DASHBOARD BUSINESS INTELLIGENCE SEBAGAI PENUNJANG KEPUTUSAN MENENTUKAN JUMLAH KELAS Susan Dian Purnamasari1, Yesi Novaria Kunang2 Dosen Universitas Bina Darma Jalan Ahmad Yani No.3, Palembang Sur-el:
[email protected],
[email protected]. Abstract: In the process of academic scheduling courses conducted each semester,components related to the process of scheduling the course coverstime , faculty who teach , classrooms and the number of classes to be opened. determination the number of classes that will be opened by the possible number of students who will taking the course . Obstacles often encountered in scheduling eye Tuition class unbalance between opened and the number of students who take courses. Needabsence of accurate analysis to determine the number of students who will takesubjects based on history data value last semester. Business Intelligenceasa toolaids to process and analyze the data value collected in the data mart , and then perform data analysis by establishingcubes , fact and dimension that can be used as a basis for making applicationbusiness intelligence determination of the number of classes to be opened. Keywords: Business Intelligence, Scheduling , Fact , Cube, and Data Mart Abstrak: Dalam proses kegiatan akademik penjadwalan mata kuliah dilakukan setiap semester, komponen yang berkaitan dengan proses penjadwalan mata kuliah tersebut meliputi waktu, dosen yang mengajar, ruang kelas dan jumlah kelas yang akan dibuka.. Kendala yang sering dihadapi dalam penjadwalan mata kuliah tidak seimbangnya antara kelas yang dibuka dan jumlah mahasiswa yang mengambil mata kuliah, sehingga akan membuat penjadwalan dilakukan kembali. Perlu adanya analisa yang akurat untuk menentukan jumlah mahasiswa yang akan mengambil mata kuliah berdasarkan data history nilai semester yang lalu, Indeks Prestasi semester untuk menentukan jumlah SKS yang diambil pada semester yang akan datang. Business Intelligence sebagai alat bantu untuk mengolah dan menganalisa data yang dikumpulkan dalam data mart, kemudian melakukan analisis data dengan membentuk cubes, fact dan dimension yang dapat digunakan sebagai dasar penentuan jumlah kelas yang akan dibuka. Hasil analisa data ini akan diperoleh informasi jumlah mahasiswa yang kemungkinan akan mengambil mata kuliah. Kata Kunci: Business Intelligence, Penjadwalan, Fact, Cube, dan Data Mart
1.
sebelumnya. Dalam proses
PENDAHULUAN
penjadwalan mata
kuliah komponen yang berkaitan adalah mata Darma
kuliah, kelas, ruang dan dosen yang mengajar
menyelenggarakan program pendidikan atas
mata kuliah tersebut. Jumlah kelas yang dibuka
dasar Sistem Kredit Semester (SKS). Dengan
biasanya mengacu kepada jumlah mahasiswa
sistem ini, mahasiswa diwajibkan menempuh
yang akan mengambil mata kuliah tersebut.
Universitas
Bina
sejumlah beban studi tertentu yang dinyatakan
Kesalahan dalam menentukan jumlah
dalam jumlah satuan kredit semester (SKS).
kelas yang dibuka dikarenakan kesalahan dalam
Untuk pengambilan mata kuliah per semester
memprediksi jumlah mahasiswa yang akan
mahasiswa diberi kebebasan untuk memilih mata
mengambil mata kuliah tersebut. Kelas yang
kuliah sesuai dengan jadwal perkuliahan yang
dibuka
telah ditentukan. Besarnya SKS yang diambil
mahasiswa yang akan mengambil mata kuliah
sesuai dengan hasil nilai mahasiswa semester
semester selanjutnya, sebagai contoh jumlah
hanya
mengacu
kepada
Dashboard Business Intelligence sebagai … … (Susan DianPurnamasari & Yesi Novaria Kunang )
jumlah
173
mahasiswa program studi A angkatan 2013
Intelligence menjelaskan tentang suatu konsep
sejumlah 500 orang, maka kelas yang akan
dan metode bagaimana untuk meningkatkan
dibuka semester selanjutnya adalah 16 kelas,
kualitas
dengan perhitungan 500 mahasiswa/30 kapasitas
berdasarkan sistem yang berbasiskan data. BI
kelas. Maka semua mata kuliah akan dibuka 16
seringkali dipersamakan sebagaimana briefing
kelas.
