3
warehouse dan data mart memiliki batasan yang sangat tipis, namun perbedaan ini tidak perlu dikhawatirkan karena secara subtansi tujuan dari pembuatannya memiliki kesamaan (Noviandi 2010). Konsep data warehouse sudah dikenal sebagai platform yang fundamental dari setiap solusi BI yang dikembangkan. Keberhasilan dalam merancang dan memasukkan data ke dalam data warehouse akan sangat berpengaruh terhadap berhasil atau tidaknya solusi BI yang dikembangkan dalam sebuah organisasi (Noviandi 2010). 3 Lapisan atas (top tier) Lapisan ini merupakan lapisan untuk end user yang berfungsi menampilkan ringkasan dari isi data warehouse yang merupakan hasil dari operasi OLAP (SharePoint 2010). Pengujian Query Tahap pengujian query ini dilakukan setelah pemuatan dan pembuatan data warehouse selesai. Pengujian ini dilakukan untuk melihat apakah operasi OLAP yang dibangun sudah berhasil diimplementasikan dan sesuai dengan informasi yang akan ditampilkan. Pengujian query dibantu dengan memvisualisasikan kubus-kubus data dengan grafik-grafik dan tabel-tabel untuk akurasi hasil. Aplikasi OLAP dengan Business Intelligence Business Intelligence adalah serangkaian kegiatan untuk memahami situasi bisnis dengan melakukan berbagai jenis analisis pada data yang dimiliki oleh organisasi serta data eksternal dari pihak ketiga untuk membantu menentukan strategi, keputusan bisnis yang taktis, dan operasional dan mengambil yang diperlukan tindakan untuk meningkatkan kinerja bisnis (Rainardi 2010). Langkah awal pembangunan aplikasi OLAP adalah dengan membentuk struktur kubus data dalam OLAP server. Sebelum tahap pembangunan kubus data, analisis data dilakukan untuk menentukan dimensi dan measure yang akan digunakan. Setelah menganalisis dimensi dan measure yang akan digunakan, dilakukan pembentukan struktur kubus data. Pembentukan bisa dilakukan secara manual ataupun otomatis. Pada penelitian ini, pembentukan kubus data secara otomatis dilakukan. Selanjutnya dilakukan perancangan antarmuka. Rancangan antarmuka terbagi menjadi dua bagian, yaitu tampilan screen dengan resolusi 1024 x 768 piksel dan tampilan hasil query. Fungsi dirancang untuk operasi-operasi OLAP dengan crosstab dan grafik.
Implementasi aplikasi dilakukan dengan menggunakan Microsoft SharePoint 2010. Lingkungan Pengembangan Aplikasi OLAP ini dibangun dengan menggunakan perangkat sebagai berikut: Perangkat keras server dengan spesifikasi: • Prosesor Intel Core i5650. • Memory 10GB DDR III. • Hard disk 500GB. Perangkat keras client dengan spesifikasi: • Prosesor Intel Core i3 2.27GHz. • Memory 3GB DDR III. • Hard disk 320GB. • Monitor 14” (1366 x 768 piksel) • Keyboard. • Mouse. Perangkat lunak yang terpasang di server: • Windows Server 2008 R2. • Internet Explorer 8. • Internet Information Services 7. • Microsoft SQL Server 2008. • Microsoft Sharepoint 2010. • Microsoft .Net Framework 4.0. Perangkat lunak yang digunakan membuat sistem: • Windows 7 Ultimate Edition. • Internet Explorer 9. • Internet Information Services 7. • Microsoft SQL Server 2008. • Microsoft Sharepoint 2010. • Microsoft .Net Framework 4.0.
