Implementasi gudang data untuk keperluan akademik mahasiswa : studi kasus Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta - USD Repository

Gratis

0
0
106
8 months ago
Preview
Full text

  

IMPLEMENTASI GUDANG DATA

UNTUK KEPERLUAN AKADEMIK MAHASISWA

Studi Kasus Fakultas Sains dan Teknologi

Universitas Sanata Dharma Yogyakarta

  

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Teknik

Program Studi Teknik Informatika

  

Oleh:

SetiawanWasito

065314065

  

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

  

IMPLEMENTATION OF DATA WAREHOUSE

FOR STUDENT’S ACADEMIC NEEDS

Case Study Faculty of Science and Technology

Sanata Dharma University Yogyakarta

  

A Thesis

  Presented as Partial Fullfillment of The Requirements To Obtain The Sarjana Teknik Degree

  In Informatics Engineering Study Program

  

By:

SetiawanWasito

Student Number: 065314065

  

INFORMATICS ENGINEERING STUDY PROGRAM

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

  MOTTO

Terang akan lebih berarti di tempat

yang gelap

  

Keeps trying until the end

Akhir yang gemilang tak selalu dimulai dari awal yang terang

PERNYATAAN KEASLIAN HASIL KARYA

  Saya menyatakan dengan sesungguhnya bahwa skripsi yang saya tulis ini tidak memuat dan menggunakan hasil karya atau bagian dari hasil karya orang lain, kecuali yang telah tercantum dan disebutkan dalam kutipan serta daftar pustaka sebagaimana layaknya karya ilmiah.

  Yogyakarta, 20 November 2010 Penulis

  Setiawan Wasito

  

ABSTRAK

  Gudang data merupakan sekumpulan data yang terintegrasi, basis data berorientasi subyek yang didesain untuk mendukung keputusan sistem pendukung keputusan. Penulis membuat gudang data yang diperuntukkan Dekan Fakultas Sains dan Teknologi guna memantau perkembangan mahasiswa setiap prodi. Data tersebut dibutuhkan untuk pelaporan EPSBED (Evaluasi Program Studi Berbasis Evaluasi Diri) dan pelaporan Penerimaan Mahasiswa Baru. Data yang akan dibuat gudang data adalah mengenai akademik mahasiswa yaitu jumlah SKS, angka_mutu, IPS, IPK, dan nilai test PMB. Data jumlah SKS, angka_mutu, IPS, dan IPK terletak pada Sistem Informasi Akademik dan data-data disimpan di

  

database tiap prodi pada tabel mhs (berisi nomor mahasiswa dan angkatan), tabel

  mtk (berisi kode matakuliah, nama matakuliah, dan SKS), tabel tw (berisi matakuliah tawar yang akan ditawarkan pada semester yang bersangkutan), dan tabel kh (menghitung jumlah SKS, angka_mutu, IPS, dan IPK). Sedangkan nilai test PMB terletak pada Sistem Penerimaan Mahasiswa Baru dan data-data disimpan di database pmb pada tabel nf (berisi nilai test PMB).

  Gudang data yang akan dibuat adalah menggabungkan database pada Sistem Informasi Akademik dan database pada Sistem Penerimaan Mahasiswa Baru, gudang data yang telah terbentuk selanjutnya akan diproses menjadi

  

database Online Analytical Processing (OLAP) menggunakan Kettle dan Star

Schema . Gudang data yang terbentuk dapat menghitung jumlah SKS tiap

  mahasiswa, menghitung angka mutu, nilai IPS dan IPK mahasiswa, dan jumlah nilai test Penerimaan Mahasiswa Baru. Perhitungan yang dilakukan oleh gudang data memberikan informasi hasil yang tepat (hasil sama dengan Sistem Informasi Akademik dam Penerimaan Mahasiswa Baru).

  Hasil pembuatan gudang data, nilai IPS dan IPK yaitu 50% sesuai dengan pelaporan EPSBED dan nilai test PMB yaitu 100% sesuai dengan pelaporan nilai test Penerimaan Mahasiswa Baru sehingga dapat membantu Dekan Fakultas Sains

  

ABSTRACT

  Data warehouse is a collection of data that integrated; data basis subject oriented that design to support the decision of decision support system. The writer creates the data warehouse that is design for the Dean of the Faculty of Science and Technology to monitor academic progress of each study program. The data required for reporting EPSBED (Study Program Evaluation Based on Self Evaluation) and reporting Admissions. The data that will be use as data warehouse is student’s academic data that are the sum of SKS, grade quality, IPS, IPK, and PMB test grade. Data of the sum of SKS, grade quality, IPS, and IPK is located in Academic Information System and stored in the database of each study program on the mhs table (contains of student’s quality and force quality), mtk table (contains of course code, course name, and credits), tw table (contains of courses that available in the semester), and kh table (counting the sum of credits, grade quality, IPS, and IPK). The PMB test grade located in Student Admission System and stored in pmb database in the nf table (contains of PMB test grade).

  The data warehouse that is going to be made bundles database on the Academic Information System and database on Student Admission System. After that, the formed database will be processed into Online Analytical Processing (OLAP) database using Kettle (Pentaho Data Integration) and Star Schema. The data warehouse can to calculate each student’s sum credits, grade quality, IPS and

  IPK grade, and the total test grade of Student Admission. The calculation of the data warehouse gives accurate result information (the same result with Academic Information System and Student Admission System).

  The results of data warehouse, making IPS and IPK grade is 50% suitable to the reporting EPSBED and PMB grade test is 100% suitable to the report of test Admissions so that it can helps Dean of the Faculty of Science and Technology to monitoring academic progress of each study program.

  

PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK

KEPENTINGAN AKADEMIS

  Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma : Nama : Setiawan Wasito NIM : 065314065 Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan Universitas Sanata Dharma karya ilmiah saya yang berjudul:

  

Implementasi Gudang Data Untuk Keprluan Akademik Mahasiswa Studi

Kasus Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta

  Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data, mendistribusikannya secara terbatas, dan mempublikasikannya di internet dan media lain untuk kepentingan akademis tanpa perlu meminta izin dari saya maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai penulis. Demikian pernyataan ini saya buat dengan sebenarnya. Yogyakarta, 20 November 2010

  Penulis Setiawan Wasito

KATA PENGANTAR

  Puji syukur kehadirat Tuhan Yang Maha Esa atas segala kasih dan anugerahnya sehingga penulis dapat menyelesaikan skripsi dengan judul “IMPLEMENTASI GUDANG DATA UNTUK KEPRLUAN AKADEMIK MAHASISWA STUDI KASUS FAKULTAS SAINS DAN TEKNOLOGI UNIVERITAS SANATA DHARMA YOGYAKARTA”. Skripsi ini disusun untuk memenuhi salah satu syarat tugas akhir memperoleh gelar Sarjana Teknik Universitas Sanata Dharma.

  Selama menyelesaikan skripsi ini, penulis telah banyak memperoleh bimbingan, dukungan, dan bantuan dari banyak pihak. Maka kesempatan ini, penulis ingin menghaturkan banyak terima ksaih kepada:

  1. Ridowati Gunawan, S.Kom., M.T., selaku dosen pembimbing skripsi, atas kesabarannya dalam membimbing penulis, memberikan waktu, dukungan,serta saran yang sangat membantu penulis.

  2. Puspaningtyas Sanjoyo Adi, S.T., M.T., selaku Kaprodi Teknik Informatika selaku dosen penguji.

  3. P.H. Prima Rosa, S.Si., M.Sc. dan Bapak Puspaningtyas Sanjoyo Adi, S.T., M.T., selaku dosen penguji.

  4. Seluruh staff pengajar Prodi Teknik Informatika Fakultas Sains dan Teknologi Universitas Sanata Dharma.

  5. Kedua orang tua penulis dan Bpk/Ibu Sudaryono yang telah begitu sabar dan setia mendampingi serta memberikan semangat yang luar biasa sehingga skripsi ini dapat terselesaikan.

  6. Katarina Ika Yuniana S.Pd. yang begitu setia mendampingi penulis, memberikan semangat.

  7. Agustinus Djodi S.Akt., Yohanes Hendra, semua sahabat di Teknik Informatika angkatan 2006, teman-teman dalam satu pengharapan (Paulina Silvia, Cherensia Devi, Alim Untung Widodo S.T, Widyo Sutoto, Tulus

  8. Semua pihak yang telah turut membantu dan memberikan dukungan dalam penyelesaian penulisan ini.

  Penulis menyadari sepenuhnya bahwa skripsi ini masih jauh dari sempurna. Oleh karena itu, penulis dengan senang hati bersedia menerima sumbangan pikiran dan saran maupun kritik untuk menyempurnakan penulisan ini.

  Penulis Setiawan Wasito

  

DAFTAR ISI

  HALAMAN JUDUL ................................................................................................ i HALAMAN PERSETUJUAN ............................................................................... iii HALAMAN PENGESAHAN ................................................................................ iv MOTTO ................................................................................................................... v PERNYATAAN KEASLIAN HASIL KARYA .................................................... vi ABSTRAK ............................................................................................................ vii

  

ABSTRACT ........................................................................................................... viii

  PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPERNTINGAN AKADEMIS .............................................. ix KATA PENGANTAR ............................................................................................. x DAFTAR ISI ......................................................................................................... xii DAFTAR TABEL ................................................................................................ xvi DAFTAR GAMBAR .......................................................................................... xvii

  Bab I. PENDAHULUAN ....................................................................................... 1

  1.1. Latar Belakang ..................................................................................... 1

  1.2. Rumusan Masalah ................................................................................ 2

  1.3. Tujuan .................................................................................................. 2

  1.4. Batasan Masalah .................................................................................. 2

  1.5. Metodolagi Penelitian .......................................................................... 2

  1.6. Sistematika Penulisan .......................................................................... 3

  Bab II. LANDASAN TEORI .................................................................................. 4

  2.1. Online Transaction Processing (OLTP) ............................................... 4

  2.2. Gudang Data ......................................................................................... 4

  2.2.1. Komponen Gudang Data ............................................................ 6

  2.2.2. Karakteristik Gudang Data ......................................................... 7

  2.2.3. Metadata ..................................................................................... 8

  2.2.4. Format Data ................................................................................ 9

  2.2.7. Data Staging ............................................................................. 11

  2.2.8. Implementasi Gudang Data ...................................................... 12

  2.3. Extract, Transform, dan Load (ETL) ................................................. 14

  2.4. Online Analytical Processing (OLAP) ............................................... 15

  2.5. Multi Dimensional Modelling ............................................................ 15

  2.5.1. Cube, Dimension, Measure, and Member ................................ 15

  2.5.2. Tabel Fakta dan Dimensi (Fact and Dimension Tables) ......... 15

  2.5.3. Skema Bintang (Star Schema) ................................................. 16

  2.5.4. Surrogate Key .......................................................................... 17

  Bab III. ANALISIS DAN PERANCANGAN SISTEM ........................................ 18

  3.1. Analisis Kebutuhan ......................................................................... 23

  3.2. Analisis Sistem ................................................................................ 23

  3.3. Langkah-langkah perancangan gudang data ................................... 23

  3.3.1. Membaca Data Legacy .......................................................... 23

  3.3.1.1. Sistem Informasi Akademik ..................................... 23

  3.3.1.2. Sistem Informasi Penerimaan Mahasiswa Baru ....... 30

  3.3.2. Menggabungkan Data Dari Sumber Terpisah ....................... 33

  3.3.3. Memindahkan Data Dari Sumber Ke Server Gudang Data .. 34

  3.3.4. Memecah Gudang Data Dalam Tabel Fakta Dan Dimensi ... 45

  3.3.4.1. Cube khs ................................................................... 46

  3.3.4.2. Cube ips .................................................................... 47

  3.3.4.3. Cube ipk ................................................................... 48

  3.3.4.4. Cube pmb ................................................................. 49

  Bab IV. IMPLEMENTASI DAN ANALISA SISTEM ......................................... 50

  4.1. Membaca Data Legacy .................................................................... 52

  4.1.1. Tabel mhs Database skripsi_fisika ....................................... 52

  4.1.2. Tabel mtk Database skripsi_fisika........................................ 53

  4.1.3. Tabel kh Database skripsi_fisika .......................................... 53

  4.1.4. Tabel tw Database skripsi_fisika .......................................... 54

  4.3. Memindahkan data dari sumber ke server gudang data .................. 57

  4.3.1. Tabel gabung_mhs_prodi ...................................................... 57

  4.3.1.1. Tabel mhs Database skripsi_gabungan .................. 57

  4.3.1.2. Tabel gabung_mhs_prodi Database skripsi_gabungan .................................... 58

  4.3.1.2.1. Membaca nama tabel.............................. 58

  4.3.1.2.1. Set Variabel ............................................ 58

  4.3.1.2.3. Memasukkan Variabel ........................... 59

  4.3.1.3. Tabel gabung_mhs_prodi Database skripsi_gabungan .................................... 59

  4.3.2. Tabel gabung_mtk ................................................................. 60

  4.3.3. Tabel gabung_tw_mtk ........................................................... 62

  4.3.4. Tabel gabung_khs ................................................................. 63

  4.3.5. Tabel ips ................................................................................ 64

  4.3.6. Tabel ipk ............................................................................... 65

  4.3.7. Tabel gabung_pmb ................................................................ 66

  4.4. Memecah gudang data dalam tabel fakta dan tabel dimensi ........... 67

  4.4.1. Tabel dimensi dim_mhs_prodi .............................................. 67

  4.4.2. Tabel dimensi dim_tw_mtk .................................................. 68

  4.4.3. Tabel dimensi dim_ambil ...................................................... 69

  4.4.4. Tabel fakta fact_khs .............................................................. 70

  4.4.5. Tabel fakta fact_ips ............................................................... 71

  4.4.6. Tabel fakta fact_ipk .............................................................. 72

  4.4.7. Tabel fakta fact_pmb ............................................................ 73

  4.5. Pembentukan Skema Bintang ......................................................... 74

  4.5.1. Skema Bintang KHS ............................................................. 74

  4.5.2. Skema Bintang IPS ............................................................... 76

  4.5.3. Skema Bintang IPK ............................................................... 77

  4.5.4. Skema Bintang PMB ............................................................. 79

  5.1.1. Hasil KHS Prodi ................................................................... 81

  5.1.2. Hasil IPS Prodi ..................................................................... 82

  5.1.3. Hasil IPK Prodi .................................................................... 83

  5.1.4. Hasil Nilai test Prodi ............................................................ 83

  5.2. Kelebihan Sistem ........................................................................... 84

  5.3. Kekurangan Sistem ........................................................................ 84

  Bab VI. KESIMPULAN ........................................................................................ 85

  6.1. Kesimpulan .................................................................................... 85

  6.2. Saran ............................................................................................... 86 Daftar Pustaka ........................................................................................................ 87

  