banyak
books and query tools, dan sistem informasi
mahasiswa tersebut yang tidak memenuhi syarat
eksekutif. BI merupakan sistem pendukung
pengambilan mata kuliah disebabkan IPK yang
pengambilan keputusan yang berbasiskan data-
kurang atau mata kuliah tersebut sudah diambil
data”.
Tetapi
pada
kenyataannya
sebelumnya.
pengambilan
keputusan
bisnis
Business Intelligence merupakan suatu
Business intelligence (BI) yang didasarkan
konsep pengetahuan yang didapatkan dari hasil
pada sistem informasi masih merupakan hal yang
analisis data yang mendalam serta pelaporan
baru bagi suatu instansi pendidikan. Umumnya
informasi secara grafis yang mudah dipahami
business intelligence dilakukan oleh para pelaku
bagi para eksekutif, hal ini diperkuat oleh Scheps
bisnis/perusahaan
(2008)
sebagai
alat
bantu
yang
dimana BI merupakan pengetahuan
mampu mengolah data-data transaksi yang
bisnis yang tepat waktu, sangat akurat, dan
dimilikinya menjadi informasi yang bernilai
bernilai tinggi yang dapat digunakan dalam
lebih. Dalam dunia pendidikan hasil pengolahan
membantu
proses
data yang terdapat disistem informasi akademik
keputusan
yang
sperti data Indeks Prestasi Komulatif(IPK), data
teknologi
pribadi mahasiswa, data dosen data lulusan dan
mendapatkannya. BI terdiri dari architectures,
lain-lain dapat dikumpulkan dalam data mart,
databases, application, dan methodologies untuk
melakukan analisis data dengan membentuk
transformasi data menjadi informasi, kemudian
cubes,
menghasilkan suatu keputusan, dan akhirnya
dan
kemudian
merancang
sistem
kerja
dan
strategis
yang
dengan
semua
digunakan
menjadi
digunakan sebagai dasar untuk pembuatan
disampaikan oleh Connolly & Begg (2010) BI
aplikasi
diibaratkan
intelligence.
Sehingga
sebagai
Tetapi
sebuah
hal
untuk
informasi business intelligence yang dapat
business
tindakan.
pengambilan
berbeda
payung
yang
diperoleh informasi yang dapat digunakan oleh
menaungi aturan yang berdasarkan pada proses
pihak manajemen institusi pendidikan dalam
untuk mengumpulkan dan menganalisis data,
mengambil keputusan.
teknologi yang ini digunakan dalam proses-
Business
Intelligence
adalah
segala
proses dan informasi yang ditemukan dari
aktivitas, tool, atau proses yang digunakan untuk
keseluruhan
mendapatkan informasi yang terbaik untuk
pengambilan keputusan perusahaan.
mendukung
proses
pembuatan
keputusan
(Scheps 2008).
proses
untuk
memfasilitasi
Sedangkan menurut Kroenke & Auer (2010) Business Intelligence adalah sebuah
Definisi BI lainnya yang sebagaimana
sistem informasi yang membantu manajer dan
diungkapkan oleh DJ Powers (2002): “Business
para profesional dalam menganalisis kegiatan
174
Jurnal Imiah MATRIK Vol.16. No. 3, Desember 2014: 173 -182
saat ini ataupun masa lalu dan membuat prediksi
sebuah organisasi. Data warehouse memiliki
kejadian di masa depan. Tidak sama dengan
beban kerja yang terpisah dari beban kerja
OLTP, BI tidak digunakan untuk mendukung
transaksi (secara prosesnya) dan memungkinkan
aktivitas operasional seperti menyimpan dan
organisasi untuk mengkonsolidasikan data dari
mengolah transaksi. Sistem BI dibagun dengan
beberapa sumber. Data warehouse memiliki
tujuan mendukung manajer dalam menganalisis,
beberapa karakteristik (Connolly & Begg, 2010)
perencanaan,
yaitu sebagai berikut :
kontrol,
dan
pengambilan
keputusan.