untuk
HASIL DAN PEMBAHASAN Analisis Data EPBM IPB yang diperoleh dalam format Excel 2007 (.xlsx) berisi data EPBM mata kuliah dan dosen masing-masing sebanyak 11 139 record. Data mata kuliah diperoleh dari Dit. AP dalam format Ms. Word (.doc). Data dosen diunduh langsung dari Sistem Informasi Kepegawaian IPB yang dikelola oleh Dit. SDM dalam format Excel 2003 (.xls). Dari seluruh data tersebut, selanjutnya proses analisis data dilakukan. Proses ini dilakukan untuk menemukan atribut-atribut yang tepat untuk pembangunan data warehouse. Atribut-atribut pada data EPBM sebelum dianalisis dapat dilihat pada Tabel 1. Atribut yang akan digunakan dipilih berdasarkan kreteria berikut: 1 atribut yang dipilih menarik (atribut yang berkaitan dengan EPBM secara spesifik) untuk dianalisis,
4
2 atribut yang dapat direlasikan dengan atribut (foreign key) pada tabel lainnya, serta 3 data tidak mengandung nilai null > 10 (atribut maupun record). Spesifikasi kebutuhan yang ditentukan pada tahap ini adalah sebagai berikut: 1 Tren jumlah responden dosen pada fakultas setiap tahun: Jumlah responden dosen yang mengisi EPBM pada mata kuliah yang diajar oleh dosen pada masing-masing fakultas setiap tahun akademik yang telah berjalan. 2 Tren nilai rata-rata hasil evaluasi mata kuliah pada fakultas setiap tahun: Jumlah nilai rata-rata dari seluruh (m1-m9) poin pertanyaan setiap mata kuliah yang diajarkan pada masing-masing fakultas setiap tahun akademik yang telah berjalan. 3 Tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun: Jumlah nilai rata-rata dari seluruh (p1-p9) poin pertanyaan setiap dosen yang diajarkan pada masing-masing fakultas setiap tahun akademik yang berjalan. 4 Tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir: Rata-rata nilai yang diperoleh dosen dari seluruh poin pertanyaan (p1-p9) berdasarkan jenjang pendidikan terakhir dosen setiap tahun akademik yang telah berjalan. 5 Tren nilai dosen berdasarkan lokasi belajar terakhir: Rata-rata nilai yang diperoleh dosen dari seluruh poin pertanyaan (p1-p9) berdasarkan lokasi (dalam atau luar) belajar terakhir setiap tahun akademik yang telah berjalan. Tabel 1 Atribut pada data EPBM. No Atribut No Atribut 1 Tahun 17 DSN 2 Semester 18 NIPlama 3 MK 19 NIP Baru 4 NMMK 20 Nama 5 M1 21 Namacek 6 M2 22 P1 7 M3 23 P2 8 M4 24 P3 9 M5 25 P4 10 M6 26 P5 11 M7 27 P6 12 M8 28 P7 13 M9 29 P8 14 RATA2mk 30 P9 15 JMLmk 31 RATA2ds 16 DEPTDOS 32 JMLds
Desain 1 Desain Konseptual Tahap desain diawali dengan menentukan dan memilih atribut-atribut yang bisa dijadikan sebagai measure dan dimensi. Dimensi yang terbentuk adalah dimensi tahun akademik, dimensi semester, dimensi matakuliah, dimensi departemen, dimensi fakultas, dimensi dosen, dimensi pendidikan, dimensi tahun, dan dimensi strata. Atribut pada tabel-tabel fakta terdiri atas foreign key dari dimensi-dimensi dan measure. 2 Desain Logikal Pada tahap ini, dihasilkan 2 tabel fakta dan 9 tabel dimensi. Kedua tabel fakta tersebut diberi nama fakta_matakuliah yang memiliki 12 atribut dan fakta_dosen yang memiliki 15 atribut. Atribut pada tabel fakta_matakuliah dan tabel fakta_dosen berturut-turut dapat dilihat pada Tabel 2 dan Tabel 3. Tabel 2 Atribut tabel fakta_matakuliah Atribut Deskripsi Id tahun idtahunakademik sebagai akademik penciri tahun diselenggarakannya mata kuliah idsemester idsemester sebagai penciri semester diselenggarakannya mata kuliah idmatakuliah idmatakuliah sebagai penciri mata kuliah p1 garis-garis besar perkuliahan disampaikan pada pertemuan pertama p2 kuliah dilaksanakan sesuai dengan jadwal yang ditetapkan oleh Dit. AP p3 kuliah dilaksanakan sesuai dengan jumlah yang telah ditentukan (14 pertemuan / semester) p4 pokok bahasan kuliah sesuai dengan tujuan kuliah p5 pokok bahasan kuliah menambah pengetahuan dan wawasan baru p6 tugas mandiri yang diberikan meningkatkan materi p7 sarana / prasarana mendukung pelaksanaan kuliah p8 ujian tengah semester atau tugas mandiri diberikan sesuai dengan pokok bahasan dan tujuan kuliah p9 hasil ujian tengah semester diumumkan 2 minggu setelah periode ujian Ratap rata-rata nilai dari p1-p9
