Rani Shesasiwi Herlanda ( )

(1)

IMPLEMENTASI APLIKASI DATA WAREHOUSE DAN SISTEM

PENDUKUNG KEPUTUSAN PADA PROYEK KONSTRUKSI

JALAN BERBASIS KINERJA

Rani Shesasiwi Herlanda (5109100030)

Pembimbing I : Diana Purwitasari, S.Kom., M.Sc

Pembimbing II : Wijayanti Nurul Khotimah, S.Kom,

M.Sc

(2)

LATAR BELAKANG

(3)

LATAR BELAKANG

Perusahaan BUMN yang

bergerak dalam bidang jasa

konstruksi di Indonesia

Memperoleh kontrak

peningkatan dan

pemeliharaan jalan

Demak -Trengguli dengan

sistem Kontrak Berbasis

Kinerja (KBK).

(4)

Lokasi Proyek KBK Demak Trengguli

KABUPATEN SEMARANG KOTA KENDAL KABUPATEN DEMAK KOTA DEMAK KABUPATEN GROBOGAN KABUPATEN BOYOLALI Bawen Ke MAGELANG Ungaran / Pemalang Kec. Kaliwungu Karangjati Jatingaleh Gayamsari Mangkang Cangkringan Sayung Kaligondang Wonosalem Trengguli Kaliwungu NO. RUAS : 009 / KM. 48+400 SMG.

REFF. : JMB. KALI KUTA / BTS. KAB. NAMA RUAS : KENDAL - WALERI Bts. JALAN NASIONAL DI Wil. METROPOLITAN

NO. RUAS : 019 / KM. 35+500 SMG.

REFF. : Pnt. AIR (+ 45 m) / BTS. KEC. NAMA RUAS : TRENGGULI - JATI

-Bts. JALAN NASIONAL DI Wil. METROPOLITAN

NAMA RUAS : SALATIGA - BOYOLALI NO. RUAS : 052 / KM. 59 + 400 SMG. Bts. JALAN NASIONAL DI Wil. METROPOLITAN

REFF. : GAPURA / BTS. KAB.

KOORD. GPS. : 110°,02',57' BT. ; 06°,58',13' LS . KOORD. GPS. : 110°,31',52' BT. ; 07°,25',57' LS . KOORD. GPS. : 110°,43',27' BT. ; 06°,52',19' LS . WELERI Brangsong Tugurejo Banyumanik Kec. Ambarawa Ke Salatiga SALATIGA Kec. Tengaran Ketapang - kebonharjo KOTA SEMARANG BANDARA A. YANI KABUPATEN KENDAL KAB. SRAGEN KAB. KUDUS KAB. JEPARA Brangseng Ngampel Kec. Rowosari Singorojo Ke Batang Ke BOYOLALI Ke Kudus

3

(5)

Pembagian Segmen Jalan

A

B

(6)



LATAR BELAKANG

Kontraktor

Pelaksanaan

_Pemeliharaan

Perancangan

Konsultan

Perancangan

Pelaksanaan

Pemeliharaan

Kontraktor

5

(7)

Tantangan pada Proyek KBK



Lingkup proyek lebih besar dan lebih sulit.



Pembayaran didasarkan atas hasil kinerja.



Keberhasilan paket KBK sangat tergantung oleh

kualitas dan profesionalisme penyedia jasa.

(8)



Kontraktor dapat menganalisis data proyek KBK.



Kontraktor dapat menghasilkan report yang

terintegrasi.



Kontraktor dapat mengakses semua informasi

pada proyek KBK.

Kebutuhan Kontraktor dalam Proyek KBK

(9)

KONDISI DATA

Ukuran Data Besar

Satu kali proses inspeksi jalan

menghasilkan 155 row

Data Terpisah-pisah

Departemen Inspeksi Jalan Departemen Pengembalian KondisiJalan Departemen Monitoring Kepadatan Jalan

8

(10)

MENGAPA MENGGUNAKAN DATA WAREHOUSE ?

9 

Menggabung data yang berasal dari source

yang terpisah-pisah menjadi 1 database



Menghasilkan informasi data yang

berorientasi subjek



Menghasilkan analisa dari banyak data

yang dimasukkan

.

(11)

TUJUAN

(12)



Mendesain dan mengimplementasikan

model

data warehouse

.



Membangun aplikasi yang dapat

menampilkan analisis data yang mudah

digunakan dan dipahami oleh pengguna.



Membangun aplikasi yang dapat membuat

model atau

rule

agar dapat digunakan

untuk Sistem Pendukung Keputusan (SPK).

