BAB 4 RANCANGAN S IS TEM YANG D IUS ULKAN. kami mengusulkan sebuah data warehouse terpusat. Data warehouse tersebut

(1)

BAB 4

RANCANGAN S IS TEM YANG D IUS ULKAN

4.11 Arsitektur data warehouse

Untuk perancangan data warehouse pada Software Laboratory Center, kami mengusulkan sebuah data warehouse terpusat. Data warehouse tersebut akan mempunyai database tersendiri yang terpisah dari database operasional karena memiliki fungsi yang berbeda.

Ada beberapa alasan yang menjadi dasar penggunaan data warehouse terpusat, yaitu:

1. Data yang terdapat dalam data warehouse merupakan hasil integrasi dari berbagai sumber yang berbeda menjadi satu sumber informasi yang terpercaya dan dapat diakses oleh semua user.

2. M engurangi redundansi data karena data dikelola dalam satu tempat penyimpanan terpusat.

3. M empermudah proses pemantauan dan pemeliharaan data warehouse karena semua data-nya dikumpulkan dalam sebuah tempat penyimpanan khusus.

Berikut ini adalah gambar arsitektur data warehouse dengan pendekatan data warehouse terpusat yang diusulkan pada Software Laboratory Center.

(2)

Gambar 4.1 Gambar Arsitektur data warehouse Terpusat pada Software Laboratory Center

4.12 Perancangan Data warehouse

Dalam membangun sebuah data warehouse yang baik berdasarkan Kimball ada 9 tahapan metodologi (nine-step methodology), yaitu:

4.12.1 Memilih proses

Pada tahap ini dilakukan penentuan subjek dari permasalahan yang sedang dihadapi. Berdasarkan hasil analisis ditemukan beberapa proses penting dalam kegiatan operasional Software Laboratory Center, yaitu:

(3)

M erupakan proses perekrutan karyawan baru Software Laboratory Center yang dilakukan setiap semester.

• Pemantauan kinerja karyawan Software Laboratory Center. • Transaksi praktikum.

4.12.2 Memilih grain

M emilih grain berarti memutuskan secara tepat apa yang digambarkan oleh record dalam tabel fakta. Setelah menentukan grain tabel fakta, dimensi untuk setiap tabel fakta dapat diidentifikasi. Grain dalam perancangan data warehouse ini meliputi:

• Laporan Praktikum yang terdiri dari: o Laporan Nilai M ahasiswa o Laporan Absensi

o Laporan Kelulusan

o Laporan Utilisasi Ruang Praktikum • Laporan Karyawan yang terdiri dari:

o Laporan IKAA o Laporan Koreksi

o Laporan Pembuatan Soal o Laporan Perubahan Nilai • Laporan Trainee yang meliputi:

o Laporan Kehadiran Trainee o Laporan Nilai Trainee

(4)

4.12.3 Identifikasi dan membuat dimensi yang sesuai

Dalam tahapan ini yang dilakukan adalah identifikasi dimensi dengan detail yang secukupnya untuk mendeskripsikan sesuatu. Berikut adalah hubungan dimensi dengan grain dari fakta dalam bentuk matriks:

(5)

(6)

b. Laporan Absensi

Tabel 4.2 Tabel Grain VS Dimensi Pada Laporan Absensi Grain

Dimensi

Persentase Kehadiran Persentase Absen

Waktu X X

Angkatan X X

MataKuliah X X

Kelas X X

c. Laporan Kelulusan

Tabel 4.3 Tabel Grain VS Dimensi Pada Laporan Kelulusan Grain Dimensi JumlahKelas Waktu X Angkatan X MataKuliah X Group X

d. Laporan Utilisasi RuangPraktikum

Tabel 4.4 Tabel Grain VS Dimensi Pada Laporan Utilisasi RuangPraktikum Grain Dimensi Persentase Utilisasi Waktu X Ruangan X Shift X

(7)

(8)

f. Laporan Koreksi

Tabel 4.6 Tabel Grain VS Dimensi Pada Laporan Koreksi Grain

Dimensi

TM Proyek UTP UAP JumlahHariTe lat Persentase Kete patanWaktu

Waktu X X X X X X Group X X X X X X AstSpv X X X X X X SubCo X X X X X X MataKuliah X X X X X X Karyawan X X X X X X

g. Laporan Pembuatan S oal

Tabel 4.7 Tabel Grain VS Dimensi Pada Laporan Pembuatan S oal Grain

Dimensi

TM Proyek UTP UAP JumlahHariTe lat Persentase Kete patanWaktu

Waktu X X X X X X Group X X X X X X AstSpv X X X X X X SubCo X X X X X X MataKuliah X X X X X X Karyawan X X X X X X

h. Laporan Perubahan Nilai

Tabel 4.8 Tabel Grain VS Dimensi Pada Laporan Perubahan Nilai Grain Dimensi JumlahPe rubahan Waktu X Group X SubCo X MataKuliah X Karyawan X

(9)

i. Laporan Kehadiran Trainee

Tabel 4.9 Tabel Grain VS Dimensi Pada Laporan Kehadiran Trainee

Grain Dimensi

Persentase Kehadiran Persentase Absen

Waktu X X

Angkatan X X

Trainee X X

j. Laporan Nilai Trainee

Tabel 4.10 Tabel Grain VS Dimensi Pada Laporan Nilai Trainee Grain

Dimensi

NilaiTe rtinggi NilaiTe rendah RataRata

Waktu X X X

MataKuliah X X X

Trainee X X X

4.12.4 Memilih fakta

M emilih fakta yang akan digunakan dalam data mart. M asing-masing fakta memiliki data yang dapat dihitung yang kemudian akan ditampilkan dalam bentuk laporan, grafik atau diagram lainnya. Berikut ini adalah fakta-fakta yang terdapat dalam data warehouse yaitu:

• Fakta Laporan Nilai Mahasiswa • Fakta Laporan Absensi

• Fakta Laporan Kelulusan

• Fakta Laporan Utilisasi Ruang Praktikum • Fakta Laporan IKAA

(10)

• Fakta Laporan Koreksi

• Fakta Laporan Pembuatan Soal • Fakta Laporan Perubahan Nilai • Fakta Laporan Kehadiran Trainee • Fakta Laporan Nilai Trainee

4.12.5 Menyimpan pre-kalkulasi dalam tabel fakta

Berikut ini adalah kalkulasi awal yang disimpan dalam tabel fakta, yaitu:

a. Fakta_LaporanNilaiMahasiswa

Fakta_LaporanNilaiM ahasiswa meliputi:

- NilaiTertinggiTM yang merupakan nilai TM tertinggi dari setiap kelas.

- NilaiTerendahTM yang merupakan nilai TM terendah dari setiap kelas.

- NilaiRataRataTM yang merupakan nilai rata-rata TM dari setiap kelas.

- GradeTM yang merupakan grade dari nilai rata-rata TM dari setiap kelas.

- NilaiTertinggiProyek yang merupakan nilai Proyek tertinggi dari setiap kelas.

- NilaiTerendahProyek yang merupakan nilai proyek terendah dari tiap kelas.