DAFTAR TABEL

Tabel 2.1. Karakteristik Gudang Data ................................................................... 7Tabel 2.2. Komponen Metadata ............................................................................. 9Tabel 3.1. mhsprodi ............................................................................................. 23Tabel 3.2. Contoh data mhsprodi ......................................................................... 25Tabel 3.3. mtkprodi .............................................................................................. 27Tabel 3.4. Contoh data mtkprodi.......................................................................... 28Tabel 3.5. khprodiangkatan .................................................................................. 29Tabel 3.6. Contoh data master khprodiangkatan .................................................. 29Tabel 3.7. Master twproditahunakademik ............................................................ 30Tabel 3.8. Contoh data master twproditahunakademik ........................................ 30Tabel 3.9. prd_std ................................................................................................. 30Tabel 3.10. Contoh data prd_std ........................................................................... 31Tabel 3.11. nftahunprodi ....................................................................................... 32Tabel 3.12. Contoh Data nftahunprodi .................................................................. 32Tabel 3.13. Tabel mhsprodi .................................................................................. 34Tabel 3.14. Tabel gabung_mhs ............................................................................. 34Tabel 3.15. Tabel gabung_mhs_prodi ................................................................... 35Tabel 3.16. Tabel mtk ........................................................................................... 36Tabel 3.17. Tabel gabung_mtk.............................................................................. 36Tabel 3.18. Tabel tw_prodi ................................................................................... 37Tabel 3.19. Tabel gabung_tw ................................................................................ 38Tabel 3.20. Tabel gabung_tw_mtk........................................................................ 39Tabel 3.21. Tabel khprodi ..................................................................................... 40Tabel 3.22. Tabel gabung_kh ................................................................................ 41Tabel 3.23. Tabel ips ............................................................................................. 42

  

DAFTAR GAMBAR

Gambar 2.1. Arsitektur Data Warehouse .............................................................. 10Gambar 2.2. Sistem Kerja Data Warehouse ......................................................... 14Gambar 2.3. Star Schema dari PHI-Minimart ....................................................... 17Gambar 3.1. Pelaporan EPSED ............................................................................. 17Gambar 3.2. Ilustrasi tentang studi kasus yang digunakan dalam penelitian ini................................................ 32Gambar 3.3. Star Schema dari fact_gabungan ...................................................... 45Gambar 3.4. Star Schema dari fact_khs ................................................................ 46Gambar 3.5. Star Schema dari fact_ips ................................................................. 47Gambar 3.6. Star Schema dari fact_ipk ................................................................ 48Gambar 3.7. Star Schema dari fact_pmb .............................................................. 49Gambar 4.1. Langkah pembentukan tabel pada gudang data ................................ 51Gambar 4.2. mhs3214.ktr ...................................................................................... 52Gambar 4.3. Tabel mhs3214 ................................................................................. 52Gambar 4.4. mtk3214.ktr ...................................................................................... 53Gambar 4.5. Tabel mtk3214.................................................................................. 53Gambar 4.6. kh32142004.ktr ................................................................................ 53Gambar 4.7. Tabel kh32142004 ............................................................................ 54Gambar 4.8. tw321420041.ktr .............................................................................. 54Gambar 4.9. Tabel tw321420041 .......................................................................... 54Gambar 4.10. pmb_fisika.ktr ................................................................................. 55Gambar 4.11. Tabel nf20043214 ........................................................................... 55Gambar 4.12. Arsitektur Gudang Data .................................................................. 56Gambar 4.13. mhs3214.ktr ..................................................................................... 57Gambar 4.14. Tabel mhs3214 ................................................................................ 57Gambar 4.17. set variabel.ktr ................................................................................. 58Gambar 4.18. memasukkan variabel.ktr ................................................................ 59Gambar 4.19. Tabel gabung_mhs .......................................................................... 59Gambar 4.20. gabung_mhs_prodi.ktr .................................................................... 59Gambar 4.21. Tabel gabung_mhs_prodi ................................................................ 60Gambar 4.22. mtk3214.ktr ..................................................................................... 60Gambar 4.23. Tabel mtk3214................................................................................. 61Gambar 4.24. Tabel mtk......................................................................................... 61Gambar 4.25. Tabel gabung_mtk ........................................................................... 61Gambar 4.26. Tabel tw database skripsi_fisika ..................................................... 62Gambar 4.27. Tabel tw3214 ................................................................................... 62Gambar 4.28. Tabel tw database skripsi_gabungan .............................................. 62Gambar 4.29. Tabel gabung_tw ............................................................................. 63Gambar 4.30. Gabung tw mtk.ktr .......................................................................... 63Gambar 4.31. Tabel gabung_tw_mtk ..................................................................... 63Gambar 4.32. Tabel kh database skripsi_fisika ..................................................... 63Gambar 4.33. Tabel kh database skripsi_gabungan .............................................. 64Gambar 4.34. Tabel gabung_khs ........................................................................... 64Gambar 4.35. ips.ktr ............................................................................................... 64Gambar 4.36. Tabel ips .......................................................................................... 65Gambar 4.37. ipk.ktr .............................................................................................. 65Gambar 4.38. Tabel ipk .......................................................................................... 66Gambar 4.39. Tabel nf database skripsi_pmb ....................................................... 66Gambar 4.40. Tabel gabung_pmb .......................................................................... 66Gambar 4.41. dim_mhs_prodi.ktr .......................................................................... 67Gambar 4.42. Tabel dim_mhs_pro......................................................................... 67Gambar 4.43. dim_tw_mtk.ktr ............................................................................... 68Gambar 4.44. Tabel dim_tw_mtk .......................................................................... 68Gambar 4.45. dim_ambil.ktr .................................................................................. 69Gambar 4.48. Tabel fact_khs ................................................................................. 70Gambar 4.49. fact_ips.ktr ....................................................................................... 71Gambar 4.50. Tabel fact_ips .................................................................................. 72Gambar 4.51. fact_ipk.ktr ...................................................................................... 72Gambar 4.52. Tabel ipk .......................................................................................... 72Gambar 4.53. fact_pmb.ktr .................................................................................... 73Gambar 4.54. Tabel fact_pmb ................................................................................ 73Gambar 4.55. SkemaKHS.xml ............................................................................... 74Gambar 4.56. Hasil SkemaKHS.xml ..................................................................... 75Gambar 4.57. SkemaIPS.xml ................................................................................. 76Gambar 4.58. Hasil SkemaIPS.xml........................................................................ 77Gambar 4.59. SkemaIPK.xml ................................................................................ 77Gambar 4.60. Hasil SkemaIPK.xml ....................................................................... 78Gambar 4.61. SkemaPMB.xml .............................................................................. 79Gambar 4.62. Hasil SkemaPMB.xml ..................................................................... 80Gambar 5.1. Data KHS Prodi pada OLAP ........................................................... 81Gambar 5.2. Data KHS Prodi pada Excel ............................................................ 82Gambar 5.3. Data IPS Prodi pada OLAP ............................................................. 82Gambar 5.4. Data IPK Prodi pada OLAP ............................................................. 83Gambar 5.5. Data Nilai test PMB pada OLAP ..................................................... 83Gambar 5.6. Data Nilai test PMB pada Excel ...................................................... 84

BAB I PENDAHULUAN 1.1. Latar Belakang Penerimaan Mahasiswa Baru (PMB) di Universitas Sanata Dharma

  dilakukan dengan menggunakan dengan Sistem Informasi PMB. Semua sudah terkomputerisasi dengan baik, semua informasi disimpan dalam

  database PMB. Informasi yang disimpan meliputi profil calon mahasiswa,

  pendaftaran, nilai test sampai dengan registrasi. Setelah calon mahasiswa itu registrasi maka akan menjadi mahasiswa baru di lingkungan Universitas Sanata Dharma sesuai dengan pilihan program studinya. Semua informasi pada waktu PMB akan dikirim ke Sistem Informasi Akademik. Sistem Informasi Akademik memiliki database yang berbeda, masing-masing berdiri sendiri.

  Fakultas Sains dan Teknologi merupakan salah satu Fakultas di Universitas Sanata Dharma. Fakultas ini memiliki 5 buah program studi yaitu Teknik Informatika, Teknik Elektro, Teknik Mesin, Mekatronika, Fisika, dan Matematika. Semua informasi pada kelima prodi tersebut disimpan pada Sistem Informasi Akademik tiap prodi.

  Berdasarkan uraian di atas penulis tertarik untuk membuat suatu gudang data guna membantu Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta dalam memantau perkembangan mahasiswa setiap prodi yang digunakan untuk pelaporan EPSBED (Evaluasi Program Studi Berbasis Evaluasi Diri) dan pelaporan nilai test Penerimaan Mahasiswa Baru, penggabungan database PMB dengan database Akademik tiap prodi. Gudang data yang sudah terbentuk akan digunakan untuk keperluan database Online Analytical Processing (OLAP) yang mencakup informasi SKS tiap tahun akademik, Indeks Prestasi Kumulatif (IPK) dan

  1.2. Rumusan Masalah

  Berdasarkan latar belakang yang telah diuraikan diatas, permasalahan yang dapat dirumuskan adalah: Bagaimana membuat suatu gudang data dan

  database Online Analytical Processing (OLAP) akademik mahasiswa untuk

  Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta dalam memantau perkembangan mahasiswa setiap prodi yang digunakan untuk pelaporan EPSBED (Evaluasi Program Studi Berbasis Evaluasi Diri) dan pelaporan nilai test Penerimaan Mahasiswa Baru.

  1.3. Tujuan

  Membuat database Online Analytical Processing (OLAP) dari gudang data akademik mahasiswa dan PMB, sehingga diperoleh informasi jumlah SKS, angka_mutu, nilai IPS, nilai IPK selama 4 semester, nilai test PMB yang mencakup nilai verbal, numerik, mekanik, ruang, Bahasa Inggris dan jumlah dari kelima nilai tesebut.

  1.4. Batasan Masalah

  Agar penulisan tugas akhir ini tidak keluar dari inti dan tujuannya serta tidak menjadi luas dan kompleks, maka perlu diberi batasan pada beberapa hal:

  1. Nilai test Penerimaan Mahasiwa Baru (PMB), nilai IPS, dan nilai IPK yang diambil dari mahasiswa Fakultas Sains dan Teknologi Universitas Sanata Dharma angkatan 2004, 2005, 2006, dan 2007 selama 4 semester.

  2. Implementasi dengan menggunakan Kettle (Pentaho Data Integration ).

  3. Informasi yang telah terbentuk diperuntukkan Dekan Fakultas Sains dan Teknologi dalam memantau perkembangan mahasiswa setiap prodi yang digunakan untuk pelaporan EPSBED (Evaluasi Program

  1.5. Metodologi Penelitian 1. Mencari dokumen teks / Excel dari database yang berbeda.

  2. Merubah ke dalam gudang data (data warehouse).

  3. Membuat skema bintang.

  4. Merubah ke dalam database OLAP.

  1.6. Sistematika Penulisan

  Sistematika penulisan tugas akhir ini terdiri atas enam bab, yang diuraikan selengkapnya sebagai berikut :

  BAB I : PENDAHULUAN Bab ini berisi latar belakang penulisan tugas akhir, rumusan

  masalah, batasan masalah, metodologi penelitian, dan sistematika penulisan.

  BAB II : LANDASAN TEORI Bab ini membahas sekilas tentang gudang data dan juga teori- teori lain yang mendukung dalam penulisan tugas akhir ini. BAB III : ANALISIS DAN PERANCANGAN SISTEM Bab ini berisi analisa dan perancangan gudang data. BAB IV : IMPLEMENTASI DAN ANALISA SISTEM Bab ini berisi pembuatan gudang data. BAB V : ANALISIS HASIL Bab ini berisi laporan dan hasil pembangunan gudang data. BAB VI : KESIMPULAN DAN SARAN Bab ini berisi beberapa kesimpulan yang didapat dan saran-saran berdasarkan hasil pembuatan gudang data.

BAB II LANDASAN TEORI

  2.1. Online Transaction Processing (OLTP) Database OLTP berisi informasi sehari-hari yang dibutuhkan oleh

  sebuah organisasi untuk menjalankan bisnisnya. Sebuah database OLTP biasanya mengandung data-data yang spesifik terhadap suatu proses bisnis. Beban kerja sistem informasi OLTP difokuskan pada perekaman, perubahan, dan penghapusan data secara real time. Dengan demikian sistem dan

  database OLTP sangat mission critical artinya tidak boleh ada gangguan

  dalam sistem ini atau operasional tidak bisa berjalan baik. Sistem informasi yang bisa dikategorikan OLTP adalah [1]:

  • Enterprise Resource Planning (ERP) dengan contoh produk seperti SAP, Compiere/ Adempiere, Microsoft Dynamics, dan lain-lain.
  • Human Resource Management (HRM) dengan contoh produk seperti OrangeHRM, PeopleSoft, dan lain-lain.

  2.2. Gudang Data

  Gudang data mengintegrasikan data yang telah disimpan dalam periode waktu tertentu dan sering digunakan untuk menambah informasi. Menurut Inmon (1992) gudang data didefinisikan sebagai sekumpulan data yang terintegrasi, basis data berorientasi subyek yang didesain untuk mendukung fungsi sistem pengambilan keputusan, dimana setiap unit dari data adalah non-volatile dan relevan untuk waktu tertentu [2]. Gudang data lebih besar dari beberapa jenis basis data, ukurannya mencapai gigabyte bahkan sampai dengan terabyte.

  Secara fisik gudang data memisahkan operasional dengan diakses. Gudang data juga melakukan transformasi dari data operasional ke dalam bentuk relasional, akan tetapi tidak seluruh data yang ditransformasikan hanya data yang dibutuhkan untuk pengambilan keputusan saja. Dalam sebuah organisasi dimungkinkan untuk membuat gudang data lebih dari satu. Gudang data merupakan salah satu solusi untuk masalah akses data.

  Keuntungan dari gudang data adalah sebagai berikut [2]: a. Meningkatkan produktifitas pengetahuan para pekerja.

  b. Mendukung seluruh data yang diperlukan oleh pengambil keputusan.

  c. Menyediakan data yang siap diakses untuk data yang penting d. Melindungi operasi basis data dari proses ad hoc.

  e. Menyediakan ringkasan informasi untuk level tingkat tinggi.

  f. Menyediakan kemampuan untuk penelusuran informasi lebih dalam. Hasil yang dapat diperoleh dari gudang data adalah sebagai berikut: a. Meningkatkan pengetahuan bisnis.

  b. Mampu melakukan persaingan bisnis bahkan menjadi pemimpin bisnis.

  c. Mempertinggi service dan kepuasan pelanggan.

  d. Memberikan fasilitas pembuatan keputusan.

  e. Membantu mempersingkat proses bisnis. Ada 2 asumsi yang dibuat terhadap gudang data yaitu [2]: a. Gudang data secara fisik terpisah dari seluruh sistem operasional.

  b. Gudang data menggabungkan data dan data transaksi untuk manajemen dan memisahkan mereka dari yang digunakan untuk transaksi on-line.

  Tidak seluruh organisasi memerlukan gudang data, gudang data sebaiknya digunakan untuk organisasi yang [2]: informasi.

  c. Data besar dengan bermacam-macam jenis pengguna.

  d. Memiliki data yang sama dengan representasi berbeda dalam sistem yang berbeda.

  e. Format data yang tidak beraturan.