1)
Berdasarkan
dapat
Subject oriented memiliki arti sebagai data
(BI)
yang diatur dan disesuaikan dengan subjek yang
merupakan sistem dan aplikasi yang berfungsi
detail sehingga dapat membantu mendukung
untuk
suatu
pengambilan
keputusan.
perusahaan atau organisasi (data operasional,
memberikan
pandangan
data transaksional, atau data lainnya) kedalam
komprehensif dari sebuah organisasi karena
bentuk pengetahuan. Aplikasi ini melakukan
tidak hanya menentukan cara sebuah proses
analisis
bisnis dapat berjalan melainkan juga mengapa
disimpulkan
definisi
Business
mengubah
diatas
Subject Oriented
Intelligence
data-data
data-data
dalam
dimasa
lampau,
menganalisisnya dan kemudian menggunakan
sebuah proses bisnis dijalankan.
pengetahuan
2) Integrated
tersebut
untuk
mendukung
keputusan dan perencanaan organisasi.
Orientasi yang
ini lebih
Integrated atau terintegrasi artinya sebuah
Data warehouse juga berguna sebagai
data warehouse haruslah terintegrasi dengan
tempat penyimpanan data terbaru (real time) dan
baik untuk mendapatkan proses yang tepat.
data historikal untuk kepentingan manajer dalam
Karena sumber data pada data warehouse berasal
sebuah organisasi. Hal ini didukung oleh
dari berbagai sumber sehingga integrasi adalah
pendapat Coronel dkk (2011) yang mengartikan
salah satu hal yang paling penting.
bahwa
3) Time variant
Data
warehouse
adalah
database
relasional yang dirancang untuk query dan
Data warehouse merupakan koleksi data
analisis bukan untuk proses transaksi. Biasanya
historis di mana data terus di tambah dari masa
berisi data historis yang berasal dari data
ke masa untuk digunakan dalam menganalisis
transaksi, tetapi bisa termasuk data dari sumber
tren, deviasi, dan hubungan jangka panjang
lain.
lainnya yang bertujuan untuk pengambilan Sedangkan hal yang berbeda disampaikan
keputusan dimasa mendatang. Hal ini lah yang
oleh Turban dkk (2011) data warehouse adalah
membuat
kumpulan data yang dibuat khusus untuk
penting yang harus didukung oleh setiap data
mendukung proses pengambilan keputusan. Data
warehouse.
warehouse
4) Nonvolatile
juga
berguna
sebagai
tempat
waktu
merupakan
dimensi
yang
penyimpanan data terbaru (real time) dan data
Nonvolatile adalah karakteristik lain dari
historikal untuk kepentingan manajer dalam
data warehouse yaitu dimana setelah semua data
Dashboard Business Intelligence sebagai … … (Susan DianPurnamasari & Yesi Novaria Kunang )
175
yang masuk kedalam data warehouse tidak ada
2) Transform
user yang dapat mengubah data tersebut.
Hasil data yang telah di extract akan
Berdasarkan kutipan di atas dapat disimpulkan
menjalani proses transformasi, proses yang
bahwa data warehouse merupakan kumpulan
terjadi adalah mengubah kode-kode yang ada
data historikal dan juga data saat ini yang
menjadi kode-kode yang merupakan standarisasi
berorientasi subjek, terintegrasi berdasarkan
yang ditetapkan dari awal sehingga semua data
waktu, dan tidak dapat mengalami perubahan
yang keluar dari proses ini akan memiliki
secara langsung dimana dalam pengolahannya
standarisasi
datanya terdapat proses extract, transform, dan
pembuatan laporan yang lebih mudah.
loading yang digunakan agar dapat mendukung
3)
yang
sama
untuk
mendukung
Load
proses pengambilan keputusan.