(11)

- NilaiRataRataProyek yang merupakan nilai rata-rata Proyek dari setiap kelas.

- GradeProyek yang merupakan grade dari nilai rata-rata Proyek dari setiap kelas

- NilaiTertinggiUTP yang merupakan nilai UTP tertinggi dari setiap kelas.

- NilaiTerendahUTP yang merupakan nilai UTP terendah dari setiap kelas.

- NilaiRataRataUTP yang merupakan nilai rata-rata UTP dari setiap kelas.

- GradeUTP yang merupakan grade dari nilai rata-rata Proyek dari setiap kelas.

- NilaiTertinggiUAP yang merupakan nilai UAP tertinggi dari setiap kelas.

- NilaiTerendahUAP yang merupakan nilai UAP terendah dari setiap kelas.

- NilaiRataRataUAP yang merupakan nilai rata-rata UAP dari setiap kelas.

- GradeUAP yang merupakan grade dari nilai rata-rata UAP dari setiap kelas.

- NilaiTertinggiNilaiAkhir yang merupakan nilai tertinggi dari nilai akhir setiap kelas.

- NilaiTerendahNilaiAkhir yang merupakan nilai terendah dari nilai akhir setiap kelas.

(12)

- NilaiRataRataNilaiAkhir yang merupakan nilai rata-rata dari nilai akhir setiap kelas.

- GradeNilaiAkhir yang merupakan grade dari nilai rata-rata dari nilai akhir setiap kelas.

b. Fakta_LaporanAbsensi

Fakta_LaporanAbsensi meliputi:

- PersentaseKehadiran yang merupakan persentase total kehadiran mahasiswa dari setiap kelas.

- PersentaseAbsen yang merupakan persentase total ketidakhadiran mahasiswa dari setiap kelas.

c. Fakta_LaporanKelulusan

Fakta_Laporan kelulusan meliputi:

- JumlahKelas yang merupakan jumlah kelas yang lulus pada matakuliah tertentu.

d. Fakta_LaporanUtilisasiRuangPraktikum Fakta_LaporanUtilisasiRuangPraktikum meliputi:

- PersentaseUtilisasi yang merupakan persentase penggunaan setiap ruang praktikum.

e. Fakta_LaporanIKAA

(13)

- RataRataK1 yang merupakan nilai rata-rata kuisioner no. 1 dari setiap karyawan.

- RataRataIKAA yang merupakan rata-rta dari seluruh nomor kuisioner dari setiap karyawan.

(14)

- RataRataPersentaseResponden yang merupakan persentase jumlah mahasiswa yang mengisi kuisioner dari setiap kelas.

f. Fakta_LaporanKoreksi

Fakta_LaporanKoreksi meliputi:

- TM yang merupakan jumlah hari telat pengoreksian jawaban TM dari setiap karyawan.

- Proyek yang merupakan jumlah hari telat pengoreksian hasil Proyek dari setiap karyawan.

- UTP yang merupakan jumlah hari telat pengoreksian jawaban UTP dari setiap karyawan.

- UAP yang merupakan jumlah hari telat pengoreksian jawaban UAP dari setiap karyawan.

- JumlahHariTelat yang merupakan total hari telat seluruh pembuatan soal dari setiap karyawan.

- PersentaseKetepatanWaktu yang merupakan persentase ketepatan waktu karyawan dalam pembuatan soal.

g. Fakta_LaporanPembuatanS oal Fakta_LaporanPembuatanSoal meliputi:

- TM yang merupakan jumlah hari telat pembuatan soal TM dari setiap karyawan.

- Proyek yang merupakan jumlah hari telat pembuatan soal Proyek dari setiap karyawan.

(15)

- UTP yang merupakan jumlah hari telat pembuatan soal UTP dari setiap karyawan.

- UAP yang merupakan jumlah hari telat pembuatan soal UAP dari setiap karyawan.

- JumlahHariTelat yang merupakan total hari telat seluruh pembuatan soal dari setiap karyawan.

- PersentaseKetepatanWaktu yang merupakan persentase ketepatan waktu karyawan dalam pembuatan soal.

h. Fakta_LaporanPerubahanNilai Fakta_LaporanPerubahanNilai meliputi:

- Jumlah perubahan yang merupakan jumlah perubahan nilai yang dilakukan pada setiap matakuliah.

i. Fakta_LaporanKehadiranTrainee Fakta_LaporanKehadiranTrainee meliputi:

- PersentaseKehadiran yang merupakan persentase dari kehadiran trainee.

- PersentaseAbsen yang merupakan persentase dari ketidakhadiran trainee.

j. Fakta_LaporanNilaiTrainee

Fakta_LaporanNilaiTrainee meliputi:

(16)

- NilaiTerendah yang merupakan nilai terendah dari setiap trainee. - NilaiRataRata yang merupakan nilai rata-rata dari setiap trainee.

4.12.6 Melengkapi tabel dimensi

M enambahkan deskripsi teks yang mudah dimengerti oleh user pada tabel dimensi. Berikut ini adalah tabel dimensi beserta deskripsinya: a. Daftar Deskripsi Tabel Dimensi

Tabel 4.11 Tabel Daftar Deskripsi Tabel Dimensi

Dimensi Field Deskripsi Hierarki

Ruang Ruang Laporan dapat dilihat berdasarkan

ruang. Ruang

Karyawan Karyawan Laporan dapat dilihat berdasarkan

karyawan. Karyawan

Angkatan Angkatan Laporan dapat dilihat berdasarkan

angkatan. Angkatan

Group Group Laporan dapat dilihat berdasarkan

group. Group

AstSpv AstSpv Laporan dapat dilihat berdasarkan

Assistant Supervisor. AstSpv

SubCo SubCo Laporan dapat dilihat berdasarkan

Sub Coordinator. SubCo

MataKuliah MataKuliah Laporan dapat dilihat berdasarkan

matakuliah. MataKuliah

Kelas Kelas Laporan dapat dilihat berdasarkan

kelas. Kelas

Shift Shift Laporan dapat dilihat berdasarkan

shift Shift Waktu T ahun Periode Bulan Hari

Laporan dapat dilihat secara harian (ad-hoc), per bulan, per periode ataupun per tahun.