2.2.1. Komponen Gudang Data

  Ada banyak komponen yang terdapat dalam gudang data, diantaranya [2]:

  1. Penyimpan data Penyimpan data operasional adalah komponen yang paling umum dalam gudang data. Setiap hari organisasi akan melakukan penyimpanan data operasional dimana data yang disimpan adalah tunggal untuk suatu aplikasi tertentu. Fungsi dari penyimpanan data operasioanal dalam gudang data adalah sebagai sumber aliran data mentah. Organisasi dalam penyimpanan data ini pada umumnya berorientasi subyek, dan berfokus pada pelanggan, produk, order, kebijakan hal lain diseputarnya. Penyimpanan data ini sering juga disebut sebagai gudang data secara fisik.

  2. Data pasar (mart data) Data pasar adalah bagian dari gudang data dimana hanya data yang relevan saja yang dipelihara. Data pasar sering dilihat sebagai cara untuk meningkatkan masukan ke dalam bidang dari gudang data dan membuat seluruh kesalahan menjadi kecil. Data pasarnya biasanya digunakan oleh firma untuk memperkecil biaya dan memperkecil skala.

  3. Metadata Metadata merupakan salah satu contoh dari gudang data secara logikal. Yang digunakan untuk memperoleh informasi dan mengakses data secara aktual. Sistem legacy pada umumnya tidak menyimpan data dapat diakses. Metadata adalah data sederhana tentang data yaitu lebih memperhatikan informasi yang disimpan tentang gudang dari pada informasi yang disediakan oleh gudang.

  4. Sistem pendukung keputusan dan sistem informasi eksekutif.

  Keduanaya bukanlah bagian dari gudang data akan tetapi aplikasi- aplikasinya digunakan untuk gudang data.

2.2.2. Karakteristik Gudang Data

  Karakteristik utama dari gudang data dalam dilihat pada table 2.1:

Tabel 2.1 : Karakteristik Gudang Data [2]

  Karakteristik Deskripsi

Subject Orientation Data diorganisir sesuai dengan kebutuhan user.

  Integrated Menghilangkan kerancuan dalam hal penamaan dan kekacauan informasi. Data harus “clean”. Nonvolatile Data hanya dapat dibaca, tidak dapat diubah oleh user Time-series Data dalam rangkaian waktu, bukan hanya status saat ini. Summarized Data operasioanl dikumpulkan (diringkas), untuk mendukung keputusan. Larger Memelihara data dari waktu ke waktu selama diperlukan. Not Normalized Data dapat redundant. Metadata Data mengenai data untuk user dan personil gudang data.

  Data operasioanal ditambah data eksternal yang

  Input dibutuhkan.

2.2.3. Metadata

  Metadata adalah data mengenai data. Ini adalah informasi tentang gudang data bukan informasi yang disediakan oleh gudang. Metadata menghasilkan 2 hal essensial yaitu staf dan user dari gudang data. Setiap grup membutuhkan informasi yang berbeda. Untuk staf gudang data, metadata mengandung [2]:

  a. Sebuah direktori tentang apakah isi dari gudang data. Direktori menginformasikan dimana data disimpan. Ini adalah sebuah index yang digunakan ketika sebuah query diajukan untuk menemukan informasi yang benar.

  b. Sebuah petunjuk untuk memetakan data dari bentuk operasional ke bentuk gudang. Ketika data dipindahkan ke gudang, data harus dalam format standar dan harus harus mengikuti ketentuan yang berlaku pada gudang yaitu harus bersih. Petunjuk harus menyediakan instruksi bagaimana setiap kelompok data ditransformasikan sehingga menjadi bentuk yang benar.

  c. Aturan yang digunakan untuk membuat ringkasan. Bagi pengguna gudang data, metadata mengandung: a. Istilah bisnis yang digunakan untuk menggambarkan data.

  b. Nama-nama teknis yang sesuai dengan istilah bisnis yang dapat digunakan untuk akses data.

  c. Sumber data, aturan yang digunakan untuk mengambil data dan kapan data dibangun.

  Secara konseptual, metadata dikelompokkan dalam 3 komponen dapat dilihat pada table 2.2:

Tabel 2.2 : Komponen Metadata

  Komponen Isi Pengguna Direktori Teknis Informasi tentang data Data warehouse administrator.

  Direktori Bisnis Perspektif pengguna End user terhadap data. Petunjuk Informasi Akses ke direktori bisnis End user dan gudang data

  2.2.4. Format Data

  Konsep normalisasi data dalam sistem transaksi, mempunyai popularitas yang panjang dalam database relational, namun tidak dapat dipakai dalam gudang data. Dalam sistem transaksi perhatian utama adalah untuk mengeliminasi redundansi. Prinsipnya, space penyimpanan itu mahal dan tidak seharusnya diboroskan.

  Filosofi dalam gudang data adalah mengatur data sehingga mudah digunakana dan dapat diperoleh kembali dengan cepat. Redundansi sangat dibenarkan.

  2.2.5. Arsitektur Gudang Data Banyak sekali aritektur gudang data yang dikemukakan, akan tetapi

  pada umumnya memiliki bentuk seperti pada gambar 2.1 [2]:

  Visualization

  Sumber Data Yang Berbeda

  Metadata Extract Transform

  Serves Load

  OLAP Refresh

  Data Warehouse Operational Databases Data Mining

Gambar 2.1 : Arsitektur Data Warehouse

  Setiap hari organisasi melakukan kegiatan dan melakukan perubahan terhadap basis data operasional. Data dari basis data operasioanl dan sumber data eksternal lainnya disimpulkan dengan menggunakan gateway atau standar eksternal penghubung yang lain yang mendukung DBMS seperti Open Database Connectivity (ODBC). ODBC adalah program aplikasi yang menghubungkan antara program client untuk menghasilkan pernyataan SQL agar dapat dilakukan eksekusi oleh server. Ada 3 jenis gudang data yaitu:

  1. Gudang data virtual: membiarkan pemakai untuk melakukan akses secara langsung ke dalam data operasional. Disini gudang data bersifat virtual, tidak real. Gudang data virtual biasanya digunakan untuk memperkecil biaya operasional dan biasanya untuk mengetahui data apa yang sebenarnya dicari oleh pemakai. atau divisi. Gudang data terpusat ini biasanya dipilih jika ada data yang dibutuhkan secara umum dan ada sejumlah pemakai yang telah siap terhubung melalui jaringan komputer. Gudang data ini real yang berarti data yang disimpan dalam gudang data ada secara fisik dan diakses dari suatu tempat dan harus selalu dipelihara.

  3. Gudang data terdistribusi. Sesuai dengan namanya, komponen- komponen dari gudang data terdistribusi melalui sejumlah penyimpanan fisik basis data.

  2.2.6. Langkah Pembuatan Gudang Data

  1. Membaca data legacy Memperhatikan bagian-bagian data yang perlu untuk dibersihkan

  2. Menggabungkan data dari berbagai sumber terpisah Setiap jenis informasi yang diinginkan mungkin berasal dari beberapa

file yang harus digabungkan untuk digunakan pada gudang data.

  3. Memindahkan data dari sumber ke server gudang data Membuat standarisasi format dan copy-kan data dari sumber sekaligus data dibuat bersih (clean).

  4. Memecah gudang data dalam tabel fakta dan tabel dimensi Tabel fakta dan tabel dimensi disusun menurut kebutuhan subyek.

  2.2.7. Data Staging Data staging merupakan buffer untuk mengintegrasikan data.

  Dengan buffer ini proses ETL pada gudang data akan cepat. Hal lain yang menjadikan data staging sebagai solusi yang sangat baik adalah karena proses di memori (RAM) tentunya sangat terbatas dan ujung-ujungnya akan mencari space di hard drive untuk paging/ caching. Dengan batasan seperti itu, akhirnya lama kelamaan proses di merory akan penuh terus dan malah menjadi bottleneck di ETL kita. Oleh karena itu apabila terjadi

2.2.8. Implementasi Gudang Data

   Ada banyak cara untuk membuat dan memelihara sebuah gudang

  data yang besar. Basis data dengan skema yang baik harus didesain agar mudah melakukan integrasi dengan sekumpulan data yang sumbernya terpisah. Permasalahan yang terjadi pada saat membuat gudang data adalah masalah “integrasi semantik”. Bila sumber data berasal dari sumber yang berbeda tentunya semantiknya berbeda pula. Gudang data harus dapat melakukan proses pembersihan terhadap data. Data dengan maksud yang sama seharusnya dipandang sama. Perbedaan-perbedaan harus dihilangkan dalam gudang data.

  Hal yang penting dalam gudang data adalah bagaimana memelihara data itu sendiri dalam gudang data. Sistem yang akan dilakukan adalah dengan menggunakan sistem katalog. Informasi tentang data yang disimpan berada pada sistem ini. Jadi gudang data harus dihubungkan dengan sistem katalog dan hal ini biasanya disimpan dalam basis data yang terpisah yang dikenal dengan nama metadata repository (data tentang gudang). Seperti yang telah dikemukakan sebelumnya, yang lebih diperhatikan disini adalah data tentang gudang data dan bukan isi dari gudang data.

  Gudang data iniliah kemudian dimanfaatkan oleh bermacam- macam peralatan seperti termasuk didalamnya OLAP, algoritma data mining, peralatan untuk visualisasi informasi, paket statistik, dan penghasil laporan.

  Denis Kozar (1997), wakil pimpinan dari Enterprise Information

  Architecture dari Chase Manhattan Bank mengemukakan ‘tujuh kesalahan

  fatal’ dalam menerapkan gudang data yaitu:

  1. Pada saat membangun gudang data, data akan datang. Kesalahan yang sering kali terjadi adalah tidak merencanakan dengan baik gudang data. Pada saat membangun gudang data, seharusnya dibangun dengan harapan akan ada orang yang memanfaatkannya.

  2. Kesalahan dalam membuat kerangka arsitektur gudang data. Hal yang penting adalah bagaimana membangun kerangka arsitektur gudang data. Kerangka inilah yang merupakan blue print untuk membangun dan menggunakan berbagai komponen gudang data. Sehingga kesalahan pada pembuatan kerangka ini akanlah berakibat sangat fatal.

  3. Ketidakmampuan menyusun asumsi Asumsi dan data potensial harus dimasukkan ke dalam kerangka gudang data. Asumsi yang harus dipersiapkan antara lain: a. Berapa banyak data yang akan dimasukkan ke dalam gudang data?

  b. Berapa sering data harus diperbaharui?

  c. Dimanakah gudang data akan diterapkan? Jawaban tepat atas pertanyaan diatas akan sangat membantu dalam pembuatan gudang data.

  4. Kesalahan dalam menentukan peralatan yang akan digunakan untuk menyelesaikan tugas. Dalam memilih peralatan untuk membangun gudang data haruslah tepat. Peralatan gudang data tidaklah sama dengan peralatan yang digunakan untuk membangun sistem operasional.

  5. Kesalahan dalam siklus hidup gudang data. Siklus hidup gudang data berbeda dengan System Development Life Cycle (SDLC). Walaupun memiliki kesamaan, akan tetapi ada perbedaan mendasar yaitu bahwa siklus hidup gudang data tidak pernah berakhir, selalu berlanjut sehingga perlu selalu diperbaharui. Hal ini heruslah perlu disadari.

  6. Cenderung membatalkan data yang mengandung perbedaan. Perlu dilakukan penyesuaian terhadap data yang berbeda dan buka menghilangkan data.

  7. Menggagalkan dokumen yang ada kesalahan.

2.3. Extract, Transform, dan Load (ETL)

  Untuk melakukan data warehousing maka diperlukan utilitas yang dirancang khusus untuk hal tersebut. Utilitas tersebut harus memiliki kemampuan [1]:

  1. Membaca dari dan mengirim data ke berbagai sumber (file teks, excel,

  database relational , dan sebagainya)

  2. Mampu meyesuaikan / transformasi data 3. Memiliki informasi metadata pada setiap perjalanan transformasi.

  4. Memiliki audit log yang baik.

  5. Dapat ditingkatkan performanya dengan scale up dan scale out.

  6. Mudah diimplementasikan Secara singkat proses tersebut dibagi dalam 3 proses besar yaitu Extract (mengambil), Transform (transformasi), dan Load (menyimpan) atau disingkat ETL dapat dilihat pada gambar 2.2.

  Dokumen

  Mapping Data

  Text / Excel Vendor

  User Database Data Warehouse OLAP SKEMA

  Database Bintang

  Mapping Data

  IT

Gambar 2.2 : Sistem Kerja Data Warehouse

  2.4. Online Analytical Processing (OLAP) Database OLAP dirancang dan difokuskan pada kecepatan

  pembacaan data terutama dari volume data yang besar. Umumnya database OLAP tidak mengantisipasi perubahan data yang dilakukan oleh pengguna. Tetapi sebaliknya, isi dari database dipopulasi dengan suatu proses batch dan biasanya dilakukan dalam periode tertentu. Proses batch ini biasanya juga melibatkan pembacaan bukan hanya satu tapi juga dari berbagai sumber data OLTP untuk diintegrasikan dan ditranformasikan. Proses inilah yang umumnya disebut dengan data warehousing [1].

  2.5. Multi Dimensional Modelling

2.5.1. Cube, Dimension, Measure, and Member

   Teknologi OLAP menganut multi dimensional modeling, artinya

  kita dapat melihat analisis pengukuran dengan pandangan berbagai dimensi. Di dalam konsep ini kita perlu mengenal berbagai istilah yang berkaitan dengan OLAP [1]:

  1. Cube: adalah struktur multi dimensional konseptual, terdiri dari

  dimension dan measure dan biasanya mencakup pandangan bisnis tertentu.

  2. Dimension / dimensi: adalah struktur view / sudut pandang yang menyusun cube. Dimensi dapat terdiri dari berbagai level.

  3. Measure: nilai pengukuran itu sendiri.

  4. Member: isi / anggota dari suatu dimension / measure tertentu.

  2.5.2. Tabel Fakta dan Dimensi (Fact and Dimension Tables)

  Tabel fakta (fact table) yaitu tabel yang berisi fakta numerik, jika semua data disimpan pada tabel fakta tunggal, maka hasilnya adalah tabel yang besar sekali. Tabel dimensi (dimension table) yaitu tabel yang berisi petunjuk (pointer) ke tabel fakta, digunakan untuk menunjukkan darimana

  Di dalam model multi dimensional, database terdiri dari beberapa tabel fakta dan tabel dimensi saling terkait. Suatu tabel fakta berisi berbagai nilai agregasi yang menjadi dasar pengukuran (measure) serta beberapa key yang terkait ke tabel dimensi yang akan menjadi sudut pandang dari measure tersebut.

  Dalam perkembangannya, susunan fact table dan dimension table ini memiliki standar perancangan atau schema karena terbukti meningkatkan performa dan kemudahan dalam penerjemahan ke sistem OLAP .

