yang dapat digunakan untuk melakukan pencarian data dan informasi yang dibutuhkan dalam data warehouse.
Spesifikasi yang dianjurkan adalah : • Untuk server :
Prosesor Pentium III 700 MHz Memori 256 MB RAM
Harddisk 20 GB Jaringan LAN
• Untuk Client :
Prosesor Pentium III 450 MHz Memori 128 MB RAM
Harddisk 10 GB Jaringan LAN
4.8.2 Dukungan Perangkat Lunak
Perangkat lunak yang akan digunakan dalam mendukung pembuatan aplikasi data warehouse ini adalah Visual Basic .NET sebagai front-end tool yang dapat menghubungkan pengguna dengan data warehouse yang dirancang. Sedangkan perangkat lunak yang digunakan untuk mendukung proses pengumpulan sumber data dan proses transformasi data adalah SQLServer 2000.
Spesifikasi yang dianjurkan adalah : • Untuk server :
Sistem operasi : Windows 2000/Windows 2003/Windows XP Professional Database Server : SQL Server 2000
• Untuk client :
Sistem operasi : Windows XP Home / Professional Microsoft .NET Framework 2.0
Aplikasi ini dibuat dengan Microsoft Visual Studio .NET 2005 dengan menggunakan komponen tambahan yaitu :
- DevExpress Winforms Collection sebagai pendukung User Interface dan Pivot Table
108 - Dundas Chart OLAP for Visual Studio .NET 2005 sebagai pendukung
pembuatan chart
4.9 Petunjuk penggunaan aplikasi
Agar memudahkan pengguna di dalam menjalankan aplikasi maka diperlukan petunjuk penggunaan aplikasi seperti berikut ini :
Gambar 4.19 Tampilan Login
Pada saat pertama kali program dijalankan maka tampilan pertama yang muncul ialah menu login seperti pada gambar 4.17. Pada menu tersebut user diminta untuk memasukan nama database, server, username dan password untuk dapat masuk ke menu utama. Apabila kita salah memasukan data pada koneksi server ini, maka kita tidak dapat terkoneksi dengan data warehouse dan tidak dapat menjalankan aplikasi.
Gambar 4.20 Tampilan Gagal Koneksi Server
Bila koneksi ke database atau server gagal maka akan muncul tampilan seperti pada gambar 4.18, Untuk itu pengguna perlu memperbaiki nama database dan server nya.
Gambar 4.21Tampilan Gagal Koneksi Database
Bila pengguna salah memasukkan username dan password maka akan muncul tampilan seperti pada gambar 4.19. Pengguna tidak akan dapat masuk ke menu utama jika memasukkan username dan password yang tidak sesuai.
110
Gambar 4.22 Tampilan Menu Utama
Diatas adalah tampilan dari layar utama yang menjadi dasar atau default dari aplikasi ini pada saat login dan belum menjalankan fungsi-fungsi tertentu. Dari layar ini kemudian dipilih fungsi-fungsi yang akan ditampilkan. Pemilihan tersebut melalui menu navigasi yang ada di sebelah kiri.Pada menu utama terdapat menu bar dan menu navigasi seperti yang terdapat pada gambar 4.20
Pada menu bar terdapat menu File, Tools, dan About. Menu File berisi Export, Print, dan Exit seperti terlihat pada gambar 4.21. Dalam Menu ini fungsi Export untuk mengeksport data ke file lain ( MS. Excel ). Sedangkan Print digunakan untuk mencetak . Dan Exit untuk keluar dari program.
Gambar 4.24 Tampilan Menu Bar-Tools
Diatas adalah tampilan menu Tools dari aplikasi data warehouse. Dalam menu ini terdapat fungsi untuk transform data yaitu ekstraksi dari data mentah menjadi data olahan yang siap dipakai oleh data warehouse.
112
Gambar 4.25 Tampilan Menu Bar – Transform
Menu diatas muncul setelah kita masuk ke Tools kemudian memilih Transform Data. Pada menu ini terdapat ekstraksi data dari database Transaksi ke database Data warehouse. Pada menu ini dapat dilih data yang mana akan di ekstrak. Data di Tabel Dimensi ataupun di Tabel Fakta nya. Kemudian dengan menekan Execute DTS Package, proses segera dimulai dan dapat dilihat di progress bar yang ada di bagian bawah.