T ahun Periode

Bulan Hari Trainee Trainee Laporan dapat dilihat berdasarkan

(17)

b. Daftar Tabel Dimensi 1. Dim_Ruang

Tabel 4.12 Tabel Dim_Ruang

Atribut Tipe data Panjang

RuangId int 4 KdRuang char 3 Kapasitas int 4

2. Dim_Karyawan

Tabel 4.13 Tabel Dim_Karyawan

KaryawanId int 4

Angkatan char 4 Inisial char 2

NIK char 5

3. Dim_Angkatan

Tabel 4.14 Tabel Dim_Angkatan

AngkatanId int 4

NamaAngkatan char 4

4. Dim_Group

Tabel 4.15 Tabel Dim_Group

GroupId int 4 KdGroup char 1

(18)

5. Dim_AstSpv

Tabel 4.16 Tabel Dim_AstS pv

AstSpvId int 4 NIK char 5

6. Dim_SubCo

Tabel 4.17 Tabel Dim_SubCo

SubCoId int 4 NIK char 5

7. Dim_M ataKuliah

Tabel 4.18 Tabel Dim_MataKuliah

MataKuliahId int 4

KdMataKuliah char 5

NamaMataKuliah varchar 60

8. Dim_Kelas

Tabel 4.19 Tabel Dim_Kelas

KelasId int 4 KdKelas char 5

9. Dim_Shift

Tabel 4.20 Tabel Dim_Shift

ShiftId int 4 KdShift int 4

(19)

10. Dim_Waktu

Tabel 4.21 Tabel Dim_Waktu

WaktuId int 4 T ahun int 4 Periode Int 4 Bulan int 4 Hari int 4 11. Dim_Trainee

Tabel 4.22 Tabel Dim_Trainee

TraineeId int 4

NoT rainee char 4

NIM char 10

Nama varchar 50 Jurusan varchar 30

c. Perancangan S kema Bintang

Skema bintang merupakan teknik dasar dalam mendesain data warehouse. Struktur skema bintang yang baik adalah struktur yang dapat dipahami dan digunakan oleh pengguna. Dalam perancangan data warehouse Software Laboratory Center ini dihasilkan sepuluh skema bintang sebagai berikut:

1. Skema bintang Fakta_LaporanNilaiM ahasiswa 2. Skema bintang Fakta_LaporanAbsensi

3. Skema bintang Fakta_LaporanKelulusan

4. Skema bintang Fakta_LaporanUtilisasiRuangPraktikum 5. Skema bintang Fakta_LaporanIKAA

(20)

7. Skema bintang Fakta_LaporanPembuatanSoal 8. Skema bintang Fakta_LaporanPerubahanNilai 9. Skema bintang Fakta_LaporanKehadiranTrainee 10. Skema bintang Fakta_LaporanNilaiTrainee

Berikut adalah gambar-gambar hasil perancangan skema bintang Software Laboratory Center :

(21)

Gambar 4.3 Gambar S kema Bintang Fakta_LaporanAbsensi

(22)

Gambar 4.5 Gambar S kema Bintang Fakta_LaporanUtilisasiRuangPraktikum

(23)

Gambar 4.7 Gambar S kema Bintang Fakta_LaporanKoreksi

(24)

Gambar 4.9 Gambar S kema bintang Fakta_LaporanPerubahanNilai

Gambar 4.10 Gambar S kema Bintang Fakta_LaporanKehadiranTrainee

(25)

Gambar 4.11 Gambar S kema Bintang Fakta_LaporanNilaiTrainee

4.12.7 Memilih durasi dari database

M enentukan batas waktu dari umur data yang diambil dan akan dipindahkan ke dalam tabel fakta. M isalnya, data Software Laboratory Center dua tahun lalu atau lebih diambil dan dimasukkan dalam tabel fakta.

Tabel 4.23 Tabel Durasi Basis Data

Nama Aplikasi Database Database ada se jak tahun

Data yang masuk ke data warehouse

Data Dalam data warehouse

Software SLC 2001 September 2004 – Agustus 2008 3 tahun 11 bulan

4.12.8 Melacak perubahan dari dimensi secara perlahan

Adapun perubahan dimensi dapat ditanggulangi dengan tiga macam cara, yaitu mengganti secara langsung pada tabel dimensi, pembentukan record baru untuk setiap perubahan baru,

(26)

dan perubahan data yang membentuk kolom baru yang berbeda. Dalam perancangan ini dipilih cara kedua yaitu jika ada perubahan data, maka data baru akan dimasukkan sebagai record baru dan record lama tetap ada dan tidak dihapus. Dalam analisis yang dilakukan, kemungkinan terjadinya perubahan data adalah pada nama–nama yang ada di dalam tabel dimensi. Sebagai contoh, alamat karyawan jika sewaktu-waktu alamat karyawan berubah. Nama karyawan, jika ternyata ada kesalahan dalam memasukkan nama karyawan, dan lain sebagainya.

4.12.9 Memutuskan prioritas dan mode dari query

Dalam tahap ini dilakukan penentuan waktu proses ETL (Extract, Transform, and Load), backup yang dilakukan secara berkala, dan keamanan penggunaan laporan serta analisis kapasitas media penyimpanan dan pertumbuhan data, termasuk keterangan pelaku dan jangka waktu atau jadwal proses.

a. Proses ETL (Extract, Transform, and Load) Tabel 4.24 Tabel Proses ETL (Extract, Transform, and Load)

Nama Aplikasi Database Database ada se jak tahun

Data yang masuk ke data warehouse

Data Dalam data warehouse

(27)

b. Proses backup

Tabel 4.25 Tabel Proses Backup

Pelaku Backup Dilakukan setiap Ke te rangan Karyawan DBA Akhir semester

sebelum proses ET L selanjutnya dilakukan

Backup data

warehouse dilakukan

untuk menanggulangi proses ETL yang gagal.

c. Penggunaan laporan atau kebutuhan informasi

Tabel 4.26 Tabel Penggunaan Laporan Atau Kebutuhan Informasi

User Informasi

SLC Manager Informasi digunakan untuk menentukan segala sesuatu yang berhubungan dengan kegiatan praktikum di Software Laboratory Center dan untuk mengambil keputusan-keputusan yang strategis.

Operational Support Section Head

Informasi digunakan untuk mengetahui utilisasi sarana praktikum agar dapat dilakukan maintenance dan pengembangan sarana praktikum untuk menunjang proses kegiatan praktikum yang lebih baik.

Research Development and Training Section Head

Informasi digunakan untuk meningkatkan perkembangan dari karyawan dan matakuliah praktikum baik melalui peningkatan pelatihan ataupun fasilitas yang dapat menunjang proses kegiatan pelatihan karyawan dan kegiatan praktikum.

Academic and Operation Section Head

Informasi digunakan untuk mengevaluasi indeks kinerja karyawan dan seluruh kegiatan operasional praktikum agar dapat ditentukan dan dilaksanakan jenis pengembangan pelatihan karyawan dan SAP praktikum bersama bagian Research Developm ent

and Training.

d. Analisis kapasitas media penyimpanan

Di dalam proses OLTP, kapasitas media penyimpanan menjadi salah satu faktor yang sangat penting. Proses insert, update, dan delete akan mempengaruhi pertumbuhan data secara terus menerus. Demikian pula pada perancangan data

(28)

warehouse, harus dilakukan analisis pertumbuhan data untuk memperoleh perkiraan kapasitas media penyimpanan yang memadai dalam menampung data hingga beberapa tahun ke depan. Rumus yang akan digunakan untuk perhitungan kebutuhan penyimpanan record dalam SQL Server 2005 (SQL Server Books Online) adalah:

a. Num_Rows = Jumlah Baris / Jumlah Record b. Num_Cols = Jumlah Kolom

c. Fixed_Data_Size = Jumlah byte yang dibutuhkan seluruh kolom fixed-length

d. Num_Variable_Cols = jumlah kolom variable-length e. M ax_Var_Size = Jumlah byte maksimum dari seluruh

kolom variable-length

f. Null_Bitmap = 2 + ((Num_Cols + 7) / 8)

g. Variable_Data_Size = 2 + (Num_Variable_Cols x 2) + M ax_Var_Size

h. Row_Size = Fixed_Data_Size + Variable_Data_Size + Null_Bitmap + 4

i. Rows_Per_Page = 8096 / (Row_Size + 2) j. Num_Pages = Num_Rows / Rows_Per_Page k. Heap size (bytes) = 8192 x Num_Pages