TUJUAN

(13)

METODOLOGI

(14)

METODOLOGI

13

Studi Kelayakan Penentuan Kebutuhan

Fungsional dan Non Fungsional

Profilling Data

Merancang Arsitektur Sistem Data

Warehouse

Membuat Bus Matrix Membuat Model

Dimensi

Proses Source Mapping Membangun Physical

Design Merancang NDS Membangun ETL Membangun Bussines Intelegence Membangun Dashboard Membangun Report

(15)

Area Bisnis



Perancangan Proyek

Demak -Trengguli

Pelaksanaan Proyek

Demak -Trengguli

Pemeliharaan Proyek

Demak -Trengguli

14

(16)



Inspeksi Jalan



Pengembalian Kondisi Jalan



Monitoring kepadatan Jalan

15

(17)

Arsitektur Sistem Data Warehouse

17

(18)

Proses Bisnis Inspeksi Jalan

Model Dimensi

18

(19)

Proses Bisnis Pengembalian Kondisi Jalan

19 Model Dimensi

(20)

Proses Bisnis Monitoring Kepadatan Jalan

20 Model Dimensi

(21)

21 Model NDS

(22)

IMPLEMENTASI

(23)

PROSES ETL NDS

Inspeksi Badan Jalan

23

Kondisi Memenuhi

SUBSTRING(lubang,1,1) == "M" && SUBSTRING(tambalan,1,1) == "M" && SUBSTRING(retakan,1,1) == "M" && SUBSTRING(amblas,1,1) == "M" && SUBSTRING(plps_butir,1,1) == "M" && SUBSTRING(joint_seal,1,1) == "M" && SUBSTRING(kebersihan,1,1) == "M"

Kondisi Tidak Memenuhi

SUBSTRING(lubang,1,2) == "TM" || SUBSTRING(tambalan,1,2) == "TM" || SUBSTRING(retakan,1,2) == "TM" || SUBSTRING(amblas,1,2) == "TM" || SUBSTRING(plps_butir,1,2) == "TM" || SUBSTRING(joint_seal,1,2) == "TM" || SUBSTRING(kebersihan,1,2) == "TM"

Kondisi Tidak Memenuhi

ISNULL(tipe_inspeksi) ? "badan jalan" : tipe_inspeksi ISNULL(status) ? "TM" : status Kondisi Memenuhi ISNULL(tipe_inspeksi) ? "badan jalan" : tipe_inspeksi ISNULL(status) ? "M" : status "

(24)

PROSES ETL DDS

Fact Pengembalian Kondisi Jalan

(25)



Report Inspeksi Badan Jalan

REPORT DDS

(26)



Report Kerusakan Badan Jalan

REPORT DDS

(27)



Diagram Kerusakan Badan Jalan

REPORT DDS

(28)



Report Pengembalian Kondisi Jalan

REPORT MDS

(29)

Association Rule Kerusakan Badan Jalan

(30)

Association Rule Kerusakan Badan Jalan

(31)

Naive Bayes

(32)

Dashboard

(33)

UJI COBA

(34)

Skenario Keintegrasian Data

Report Kerusakan Badan Jalan

(35)

Skenario Keintegrasian Data

Diagram Kerusakan Badan Jalan

(36)

Data jumlah kerusakan badan jalan setiap bulan dan setiap harinya

sudah terintegrasi.

Data jumlah kerusakan pada report dan diagram sudah terintegrasi.

Kesimpulan Uji Coba Keintegrasian Data

(37)

Skenario Tampilan Dependency Network pada

Association Rule

(38)

Kesimpulan Uji Coba Tampilan Dependency

Network pada Association Rule

(39)

Skenario Tampilan Dependency Network pada

Naive Bayes

(40)

“

Range

jumlah kerusakan badan jalan“ bergantung pada “

Range

jumlah

kerusakan bahu jalan” dan “Jumlah

overweight

” dengan nilai

dependency

sangat tinggi yaitu 100%.

Kesimpulan Uji Coba Tampilan Dependency

Network pada Naive Bayes

(41)

KESIMPULAN

(42)



Implementasi aplikasi

data warehouse

pada Tugas Akhir ini

dapat menghasilkan model atau

rule

yang berguna dalam

Sistem Pengambilan Keputusan.



Pada sistem data warehouse langkah paling penting adalah

pembuatan model dimensi.



Aplikasi web pada Tugas Akhir ini dapat menampilkan

report

yang dibutuhkan oleh pengguna.