  Schema inilah yang menjadi dasar untuk melakukan data warehousing . Dua schema yang paling umum digunakan oleh berbagai OLAP engine adalah skema bintang (star schema) dan skema butir salju

  (snowflake schema) [1]

2.5.3. Skema Bintang (Star Schema)

   Star schema berpusat pada satu tabel fakta yang dikelilingi oleh

  satu atau beberapa tabel dimensi sebagai cabangnya sehingga kelihatan seperti bintang. Setiap percabangan berhenti pada satu tabel dimensi. Atau dengan kata lain tabel dimensi dengan skema ini semuanya berupa leaf (daun) dan tidak ada percabangan lain dapat dilihat pada gambar 2.3 [1]. dim_waktu dim_karyawan PK sk_waktu

  PK sk_karyawan hari kode_cabang kuartal nama_cabang bulan kode_karyawan tahun nama_karyawan fact_penjualan

  FK3 sk_produk FK1 sk_karyawan FK2 sk_waktu FK4 sk_cabang jumlah_unit harga_per_unit total_jual dim_cabang dim_produk

  PK sk_produk PK sk_cabang kode_kategori kode_propinsi nama_kategori nama_propinsi kode_produk kode_cabang nama_produk nama_cabang

Gambar 2.3 : Star Schema dari PHI-Minimart

2.5.4. Surrogate Key

   Surrogate key adalah key / kolom data di tabel dimensi yang

  menjadi primary key dari tabel tersebut. Nilai ini biasanya berupa nilai sekuensial dan tidak memiliki arti dari proses bisnis darimana sumber data berasal [1].

BAB III ANALISIS DAN PERANCANGAN SISTEM

  3.1. Analisis Kebutuhan

  Dekan Fakultas Sains dan Teknolgi Universitas Sanata Dharma ingin mengetahui perkembangan kemajuan akademik mahasiswa pada tiap program studi. Data tersebut dibutuhkan untuk pelaporan EPSBED yaitu IPS, IPK, sebaran

  IPS, dan sebaran IPK seperti pada gambar 3.1 tiap semester yang meliputi nilai IPS dan IPK dan pelaporan PMB tiap tahun yang meliputi nilai test PMB.

Gambar 3.1 : Pelaporan EPSBED

  3.2. Analisis Sistem

  Nilai IPS dan IPK terletak pada satu database yaitu database tiap prodi, masalah yaitu dengan membuat gudang data untuk Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta, yaitu menggabungkan

  

database tiap prodi pada Sistem Informasi Akademik Mahasiswa dengan

database PMB pada Sistem Informasi Penerimaan Mahasiswa Baru menjadi

  c) pilihan2

  e) Nama_prg

  d) Kd_fak

  c) Kd_jur

  b) Kd_prd

  a) Kd_prg

  C. Kamus prg_std.xls. Meliputi:

  h) p_mekanik i) h_ruang j) b_inggris

  g) k_numerik

  f) p_verbal

  e) diterima

  d) pilihan3

  b) pilihan1

  sebuah gudang data. Guna membuat gudang data untuk keperluan akademik mahasiswa maka diperlukan:

  a) nomor

  B. Data Penerimaan Mahasiswa Baru (PMB) angkatan 2004, 2005, 2006, dan 2007 Meliputi:

  h) huruf_mutu i) angka_mutu j) mutu k) Zmutu l) Zsks m) ips

  g) sks

  f) nama_mtk

  e) kd_mtk

  d) Nomor

  c) TahunAkd

  b) Semester

  A. Kartu Hasil Studi (KHS) mahasiswa angkatan 2004, 2005, 2006, dan 2007 selama 4 semester. Meliputi: a) Angkatan

  1. Bahan berupa data Excel yaitu:

  h) SK_diri i) Singkatp j) Bank k) ID l) Jenjang o) Ekst_telp p) Url q) Nama_prg_ing r) Server s) isAktif

  2. Struktur tabel pada database: 1.

   Tabel mhs3214 CREATE TABLE `mhs3214` ( `nomor_mhs` varchar(12) NOT NULL, `nirm` varchar(18) DEFAULT NULL, `nama_mhs` varchar(80) DEFAULT NULL, `kota_lahir` varchar(4) DEFAULT NULL, `tempat_lahir` varchar(40) DEFAULT NULL, `tgl_lahir` date DEFAULT NULL, `kd_agama` char(1) DEFAULT NULL, `kd_kawin` char(1) DEFAULT NULL, `kd_sex` char(1) DEFAULT NULL, `kd_gereja` char(1) DEFAULT NULL, `alamat_skr` varchar(100) DEFAULT NULL, `kd_kab_skr` varchar(4) DEFAULT NULL, `kd_pos_skr` varchar(5) DEFAULT NULL, `alamat_asal` varchar(100) DEFAULT NULL, `kd_kab_asal` varchar(4) DEFAULT NULL, `kd_pos_asal` varchar(5) DEFAULT NULL, `nomor_mhs1` varchar(12) DEFAULT NULL, `kd_warga` char(1) DEFAULT NULL, `hobi` char(1) DEFAULT NULL, `smb_biaya` char(1) DEFAULT NULL, `jml_adik` decimal(2,0) DEFAULT NULL, `jml_kakak` decimal(2,0) DEFAULT NULL, `asal_slta` varchar(8) DEFAULT NULL, `nomor_sttb` varchar(30) DEFAULT NULL, `prestasi` char(1) DEFAULT NULL, `nama_ortu` varchar(50) DEFAULT NULL, `alamat_ot` varchar(100) DEFAULT NULL, `nomor_uji` varchar(12) DEFAULT NULL, `nomor` varchar(9) DEFAULT NULL, `ratanem` varchar(5) DEFAULT NULL, `jumnem` decimal(6,2) DEFAULT NULL, `jummtnem` decimal(2,0) DEFAULT NULL, `millenium` char(1) DEFAULT NULL, `transfer` char(1) DEFAULT NULL, `jumsttb` float(6,2) DEFAULT NULL, `jummtsttb` float(2,0) DEFAULT NULL, `thnsttb` varchar(4) DEFAULT NULL, `tglmskusd` date DEFAULT NULL, `tgl_sttb` date DEFAULT NULL, `no_stk` varchar(20) DEFAULT NULL, `tgl_stk` date DEFAULT NULL,

  `no_telp_ot` varchar(20) DEFAULT NULL, `email` varchar(255) DEFAULT NULL, `gol_darah` varchar(2) DEFAULT NULL, `st_mhs` varchar(1) DEFAULT '1', KEY `nomor_mhs` (`nomor_mhs`), KEY `NPP` (`NPP`) ) ENGINE=MyISAM DEFAULT CHARSET=latin1 2.

   Tabel mtk3214 CREATE TABLE `mtk3214` ( `kd_mtk` varchar(9) DEFAULT NULL, `nama_mtk` varchar(50) DEFAULT NULL, `nama_mtk_ing` varchar(50) DEFAULT NULL, `SKS` int(2) DEFAULT NULL, `JP` decimal(2,0) DEFAULT NULL, `Jenismtk` char(1) DEFAULT NULL, `Setara1` varchar(9) DEFAULT NULL, `Setara2` varchar(9) DEFAULT NULL, `Setara3` varchar(9) DEFAULT NULL, `Setara4` varchar(9) DEFAULT NULL, `Syarat1` varchar(9) DEFAULT NULL, `Syarat2` varchar(9) DEFAULT NULL, `Syarat3` varchar(9) DEFAULT NULL, `Syarat4` varchar(9) DEFAULT NULL, `Syarat5` varchar(9) DEFAULT NULL, `Singkatan` varchar(15) DEFAULT NULL, `bareng1` varchar(10) DEFAULT NULL, `bareng2` varchar(10) DEFAULT NULL, `bareng3` varchar(10) DEFAULT NULL, `SKSPraktikum` int(2) DEFAULT '0', `SKSLapangan` int(2) DEFAULT '0', `DsnKoordinator` varchar(12) DEFAULT NULL, KEY `kd_mtk` (`kd_mtk`) ) ENGINE=MyISAM DEFAULT CHARSET=latin1 3.

   Tabel tw321420041 CREATE TABLE `tw321420041` ( `kd_mtk` varchar(9) DEFAULT NULL, `Hrpsks` decimal(6,0) DEFAULT NULL, KEY `kd_mtk` (`kd_mtk`) ) ENGINE=MyISAM DEFAULT CHARSET=latin1

  4. Tabel kh32142004 CREATE TABLE `kh32142004` ( `Nomor_mhs` varchar(12) NOT NULL DEFAULT '', `kd_mtk` varchar(9) DEFAULT NULL, `Nama_mtk` varchar(50) DEFAULT NULL, `SKS` decimal(3,0) DEFAULT NULL, `Nilai` char(1) DEFAULT NULL, `ambil` varchar(5) DEFAULT NULL, KEY `kd_mtk` (`kd_mtk`), KEY `nomor_mhs` (`Nomor_mhs`) ) ENGINE=MyISAM DEFAULT CHARSET=latin1

  5. Tabel nf20043214 CREATE TABLE `nf20043214` ( `nomor` char(9) NOT NULL DEFAULT '', `nil11` decimal(8,2) NOT NULL DEFAULT '0.00', `nil12` decimal(8,2) NOT NULL DEFAULT '0.00', `nil13` decimal(8,2) NOT NULL DEFAULT '0.00', `nil14` decimal(8,2) DEFAULT NULL, `nil15` decimal(8,2) NOT NULL DEFAULT '0.00', `final` decimal(8,2) NOT NULL DEFAULT '0.00', `kep` char(2) NOT NULL DEFAULT '', `ket` char(10) NOT NULL DEFAULT '', `keputusan` tinyint(1) DEFAULT '0', `pesan` tinyint(1) DEFAULT '0', PRIMARY KEY (`nomor`) ) ENGINE=MyISAM DEFAULT CHARSET=latin1

  6. Tabel prg_std CREATE TABLE `prg_std` ( `Kd_prg` varchar(4) NOT NULL DEFAULT '', `Kd_prd` char(2) DEFAULT NULL, `Kd_jur` char(2) DEFAULT NULL, `Kd_fak` char(1) DEFAULT NULL, `Nama_prg` varchar(30) DEFAULT NULL, `Kd_akre` char(1) DEFAULT NULL, `Kaprodi` varchar(30) DEFAULT NULL, `Tgl_diri` date DEFAULT NULL, `SK_diri` varchar(30) DEFAULT NULL, `Singkatp` varchar(32) DEFAULT NULL, `nama_prg_ing` varchar(30) DEFAULT NULL, `server` varchar(50) DEFAULT NULL, `isAktif` enum('Y','N') DEFAULT 'Y', PRIMARY KEY (`Kd_prg`),

3.3. Langkah-langkah perancangan gudang data

  1. Membaca data legacy Memperhatikan bagian-bagian data yang perlu untuk dibersihkan

  2. Menggabungkan data dari berbagai sumber terpisah Setiap jenis informasi yang diinginkan mungkin berasal dari beberapa file yang harus digabungkan untuk digunakan pada gudang data.

  3. Memindahkan data dari sumber ke server gudang data Membuat standarisasi format dan copy-kan data dari sumber sekaligus data dibuat bersih (clean).

  4. Memecah gudang data dalam tabel fakta dan tabel dimensi Tabel fakta dan tabel dimensi disusun menurut kebutuhan subyek.

3.3.1. Membaca data legacy

  Data legacy tersebar dalam sistem terpisah dengan struktur data sebagai berikut:

3.3.1.1. SISTEM INFORMASI AKADEMIK

  Pada Sistem Informasi Akademik ini memiliki beberapa table di database .

Tabel 3.1 : mhsprodi mhsprodi Tabel mahasiswa pada tiap prodi

  PK nomor_mhs NIM mahasiswa sebagai primary key nirm nama_mhs kota_lahir tempat_lahir tgl_lahir kd_agama kd_kawin kd_sex

  Berisi nama mahasiswa Berisi kota lahir mahasiswa Berisi tempat lahir mahasiwa Berisi tanggal lahir mahasiwa Berisi kode agama Berisi kode kawin Berisi kode sex. kd_kab_skr kd_pos_skr alamat_asal kd_kab_asal kd_pos_asal nomor_mhs1 kd_warga hobi smb_biaya jml_adik jml_kakak asal_slta nomor_sttb prestasi nama_ortu kerja_bpk kerja_ibu kerja_mhs pddk_bpk pddk_ibu hasil_ortu stat_ortu alamat_ot nomor_uji nomor ratanem jumnem jummtnem millennium transfer jumsttb thnsttb tglmskusd tgl_sttb no_stk tgl_stk jumnilstk jummtstk NPP no_telp_ot email gol_darah st_mhs

  Berisi kode kabupaten tempat tinggal sekarang Berisi kode pos tempat tinggal sekarang Berisi alamat asal dari mahasiswa Berisi kode kabupaten tempat tinggal sekarang Berisi kode pos tempat tinggal sekarang Berisi NIM mahsiswa Berisi kode warganegara (WNI / WNA) Berisi hobi dari mahsiswa Berisi jumlah adik kandung Berisi jumlah kakak kandung Berisi asal SLTA Berisi nomor STTB Berisi nama orang tua mahasiswa Berisi pekerjaan bapak Berisi pekerjaan ibu Berisi pekerjaan mahasiswa Berisi pendidikan bapak Berisi pendidikan ibu Berisi penghasilan orang tua Berisi alamat tinggal orang tua.

  Berisi nomor ujian Berisi nomor pendaftaran Berisi rata-rata NEM Berisi jumlah NEM Berisi jumlah mata pelajaran pada NEM Berisi jumlah STTB Berisi tahun STTB Berisi tanggal masuk ke USD Berisi tanggal STTB Berisi nomor STK Berisi tanggal STK Berisi jumlah nilai STK Berisi jumlah mata pelajaran pada STK Berisi no telp orang tua Berisi email Berisi golongan darah

Tabel 3.1 merupakan tabel mahasiswa pada tiap prodi (mhsprodi) contoh mhs3214. mhs merupakan mahasiswa, 3214 merupakan kode prodi.

  Tabel ini memuat beberapa field yang ada pada setiap program studi. Field nomor_mhs sebagai primary key dari tabel mhsprodi. Terdapat pula beberapa

  

field yaitu nama_mhs, kota_lahir, nirm, tempat_lahir, tgl_lahir, kd_agama,

  kd_kawin, kd_sex, kd_gereja, alamat_skr, kd_kab_skr, kd_pos_skr, alamat_asal, kd_kab_asal, kd_pos_asal, nomor_mhs1, kd_warga, hobi, smb_biaya, jml_adik, jml_kakak, asal_slta, nomor_sttb, prestasi, nama_ortu, kerja_bpk, kerja_ibu, kerja_mhs, pddk_bpk, pddk_ibu, hasil_ortu, stat_ortu, alamat_ot,nomor_uji, nomor, ratanem, jumnem, jummtnem, millennium, transfer, jumsttb, thnsttb, tglmskusd, tgl_sttb, no_stk, tgl_stk, jumnilstk, jummtstk, NPP, no_telp_ot, email, gol_darah, st_mhs.