5
3 Desain Fisik Pada tahap ini, measure dan dimensi yang akan digunakan ditentukan. Measure yang dipilih pada fakta mata kuliah adalah m1 yang merepresentasikan pertanyaan pertama pada kuesioner, m2 juga merepresentasikan pertanyaan kedua pada kuesioner, m3, m4, dan m5 sampai dengan m9 merepresentasikan urutan pertanyaan yang ada pada kuesioner dan ratam merepresentasikan rata-rata dari seluruh nilai (m1 – m9). Tabel 3 Atribut tabel fakta_dosen Atribut Deskripsi Id tahun idtahunakademik sebagai akademik penciri tahun diselenggarakannya mata kuliah Idsemester idsemester sebagai penciri semester diselenggarakannya mata kuliah idmatakuliah idmatakuliah sebagai penciri mata kuliah Nip nip sebagai penciri dosen m1 dosen menyampaikan materi pengajaran dengan baik m2 dosen memberikan penekanan tentang aspek-aspek penting yang terkait dengan materi yang diberikan m3 dosen menyampaikan materi pengajaran yang meningkatkan minat mahasiswa terhadap mata kuliah ini m4 dosen memberikan ilustrasi yang mencakup keterkinian perkembangan ilmu / aplikasi / hasil penelitian m5 dosen menggunakan bahan / alat bantu / alat peraga yang sesuai dengan materi pembelajaran m6 dosen memberikan kesempatan kepada mahasiswa untuk bertanya / menyampaikan pendapat m7 dosen memperlihatkan sikap dan penampilan yang baik m8 dosen menghormati dan menghargai mahasiswa sesuai dengan hak dan kewajibannya m9 dosen menyampaikan pesanpesan moral, etika, dan disiplin Ratam rata-rata nilai dari m1-m9 Begitu juga untuk fakta dosen, p1 sampai dengan p9 merepresentasikan urutan pertanyaan yang ada pada kuisioner. Ratap juga merepresentasikan rata-rata dari seluruh nilai
(p1 – p9). Desain fisik dan atribut-atribut pada tabel fakta_matakuliah dapat dilihat pada Tabel 4 dan Tabel fakta_dosen dapat dilihat pada Tabel 5. Selanjutnya, dibuat skema model data multidimensi. Skema yang terbentuk adalah skema galaxy. Terbentuknya skema ini karena terdapat 3 tabel dimensi yang berbagi pakai antara fakta matakuliah dan fakta dosen. Ketiga tabel dimensi tersebut adalah dimensi matakuliah, dimensi tahunakademik, dan dimensi semester. Skema model data multidimensi yang terbentuk dapat dilihat pada Gambar 2. Tabel 4 Desain fisik tabel fakta_matakuliah setelah proses integrasi dan reduksi. No Atribut Keterangan 1
idmatakuliah
Varchar
2
idtahunakademik
int
3
Idsemester
int
4
m1
float
5
m2
float
6
m3
float
7
m4
float
8
m5
float
9
m6
float
10
m7
float
11
m8
float
12
m9
float
13
ratam
float
Tabel 5 Desain fisik tabel fakta_dosen setelah proses integrasi dan reduksi No Atribut Tipe Data 1
idmatakuliah
varchar
2
Nip
varchar
3
idsemester
int
4
idtahunakademik
int
5
p1
float
6
p2
float
7
p3
float
8
p4
float
9
p5
float
10
p6
float
11
p7
float
12
p8
float
13
p9
float
14
jumlahresponden
Int
15
Ratap
float
6
Gambar 2 Skema Galaxy dengan 2 tabel fakta dan 9 tabel dimensi. Dari dimensi-dimensi yang ada, terbentuk struktur hirarki pada masing-masing fakta. Setiap dimensi memiliki level hirarki yang berbeda-beda. Beberapa hirarki yang terbentuk ialah: • hirarki tahun akademik, • hirarki semester, • hirarki mata kuliah, dan • hirarki dosen.
fakultas. Struktur hirarki dimensi mata kuliah dapat dilihat pada Gambar 5.