Load adalah tahap terakhir dari proses
ETL terbagi di dalamnya menjadi tiga
ETL, merupakan proses mengirim seluruh data
proses besar (Kimball, 2010)yaitu:
yang telah melalui proses transformasi ketempat
1) Extraction
penampungan akhir (data warehouse). Seluruh
Proses extract merupakan tahap awal
data yang telah melalui proses ini artinya telah
dari kegiatan ETL, dimana mengambil semua
siap digunakan dan di akses untuk kepentingan
data yang dibutuhkan dari sumber data yang ada
strategis bagi perusahaan. Jadi proses extract,
lalu di lakukan proses ekstrasi data. terdapat tiga
transform, dan loading (ETL) didalam sebuah
tahapan didalam melakukan extract :
rangkaian proses yang saling berkenjutan dari
a. Data profiling system; Merupakan kolom
proses pengambilan data, lalu mengubah kode-
properti
analisis
termasuk
didalamnya
kode yang ada menjadi standarisasi untuk
penemuan domain yang disimpulkan, dan
kemudian
analisis struktur termasuk juga kandidat
penampung yang disebut data warehouse.
foreign key atau hubungan primary key, analisis aturan data, dan analisis aturan nilai. b. Change data capture system; Melakukan
di
kirimkan
kedalam
tempat
Penelitian ini merancang aplikasi Business Intelligence untuk menentukan jumlah kelas dari mata
kuliah
yang
ditawarkan
dengan
pembacaan sumber file log, sumber tanggal
memprediksi jumlah mahasiswa yang akan
dan filterisasi nomor urutan, dan melakukan
mengambil
perbandingan record yang berdasarkan pada
berdasarkan data IPK, data nilai dan data KRS.
algoritma
cyclic
redundancy
mata
kuliah
yang
ditawarkan
checksum
(CRC). c. Extract System; Merupakan adapter sumber data,
mendorong/
menarik/
2.
METODOLOGI PENELITIAN
menggiring
jadwal kerja, penyaringan dan pemilahan
Penelitian
ini
merupakan
penelitian
pada sumber data, melakukan konversi format
tindakan
data, dan staging data setelah di transfer ke
mempunyai keunggulan antara lain lebih praktis
lingkungan ETL.
dan langsung relevan untuk situasi aktual dalam
176
(action
research).
Penelitian
ini
Jurnal Imiah MATRIK Vol.16. No. 3, Desember 2014: 173 -182
dunia kerja. Selain itu penelitian tindakan
hingga
menyediakan rangka kerja yang teratur dalam
diharapkan.
memberikan
solusi
bagi
masalah
dan
selesai
sesuai
dengan
yang
4) Project Requirement Definition
perkembangan-perkembangan baru, yang lebih
Pada tahap Project Requirement Definition
baik daripada cara pendekatan impresionistik
perlu mengkaji ulang apakah infrastruktur
dan fragmentaris.
yang ada, baik itu teknikal maupun non teknikal
2.1
sudah
diimplementasikan
Metode analisa
memadai aplikasi
untuk Business
Intelligence ini. Menurut Larissa T. Moss dalam bukunya
5) Data Analysis
Business Intelligence Roadmap, metode analisa
Tahap ini pada dasarnya menampilkan
dibagi 7 (tujuh) tahap yaitu:
analisa sistem yang disesuaikan terhadap
1) Business Case Assessment
sebuah rancangan yang akan dibangun
Tahap Business Case Assesment melakukan
sistem. Tahap ini menampilkan aktivitas
evaluasi terhadap institusi atau perusahaan,
selama analisa data yang disesuaikan untuk
evaluasi ini menentukan apakah aplikasi
mengerti dan mengoreksi perbedaan yang
Business
ada pada data bisnis.