Tabel 3.2 : Contoh data mhsprodi: nomor_mhs 9058 23049

  nirm (NULL) (NULL) nama_mhs (NULL) (NULL) kota_lahir (NULL) (NULL) tempat_lahir (NULL) (NULL) tgl_lahir (NULL) (NULL) kd_agama (NULL) (NULL) kd_kawin (NULL) (NULL) kd_sex (NULL) (NULL) kd_gereja (NULL) (NULL) alamat_skr (NULL) (NULL) kd_kab_skr (NULL) (NULL) kd_pos_skr (NULL) (NULL) alamat_asal (NULL) (NULL) kd_kab_asal (NULL) (NULL) kd_pos_asal (NULL) (NULL) nomor_mhs1 (NULL) (NULL) kd_warga (NULL) (NULL) hobi (NULL) (NULL) jml_kakak (NULL) (NULL) asal_slta (NULL) (NULL) nomor_sttb (NULL) (NULL) prestasi (NULL) (NULL) nama_ortu (NULL) (NULL) kerja_bpk (NULL) (NULL) kerja_ibu (NULL) (NULL) kerja_mhs (NULL) (NULL) pddk_bpk (NULL) (NULL) pddk_ibu (NULL) (NULL) hasil_ortu (NULL) (NULL) stat_ortu (NULL) (NULL) alamat_ot (NULL) (NULL) nomor_uji (NULL) (NULL) nomor (NULL) (NULL) ratanem (NULL) (NULL) jumnem (NULL) (NULL) jummtnem (NULL) (NULL) millenium (NULL) (NULL) transfer (NULL) (NULL) jumsttb (NULL) (NULL) jummtsttb (NULL) (NULL) thnsttb (NULL) (NULL) tglmskusd (NULL) (NULL) tgl_sttb (NULL) (NULL) no_stk (NULL) (NULL) tgl_stk (NULL) (NULL) jumnilstk (NULL) (NULL) jummtstk (NULL) (NULL) NPP (NULL) (NULL) no_telp_ot (NULL) (NULL) email (NULL) (NULL) gol_darah (NULL) (NULL) st_mhs (NULL) (NULL)

Tabel 3.2 merupakan contoh data dari tabel mtkprodi. Data yangTabel 3.3 : mtkprodi

  Tabel yang berisi matakuliah program studi mtkprodi Berisi kode mata kuliah sebagai primary key

  PK kd_mtk nama_mtk Berisi nama matakuliah nama_mtk_ing Berisi nama matakuliah dalam bahasa inggris SKS Berisi jumlah SKS matakuliah JP Berisi jumlah jam matakuliah Jenismtk Berisi kode jenis matakuliah Setara1 Berisi kd_mtk kesetaraan matakuliah bersangkutan Setara2 Berisi kd_mtk kesetaraan matakuliah bersangkutan Setara3 Berisi kd_mtk kesetaraan matakuliah bersangkutan Setara4 Berisi kd_mtk kesetaraan matakuliah bersangkutan Syarat1 Berisi kd_mtk sebagai syarat matakuliah bersangkutan Syarat2 Berisi kd_mtk sebagai syarat matakuliah bersangkutan Syarat3 Berisi kd_mtk sebagai syarat matakuliah bersangkutan Syarat4 Berisi kd_mtk sebagai syarat matakuliah bersangkutan Syarat5 Berisi kd_mtk sebagai syarat matakuliah bersangkutan MN1 MN2 MN3 MN4 MN5 Singkatan Berisi singkatan dari matakuliah bareng1 bareng2 bareng3 SKSPraktikum SKSLapangan DsnKoordinator Berisi npp dari dosen sebagai koordinator matakuliah

Tabel 3.3 merupakan tabel matakuliah prodi (mtkprodi) contoh: mtk3214. mtk merupakan matakuliah, 3214 merupakan kode prodi. Tabel ini

  memuat beberapa field yang ada pada setiap program studi. Field kd_mtk sebagai primary key dari tabel mhsprodi. Terdapat pula beberapa field yaitu nama_mtk, nama_mtk_ing, SKS, JP, Jenismtk, Setara1, Setara2, Setara3, Setara4, Syarat1, Syarat2, Syarat3, Syarat4, Syarat5, MN1, MN2, MN3, MN4, MN5, Singkatan, bareng1, bareng2,bareng3,SKSPraktikum, SKSLapangan,dan

Tabel 3.4 : Contoh data master mtkprodi:Tabel 3.4 merupakan contoh data tabel mtkprodi. Data yang diperoleh adalah kd_mtk, nama_mtk, dan SKS.

  kd_mtk TKI 111 TKI 131 nama_mtk Kalkulus I Pengantar Komputer nama_mtk_ing (NULL) (NULL) SKS 3 2 JP (NULL) (NULL) Jenismtk (NULL) (NULL) Setara1 (NULL) (NULL) Setara2 (NULL) (NULL) Setara3 (NULL) (NULL) Setara4 (NULL) (NULL) Syarat1 (NULL) (NULL) Syarat2 (NULL) (NULL) Syarat3 (NULL) (NULL) Syarat4 (NULL) (NULL) Syarat5 (NULL) (NULL) MN1 (NULL) (NULL) MN2 (NULL) (NULL) MN3 (NULL) (NULL) MN4 (NULL) (NULL) MN5 (NULL) (NULL) Singkatan (NULL) (NULL) bareng1 (NULL) (NULL) bareng2 (NULL) (NULL) bareng3 (NULL) (NULL) SKSPraktikum (NULL) (NULL) SKSLapangan (NULL) (NULL) DsnKoordinator (NULL) (NULL)

Tabel 3.5 : khprodiangkatan

  Tabel kartu hasil studi prodi angkatan khprodiangkatan PK Nomor_mhs NIM mahasiswa sebagai primary key kd_mtk Berisi kode matakuliah

  Nama_mtk Berisi nama matakuliah SKS Berisi jumlah sistem kredit semester matakuliah bersangkutan Nilai Berisi hasil nilai yang telah dicapai oleh mahasiswa pada matakuliah bersangkutan ambil Berisi tahun akademik matakuliah yang bersangkutan yang diambil oleh mahasiswa.

Tabel 3.5 merupakan tabel KHS (Kartu Hasil Studi) prodi tiap angkatan

  (khprodiangkatan) contoh: kh32142004. kh merupakan KHS (Kartu Hasil Studi), 3214 merupakan kode prodi, 2004 merupakan angkatan pada mahasiswa. Tabel ini memuat beberpa field yang ada pada setiap program studi. Field Nomor_mhs sebagai primary key, terdapat pula beberapa field yaitu kd_mtk, Nama_mtk, SKS, Nilai, dan ambil.

Tabel 3.6 : Contoh data master khprodiangkatan

  Nomor_mhs 8999068 9058 kd_mtk MAB 114 MAB 115 Nama_mtk Kimia Biologi SKS 2 2 Nilai C D ambil 20041 20041

Tabel 3.6 merupakan contoh data tabel khprodiangkatan. Data yang diperoleh adalah Nomor_mhs, kd_mtk, nama_mtk, SKS, Nilai, dan ambilTabel 3.7 : Master twproditahunakademikTabel 3.7 merupakan tabel tawar matakuliah program studi tiap tahun akademik (twproditahunakademik) contoh: tw321420041. tw merupakan

  tawar, 3214 merupakan kode prodi, 20041 merupakan tahun akademik.

Tabel 3.8 : Contoh data master twproditahunakademikTabel 3.8 merupakan contoh data tabel twproditahunakademik. Data yang diperoleh adalah kd_mtk.Tabel 3.9 : prd_std

  twproditahunakademik Tabel tawar matakuliah prodi tahun akademik PK kd_mtk Kode matakuliah sebagai primary key

  Hrpsks kd_mtk MAB 114 MAB 115 Hrpsks (NULL) (NULL) prd_std Tabel program studi PK Kd_prg Berisi kode program studi sebagai primary key Kd_prd

3.3.1.2. SISTEM INFORMASI PENERIMAAN MAHASISWA BARU

  Kd_jur Kd_fak Nama_prg Kd_akre Kaprodi Tgl_diri SK_diri Singkatp Bank

  ID Jenjang

  Berisi kode prodram studi Berisi kode jurusan Berisi kode fakultas Berisi nama program studi Berisi kode akreditasi Berisi nama kepala program studi Berisi tanggal berdiri program studi Berisi nomor SK berdiri program studi Berisi singkatan program studi Berisi nama bank guna transaksi Berisi jenjang program studi

Tabel 3.9 merupakan tabel program studi yang memuat kode program studi dank kode-kode yang lain. Terdapat field Kd_prg sebagai primary key

  berisi kode program studi. Terdapat beberapa field yaitu Kd_prd, Kd_jur_Kd_fak, Nama_prg, Kd_akre, Tgl_diri, SK_diri, Singkatp, Bank, ID, Jenjang, Kd_kamp, Almt_mail, Ekst_telp, Url, nama_prg_ing, server, dan isAktif.

Tabel 3.10 : Contoh data prd_std

  Kd_prg 1314 5314 Kd_prd 14

  53 Kd_jur 13

  53 Kd_fak 1

  5 Nama_prg PEND. SEJARAH TEKNIK

  INFORMATIKA Kd_akre 3

  1 Kaprodi Drs. Johanes Rasul Sutarjo Puspaningtyas Sanjoyo Adi, S.T.,M.T. Tgl_diri 0000-00-00 0000-00-00 SK_diri Singkatp PSEJ TI Bank LIPPO NIAGA

  ID 009 003 Jenjang S1 S1 Kd_kamp 1

  3 Almt_mail email@email.com email@email.com Ekst_telp Url nama_prg_ing server 172.21.200.5 172.21.200.5 isAktif Y Y

Tabel 3.10 merupakan contoh data tabel prd_std. Data yang diperoleh adalah

  Url nama_prg_ing server isAktif

  Berisi alamat internet program studi Berisi nama program studi dalam bahasa inggris Berisi IP server program studi

Tabel 3.11 : nftahunprodi

  nftahunprodi Tabel nilai tahun prodi Berisi nomor pendaftaran calon mahasiswa sebagai

  PK nomor

  primary key

  nil11 Berisi nilai verbal nil12 Berisi nilai numerik nil13 Berisi nilai mekanik nil14 Berisi nilai ruang nil15 Berisi nilai Bahasa Inggris final kep ket keputusan Berisi kode keputusan pesan Berisi kode pesan

Tabel 3.11 merupakan tabel nilai pada tahun dan prodi tertentu contoh nf20043214. nf merupakan nilai, 2004 menunjukkan tahun, dan 3214

  merupakan kode prodi. Terdapat field nomor sebagai primary key dari calon mahasiswa, nil11, nil12, nil13, nil14, nil15, final, kep, ket, keputusan, dan pesan.

Tabel 3.12 : Contoh data nftahunprodi nomor 050004049 050004061

  nil11 7.00

  5.00 nil12 4.00 5.00 nil13 3.00 3.00 nil14 3.00 5.00 nil15 5.00 4.00 final kep ket keputusan pesan

Tabel 3.12 merupakan contoh data tabel nftahunprodi. Data yang diperoleh adalah nomor, nil11, nil12, nil13,nil14, dan nil15.

3.3.2. Menggabungkan data dari sumber terpisah

  Seperti sudah dijelaskan pada landasan teori bahwa sumber data dari suatu gudang data bisa muncul dari sistem yang berbeda dengan format bahasa yang mungkin berbeda pula. Pada studi kasus yang digunakan dalam penelitian ini yaitu Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta, kebetulan semua data dibangun dengan bahasa pemrograman yang sama, namun mengandung perbedaan format dan istilah pada beberapa atribut

  SI Akademik Basisdata

  PRODI

  Extract GUDANG Transform

  DATA SI PMB

  Load Refresh

  Basisdata PMB Gambar 3.2 : Ilustrasi tentang studi kasus yang digunakan dalam penelitian ini.

Gambar 3.1 mengilustrasikan bahwa gudang data yang akan divisualisasikan berasal dari 2 basis data dengan 2 program aplikasi yang mengaksesnya.

  Kedua program aplikasi tersebut adalah:

  1. SI Akademik: program aplikasi untuk menangani akademik mahasiswa

  2. SI PMB: program aplikasi untuk menangani pendaftaran sampai dengan mahasiswa registrasi dan mendapatkan NIM.

3.3.3. Memindahkan data dari sumber ke server gudang data

  Sebelum data dipindahkan ke server gudang data, harus dilakukan penyusunan tabel gudang data dengan memperhatikan hasil dari langkah- langkah sebelumnya. Bentuk gudang data untuk studi kasus di Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta adalah: a.

   Tabel mhs

Tabel 3.13 : Tabel mhsprodi

  mhsprodi mhsprodi PK nomor_mhs

  PK nomor_mhs Angkatan

  Database gudang data Database prodi

  Tabel mhsprodi pada database prodi akan dipindahkan ke dalam

  database gudang data dapat dilihat pada tabel 3.13. Pada database gudang

  data akan terbentuk tabel mhsprodi. Tabel mhsprodi akan digabungkan menjadi satu dengan cara data staging dapat dilihat pada tabel 3.14

Tabel 3.14 : Tabel gabung_mhs

  mhsprodi gabung_mhs PK nomor_mhs

  PK nomor_mhs Angkatan

  Angkatan asalDatabase

  Database gudang data

  • Menggabungkan tabel mhs3214, mhs3114, mhs5013, mhs5114, dan mhs5314 ke dalam sebuah tabel yang bernama gabung_mhs
  • Ada tambahan field Angkatan dan field asalDatabase Tabel gabung_mhs pada database gudang data telah terbentuk.

Tabel 3.15 : Tabel gabung_mhs_prodi

  Database gudang data Database pmb Database gudang data

  TABEL HAL-HAL PENTING

  mhs3214 mhs3114 mhs5013 mhs5114 mhs5314

  Field asalDatabase masih terdapat kode seperti mhs3214. Kode-kode

  terdapat pada database pmb. Kemudian dilakukan pengubahan field menjadi field baru yaitu Nama_prg. Field asalDatabase diubah menjadi Kd_prg. Sehingga menjadi tabel gabung_mhs_prodi seperti pada tabel 3.15. gabung_mhs

  PK nomor_mhs Angkatan Kd_prg gabung_mhs_prodi

  PK nomor_mhs Angkatan Nama_prg prg_std

  PK Kd_prg Nama_prg

  b. Tabel mtk

Tabel 3.16 : Tabel mtk

  mtkprodi mtkprodi PK kd_mtk

  PK kd_mtk nama_mtk nama_mtk

  SKS SKS

  Database gudang data Database prodi

  Tabel mtkprodi pada database prodi akan dipindahkan ke dalam

  database gudang data dapat dilihat pada tabel 3.16. Pada database gudang

  data akan terbentuk tabel mtkprodi. Tabel mtkprodi akan digabungkan menjadi satu dengan cara data staging dapat dilihat pada tabel 3.17.