Analisis perkiraan kapasitas media penyimpanan data pada data warehouse Software Laboratory Center adalah

(29)

seperti berikut ini, dimana ‘n’ adalah variabel tahun. Perkiraan ini dibatasi sampai 5 tahun mendatang. Berikut adalah perhitungan pertumbuhan data untuk seluruh tabel fakta dengan asumsi tingkat pertumbuhan masing-masing adalah 10%. Rn = R x (n + (1 + i) n ) R = jumlah record n = tahun

I = persentase pertumbuhan record

1. Fakta_LaporanNilaiM ahasiswa

Asumsi jumlah record data untuk tahun ini diperkirakan adalah 7560 record. Jumlah tersebut didasarkan pada asumsi bahwa di Software Laboratory Center terdapat 30 kelas praktikum dan dalam 1 hari terdiri dari 6 shift serta masa perkuliahan adalah 6 hari selama seminggu dimana setiap harinya terdiri dari 180 kelas berbeda (30 kelas x 6 shift) sehingga jumlah record yang ada selama 7 semester adalah:

30 kelas x 6 shift x 6 hari x 7 semester = 7560. M aka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 7560 x (5 x (5 + (1 + 0.1) 5

) = 249877

(30)

Jumlah record pada Fakta_LaporanNilaiM ahasiswa di tahun ke-5 adalah : 249877.

M aka kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah:

- Num_Rows = 249877 - Num_Cols = 26 - Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 4 + 4 + 4 + 8 + 1 + 4 + 4 + 8 + 1 + 4 + 4 + 8 + 1 + 4 + 4 + 8 + 1 + 4 + 4 + 8 + 1 = 109 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((26 + 7) / 8) = 6.125 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 109 + 2 + 6.125 + 4= 121.125 bytes - Rows_Per_Page = 8096 / (121.125 + 2) = 66 rows - Num_Pages = 249877 / 66 = 3787 pages

- Heap size (bytes) = 8192 x 3787 = 31023104 bytes = 29.6 M bytes

2. Fakta_LaporanAbsensi

Asumsi jumlah record data untuk tahun ini diperkirakan adalah 83160 record. Jumlah tersebut didasarkan pada asumsi bahwa di Software Laboratory Center terdapat 30 kelas praktikum, dalam 1 hari terdiri

(31)

dari 6 shift dan masa perkuliahan adalah 6 hari selama seminggu dimana setiap harinya terdiri dari 180 kelas berbeda (30 kelas x 6 shift) serta ada 11 pertemuan dalam 1 semester sehingga jumlah record yang ada selama 7 semester adalah 30 kelas x 6 shift x 6 hari x 11 pertemuan x 7 semester adalah 83160. M aka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 83160 x (5 x (5 + (1 + 0.1) 5

) = 274865

Jumlah record pada Fakta_LaporanAbsensi di tahun ke-5 adalah : 2748650.

- Num_Rows = 2748650 - Num_Cols = 6 - Fixed_Data_Size = 4 + 4 + 4 + 4 + 8 + 8 = 32 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((6 + 7) / 8) = 3.625 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 32 + 2 + 3.625 + 4 = 41.625 bytes - Rows_Per_Page = 8096 / (41.625 + 2) = 186 rows - Num_Pages = 2748650 / 186 = 14778 pages

(32)

3. Fakta_LaporanKelulusan

Asumsi jumlah record data untuk tahun ini diperkirakan adalah 7560 record. Jumlah tersebut didasarkan pada asumsi bahwa di Software Laboratory Center terdapat 30 kelas praktikum dan dalam 1 hari terdiri dari 6 shift serta masa perkuliahan adalah 6 hari selama seminggu dimana setiap harinya terdiri dari 180 kelas berbeda (30 kelas x 6 shift) sehingga jumlah record yang ada selama 7 semester adalah:

30 kelas x 6 shift x 6 hari x 7 semester = 7560. M aka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 7560 x (5 x (5 + (1 + 0.1) 5

) = 249877

Jumlah record pada Fakta_LaporanKelulusan di tahun ke-5 adalah : 249877.

- Num_Rows = 249877 - Num_Cols = 5

(33)

- Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 = 20 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((5 + 7) / 8) = 3.5 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 20 + 2 + 3.5 + 4 = 29.5 bytes - Rows_Per_Page = 8096 / (29.5 + 2) = 258 rows - Num_Pages = 249877 / 258 = 969 pages

4. Fakta_LaporanUtilisasiRuangPraktikum

Asumsi jumlah record data untuk tahun ini diperkirakan adalah 181440 record. Jumlah tersebut didasarkan pada asumsi bahwa di Software Laboratory Center terdapat 30 kelas praktikum dan dalam 1 hari terdiri dari 6 shift serta masa perkuliahan adalah 6 hari selama seminggu, 4 minggu sebulan, 6 bulan dalam 1 semester sehingga jumlah record yang ada selama 7 semester adalah:

30 kelas x 6 shift x 6 hari x 4 minggu x 6 bulan x 7 semester = 181440. M aka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 181440 x (5 x (5 + (1 + 0.1) 5

(34)

= 5997055

Jumlah record pada

Fakta_LaporanUtilisasiRuangPraktikum di tahun ke-5 adalah : 5997055.

- Num_Rows = 5997055 - Num_Cols = 4 - Fixed_Data_Size = 4 + 4 + 4 + 8 = 20 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((20 + 7) / 8) = 5.375 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 20 + 2 + 5.375 + 4 = 31.375 bytes - Rows_Per_Page = 8096 / (31.375 + 2) = 243 rows - Num_Pages = 5997055 / 243 = 24680 pages

5. Fakta_LaporanIKAA

Asumsi jumlah record data untuk tahun ini diperkirakan adalah 3360 record. Jumlah tersebut didasarkan pada asumsi bahwa di Software Laboratory

(35)

Center terdapat 120 karyawan dan setiap karyawan mengajar 4 matakuliah sehingga jumlah record yang ada selama 7 semester adalah:

120 karyawan x 4 shift x 7 semester = 3360. M aka dapat dihitung jumlah record sampai 5 tahun ke depan adalah: R5 = 3360 x (5 x (5 + (1 + 0.1)

5 ) = 111057

Jumlah record pada Fakta_LaporanIKAA di tahun ke-5 adalah : 111057.