Selain
Intelligence evaluasi
layak
tahap
menentukan
ini
digunakan. juga
strategi
akan
6) Application Prototyping Prototype adalah sebuah teknik komunikasi
untuk
visual yang berguna bagi proyek Business
mengimplemtasikan Business Intelligence.
Intelligence
2) Enterprise Infrastructure Evaluation
dalam
mengerti
dan
Tahap ini akan menentukan kebutuhan
memperbaiki persyaratan ruang lingkup
infrastruktur dalam
proyek. Ada beberapa tipe dalam membuat
Business
membangun aplikasi
Intelligence,
prototype, setiap tipe mempunyai tujuan
kebutuhan
yang berbeda dan harapan yang berbeda.
infrastruktur akan berpengaruh terhadap keberhasilan
penerapan
Business
7) Meta Data Repository Analysis
Intelligence.. Infrastruktur yang dibutuhkan dibagi menjadi 2 (dua) komponen yaitu
2.2
Metode Perancangan
Infrastruktur Teknikal dan Infrastruktur Non Berdasarkan buku Business Intelligence
Teknikal.
Roadmap pengarang Larissa T.Moss, metode
3) Project Planning Di tahap perencanaan proyek perlu dibuat
perancangan dibagi 7 tahap yaitu ;
estimasi untuk merancang aplikasi Business
1) Database Design
Intelligence,
2) ETL Design
menunjang
perencanaan keberhasilan
ini
akan
sebuah
proyek
3) Meta Data Repository Design 4) ETL Development
Dashboard Business Intelligence sebagai … … (Susan DianPurnamasari & Yesi Novaria Kunang )
177
5) Application Development
melakukan RestartSpoon agar JDBC dapat
6) Data Mining
digunakan. Hal tersebut dapat dilihat pada
7) Meta Data Repository Development
gambar 2.
3.
HASIL DAN PEMBAHASAN
Mengintegrasikan desain
database
data
yang
dan
membuat
meninjau
kembali
kebutuhan untuk akses data (staging database). Untuk
mengintegrasikan
data
diperlukan
Gambar 2. Database Connection
instalasi connector mysql pada pentaho. Seperti terlihat pada gambar 1 di bawah ini ;
Pada
tahap
ini
peneliti
melakukan
Extraction, transformation dan loading (ETL) untuk merapikan dan membersihkan data-data yang diambil dari transaksi. Selanjutnya akan ditransformasikan ke dalam sebuah struktur dan format data yang lebih konsisten. Pada tahap extract adalah mengumpulkan data dari berbagai sumber untuk diintegrasikan. Hasil proses ETL dapat dilihat pada gambar 3 berikut; Gambar 1. Data connection
Secara default, Kettle Pentaho tidak mensupport MySQL karena masalah lisensi open source. Ini berbeda dengan Postgre, DB2, SQLite dan database open source lain yang langsung dapat digunakan. Untuk menambahkan MySQL, download JDBC connector pindahkan bin.jar
file ke
dan
Gambar 3. Proses extract
mysql-connector-java-x.y.zdirektori
[kettle]\data-
Setelah
proses
selesai
selanjutnya
integration\libext\JDBC (x,y,z adalah versi dari
dilakukan proses import data ke mysql terdiri
connector).
dari empat tabel: tabel krs, tabel matkul, tabel
Pada penelitian ini menggunakan mysql-
mhs dan tabel progstud.
conecctor-odbc versi 5.25. Setelah diinstal perlu
178
Jurnal Imiah MATRIK Vol.16. No. 3, Desember 2014: 173 -182
Gambar 6. Transformasi table KRS
Gambar 4. Proses import data
Lebih detail Berikut ini proses file input Merancang struktur database secara fisik yang digambarkan dengan
membentuk star schema.