Tabel 3.17 : Tabel gabung_mtk

  mtkprodi gabung_ mtk PK kd_mtk

  PK kd_mtk nama_mtk nama_mtk

  SKS SKS

  Database gudang data Database gudang data TABEL HAL-HAL PENTING

  mtk3214

  • Menggabungkan tabel mtk3214, mtk3114, mtk5013, mtk3114 mtk5114, dan mtk5314 ke dalam sebuah tabel yang mtk5013 bernama gabung_mtk mtk5114 mtk5314

  c. Tabel tw

Tabel 3.18 : Tabel twprodi

  twprodi twproditahunakademik PK PK kd_mtk kd_mtk asalTabel

  Database prodi Database gudang data

TABEL HAL-HAL PENTING

  tw321420041

  • Menggabungkan tabel tw321420041, tw321420042 tw321420042, tw321420051, tw321420052, tw321420051 tw321420061, tw321420062, tw321420071, tw321420052 tw321420072, tw321420081 dan tw321420082 ke tw321420061 dalam sebuah tabel yang bernama tw3214 tw321420062
  • Ada tambahan field asalTabel tw321420071 tw321420072 tw321420081 tw321420082 tw311420041
  • Menggabungkan tabel tw311420041, tw311420042 tw311420042, tw311420051, tw311420052, tw311420051 tw311420061, tw311420062, tw311420071, tw311420052 tw311420072, tw311420081 dan tw311420082 ke tw311420061 dalam sebuah tabel yang bernama tw3114 tw311420062
  • Ada tambahan field asalTabel tw311420071 tw311420072 tw311420081 tw311420082 tw501320041
  • Menggabungkan tabel tw501320041, tw501320042 tw501320042, tw501320051, tw501320052, tw501320051 tw501320061, tw501320062, tw501320071, tw501320052 tw501320072, tw501320081 dan tw501320082 ke tw501320061 dalam sebuah tabel yang bernama tw5013 tw501320062
  • Ada tambahan field asalTabel
tw501320081 tw501320082 tw511420041

  • Menggabungkan tabel tw511420041, tw511420042 tw511420042, tw511420051, tw511420052, tw511420051 tw511420061, tw511420062, tw511420071, tw511420052 tw511420072, tw511420081 dan tw511420082 ke tw511420061 dalam sebuah tabel yang bernama tw5114 tw511420062
  • Ada tambahan field asalTabel tw511420071 tw511420072 tw511420081 tw511420082 tw531420041
  • Menggabungkan tabel tw531420041, tw531420042 tw531420042, tw531420051, tw531420052, tw531420051 tw531420061, tw531420062, tw531420071, tw531420052 tw531420072, tw531420081 dan tw531420082 ke tw531420061 dalam sebuah tabel yang bernama tw5314 tw531420062
  • Ada tambahan field asalTabel tw531420071 tw531420072 tw531420081 tw531420082

  Tabel twproditahunakademik pada database prodi akan dipindahkan ke dalam database gudang data dengan proses data staging dapat dilihat pada tabel 3.18. Pada database gudang data akan terbentuk tabel twprodi. Tabel twprodi akan digabungkan menjadi satu dengan cara

  data staging dapat dilihat pada tabel 3.19.

Tabel 3.19 : Tabel gabung_tw

  twprodi gabung_ tw PK kd_mtk

  PK kd_mtk asalTabel asalTabel

  Database gudang data Database gudang data

  TABEL HAL-HAL PENTING

  tw3214

  • Menggabungkan tabel tw3214, tw3114, tw5013, tw3114 tw5114, dan tw5314 ke dalam sebuah tabel yang tw5013 bernama gabung_tw.

  tw5114 tw5314

Tabel 3.19 tabel gabung_tw merupakan tabel penggabungan dari twprodi. Field pada asalTabel masih berisi kode-kode seperti tw311420041.

  Sehingga harus diubah menjadi field baru dengan nama TahunAkd. Selanjutnya tabel gabung_tw dan gabung_mtk digabung menjadi sebuah tabel dangan nama gabung_tw_mtk seperti pada tabel 3.20

Tabel 3.20 : Tabel gabung_tw_mtk

  gabung_ tw PK kd_mtk gabung_ tw_mtk asalTabel

  PK kd_mtk

  Database gudang data

  nama_mtk SKS gabung_ mtk TahunAkd

  PK kd_mtk Database gudang data nama_mtk SKS

  Database gudang data

  d. Tabel kh

Tabel 3.21 : Tabel khprodi

  khprodiangkatan khprodi PK Nomor_mhs

  PK Nomor_mhs kode_mtk kd_mtk

  Nama_mtk Nama_mtk

  SKS SKS Nilai

  Nilai ambil ambil

  Database prodi Database gudang data

TABEL HAL-HAL PENTING

  kh32142004

  • Menggabungkan tabel kh32142004, kh32142005, kh32142005 kh32142006, dan kh32142007 ke dalam sebuah kh32142006 tabel yang bernama kh3214 kh32142007 kh31142004
  • Menggabungkan tabel kh31142004, kh31142005, kh31142005 kh31142006, dan kh31142007 ke dalam sebuah kh31142006 tabel yang bernama kh3114 kh31142007 kh50132004
  • Menggabungkan tabel kh50132004, kh50132005, kh50132005 kh50132006, dan kh50132007 ke dalam sebuah kh50132006 tabel yang bernama kh5013 kh50132007 kh51142004
  • Menggabungkan tabel kh51142004, kh51142005, kh51142005 kh51142006, dan kh51142007 ke dalam sebuah kh51142006 tabel yang bernama kh5114 kh51142007 kh53142004
  • Menggabungkan tabel kh53142004, kh53142005, kh53142005 kh53142006, dan kh53142007 ke dalam sebuah kh53142006 tabel yang bernama kh5314 kh53142007

  Tabel krproditahunakademik pada database prodi akan dipindahkan ke dalam database gudang data dengan proses data staging dapat dilihat pada tabel 3.21. Pada database gudang data akan terbentuk tabel krprodi. Selanjutnya tabel krprodi akan digabungkan menjadi tabel

Tabel 3.22 : Tabel gabung_kh

  Database gudang data Database gudang data Database

  gudang data

  TABEL HAL-HAL PENTING

  kh3214 kh3114 kh5013 kh5114 kh5314

  • Menggabungkan tabel kh3214, kh3114, kh5013, kh5114, dan kh5314 ke dalam sebuah tabel yang bernama gabung_khs.
  • Ada perubahan field yaitu Nilai char(1) menjadi Angka_mutu int(11).

Tabel 3.22 tabel gabung_khs merupakan tabel penggabungan dari khprodi. Pada tabel khprodi terdapat field Nilai diubah dari char menjadi

  Angka_mutu yang bertipe int sehingga dapat dilakukan perhitungan. Field Angka_mutu diperoleh memalui tabel nilai. khprodi

  PK Nomor_mhs kode_mtk Nama_mtk SKS Nilai Ambil gabung_khs

  PK Nomor_mhs kode_mtk Nama_mtk SKS Angka_mutu ambil nilai

  PK huruf_mutu angka_mutu

Tabel 3.23 : Tabel ipsTabel 3.23 merupakan pembentukan tabel ips yang dilakukan dengan mengambil dari tabel gabung_khs. Perhitungan dilakukan dengan

  PK Nomor_mhs kode_mtk Nama_mtk SKS Angka_mutu ambil ipk

  PK Nomor_mhs SKS mutu ambil ips gabung_kh

  Nama_mtk SKS Angka_mutu ambil ips

  gabung_kh PK Nomor_mhs kode_mtk

  f. Tabel ipk

  mengurutkan field nomor_mhs dan ambil yang bertujuan untuk melakukan perhitungan pada tiap ambil. Perhitungan yang dilakukan adalah field angka_mutu dikalikan dengan SKS, yang akan menghasilkan field baru bernama mutu. Mutu dan SKS akan dijumlah tiap ambil dan tiap nomor_mhs. Jumlah dari mutu dan SKS kemudian dibagi dan menghasilkan field baru bernama ips.

   Tabel ips

  Database

  Database gudang data e.

  gudang data

  Database

Tabel 3.24 : Tabel ipk

  Database gudang data

  gudang data

  PK Nomor_mhs SKS mutu ips mengurutkan field nomor_mhs dan kd_mtk dengan ketentuan angka_mutu diurutkan paling besar. Hal ini bertujuan untuk mencari nilai paling tinggi jika mahasiswa yang bersangkutan mengulang suatu matakuliah. Perhitungan yang dilakukan adalah field angka_mutu dikalikan dengan SKS, yang akan menghasilkan field baru bernama mutu. Mutu dan SKS akan dijumlah tiap nomor_mhs. Jumlah dari mutu dan SKS kemudian dibagi dan menghasilkan field baru bernama ipk.

  g. Tabel nf

Tabel 3.25 : Tabel gabung_pmb

  nftahunprodi gabung_pmb PK nomor

  PK nomor nil11 nil11 nil12 nil12 nil13 nil13 nil14 nil14 nil15 nil15 final jumlah kep ket

  Database gudang data

  keputusan pesan

  Database pmb TABEL HAL-HAL PENTING

  nf20043114

  • Menggabungkan tabel nf20043114, nf20043214, nf20043214 nf20045013, nf20045114, nf20045314, nf20053114, nf20045013 nf20053214, nf20055013, nf20055114, nf20055314, nf20045114 nf20063114, nf20063214, nf20065013, nf20065114, nf20045314 nf20065314, nf20073114, nf20073214, nf20075013, nf20053114 nf20075114, nf20075314ke dalam sebuah tabel yang nf20053214 bernama gabung_pmb.

  nf20055013

  • Ada penambahan field baru yaitu jumlah dengan tipe nf20055114 data decimal (8, 2).

  nf20055314 nf20065114 nf20065314 nf20073114 nf20073214 nf20075013 nf20075114 nf20075314

Tabel 3.25 tabel gabung_pmb merupakan tabel penggabungan dari nftahunprodi dengan proses data staging. Terdapat field baru dengan nama

  jumlah dengan tipe data decimal (8, 2).

3.3.4. Memecah gudang data dalam tabel fakta dan tabel dimensi.

  dim_tw_mtk dim_mhs_prodi PK sk_tw_mtk

  PK sk_mhs_prodi kd_mtk Angkatan nama_mtk nomor_mhs

  SKS Nama_prg

  TahunAkd fact_gabungan FK1 sk_mhs_prodi FK2 sk_tw_mtk FK3 sk_ambil

  SKS angka_mutu ips ipk nil11 nil12 nil13 nil14 nil15 jumlah dim_ambil

  PK sk_ambil ambil

Gambar 3.3 : Star Schema fact_gabungan

  Karena pembacaan data dari tabel fact_gabungan sangat besar, maka tabel fact_gabungan dapat dipecah menjadi beberapa tabel fakta

3.3.4.1 Cube khs Cube khs dengan star schema fact_khs seperti pada gambar 3.3.

  Star schema fact_khs memiliki tabel fakta yaitu fact_khs dan tabel

  dimensi yaitu tabel dim_mhs_prodi dan dim_tw_mtk. Nilai pengukuran dalam cube khs adalah SKS dan angka_mutu.

Gambar 3.4 : Star Schema fact_khs

  dim_mhs_prodi PK sk_mhs_prodi

  Angkatan nomor_mhs Nama_prg dim_tw_mtk

  PK sk_tw_mtk kd_mtk nama_mtk

  SKS TahunAkd fact_khs

  FK1 FK2 sk_mhs_prodi sk_tw_mtk SKS angka_mutu

3.3.4.2. Cube ips Cube ips dengan star schema fact_ips seperti pada gambar 3.4.

  Star schema fact_ips memiliki tabel fakta yaitu fact_ips dan tabel

  dimensi yaitu tabel dim_mhs_prodi dan dim_ambil. Nilai pengukuran dalam cube ips adalah SKS dan ips. dim_mhs_prodi dim_ambil

  PK sk_mhs_prodi PK sk_ambil

  Angkatan ambil nomor_mhs Nama_prg fact_ips

  FK1 sk_mhs_prodi FK2 sk_ambil

  SKS ips

Gambar 3.5 : Star Schema fact_ips

3.3.4.3. Cube ipk Cube ipk dengan star schema fact_ipk seperti pada gambar 3.5.

  Star schema fact_ipk memiliki tabel fakta yaitu fact_ipk dan tabel

  dimensi yaitu tabel dim_mhs_prodi. Nilai pengukuran dalam cube ipk adalah SKS dan ipk. dim_mhs_prodi

  PK sk_mhs_prodi Angkatan nomor_mhs

  Nama_prg fact_ipk FK1 sk_mhs_prodi

  SKS ipk

Gambar 3.6 : Star Schema fact_ipk

3.3.4.4. Cube pmb Cube pmb dengan star schema fact_pmb seperti pada gambar 3.6.

  Star schema fact_pmb memiliki tabel fakta yaitu fact_pmb dan tabel

  dimensi yaitu tabel dim_mhs_prodi. Nilai pengukuran dalam cube pmb adalah nil11, nil12, nil13, nil14, nil15 dan jumlah. dim_mhs_prodi

  PK sk_mhs_prodi Angkatan nomor_mhs

  Nama_prg fact_pmb FK1 sk_mhs_prodi nil11 nil12 nil13 nil14 nil15 jumlah

Gambar 3.7 : Star Schema fact_pmb

BAB IV IMPLEMENTASI DAN ANALISA SISTEM Pada bab ini akan dijelaskan tentang pembuatan gudang data dan

  pembahasannya. Ada 6 prodi di Fakultas Sains dan Teknologi Universitas Sanata Dharma, maka penulis menjelaskan program pada 1 prodi yaitu prodi fisika (3214), karena proses yang dilakukan pada semua prodi sama. Gambar 4.1 merupakan flow chart pembentukan tabel. mhs3214 mhs3214 mtk3214 mtk3214 database skripsi_fisika database skripsi_gabungan database skripsi_fisika database skripsi_gabungan tw321420041 tw3214 database skripsi_fisika …… . tw321420072 database skripsi_gabungan kh32142004 kh3214 database skripsi_fisika ……. kh32142007 database skripsi_gabungan nf20043214 gabung_pmb database skripsi_pmb

  …… . nf20075314 database skripsi_gabungan …… . mhs5314 mhs5314 ……

  . database skripsi_ti mtk5314 ……. database skripsi_ti mtk5314 …….

  …… .

  ……. tw5314 kh5314 gabung_mhs gabung_mtk

gabung_tw

gabung_khs

gabung_tw_mtk database

skripsi_gabungan

database

skripsi_gabungan

database skripsi_gabungan database

skripsi_gabungan

database skripsi_gabungan prg_std database

skripsi_pmb

gabung_mhs_prodi ips ipk dim_mhs_prodi dim_tw_mtk database skripsi_gabungan database skripsi_gabungan database skripsi_gabungan database skripsi_gabungan database skripsi_gabungan fact_ips fact_ipk fact_pmb

database

skripsi_gabungan database skripsi_gabungan database skripsi_gabungan

fact_khs

database skripsi_gabungan

  A. Tabel mhs

  C. Tabel kh

  D. Tabel nf nilai dim_ambil database skripsi_gabungan

  B. Tabel mtk dan Tabel tw

Gambar 4.1 : Langkah pembentukan tabel pada gudang data

  4.1. Membaca Data Legacy 4.1.1. Tabel mhs Database skripsi_fisika

Gambar 4.2 : mhs3214.ktrGambar 4.2 merupakan rangkaian pembentukan tabel mhs3214 yang bertujuan untuk mengambil data dari Excel kemudian diletakkan ke

  dalam database dengan langkah:

  1. Ambil data dari Excel

  2. Mengurutkan data (mengurutkan data dari yang terendah)

  3. Menggabungkan data (data yang sama akan digabungkan menjadi satu)

  4. Memilih data (data yang akan dipakai)

  5. Memasukkan data yang telah diolah ke dalam tabel mhs3214 pada

  database skripsi_fisika 6. Script SQL untuk pembentukan tabel mhs3214.