- Num_Rows = 111057 - Num_Cols = 17 - Fixed_Data_Size = 4 + 4 + 4 + 4 + 8 + 8 + 8 + 8+ 8 + 8 + 8 + 8 + 8 + 8 + 8 + 8 + 8 = 120 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((17 + 7) / 8) = 5 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 120 + 2 + 5 + 4= 131 bytes - Rows_Per_Page = 8096 / (131 + 2) = 61 rows - Num_Pages = 111057 / 61 = 1821 pages

(36)

6. Fakta_LaporanKoreksi

Asumsi jumlah record data untuk tahun ini diperkirakan adalah 22680 record. Jumlah tersebut didasarkan pada asumsi bahwa di Software Laboratory Center terdapat 1080 kelas (30 kelas x 6 shift x 6 hari) dari seluruh jurusan yang ada praktikum komputernya dan setiap kelas memiliki 3 jenis tugas yang harus dikoreksi, yaitu TM , UTP dan UAP atau Proyek, UTP, dan UAP dimana setiap tugas dikoreksi oleh 1 karyawan sehingga jumlah record yang ada selama 7 semester adalah:

1080 kelas x 3 tugas x 1 karyawan x 7 semester = 22680. M aka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 22680 x (5 x (5 + (1 + 0.1) 5

) = 749632

Jumlah record pada Fakta_LaporanKoreksi di tahun ke-5 adalah : 749632.

(37)

- Num_Cols = 12 - Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 4 + 4 + 4 + 4 + 4 + 4 + 8 = 52 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((12 + 7) / 8) = 2.375 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 52 + 2 + 2.375 + 4 = 60.375 bytes - Rows_Per_Page = 8096 / (60.375 + 2) = 130 rows - Num_Pages = 749632 / 130 = 5767 pages

7. Fakta_LaporanPembuatanSoal

Asumsi jumlah record data untuk tahun ini diperkirakan adalah 6720 record. Jumlah tersebut didasarkan pada asumsi bahwa di Software Laboratory Center terdapat 120 karyawan yang mengajar 4 matakuliah serta membuat 2 jenis soal (TM , Proyek, UTP, atau UAP) pada tiap matakuliah setiap semesternya sehingga jumlah record yang ada selama 7 semester adalah:

(38)

120 karyawan x 4 matakuliah x 2 jenis soal x 7 semester = 6720. M aka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 6720 x (5 x (5 + (1 + 0.1) 5

) = 222114

Jumlah record pada Fakta_LaporanPembuatanSoal di tahun ke-5 adalah : 222114.

- Num_Rows = 222114 - Num_Cols = 12 - Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 4 + 4 + 4 + 4 + 4 + 4 + 8 = 52 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((12 + 7) / 8) = 2.375 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 52 + 2 + 2.375 + 4 = 60.375 bytes - Rows_Per_Page = 8096 / (60.375 + 2) = 130 rows - Num_Pages = 222114 / 130 = 1709 pages

(39)

8. Fakta_LaporanPerubahanNilai

Asumsi jumlah record data untuk tahun ini diperkirakan adalah 378 record. Jumlah tersebut didasarkan pada asumsi bahwa Software Laboratory Center menerima 54 kali data protes nilai dimana data tersebut diperoleh dari rata-rata jumlah protes nilai yang ada pada database OLTP selama setahun (Februari 2004- Februari 2005) sehingga jumlah record yang ada selama 7 semester adalah:

54 kelas x 7 semester = 378. M aka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 378 x (5 x (5 + (1 + 0.1) 5

) = 12494

Jumlah record pada Fakta_LaporanPerubahanNilai di tahun ke-5 adalah : 12494.

- Num_Rows = 12494 - Num_Cols = 6 - Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 4 = 24 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((6 + 7) / 8) = 3.625

(40)

- Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 24 + 2 + 3.625 + 4= 33.625 bytes - Rows_Per_Page = 8096 / (33.625 + 2) = 228 rows - Num_Pages = 12494 / 228 = 55 pages

9. Fakta_LaporanKehadiranTrainee

Asumsi jumlah record data untuk tahun ini diperkirakan adalah 371 record. Jumlah tersebut didasarkan pada asumsi bahwa di Software Laboratory Center menerima 53 trainee baru setiap semesternya sehingga jumlah record yang ada selama 7 semester adalah:

53 trainee baru x 7 semester = 371. M aka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 371 x (5 x (5 + (1 + 0.1) 5

) = 12263

Jumlah record pada Fakta_LaporanKehadiranTrainee di tahun ke-5 adalah : 12263.

(41)

- Num_Rows = 12263 - Num_Cols = 5 - Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 = 20 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((5 + 7) / 8) = 3.5 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 20 + 2 + 3.5 + 4 = 29.5 bytes - Rows_Per_Page = 8096 / (29.5 + 2) = 257 rows - Num_Pages = 12263 / 257 = 48 pages

10. Fakta_LaporanNilaiTrainee

Asumsi jumlah record data untuk tahun ini diperkirakan adalah 371 record. Jumlah tersebut sama dengan jumlah record pada Fakta_LaporanNilaiTrainee karena setiap nilai hanya dimiliki oleh 1 trainee. M aka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

53 trainee baru x 7 semester = 371. M aka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

(42)

R5 = 371 x (5 x (5 + (1 + 0.1) 5

) = 12263

Jumlah record pada Fakta_LaporanNilaiTrainee di tahun ke-5 adalah : 12263.

- Num_Rows = 12263 - Num_Cols = 6 - Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 8 = 28 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((6 + 7) / 8) = 3.625 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 28 + 2 + 3.625 + 4 = 37.625 bytes - Rows_Per_Page = 8096 / (37.625 + 2) = 205 rows - Num_Pages = 12263 / 205 = 60 pages

Perhitungan kapasitas media penyimpanan untuk tabel dimensi adalah sebagai berikut:

(43)

Pada tabel ini dilakukan perhitungan dengan asumsi pertambahan sebanyak 1 ruang setiap 5 tahun maka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 45 + 1 = 46

Jumlah record pada Dim_Ruang di tahun ke-5 adalah: 46

- Num_Rows = 46 - Num_Cols = 3 - Fixed_Data_Size = 4 + 3 + 4 = 11 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 11 + 2 + 3.25 + 4 = 20.25 bytes - Rows_Per_Page = 8096 / (20.25 + 2) = 364 rows - Num_Pages = 46 / 364 = 0 page

(44)

2. Dim_Karyawan

Pada tabel ini dilakukan perhitungan dengan asumsi pertambahan sebanyak 30 karyawan setiap 1 semester maka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 280 + (30 x 10 semester) = 580

Jumlah record pada Dim_Karyawan di tahun ke-5 adalah: 580

- Num_Rows = 580 - Num_Cols = 4 - Fixed_Data_Size = 4 + 4 + 2 + 5 = 15 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((4 + 7) / 8) = 3.375 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 12 + 2 + 3.375 + 4 = 21.375 bytes - Rows_Per_Page = 8096 / (21.375 + 2) = 347 rows - Num_Pages = 580 / 347 = 2 pages

(45)

3. Dim_Angkatan

Pada tabel ini dilakukan perhitungan dengan pertambahan sebanyak 1 angkatan setiap 1 tahun maka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 12 x (1 x 5 tahun) = 60