Setelah proses ETL selesai, data disimpan dalam sistem lain (load) yaitu datawarehouse. Hasil rancangan database secara fisik dapat dilihat pada gambar 5 di bawah ini.
dari krs, dimana koneksi dilakukan ke mhsbidar yaitu koneksi ke database mhsbidar1 di MySQL, dengan menambahkan field ps (program studi) yang diambil dari nim mahasiswa, hal ini dilakukan
untuk
mengidentifikasi
jumlah
mahasiswa yang mengambil mata kuliah per program studi, karena di table krs tidak ada field atau kolom program studi. Pada kasus ini data nim terdiri dari 8 sampai 9 karakter, dimana 2 karakter dari baris pertama menunjukkan tahun masuk,
3
karakter
dari
baris
ke
tiga
menunjukkan kode program studi dan 3 karakter selanjutnya menunjukkan nomor urut. Gambar 5. Struktur Database akademik
Setelah menambah field program studi dan memilih field yang hanya dibutuhkan saja, maka
Untuk Menganalisis data maka dibuat
proses selanjutnya adalah proses pemetaan nilai
database baru yang akan dianalisis di sql server
untuk memetakan kelulusan mata kuliah. Hal ini
dengan nama database akademik 1. Proses
juga dilakukan karena pada table KRS hanya ada
pembuatan file repository baru yang akan
nilai A,B,C, D dan E tanpa menyertakan
menampung
keterangan lulus atau tidak. Maka dibutuhkan
MySQL
proses
transfer
mhsbidar1,
di
dari uji
database coba
ke
field untuk status kelulusan. Gambar dibawah ini
MySQLServerdatabase akademik menggunakan
memperlihatkan proses pemetaan nilai kelulusan.
pentaho data integrator. File repository tersebut diberi nama aka1. Buat desain seperti berikut (untuk menambah hop, klik tabel input, tekan SHIFT dan drag ke table output). Dashboard Business Intelligence sebagai … … (Susan DianPurnamasari & Yesi Novaria Kunang )
179
menampilkan data pengambilan mata kuliah per semester
dan berdasarkan dosen tertentu. Di
dalam Cube terdapat Dimension dan Measures. Hasil cube pada penelitian ini dapat dilihat pada gambar9.dimana sebagai measure adalah table KRS.
Gambar 7. Proses Pemetaan Nilai
Database fisik sebagai sumber data untuk menganalisis data-data yang diperlukan, dengan membentuk sebuah star schema dan cube. Rancangan star schema yang terdiri dari fact table dan dimensi dapat dilihat pada hasil di
Gambar 9. Cube
bawah ini.
Measure, adalah sebuah entitas yang dapat dimonitor dan diukur dari dimensi. Secara mendasar measure dimuat ke dalam OLAP database.
Menghitung
measure
adalah
menghitung dari measure dasar sehingga untuk itu tidak perlu dimasukkan ke dalam
source
data. Measure terdapat pada factable,yang mana dalam satu table database terdiri dari Gambar 8. Star schema
banyak measures. Maesurement tidak hanya terdapat pada field tabel dalam sebuah database,
Database yang akan dianalisis merupakan database mhsbidar1 (dalam database MySQL) yang terdiri dari 6 tabel (dosen, krs, matkul, progstud, mhs, tarnskrip). Struktur tabel dapat dilihat pada gambar di bawah ini.
Cube berisi kumpulan banyak data yang telah disatukan (diagregasi) sehingga mempercepat hasil query. Misal, data KRS yang telah disatukan dengan data periode waktu dan dosen,
180
mempercepat
hasil
Gambar 10
memperlihatkan pemilihan
table dan field untuk di measure, dengan asumsi; 1) Pada table mahasiswa akan dihitung jumlah keseluruhan mahasiswa yang aktif.