Gambar 4.26 Tampilan Menu Navigasi
Menu navigasi ini terletak di sebelah kiri di dalam aplikasi. Menu ini digunakan untuk pernavigasian dari fitur yang satu ke fitur yang lain. Navigasi ini dibagi menjadi 3 kategori besar yaitu Mahasiswa, Dosen, dan Matakuliah. Di dalam kategori Mahasiswa terdapat fungsi untuk melihat Absensi, Indeks Prestasi, Kelulusan wisuda, Peminatan, dan Statistik ( Jumlah Mahasiswa ). Di dalam kategori Dosen terdapat fungsi Absensi Dosen dan IKAD Dosen. Sedangkan di dalam kategori matakuliah terdapat fungsi Nilai dan Statistik jumlah mahasiswa yang mengikuti matakuliah. Setelah memilih salah satu fungsi, maka akan ditampilkan layar utama fungsi tersebut, seperti layar fungsi indeks prestasi yang ada di bawah ini.
114
Gambar 4.27 Tampilan Pivot
Setelah pengguna mengisi Filter yang diinginkan serta menekan tombol update, maka data akan ditampilkan sesuai dengan filter. Pada pivot ini pengguna dapat memodifikasi sudut pandang data ( dengan cara melakukan drag-drop sudut pandang data yang ada pada bagian atas pivot. Dengan adanya fungsi tersebut memudahkan pengguna di dalam menganalisis data.
Kemudian dengan mengisi Condition style dan menekan tombol update, maka data yang memenuhi condition style akan di beri warna yang berbeda seperti gambar di bawah ini
Gambar 4.28 Tampilan data pivot setelah dipasang condition style
Kemudian kita dapat melihat bentuk grafik dari tabel pivot di atas dengan berpindah ke tab Chart IPK atau Chart IPS dan akan menampilkan grafik seperti di bawah ini. Pada mode grafik ini kita juga masih dapat memfilter data-data yang ingin ditampilkan. Pada setiap semesternya akan dipisahkan datanya menurut jenis kelamin juga
116
Gambar 4.29 Tampilan Chart
4.10 Hasil Evaluasi
Setelah perancangan dan implementasi data warehouse pada Jurusan Teknik Informatika Universitas Bina Nusantara dilaksanakan, diperoleh hasil evaluasi yang diperoleh dari wawancara dengan pihak jurusan yaitu dari segi penampilan prototipe aplikasi yang telah dibuat, keseragaman terlihat jelas dari tampilan header dan juga main menu yang terletak di sebelah kiri yang selalu sama. Mudah digunakan karena terdapat petunjuk yang cukup jelas serta terdapat pesan kesalahan yang mudah dipahami apabila terjadi kesalahan dalam mengoperasikan. Pada prototipe aplikasi ini terdapat akses cepat atau biasa disebut shortcut sehingga user lebih mudah untuk mengakses fungsi tertentu.
Selain itu terdapat control yang interaktif yaitu drag and drop sehingga memudahkan user untuk mengamati fungsi bisnis dari berbagai sudut pandang.
Dari segi sistem yang diterapkan, data warehouse yang dirancang mendukung pengambilan keputusan karena menampilkan informasi-informasi yang dibutuhkan oleh Ketua Jurusan Teknik Informatika. Data-data juga menjadi lebih mudah dianalisa karena dapat ditampilkan dalam bentuk grafik Dengan sistem yang baru ini laporan-laporan dapat dengan mudah dibuat, dicetak dan ditampilkan dalam Microsoft Excel.
Adapun analisis perubahan sistem sebelumnya dengan sistem yang baru adalah sebagai berikut :
No SEBELUM SESUDAH
1. Tidak tersedianya informasi yang dibutuhkan oleh pihak Jurusan Teknik Informatika
Informasi yang disajikan sesuai dengan kebutuhan Jurusan Teknik Informatika
2. Pihak Jurusan Teknik Informatika mengalami kesulitan dalam menganalisa data karena menganalisanya dari data transaksi
Dengan adanya Datawarehouse memudahkan pihak Jurusan Teknik Informatika untuk menganalisa data, karena data dapat disajikan dalam berbagai kategori maupun bentuk grafik
3. Pihak Jurusan Membutuhkan waktu yang lebih lama dalam memperoleh data, karena data yang ada bersumber dari berbagai sumber
Datawarehouse dapat
mengintegrasikan data sehingga, waktu yang diperlukan relatif lebih singkat untuk menganalisanya
118 4. Pencetakan laporan hanya bisa mencetak
dalam bentuk record
Prototype aplikasi ini dilengkapi dengan pencetakan laporan dalam jenis tabel maupun grafik
5. Penyimpanan file dalam extension tertentu saja
Datawarehouse ini mempunyai fitur untuk meng-export file ke beberapa jenis extension file