Jumlah record pada Dim_Angkatan di tahun ke-5 adalah: 60

- Num_Rows = 60 - Num_Cols = 2 - Fixed_Data_Size = 4 + 4 = 8 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((2 + 7) / 8) = 3.125 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 8 + 2 + 3.125 + 4 = 17.125 bytes - Rows_Per_Page = 8096 / (17.125 + 2) = 424 rows - Num_Pages = 60 / 424 = 0 page

(46)

4. Dim_Group

Pada tabel ini dilakukan perhitungan dengan asumsi tidak ada pertambahan maka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 4 + 0 = 4

Jumlah record pada Dim_Group di tahun ke-5 adalah: 4

(47)

5. Dim_AstSpv

Pada tabel ini dilakukan perhitungan dengan asumsi pertambahan 2 assistant supervisor setiap 1 semester maka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 24 + (2 x 10 semester) = 44

Jumlah record pada Dim_Angkatan di tahun ke-5 adalah: 44

(48)

6. Dim_SubCo

Pada tabel ini dilakukan perhitungan dengan asumsi pertambahan 2 Subject Coordinator setiap 1 semester maka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 16 + (2 x 10) = 36

Jumlah record pada Dim_SubCo di tahun ke-5 adalah: 36

(49)

7. Dim_M ataKuliah

Pada tabel ini dilakukan perhitungan dengan asumsi pertambahan 1 matakuliah setiap 1 tahun maka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 70 + (1 x 5) = 75

Jumlah record pada Dim_M ataKuliah di tahun ke-5 adalah: 75

(50)

8. Dim_Kelas

Pada tabel ini dilakukan perhitungan dengan asumsi pertambahan 10 kelas setiap 1 semester maka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 294 + (10 x 10) = 394

Jumlah record pada Dim_Kelas di tahun ke-5 adalah: 394

(51)

9. Dim_Shift

Pada tabel ini dilakukan perhitungan dengan asumsi tidak ada pertambahan maka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 7 + 0 = 7

Jumlah record pada Dim_Shift di tahun ke-5 adalah: 36

(52)

10. Dim_Waktu

Pada tabel ini dilakukan perhitungan dengan asumsi pertambahan 365 hari setiap 1 tahun maka dapat dihitung jumlah record sampai 5 tahun ke depan adalah: R5 = 117 + (365 x 5)

= 1942

Jumlah record pada Dim_Waktu di tahun ke-5 adalah: 1942

- Num_Rows = 1942 - Num_Cols = 5 - Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 = 20 bytes - Num_Variable_Cols = 0 - M ax_Var_Size = 0 - Null_Bitmap = 2 + ((5 + 7) / 8) = 3.875 - Variable_Data_Size = 2 + (0 x 2) + 0 = 2 bytes - Row_Size = 20 + 2 + 3.875 + 4 = 29.875 bytes - Rows_Per_Page = 8096 / (29.875 + 2) = 254 rows - Num_Pages = 1942 / 254 = 8 page

(53)

11. Dim_Trainee

Pada tabel ini dilakukan perhitungan dengan asumsi pertambahan 53 trainee baru setiap 1 semester maka dapat dihitung jumlah record sampai 5 tahun ke depan adalah:

R5 = 400 + (53 x 10) = 930

Jumlah record pada Dim_Trainee di tahun ke-5 adalah: 930

- Num_Rows = 930 - Num_Cols = 5 - Fixed_Data_Size = 4 + 4 + 10 = 18 bytes - Num_Variable_Cols = 2 - M ax_Var_Size = 50 - Null_Bitmap = 2 + ((5 + 7) / 8) = 3.875 - Variable_Data_Size = 2 + (2 x 2) + 50 = 56 bytes - Row_Size = 18 + 56 + 3.875 + 4 = 81.875 bytes - Rows_Per_Page = 8096 / (81.875 + 2) = 97 rows - Num_Pages = 930 / 97 = 10 page

(54)

Tabel 2.27 Tabel Analisis Kapasitas Media Penyimpanan Untuk Tabel Fakta Nama Tabel Be sar 1 Record (Bytes) Jumlah Current Record Jumlah Record Sampai 5 Tahun ke De pan Jumlah Bytes (Mbytes) FaktaLaporanNilaiMahasiswa 121.125 7560 249877 29.6 FaktaLaporanAbsensi 41.625 83160 2748650 115.5 FaktaLaporanKelulusan 29.5 7560 249877 7.6 FaktaLaporanUtilisasiRuangPraktikum 31.175 181440 5997055 192.8 FaktaLaporanIKAA 131 3360 111057 14.3 FaktaLaporanKoreksi 60.375 22680 749632 45.05 FaktaLaporanPembuatanSoal 60.375 6720 222114 13.35 FaktaLaporanPerubahanNilai 33.625 378 12494 0.43 FaktaLaporanKehadiranTrainee 29.5 371 12263 0.375 FaktaLaporanNilaiTrainee 37.625 371 12263 0.46 Total 575.925 313600 10365282 419.475

Tabel 2.28 Tabel Analisis Kapasitas Media Penyimpanan Untuk Tabel Dimensi

Nama Tabel Be sar Record (Bytes) Jumlah Current Record Jumlah Record Sampai 5 Tahun ke De pan Jumlah Bytes (Mbytes) Dim_Ruang 20.25 45 46 0 Dim_Karyawan 21.375 280 580 0.02 Dim_Angkatan 17.125 12 60 0 Dim_Group 14.125 4 4 0 Dim_AstSpv 18.125 24 44 0 Dim_SubCo 18.125 16 36 0 Dim_MataKuliah 80.25 70 75 0 Dim_Kelas 18.125 294 394 0 Dim_Shift 17.125 7 7 0 Dim_Waktu 29.875 117 1942 0.06 Dim_Trainee 81.875 400 930 0.08 Total 336.375 1269 4118 0.16

Berdasarkan hasil analisis kapasitas media penyimpanan data diatas dapat diperkirakan kebutuhan penyimpanan untuk data warehouse Software Laboratory Center adalah 419.635 M bytes untuk jangka waktu 5 tahun.

(55)

4.3 Metadata

Metadata dapat memuat informasi penting mengenai data dari data warehouse. Metadata dalam data warehouse mampu memuat beberapa hal, yaitu:

• Nama database sumber.

• Nama tabel dari data warehouse beserta deskripsinya. • Rincian informasi dalam tabel data warehouse meliputi:

o Nama kolom, o Tipe data kolom,

o Ukuran kolom, (ukuran kolom yang diperlukan dalam media penyimpanan dalam satuan tertentu),

o Kolom yang menjadi kolom kunci

Berikut ini adalah metadata yang terdapat dalam Software Laboratory Center:

(56)

(57)

(58)

(59)

(60)

(61)

(62)

(63)

(64)

(65)

(66)

(67)

(68)

(69)

(70)

(71)

(72)

(73)

(74)

(75)

(76)

(77)

(78)

(79)

(80)

(81)

(82)

(83)

(84)

(85)

4.4 Rencana Implementasi

Dalam implementasi sistem data warehouse diperlukan komponen-komponen pendukung yang terdiri dari perangkat keras dan perangkat lunak. Perangkat lunak yang akan digunakan harus sesuai dengan spesifikasi dari perangkat keras yang ada. Jika spesifikasi perangkat keras belum mendukung untuk diimplementasikan data warehouse maka perlu dilakukan upgrade terhadap komponen sistem.