KESIMPULAN

(43)



Semakin besar nilai

support

dan

importance

pada

association rule,

maka

rule

tersebut semakin kuat. Analisis yang dihasilkan adalah

jumlah kerusakan badan jalan dipengaruhi oleh jumlah kerusakan

bahu jalan, jumlah kerusakan drainase, dan jumlah overweight yang

terjadi pada jalan.



Semakin besar nilai

probability

pada

naive bayes,

maka semakin

kuat nilai ketergantungan antara atribut yang terhubung. Analisis

yang dihasilkan adalah jumlah kerusakan badan jalan bergantung

pada jumlah kerusakan bahu jalan dan jumlah overweight yang

terjadi pada jalan.

(44)

SEKIAN

(45)

DAFTAR PUSTAKA

[1] T. Rujirayanyong, "A project-oriented data warehouse for construction," Elsevier, vol. 15, no. Automation in Construction , pp. 800–807, November 2005.

[2] Y. Cao, M. Anson, J.P. Zhang K.W. Chau, "Application of data warehouse and Decision Support System," Elsevier, vol. 2, no. Automation in Construction, pp. 213–224, August 2002.

[3] V. Rainady, "Building a Data Warehouse With Examples in SQL Server," in Building a Data Warehouse With Examples in SQL Server. New York, Inc: Springer-Verlag, pp. 5-71, 2008.

[4] S., Dayal Chaudhuri, "An Overview of Data Warehousing and OLAP Technology," SIGMOD, vol. 26, pp. 65-74, March 1997.

[5] J.Smith, B. Alex, "Data Warehousing, Data Mining, and OLAP," in Data Warehousing, Data

Mining, and OLAP, I ed. United States of America: The Mc Graw-Hill Companies Inc, pp. 112-20, 1997.

[6] Microsoft. (2013, February) msdn. [Online].

http://msdn.microsoft.com/enus/library/ms173767(v=sql.105).aspx

[7] PT ADHIKARYA, Dokumen Pelelangan KBK Pekerjaan Konstruksi Kontrak LUMP SUM, November 26, 2010.

(46)

[8] PT. ADHIKARYA, Informasi Singkat Peningkatan Jalan Demak - Trengguli Kontrak Berbasis Kinerja, November 9, 2012.

[9] M. Hasanbasri. (2013, March) Manajemen Operasi. [Online]. http://manajemenoperasional.com/ [10] M. Syafrizal. (2013, April) Academia.edu. [Online]. http://academia.edu/

[11] P. Ketut I , "PENERAPAN ASSOCIATION RULE MINING PADA DATA NOMOR UNIK PENDIDIK DAN TENAGA KEPENDIDIKAN UNTUK MENEMUKAN POLA SERTIFIKASI GURU," Digilib ITS, vol. I, pp. 3-8, 2007.

[12] M. Mihic, I. Kursan, "Business Intelligence: The Role of The Internet in Marketing Research,“ Management Journal, vol. XV, pp. 69-86, 2010.

[13] B. Nadia, "Business Intelligence and E-Discovery," Intellectual Property & Technology Law Journal, vol. XXII, 2010.

[14] Z. H. Laksmiwati, "Evaluasi Teknik Optimalisasi Proses ETL dan Skema Data

Warehouseuntuk Mendukung Tactical Business Intelligence," Jurnal Sarjana Institut Teknologi Bandung Bidang Teknik Elektro dan Informatika, vol. I, no. 3, p. 2, 2012.

DAFTAR PUSTAKA

(47)

[15] T. Y. Wah, "Evaluating a Data Warehouse for Lymphoma Diagnosis and Treatment

Decision Support System," Evaluating a Data Warehouse for Lymphoma Diagnosis and Treatment Decision Support System, vol. IV, no. Modelling Symposium on Computer Modelling and Simulation, pp. 1-6, 2009.

[16] F. T. Abidin. (2013, March) Informatika Unsyiah. [Online]. http://www.informatika.unsyiah.ac.id/

[17] W. Thornthwaite, R. Kimball, J. Mundy, The Microsoft Data Warehouse Toolkit, 1st ed., Beth, Mary Wakefield, Ed. Canada, Indiana: Wiley Publishing, Inc, 2006.

[18] Microsoft. (2013, April) Msdn. [Online]. http://msdn.microsoft.com/en

us/library/ms174916.aspx

[19] Microsoft. (2013, April) Msdn. [Online]. http://msdn.microsoft.com/en

us/library/ms174806.aspx

[20] P. Melina, "Perancangan Sistem Informasi Perbankan di PT. Bank Pembangunan Kalteng Palangkaraya Menggunakan Skema Galaxy," Jurnal Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana, vol. I, p. 2, 2011