BAB 4 RANCANGAN DATA WAREHOUSE YANG DIUSULKAN

(1)

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.

(2)

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.

(3)

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

(4)

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.

(5)

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

(6)

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

(7)

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

(8)

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

(9)

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

(10)

• 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.

(11)

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.

(12)

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.

(13)

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.

(14)

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.

(15)

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.

(16)

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.

(17)

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

(18)

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

AngkatanID Int 4 Kode Angkatan Autonumber

(19)

Nama Database : BinusTI

Nama Table : DimAngkatanWisuda

Deskripsi Table : Tabel dimensi angkatan wisuda

Data Source Name Data

Type

Size Description Process

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

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

KelasID Int 4 Kode kelas Autonumber

(20)

Nama Table : DimMataKuliah

Deskripsi Table : Tabel dimensi matakuliah

Data Source

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

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

SemesterID Int 4 Kode Semester Autonumber

(21)

Nama Database : BinusTI Nama Table : DimWaktu

Deskripsi Table : Tabel dimensi waktu

Data Source

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 Table : FaktaAbsensiDosen Deskripsi Table : Tabel Fakta absensi dosen

Data Source

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 Table : FaktaAbsensiMahasiswa Deskripsi Table : Tabel Fakta absensi Mahasiswa

Type

Table Field Data

Type

DosenID Int 4 Kode Dosen Copy DimDosen DosenID Int

(22)

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 Table : FaktaIKADDosen Deskripsi Table : Tabel Fakta ikad dosen

Type Size Description Process Table Field Data

Type

DosenID Int 4 Kode Mahasiswa Copy DimDosen DosenID Int

MatakuliahID Int 4 Kode Matakuliah Copy DimMatakuliah MatakuliahID Int

IkadMtu Float 8 Ikad matakuliah Create

(23)

Nama Database : BinusTI Nama Table : FaktaIP Deskripsi Table : Tabel Fakta IP

Type

Table Field Data

Type

AngkatanID Int 4 Kode Angkatan Copy DimAngkatan AngkatanID 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 Table : FaktaJumlahLulusan

Deskripsi Table : Tabel Fakta Jumlah Lulusan

Type

Table Field Data

Type AngkatanWisudaID Int 4 Kode Angkatan

Wisuda

Copy DimAngkatanWisuda AngkatanWisudaID Int

KelaminID Int 4 Kode Kelamin Copy DimKelamin KelaminID Int

JmlLulusan Int 4 Jumlah Lulusan Create

JmlMhsBekerja Int 4 Jumlah Lulusan

yang telah bekerja

(24)

Nama Database : BinusTI Nama Table : FaktaNilaiMtk

Deskripsi Table : Tabel Fakta Jumlah Lulus dan nilai mahasiswa pada matakuliah tertentu Data Source Name Data

Type

Table Field Data

Type

MataKuliahID Int 4 Kode

Matakuliah Copy DimMatakuliah MataKuliahID Int

AngkatanID Int 4 Kode

Angkatan Copy DimAngkatan AngkatanID 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

Type

Angkatan

Copy DimAngkatan AngkatanID Int

KelaminID Int 4 Kode

(25)

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

Type

PeminatanID Int 4 Kode

Peminatan

Copy DimPeminatan PeminatanID Int

Angkatan

Copy DimAngkatan AngkatanID Int

JmlMhsPmt Int 4 Jumlah

Peminatan yang dipilih mahasiswa

(26)

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.

(27)

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

• 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

(28)

• 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

(29)

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

(30)

• 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

• 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.

(31)

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

• 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

(32)

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

(33)

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.

(34)

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

(35)

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

(36)

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 Dropdown

Status Bar

Judul Nav Menu 1 Menu Link 1 Menu Link 2

(37)

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

(38)

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 Dropdown

Status Bar

Judul Nav Menu 1 Menu Link 1 Menu Link 2

Diagram / Tabel Pivot

Chart Tabel Pivot

Kriteria / Filter Data / Kondisi

(39)

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

(40)

• 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

(41)

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.

(42)

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.

(43)

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

(44)

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.

(45)

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.

(46)

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.

(47)

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

(48)

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

(49)

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.

(50)

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

(51)

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