4.4.1 Dukungan perangkat keras

Perangkat yang digunakan harus memenuhi spesifikasi yang dibutuhkan oleh sistem data warehouse. Perangkat yang digunakan untuk implementasi sistem antara lain sebuah server yang digunakan untuk menangani query yang dihasilkan oleh aplikasi data warehouse dalam mengakses sekumpulan data yang besar sehingga dapat memberi performa yang memuaskan, dan client yang digunakan untuk melihat laporan dari hasil query data warehouse yang ditampilkan pada M icrosoft Excel.

Perangkat keras yang disarankan untuk digunakan dalam implementasi data warehouse agar memperoleh performa optimal adalah: • Server

o Prosesor Intel Xeon 2.8 GHz o Harddisk 140 GB

o Memory 1 GB o DVD-RW

(86)

• Client

o Prosesor Intel Core2Duo 1.8 GHz o Harddisk 80 GB

o Memory 1 GB o DVD-RW

4.4.2 Dukungan perangkat lunak

Perangkat lunak yang dimaksud adalah perangkat-perangkat yang digunakan untuk pemrosesan data warehouse dan menyajikan informasi yang terdapat dalam data warehouse agar mudah dianalisis dari berbagai sudut pandang.

Perangkat lunak yang digunakan sebagai front end tool untuk merancang aplikasi data warehouse adalah “M icrosoft Excel 2007” dimana aplikasi ini berfungsi sebagai penghubung antara user dengan data warehouse yang telah dirancang.

Sedangkan perangkat lunak yang digunakan sebagai back end tool adalah M icrosoft SQL Server 2005 dimana aplikasi ini memiliki kemampuan untuk menyimpan database dalam jumlah yang besar dan sudah menyediakan fasilitas untuk melakukan transformasi data.

Berikut software yang digunakan dalam menjalankan aplikasi data warehouse pada Software Laboratory Center:

• Server

o Sistem operasi: M icrosoft Windows XP Professional Editon Sp. 2 o Database: M icrosoft SQL Server 2005

(87)

• Client

o Sistem operasi: M icrosoft Windows XP Professional Edition Sp. 2 o Database: M icrosoft SQL Server 2005

o front end Tool: M icrosoft Excel 2007

4.5 Transformasi Data

Transformasi data merupakan bagian yang sangat penting dalam pembangunan sebuah data warehouse. Transformasi data adalah proses pemindahan data-data dari database OLTP ke suatu tempat penyimpanan yang menjadi tempat tujuan dibangunnya data warehouse. Dalam proses transformasi ini, dibutuhkan metadata yang akan membantu developer dalam memetakan pemindahan data dari database OLTP ke data warehouse.

Untuk melakukan transformasi data tentunya ada dua sisi utama yaitu sumber data dan tujuan transformasi. Sumber data dari Software Laboratory Center adalah database dengam DBM S (Database Management System) M icrosoft SQL Server 2005 yang akan ditransformasi ke data warehouse dengan DBM S yang sama dengan menggunakan fasilitas DTS (Data Transformation Service) yang telah tersedia dalam M icrosoft SQL Server 2005. Dengan menggunakan fasilitas DTS, developer dapat melakukan proses ekstraksi, transformasi, dan penggabungan data dari suatu sumber data ke sumber data yang dituju.

Proses transformasi data yang dilakukan pada Software Laboratory Center antara lain:

(88)

1. M elakukan pembacaan terhadap data OLTP yang ada dalam perusahaan. Dari data yang diperoleh akan dilakukan proses penyaringan dan pemilihan data yang akan dimasukkan ke dalam data warehouse.

2. Untuk menjaga konsistensi data warehouse maka data yang dianggap kurang konsisten akan dieliminasi. Proses ini dikenal dengan cleansing.

3. Kemudian dilakukan perhitungan data-data yang membutuhkan kalkulasi untuk dimasukkan ke dalam tabel fakta.

4. Setelah semua sumber data yang diperlukan telah terpenuhi maka dilakukan proses transformasi data ke dalam data warehouse yang telah dirancang.

4.5.1 Proses transformasi tabel dimensi

Berikut langkah-langkah dalam melakukan transformasi tabel dimensi: 1. M enghubungkan database sumber dan database tujuan. (Gambar

4.12)

2. M enentukan data yang ingin dipindahkan. (Gambar 4.13) Langkah-langkah yang dilakukan adalah:

a. M enentukan database sumber.

b. M emilih tabel yang akan dipindahkan dengan menggunakan query.

3. M enentukan tabel tujuan. (Gambar 4.14) Langkah-langkah yang dilakukan adalah: a. M enentukan database tujuan.

(89)

4. M elakukan mapping, yaitu menentukan field sumber dan tujuan. (Gambar 4.15)

Berikut gambar proses transformasi tabel dimensi yang dilakukan berdasarkan langkah-langkah diatas. Untuk membuat penulisan lebih efisien, maka gambar proses transformasi tabel dimensi akan diwakili oleh transformasi tabel Dim_Ruang. Proses tranformasi tabel dimensi yang lain juga mempunyai cara yang sama dengan proses tranformasi data pada tabel Dim_Ruang.

Gambar 4.12 Gambar penghubung database sumber dan database tujuan Dim_Ruang

(90)

Gambar 4.13 Gambar pengaturan database sumber Dim_Ruang

(91)

Gambar 4.15 Gambar mapping tabel sumber terhadap tabel tujuan Dim_Ruang

4.5.2 Proses transformasi tabel fakta

Berikut langkah-langkah dalam melakukan transformasi tabel fakta:

1. M enghubungkan database sumber dan database tujuan. (Gambar 4.16)

2. M enentukan data yang ingin dipindahkan. (Gambar 4.17) Langkah-langkah yang dilakukan adalah:

a. M enentukan database sumber.

b. M emilih tabel yang akan dipindahkan dengan menggunakan query.

(92)

Langkah-langkah yang dilakukan adalah: a. M enentukan database tujuan.

b. M emilih tabel yang akan dituju.

4. M elakukan mapping, yaitu menentukan field sumber dan tujuan. (Gambar 4.19)

Berikut gambar proses transformasi tabel fakta yang dilakukan berdasarkan langkah-langkah diatas. Untuk membuat penulisan lebih efisien, maka gambar proses transformasi tabel fakta akan diwakili oleh transformasi tabel Fakta_LaporanNilaiM ahasiswa. Proses tranformasi tabel fakta yang lain juga mempunyai cara yang sama dengan proses tranformasi data pada tabel Fakta_LaporanNilaiM ahasiswa.