Gambar 4.3 : Tabel mhs3214Gambar 4.3 merupakan hasil dari tabel mhs3214. Terdapat field nomor_mhs, sedangkan field lainnya bernilai NULL karena tidak

  4.1.2. Tabel mtk Database skripsi_fisika

Gambar 4.4 : mtk3214.ktrGambar 4.4 merupakan rangkaian pembentukan tabel mtk3214 yang bertujuan untuk mengambil data dari Excel kemudian diletakkan ke dalam

  database skripsi_fisika. diawali oleh ambil data dari Excel, memilih data,

  mengurutkan data, menggabungkan data, memasukkan data ke dalam tabel mtk3214, dan terdapat script SQL untuk pembentukan tabel mtk3214.

Gambar 4.5 : Tabel mtk3214Gambar 4.5 merupakan hasil dari tabel mtk3214. Terdapat field kd_mtk, nama_mtk dan SKS, sedangkan field lainnya bernilai NULL

  karena tidak mempunyai data.

  4.1.3. Tabel kh Database skripsi_fisika

Gambar 4.6 merupakan pembentukan tabel kh32142004, diawali oleh ambil data dari Excel, memilih baris, memilih data, memasukkan data

  ke dalam tabel, dan script SQL tabel.

Gambar 4.7 : Tabel kh32142004Gambar 4.7 merupakan hasil dari tabel kh32142004. Terdapat field nomor_mhs, kd_mtk, Nama_mtk, SKS, Nilai, dan ambil.

  4.1.4. Tabel tw Database skripsi_fisika

Gambar 4.8 : tw321420041.ktrGambar 4.8 merupakan rangkaian pembentukan tabel tw321420041yang bertujuan untuk memasukkan data pada tabel mtk3214

  database skripsi_fisika diawali oleh ambil data dari Excel, pemilihan baris,

  memilih data, mengurutkan data, menggabungkan data memasukkan data ke dalam tabel tw321420041, dan script SQL tabel tw321420041.

Gambar 4.9 : Tabel tw321420041Gambar 4.9 merupakan hasil dari tabel tw321420041. Terdapat

  field kd_mtk sedangkan field Hrpsks bernilai NULL karena tidak

  4.1.5. Tabel nf Database skripsi_pmb

Gambar 4.10 : pmb_fisika.ktrGambar 4.10 merupakan pembentukan tabel nf32142004 yang bertujuan mengubah format Excel ke dalam database diawali dengan

  proses ambil data dari Excel, memilih data, dan memasukkan data ke dalam tabel.

Gambar 4.11 : Tabel nf20043214Gambar 4.11 merupakan hasil dari tabel nf20043214. Terdapat

  field nomor, nil11. nil12, nil13, nil14, dan nil15. Field yang lain bernilai kosong.

4.2. Menggabungkan data dari sumber terpisah

  Sumber Data Yang Berbeda

  OLAP Serves ETL

  Operational Databases Data Warehouse

Gambar 4.12 : Arsitektur Gudang DataGambar 4.12 merupakan arsitektur gudang data. Ada 5 database dengan sistem informasi yang sama yaitu skripsi_fisika, skripsi_mat,

  skripsi_meka, skripsi_te dan skripsi_ti yang memiliki tabel-tabel yang berbeda namanya, akan tetapi strukturnya sama, sedangkan skripsi_pmb memiliki struktur yang berbeda karena sistem informasi juga berbeda. Keenam database selanjutnya akan dilakukan proses ETL menjadi gudang data. Gudang data yang terbentuk akan dijalankan dengan bantuan OLAP.

4.3. Memindahkan data dari sumber ke server gudang data

  4.3.1. Tabel gabung_mhs_prodi

  4.3.1.1. Tabel mhs Database skripsi_gabungan

Gambar 4.13 : mhs3214.ktrGambar 4.13 merupakan rangkaian pembentukan gudang data mhs3214 yang bertujuan untuk memasukkan tabel mhs3214 pada

  database skripsi_fisika ke dalam database skripsi_gabungan. Pada

  tabel mhs3214 data nomor_mhs tidak memiliki kode tahun, sebagai contoh pada data yang sebenarnya 033214001, 03 mewakili angkatan mahasiswa yaitu 2003, 3214 mewakili prodi, dan 001 adalah nomor urut mahasiswa. Penulis mendapatkan data nomor mahasiswa secara acak. Oleh karena itu data yang ada pada tabel mhs3214, harus disamakan dengan data pada Excel, karena pada Excel terdapat field nomor_mhs dan angkatan.

Gambar 4.14 : Tabel mhs3214Gambar 4.14 merupakan hasil dari tabel mhs3214. Terdapat

  4.3.1.2. Tabel gabung_mhs Database skripsi_gabungan

Gambar 4.15 : Tabel mhsGambar 4.15 merupakan 5 tabel mhs (mhs3114, mhs3214, mhs5013, mhs5114, dan mhs5314) pada database skripsi_gabungan,

  kemudian tabel-tabel mhs akan disatukan dengan proses data staging. Langkah-langkahnya sebagai berikut:

  4.3.1.2.1. Membaca nama tabel

Gambar 4.16 : baca nama tabel.ktrGambar 4.16 merupakan pembacaan nama tabel. Nama tabel yang banyak kita ketikkan pada notepad, kemudian semua nama

  pada tabel yang sudah diketikkan dimasukkan ke dalam variabel.

  4.3.1.2.2. Set Variabel

Gambar 4.17 merupakan pengambilan variabel yang telah tersimpan pada gambar 4.16. Varibel tersebut akan dijadikan sebuah

  virtual mesin yang akan dijalankan. Variabel yang sudah dibuat lalu akan dijadikan baris baru untuk proses looping.

4.3.1.2.3. Memasukkan Variabel

Gambar 4.18 : masukkan variabel.ktrGambar 4.18 merupakan pemasukkan variabel nama tabel ke dalam tabel yang baru yang bernama gabung_mhs.Gambar 4.19 : Tabel gabung_mhs Gambar 4.19 merupakan hasil dari tabel gabung_mhs.

  Terdapat field Angkatan, nomor_mhs, dan asalDatabase yang masih berupa kode yaitu mhs3114. Untuk mengubah kode tersebut maka akan diolah sehingga dapat dibaca.

  4.3.1.3. Tabel gabung_mhs_prodi Database skripsi_gabungan

Gambar 4.20 merupakan pembentukan tabel gabung_mhs_prodi yang bertujuan untuk mengubah kode pada tabel gabung_mhs menjadi

  keterangan yang dapat dibaca. Terdapat masukan tabel prg_std, masukkan tabel gabung_mhs, menyamakan data antara field Kd_prg dari tabel prg_std dengan field asalDatabase dari tabel gabung_mhs yang telah diubah menjadi prg_std, memilih data, memasukkan data ke tabel gabung_mhs_prodi, dan script SQL pada tabel gabung_mhs_prodi.

Gambar 4.21 : Tabel gabung_mhs_prodi Gambar 4.21 merupakan hasil dari tabel gabung_mhs_prodi.

  Terdapat field Angkatan, nomor_mhs, dan Nama_prg.

  4.3.2. Tabel gabung_mtk

Gambar 4.22 : mtk3214.ktrGambar 4.22 merupakan rangkaian pembentukan tabel mtk3214 yang bertujuan untuk memasukkan tabel mtk3214 pada database

  skripsi_fisika ke dalam database skripsi_gabungan. diawali oleh masukan data dari tabel mtk3214, memilih data, memasukkan data ke

Gambar 4.23 : Tabel mtk3214Gambar 4.23 merupakan hasil dari tabel mtk3214. Terdapat field kd_mtk, nama_mtk. dan SKS.Gambar 4.24 : Tabel mtkGambar 4.24 merupakan 5 tabel mtk (mtk3114, mtk3214, mtk5013, mtk5114, dan mtk5314) pada database skripsi_gabungan,

  tabel-tabel mtk akan disatukan dengan proses data staging.

Gambar 4.25 : Tabel gabung_mtkGambar 4.25 merupakan hasil dari data staging tabel mhs, terdapat field kd_mtk, nama_mtk, dan SKS.

  4.3.3. Tabel gabung_tw_mtk

Gambar 4.26 : Tabel tw database skripsi_fisikaGambar 4.26 merupakan tabel-tabel tw pada database skripsi_fisika, maka tabel-tabel tw yang ada akan simpan ke dalam

  database skripsi_gabungan yaitu dengan data staging yang bertujuan

  untuk menggabungkan data dari berbagai tabel tw menjadi sebuah tabel seperti pada gambar 4.27.

Gambar 4.27 : Tabel tw3214Gambar 4.28 : Tabel tw database skripsi_gabunganGambar 4.28 merupakan tabel tw dari semua prodi sudah terbentukGambar 4.29 : Tabel gabung_tw

  Pada tabel gabung_mtk terdapat field kd_mtk, sedangkan pada tabel gabung_tw juga terdapat field yang sama. Oleh karenanya akan digabungkan tabel gabung_mtk dan tabel gabung_tw menjadi satu tabel dengan nama gabung_tw_mtk seperti pada gambar 4.30.

Gambar 4.30 : Gabung tw mtk.ktrGambar 4.31 : Tabel gabung_tw_mtkGambar 4.31 merupakan hasil dari tabel gabung_tw_mtk. Terdapat field kd_mtk, nama_mtk, SKS, dan TahunAkd.

  4.3.4. Tabel gabung_khs

Gambar 4.32 merupakan tabel-tabel pada database skripsi_fisika yang telah terbentuk. Tabel-tabel tersebuat akan diolah pada database

  skripsi_gabungan dengan menggunakan data staging.

Gambar 4.33 : Tabel kh database skripsi_gabunganGambar 4.33 merupakan tabel khprodi yang telah terkumpul pada

  database skripsi_gabungan, maka akan dilakukan proses data staging

  kembali. Field nilai akan diubah menjadi angka_mutu pada tabel nilai sehingga dapat dilakukan proses perhitungan ips dan ipk seperti pada gambar 4.34.

Gambar 4.34 : Tabel gabung_khs

  4.3.5. Tabel ips

Gambar 4.35 : ips.ktr perhitungan ips. Diawali dengan memasukkan data dari tabel gabung_khs, mengurutkan data, menghitung nilai mutu, memilih data, mengelompokkan data, menghitung nilai ips, dan memasukkan data ke dalam tabel ips.

Gambar 4.36 : Tabel ipsGambar 4.36 merupakan hasil dari tabel ips. Terdapat field nomor_mhs, SKS, mutu, ambil, dan ips.

  4.3.6. Tabel ipk

Gambar 4.37 : ipk.ktrGambar 4.37 merupakan pembentukan tabel ipk yang bertujuan melakukan perhitungan nilai ipk. Diawali dengan masukan data dari tabel

  gabung_mhs, mengurutkan data, menghitung mutu, memilih data, mengelompokkan data, menghitung nilai ipk, dan memasukkan ke dalam tabel ipk.

Gambar 4.38 : Tabel ipkGambar 4.38 merupakan hasil dari tabel ipk. Terdapat field Nomor_mhs, SKS, mutu, dan ipk.

  4.3.7. Tabel gabung_pmb

Gambar 4.39 : Tabel nf database skripsi_pmbGambar 4.39 merupakan tabel-tabel nf yang terbentuk pada

  database pmb, maka akan dilakukan data staging. Menyatukan semua tabel nf menjadi sebuah tabel yaitu gabung_pmb pada database gabungan.

  Data yang telah terbentuk terdapat pada gambar 4.40.

Gambar 4.40 : Tabel gabung_pmb

4.4. Memecah gudang data dalam tabel fakta dan tabel dimensi.

  4.4.1. Tabel dimensi dim_mhs_prodi

Gambar 4.41 : dim_mhs_prodi.ktrGambar 4.41 merupakan proses pembentukan tabel dim_mhs_prodi yang bertujuan sebagai pembentukan tabel dimensi dalam OLAP. Masukan

  dari tabel gabung_mhs_prodi, menambah field baru, memilih data, memasukkan data ke dalam tabel dim_mhs_prodi, dan script pembentukan tabel dim_mhs_prodi.

Gambar 4.42 : Tabel dim_mhs_prodiGambar 4.42 merupakan hasil dari tabel dim_ mhs_prodi. Terdapat field sk_ mhs_prodi , Angkatan, nomor_mhs, dan Nama_prg.

  4.4.2. Tabel dimensi dim_tw_mtk

Gambar 4.43 : dim_tw_mtk.ktrGambar 4.43 merupakan proses pembentukan tabel dim_tw_mtk yang bertujuan sebagai pembentukan tabel dimensi dalam OLAP. Masukan

  dari tabel gabung_tw_mtk, menambah field baru, memilih data, memasukkan data ke dalam tabel dim_tw_mtk, dan script pembentukan tabel dim_tw_mtk.

Gambar 4.44 : Tabel dim_tw_mtkGambar 4.44 merupakan hasil dari tabel dim_ tw_mtk. Terdapat field sk_ tw_mtk ,kd_mtk, nama_mtk. SKS, dan tahunAkd.

  4.4.3. Tabel dim_ambil

Gambar 4.45 : dim_ambil.ktrGambar 4.45 merupakan pembentukan tabel dim_ambil yang bertujuan pembuatan tabel dimensi dalam proses OLAP, diawali dengan

  masukan data dari tabel gabung_khs, pada tabel kita pilih field ambil, kemudian diurutkan, data ambil yang sama dijadikan satu, kemudian menambah field baru yaitu sk_ambil, memilih data, dan memasukkan ke dalam tabel dim_ambil.

Gambar 4.46 : Tabel dim_ambilGambar 4.46 merupakan hasil dari tabel dim_ambil. Terdapat field sk_ambil dan ambil.

  4.4.4. Tabel fakta fact_khs

Gambar 4.47 : fact_khs.ktrGambar 4.47 merupakan pembentukan tabel fact_khs yang bertujuan untuk pembentukan tabel fakta dalam proses OLAP, diawali oleh

  memasukkan data dari tabel gabung_mhs dan dim_mhs_prodi untuk selanjutnya akan disamakan, kenudian menyamakan dengan tabel dim_tw_mtk, memilih data, dan memasukkan data ke dalam tabel fact_khs.

Gambar 4.48 : Tabel fact_khsGambar 4.48 merupakan hasil dari tabel fact_khs. Terdapat field sk_mhs_prodi, sk_tw_mtk, SKS, dan angka_mutu.

  4.4.5. Tabel fakta fact_ips

Gambar 4.49 : fact_ips.ktrGambar 4.49 merupakan pembentukan tabel fact_ips yang

  bertujuan pembuatan tabel fakta dalam proses OLAP. Diawali dengan masukan data dari tabel ips dan dim_mhs_prodi, kemudian menyamakan data nomr_mhs, memasukkan data dari tabel dim_ambil, kemudian menyamakan data ambil, memilih data, mengurutkan data, dan memasukkan data ke dalam tabel fact_ips.