Cube adalah bagian utama dari OLAP.
akan
tetapi dapat berupa hasil perhitungan.
query
untuk
2) Pada tabel KRS akan dihitung jumlah mahasiswa yang yang lulus dan tidak lulus mata kuliah tertentu. 3) Pada table matkul akan dihitung jumlah mahasiswa yang belum mengambil mata kuliah tertentu
Jurnal Imiah MATRIK Vol.16. No. 3, Desember 2014: 173 -182
pada browser di cube design. Gambar 12. Menampilkan
mahasiswa perangkatan
yang
belum tamat dan yang belum mengambil mata kuliah tertentu:
Gambar 10. Penentuan measure Setelah cube telah terbentu selanjutnya menghitung jumlah mahasiswa yang belum mengambil mata dengan asumsi ; jumlah total mahasiswa dikurang dengan jumlah mahasiswa yang telah mengambil mata kuliah, pembuatan kalkulasi tersebut terdapat pada cube design kemudian pilih tab calculation, masukan nama kalkulasi dengan belum ambil yang diambil dari parent measure, Selanjutnya masukkan rumus pada kolom expression, contoh kalkulasi dapat dilihat pada gambar berikut:
Gambar 12. Tampilan data mahasiswa & KRS Dari gambar diatas menerangkan: 1) Jumlah
mahasiswa:
adalah
jumlah
mahasiswa tiap angkatan yang tercatat belum tamat 2) KRS count adalah jumlah mahasiswa yang sudah mengambil mata kuliah tersebut dengan nilai>=C. 3) Belum ambil: Jumlah mahasiswa yang belum mengambil mata kuliah tersebut di tiap angkatan. Untuk melihat jumlah yang lulus dan tidak lulus mata kuliah tertentu dan yang belum ambil dapat menambahkan field dengan perhitungan yang telah dilakukan sebelumnya.
Gambar 11. Kalkulasi Belum Ambil Mata Kuliah Untuk
melihat
hasil
analisis
data
mahasiswa yang telah mengambil, telah lulus dan belum mengambil mata kuliah, maka proses deploy dapat dilakukan dengan cara, klik kanan pada nama project kemudian pilih proses. Jika deploy berhasil maka hasil analisis dapat dilihat
Gambar 13. Hasil akhir analisis
Dashboard Business Intelligence sebagai … … (Susan DianPurnamasari & Yesi Novaria Kunang )
181
4.
Implementation. 11th Edition. Pearson Prentice Hall. USA.
SIMPULAN
Dari dilakukan,
perancangan maka
bisa
data diambil
yang
telah
kesimpulan
sementara sebagai berikut : 1) Dari proses ETL terdapat database secara
fisik yang merupakan data source untuk analisis data selanjutnya. 2) Terbentuk star schema dan dimensi table
untuk menentukan fact table dan measure pada cube.
Moss, L. T., & Atre, S. 2003. Business intelligence roadmap: The complete project lifecycle for decision-support applications. Pearson Education, Inc. USA. Scheps, Swain. 2008. Business Intelligence for Dummies (1st Edition). Wiley. Indiana. Turban, E., Aronson, J.E., Liang, T.P., and Sharda,R. 2011. Decision support and business intelligence systems. 8thedition. Pearson Prentice Hall. USA.
3) Terbentuk cube dan dimensi measure. 4) BI
bisa
membantu
digunakan
untuk
memprediksi jumlah mahasiswa yang akan mengambil mata kuliah tertentu, dengan cara menganalisis jumlah mahasiswa perangkatan yang belum mengambil mata kuliah dan yang belum lulus mata kuliah.
DAFTAR RUJUKAN Connoly,T & Begg, C. 2010. Database System: A Practical Approach to Design, Implementation, dan Management. Fourth Edition, Addison Wesley, Essex. Coronel, Carlos; Morris,Steven; Rob,Peter. 2011.Database Systems: Design, Implementation and Management. Ninth Edition. Cengage Learning. Boston. D J. Powers. 2002. A Brief History of Decision Support Systems. (Online). (Diakses dari http://DSSResources.com, tanggal 10 Juni 2013). Kimball, Ralph; Caserta, Joe. 2010. The Data Warehouse ETL Toolkit. Wiley Publishing. New Delhi. Kroenke, D.M., Auer, D.J. 2010. Database Processing: Fundamentals, Design, and
182
Jurnal Imiah MATRIK Vol.16. No. 3, Desember 2014: 173 -182