Gambar 4.16 Gambar penghubung database sumber dan database tujuan Fakta_LaporanNilaiMahasiswa

(93)

Gambar 4.17 Gambar Pengaturan database sumber Fakta_LaporanNilaiMahasiswa

Gambar 4.18 Gambar Pengaturan database tujuan Fakta_LaporanNilaiMahasiswa

(94)

Gambar 4.19 Gambar mapping tabel sumber terhadap tabel tujuan Fakta_LaporanNilaiMahasiswa

4.6 Rancangan layar

4.6.1 Rancangan layar halaman Pivot Table

Halaman ini digunakan untuk menampilkan pivot yang berguna untuk menyajikan informasi kepada user. Untuk mengubah property dari pivot yang ditampilkan user dapat menggunakan toolbar Pivot Table Field List yang ada di sebelah kanan. Bagian Measure dan Dimensions dapat digunakan user untuk mengubah data yang ditampilkan pada pivot.

(95)

Gambar 4.20 Gambar rancangan layar halaman Pivot Table

4.6.2 Rancangan layar halaman Pivot Chart

Halaman ini digunakan untuk menampilkan chart yang berguna untuk menyajikan informasi berupa grafik kepada user. Untuk mengubah property dari chart yang ditampilkan user dapat menggunakan toolbar Pivot Chart Filter Pane yang ada di sebelah kanan. Pada toolbar ini, terdapat beberapa menu yang dapat digunakan untuk mengubah tampilan chart, mencetak chart, menyimpan chart ke dalam gambar, dan lain-lain. Bagian Measure dan Dimensions dapat digunakan user untuk mengubah data yang ditampilkan pada chart.

(96)

Gambar 4.21 Gambar Rancangan Layar Halaman Pivot Chart

4.7 Estimasi waktu implementasi data warehouse

Untuk melakukan implementasi sistem data warehouse akan dilakukan berbagai kegiatan untuk menunjang terlaksananya implementasi sistem dengan baik. Tabel dibawah adalah jadwal kegiatan yang dilakukan dalam perencanaan implementasi sistem data warehouse yang telah dirancang.

Tabel 4.50 Tabel estimasi waktu implementasi data warehouse Hari

No Ke giatan

1 2 3 4 5 6 7 8

1. Instalasi aplikasi

2. Transformasi data

3. Uji coba aplikasi 4. Pelatihan user

(97)

Berikut penjelasan kegiatan-kegiatan data warehouse diatas: 1. Instalasi aplikasi

Kegiatan ini adalah instalasi seluruh software yang dibutuhkan untuk mengimplementasi sistem Data warehouse, yaitu aplikasi software M icrosoft SQL Server 2005 pada server dan client serta M icrosoft Excel 2007 pada client. Hal ini perlu dilakukan karena belum semua software yang dibutuhkan untuk implementasi sudah terinstalasi.

2. Transformasi data

Kegiatan ini merupakan proses restore data warehouse ke dalam DBM S Software Laboratory Center karena DBM S yang digunakan untuk perancangan data warehouse berbeda dengan DBM S Software Laboratory Center. Karena itu dilakukan backup dari DBM S yang digunakan untuk perancangan data warehouse terlebih dahulu, kemudian di restore ke dalam DBM S Software Laboratory Center. Kemudian dilakukan proses extract, transform, dan load seluruh data dari database operasional ke dalam data warehouse.

3. Uji coba aplikasi

Setelah semua syarat dan kebutuhan perangkat keras dan perangkat lunak maka dilakukan uji coba terhadap aplikasi Data warehouse yang telah dibuat. Dalam uji coba ini akan dianalisis apakah aplikasi yang dibuat sesuai dengan kebutuhan, bebas bug, ataupun kesalahan yang dapat mengganggu performa sistem.

(98)

4. Pelatihan user

Kegiatan ini dilakukan agar user yang menggunakan aplikasi nantinya dapat beradaptasi dan mengenal aplikasi baru tersebut dengan baik sehingga pengoperasian aplikasi dapat berjalan dengan baik.

5. Evaluasi

Kegiatan ini adalah evaluasi terhadap sistem yang diimplementasikan maupun evaluasi terhadap kegiatan pelatihan user yang telah dilakukan. Kegiatan ini dilakukan untuk mengukur tingkat keberhasilan sistem maupun user dengan menggunakan berbagai indikator.

4.8 Rencana backup

Untuk melakukan implementasi sistem data warehouse maka akan dilakukan kegiatan backup untuk menunjang terlaksananya implementasi sistem dengan baik. Berikut jadwal kegiatan backup sistem data warehouse:

Tabel 4.51 Tabel rencana backup

Prose s Backup Jadwal

OLT P Backup OLTP dilakukan setiap hari minggu.

data warehouse Backup data warehouse dilakukan setiap akhir semester

sebelum proses ETL selanjutnya dilakukan.

data Transformation Package Backup terhadap package ini dapat dilakukan pada waktu

implementasi sistem untuk pertama kali.

Aplikasi Backup aplikasi dapat dilakukan pada waktu implementasi

sistem untuk pertama kali.

4.9 Analisis manfaat

Data warehouse dan aplikasi yang telah dirancang untuk Software Laboratory Center dapat memberi manfaat antara lain:

(99)

3. M enyediakan informasi yang relevan dan terintegrasi serta mengorganisasikan informasi tersebut dengan konsisten untuk mempermudah para pimpinan dalam pengambilan keputusan antara lain : a. M engontrol transaksi mahasiswa.

Yaitu untuk mengetahui persentase kehadiran, nilai, dan kelulusan mahasiswa agar dibuat usulan pemecahan masalah yang ada.

b. M emantau dan mengontrol matakuliah

Yaitu untuk mengetahui matakuliah mana yang memiliki tingkat kelulusan paling rendah atau tinggi agar dapat dibuat suatu keputusan baru untuk menangani masalah tersebut.

c. M emantau kinerja karyawan Software Laboratory Center

Yaitu agar dapat diketahui bagaimana performa karyawan dalam menjalankan tugasnya baik dalam kehadiran, mengajar, membuat soal, dan mengoreksi soal.

d. M engontrol transaksi trainee

Yaitu untuk mengetahui bagaimana hasil dari sistem training yang telah berjalan terhadap para trainee agar dapat dilakukan revsisi sistem untuk menghasilkan karyawan baru yang berkualitas.

4. M emberikan kemudahan bagi para pimpinan untuk menganalisis data operasional yang sangat besar sehingga menghemat waktu dalam pengambilan keputusan karena data yang diinginkan telah tersedia dan tidak perlu dikumpulkan secara manual.

(100)

4.10 Evaluasi

Berdasarkan hasil evaluasi yang diperoleh dari Software Laboratory Center, aplikasi data warehouse yang ada memberikan kemudahan dalam melakukan analisis data dan pembuatan laporan oleh manager Software Laboratory Center. Laporan yang dihasilkan juga menjadi konsisten, valid, dan akurat. Aplikasi laporan yang telah dirancang juga memiliki kemudahan dalam penggunaan karena aplikasi yang digunakan adalah M icrosoft Excel 2007 yang sudah sering digunakan Software Laboratory Center manajer. Selain itu M icrosoft Excel 2007 juga memiliki pivot table yang memudahkan user dalam melihat data dari segala sudut pandang. Selain itu dukungan grafik pada M icrosoft Excel 2007 memudahkan user dalam menganalisis data.