Gambar 4.50 : Tabel fact_ipsGambar 4.50 merupakan hasil dari tabel fact_ips. Terdapat field sk_mhs_prodi, SKS, sk_ambil, dan ips.

  4.4.6. Tabel fakta fact_ipk

Gambar 4.51 : fact_ipk.ktrGambar 4.51 merupakan pembentukan tabel fact_ipk yang bertujuan pembuatan tabel fakta dalam proses OLAP. Diawali dengan

  masukan data dari tabel ipk dan dim_mhs_prodi, kemudian menyamakan data nomr_mhs, mengurutkan data sk_mhs_prodi, memilih data, dan memasukkan data ke dalam tabel fact_ipk.

  

Gambar 4.52: Tabel ipk

Gambar 4.52 merupakan hasil dari tabel ipk. Terdapat field Nomor_mhs, SKS, mutu, dan ipk.

  4.4.7. Tabel fakta fact_pmb

Gambar 4.53 : fact_pmb.ktrGambar 4.53 merupakan pembentukan fact_pmb yang bertujuan sebagai OLAP diawali dengan masukan tabel gabung_pmb dan

  dim_mhs_prodi, kemudian kedua tabel disamakan data nomor_mhs, memilih data, kemudian memasukkan data ke dalam tabel fact_pmb pada

  database gabungan.

Gambar 4.54 : Tabel fact_pmbGambar 4.54 merupakan hasil dari tabel fact_pmb. Terdapat field sk_mhs_prodi, nil11, nil12, nil13, nil14, nil15, dan jumlah. Field

  sk_mhs_prodi akan merujuk ke tabel dim_mhs_prodi. Sedangkan field nil11, nil12, nil13, nil14, nil15, dan jumlah digunakan untuk nilai mengukuran.

  Pembentukan tabel dimensi dan tabel fakta telah terbentuk yaitu fakta fact_ipk, dan fakta fact_pmb. Tabel fakta dan tabel dimensi akan dilakukan pembentukan skema bintang (OLAP).

4.5. Pembentukan Skema Bintang 4.5.1. Skema Bintang KHS

  cube khs measure

  dimensi mahasiswa dimensi Matakuliah

Gambar 4.55 : SkemaKHS.xmlGambar 4.55 merupakan skema bintang SkemaKHS menggunakan

  Mondrian sebagai OLAP server. Skema ini yang nantinya akan membaca data dari database. Cube dengan nama khs, memiliki tabel fakta fact_khs.

  Dimensi yang dipakai adalah dimensi Mahasiswa yang memiliki tabel dari tabel dim_mhs_prodi, yaitu field Prodi, Angkatan, dan NIM, sedangkan urutan dari dimensi Matakuliah adalah field Semester dan Nama Matakuliah. Nilai pengukuran atau measure dari skema bintang KHS adalah SKS dan angka_mutu.

Gambar 4.56 : Hasil SkemaKHS.xmlGambar 4.56 merupakan hasil SkemaKHS.xml. KHS Prodi mengeluarkan informasi KHS pada tiap mahasiswa dan tiap semester pada

  prodi tertentu di FST. Nilai yang diukur adalah SKS dan angka_mutu.

4.5.2. Skema Bintang IPS

  cube ips measure

  dimensi Prodi Mahasiswa dimensi Ambil

Gambar 4.57 : SkemaIPS.xmlGambar 4.57 merupakan skema bintang SkemaIPS terdapat Cube dengan nama ips, memiliki tabel fakta fact_ips. Dimensi yang dipakai

  adalah dimensi Prodi Mahasiswa yang memiliki tabel dim_mhs_prodi dan dimensi Ambil yang memiliki tabel dimensi dim_ambil. Pada dimensi Prodi Mahasiswa terdapat urutan atau hierarki field dari tabel dim_mhs_prodi, yaitu field Prodi, Angkatan, dan NIM, sedangkan urutan dari dimensi Ambil adalah field Tahun Akademik. Nilai pengukuran atau measure dari skema bintang KHS adalah Total SKS dan IPS.

Gambar 4.58 : Hasil SkemaIPS.xmlGambar 4.58 merupakan hasil SkemaIPS.xml. IPS Prodi mengeluarkan informasi tentang Mahasiswa pada tiap prodi tiap tahun

  akademik. Pengukuran yang diambil adalah jumlah SKS yang diambil dan hasil IPS (Indeks Prestasi Semester) selama 4 semester.

4.5.3. Skema Bintang IPK

  cube ipk

  dimensi Prodi

  measure

Gambar 4.59 merupakan skema bintang SkemaIPK terdapat Cube dengan nama ipk, memiliki tabel fakta fact_ipk. Dimensi yang dipakai

  adalah dimensi Prodi Mahasiswa yang memiliki tabel dim_mhs_prodi. Pada dimensi Prodi Mahasiswa terdapat urutan atau hierarki field dari tabel dim_mhs_prodi, yaitu field Prodi, Angkatan, dan NIM. Nilai pengukuran atau measure dari skema bintang KHS adalah SKS dan IPK.

Gambar 4.60 : Hasil SkemaIPK.xmlGambar 4.60 merupakan hasil SkemaIPK.xml. IPK Prodi mengeluarkan informasi tentang Mahasiswa pada tiap prodi. Pengukuran

  yang diambil adalah jumlah SKS yang diambil dan hasil IPK (Indeks Prestasi Kumulatif) selama 4 semester.

4.5.4. Skema Bintang PMB

  cube PMB measure

  dimensi Prodi

Gambar 4.61 : SkemaPMB.xmlGambar 4.61 merupakan skema bintang SkemaPMB terdapat Cube dengan nama PMB, memiliki tabel fakta fact_pmb. Dimensi yang dipakai

  adalah dimensi Prodi Mahasiswa yang memiliki tabel dim_mhs_prodi. Pada dimensi Prodi Mahasiswa terdapat urutan atau hierarki field dari tabel dim_mhs_prodi, yaitu field Prodi, Angkatan, dan NIM. Nilai pengukuran atau measure dari skema bintang KHS adalah Verbal, Numerik, Mekanik, Ruang, Bahasa Inggris, dan Jumlah.

  .

Gambar 4.62 : Hasil SkemaPMB.xmlGambar 4.62 merupakan hasil SkemaPMB.xml. Nilai test PMB mengeluarkan informasi tentang nilai test PMB (Penerimaan Mahasiswa

  Baru) mahasiswa pada tiap prodi. Pengukuran yang diambil adalah nilai verbal, numerik, mekanik, ruang, Bahasa Inggris dan jumlah dari kelima nilai tersebut.

BAB V ANALISIS HASIL Setelah melakukan pembentukan gudang data dan OLAP. Dapat diperoleh

  hasil sebagai berikut: 5.1.

   Pengujian Sistem

5.1.1. Hasil KHS Prodi

Gambar 5.1 : Data KHS Prodi pada OLAPGambar 5.2 : Data KHS Prodi pada ExcelGambar 5.1 merupakan hasil data KHS Prodi pada OLAP misal data mahasiswa Prodi Fisika Angkatan 2004 yaitu 1000073 pada tahun

  akademik 2004 semester 1 yang memiliki jumlah SKS 19 dan jumlah angka_mutu 26. Pada gambar 5.2 merupakan data mahasiswa yang sama. Terlihat pada gambar 5.1 untuk SKS dan angka_mutu dengan gambar 5.2 untuk sks dan angka_mutu, sama.

5.1.2. Hasil IPS Prodi

Gambar 5.3 : Data IPS Prodi pada OLAPGambar 5.3 merupakan hasil data IPS Prodi pada OLAP misal data Pada gambar 5.2 merupakan data mahasiswa yang sama. Terlihat pada

gambar 5.3 untuk Total SKS dan IPS dengan gambar 5.2 untuk Zsks dan ips sama.

  5.1.3. Hasil IPK Prodi

Gambar 5.4 : Data IPK Prodi pada OLAPGambar 5.4 merupakan hasil data IPK Prodi pada OLAP misal data mahasiswa Prodi Fisika Angkatan 2004 yaitu 1000073 pada tahun

  akademik 2004 semester 1 yang memiliki Jumlah SKS selama 4 semester 85 dan IPK 2.46. Data sumber yaitu Excel tidak memperlihatkan ipk, oleh karenanya Penulis menghitung nilai IPK dengan menggunakan gudang data.

  5.1.4. Hasil Nilai test Prodi

Gambar 5.6 : Data Nilai test PMB pada ExcelGambar 5.5 merupakan hasil data Nilai test PMB pada OLAP misal data mahasiswa Prodi Fisika Angkatan 2004 yaitu 1000073 yang memiliki

  nilai-nilai PMB, pada gambar 5.6 data Nilai test PMB pada Excel. Nilai pada kedua gambar sama.

  5.2. Kelebihan Sistem

  Gudang data dapat menghitung jumlah SKS tiap mahasiswa, menghitung angka mutu, nilai IPK dan IPS mahasiswa, dan jumlah nilai test Penerimaan Mahasiswa Baru. Informasi mengenai nilai IPS dan IPK pada gudang data yang terbentuk sesuai dengan pelaporan EPSBED yaitu 50% dan informasi nilai test PMB pada gudang data sesuai dengan pelaporan PMB tiap tahun yaitu 100%.

  5.3. Kekurangan Sistem

  Gudang data belum mampu mengolah sebaran nilai IPS dan IPK (0.00, <=1.00, <=1.25, <=1.50, dsb)

BAB VI KESIMPULAN Setelah melakukan tahapan penelitian ini secara menyeluruh, dapat ditarik

  beberapa kesimpulan dan saran yang dapat diharapkan dapat bermanfaat bagi pengembangan lebih lanjut.

6.1. Kesimpulan

  1. Implementasi Gudang Data Untuk Keperluan Akademik Studi Kasus Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta telah berhasil dibuat dengan menggunakan Kettle (Pentaho Data Integration).

  2. Gudang data dapat menghitung jumlah SKS tiap mahasiswa, menghitung angka mutu, nilai Indeks Prestasi Kumulatif (IPK) dan Indeks Prestasi Sementara (IPS) mahasiswa, dan jumlah nilai test Penerimaan Mahasiswa Baru, sesuai dengan Sistem Informasi Akademik Mahasiswa dan Sistem Informasi Penerimaan Mahasiswa Baru.

  3. Hasil pembuatan gudang data, nilai IPS dan IPK yaitu 50% sesuai dengan pelaporan EPSBED (Evaluasi Program Studi Berbasis Evaluasi Diri) dan nilai test PMB yaitu 100% sesuai dengan pelaporan nilai test Penerimaan Mahasiswa Baru, sehingga gudang data yang terbentuk dapat membantu Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta dalam memantau perkembangan mahasiswa setiap prodi.

6.2. Saran

  Setelah melakukan penelitian ini, penulis semakin menyadari keluasan dari teknik yang mendukung pembentukan gudang data. Penelitian ini, dikonsentrasikan pada bagaimana membuat rangkaian tabel dimensi dan tabel fakta yang mampu mendukung pengambilan keputusan oleh pimpinan perguruan tinggi.

  Dengan konsep gudang data ini, penulis berikutnya dapat membangun aplikasi yang bisa membantu mengambil keputusan dengan melibatkan konsep

  

Data Mining atau Penambangan Data dan SPPK atau Sistem Pendukung

  Pengambilan Keputusan, misalnya “Hubungan antara IPS / IPK dengan Nilai Test PMB” dimana ukuran kualitas pendidikan dapat diperoleh dari informasi yang dikeluarkan oleh gudang data.

  

DAFTAR PUSTAKA

[1] Modul Pelatihan, “Data Warehouse with Kettle (Pentaho Data Integration)”.

  [2] Thomas M. Connoly, Carolyn E. Begg., 2008, Database Systems A Practical

  th

Approach to Design, Implementation, and Management 5 edition Addison

Wesley, University of The West of Scotland.

Dokumen baru

Tags

Dokumen yang terkait

Deskripsi tingkat kematangan karier mahasiswa semester VIII program studi bimbingan dan konseling Universitas Sanata Dharma Yogyakarta tahun akademik 2006/2007 - USD Repository
0
0
121
Sistem informasi perhitungan nilai kenaikan jabatan akademik dosen berbasis web : studi kasus Universitas Sanata Dharma - USD Repository
0
1
147
Pengaruh karakteristik konsumen terhadap pembelian produk imitasi : studi kasus terhadap mahasiswa Fakultas Ekonomi Universitas Sanata Dharma - USD Repository
0
0
123
Pengaruh nilai ujian akhir nasional SLTA dan nilai tes masuk perguruan tinggi terhadap prestasi akademik mahasiswa : studi kasus mahasiswa Universitas Sanata Dharma Yogyakarta angkatan 2002 - USD Repository
0
0
103
Pengaruh motivasi berprestasi dan jenis pekerjaan yang diminati terhadap prestasi akademik mahasiswa : studi kasus mahasiswa Pendidikan Ekonomi Universitas Sanata Dharma Yogyakarta tahun angkatan 2004 - USD Repository
0
0
143
Jiwa kewirausahaan mahasiswa Universitas Sanata Dharma ditinjau dari kultur keluarga, program studi, dan jenis pekerjaan orang tua : studi kasus pada mahasiswa Universitas Sanata Dharma - USD Repository
1
2
142
Pemanfaatan internet bagi mahasiswa jurusan akuntansi : studi kasus pada mahasiswa jurusan Akuntansi Universitas Sanata Dharma - USD Repository
0
0
92
Pemanfaatan teknologi WAP untuk sistem informasi skripsi online : studi kasus Teknik Informatika Universitas Sanata Dharma Yogyakarta - USD Repository
0
0
117
Implementasi algoritma K-Means untuk memprediksi nilai mahasiswa : studi kasus mahasiswa Teknik Informatika Universitas Sanata Dharma - USD Repository
0
1
76
Pengaruh persepsi mahasiswa FKIP tentang kesejahteraan guru terhadap minat mahasiswa FKIP menjadi guru : studi kasus pada Universitas Sanata Dharma Yogyakarta - USD Repository
0
1
144
Faktor-faktor yang mempengaruhi pilihan profesi guru : studi kasus pada mahasiswa Fakultas Keguruan dan Ilmu Pendidikan Universitas Sanata Dharma Yogyakarta - USD Repository
0
1
153
Pengaruh motivasi dan prestasi belajar mahasiswa terhadap kemampuan praktik mengajar : studi kasus mahasiswa fakultas keguruan dan ilmu pendidikan Universitas Sanata Dharma Yogyakarta - USD Repository
0
0
95
Analisis perilaku curang oleh mahasiswa akuntansi : studi kasus pada Program Studi Akuntansi Fakultas Ekonomi Universitas Sanata Dharma - USD Repository
0
0
117
Persepsi mahasiswa akuntansi tentang gelar akuntan : studi kasus pada mahasiswa akuntansi Fakultas Ekonomi Universitas Sanata Dharma - USD Repository
0
0
85
Persepsi mahasiwa akuntansi terhadap praktik manajemen laba : studi kasus pada mahasiswa akuntansi Fakultas Ekonomi Universitas Sanata Dharma - USD Repository
0
0
87
Show more