Gambar 4 Hirarki dimensi semester.
Hirarki adalah satu bagian dimensi. Dimensi merupakan hirarki berupa jenjang atau tingkatan dari dimensi tersebut. Dengan adanya hirarki tersebut, dimensi dapat menunjukkan tingkatannya (Han & Kamber 2006). Hirarki tahun akademik adalah hirarki dari tahun ajaran atau tahun akademik yang dilaksanakan oleh IPB. Struktur hirarki dimensi tahun akademik dapat dilihat pada Gambar 3.
Gambar 3 Hirarki dimensi tahun akademik. Hirarki semester adalah hirarki dari semester yang diberlakukan di IPB. Struktur hirarki dimensi semester dapat dilihat pada Gambar 4. Hirarki mata kuliah adalah hirarki dari mata kuliah yang diajarkan di IPB. Hirarki ini mencakup hirarki berdasarkan departemen dan
Gambar 5 Hirarki dimensi matakuliah berdasarkan departemen dan fakultas. Hirarki dosen adalah hirarki dari dosen yang ada di IPB. Hirarki dosen mencakup hirarki berdasarkan fakultas departemen, strata, tahun kerja dosen, dan pendidikan terakhir. Struktur hirarki dimensi dosen berdasarkan fakultas dan departemen dapat dilihat pada Gambar 6. Struktur hirarki dimensi dosen berdasarkan strata dapat dilihat pada Gambar 7. Struktur hirarki dimensi dosen berdasarkan tahun kerja dosen dapat dilihat pada Gambar 8. Struktur
7
Gambar 6 Hirarki dimensi dosen berdasarkan departemen dan fakultas.
Gambar 7 Hirarki dimensi dosen berdasarkan jenjang pendidikan.
Gambar 8 Hirarki dimensi dosen berdasarkan tahun kerja dosen.
Proses integrasi dan reduksi data membentuk tabel baru, antara lain tabel fakta_matakuliah dan fakta_dosen yang selanjutnya dijadikan tabel fakta. Proses integrasi menghasilkan desain fisik final. Setelah melakukan proses integrasi dan reduksi, data yang tersimpan dalam format Excel (xlsx) dikonversi menjadi format Ms. SQLServer 2008 (mdf). 2 Pembersihan Data Pembersihan data pada tabel fakta_dosen dan fakta_matakuliah untuk field yang sama yaitu: idmatakuliah yang mengandung nilai null dihapus dari daftar record dan idtahunakademik yang bersisi nilai null diisi dengan nilai yang paling banyak muncul. Data pertanyaan (m1, m2..., p1, p2...) yang mengandung nilai null diperbaharui dengan menggunakan nilai ratarata. Contoh pembersihan data dengan memperbaharui nilainya dengan nilai rata-rata pada tabel fakta_matakuliah dapat dilihat pada Gambar 10 dan Gambar 11.
Gambar 10 Data yang mengandung nilai null. Gambar 9 Hirarki dimensi dosen berdasarkan pendidikan. hirarki dimensi dosen berdasarkan pendidikan terakhir dapat dilihat pada Gambar 9. Praproses Data 1 Integrasi dan Reduksi Tahap ini diawali dengan menggabungkan semua data yang terbagi dalam beberapa format file (.doc, .xls, dan .xlsx) menjadi format Excel (.xlsx). Berikutnya, dilakukan penggabungan record dari atribut-atribut tabel yang dianalisis menjadi satu tabel besar untuk dijadikan tabel fakta. Reduksi data dilakukan dengan membuang atribut-atribut yang tidak terpilih berdasarkan kriteria dari hasil analisis. Hanya terdapat 5 atribut yang dibuang berdasarkan kriteria atau sebanyak 15.625% dari 32 atribut. Atribut-atribut yang direduksi dapat dilihat pada Tabel 6. Tabel 6 Atribut yang direduksi pada data EPBM No Atribut 1 NMMK 2 JMLmk 3 DEPTDOS 4 DSN 5 NIPlama
Gambar 11 Data yang mengandung nilai null yang sudah diisi dengan nilai rata-rata. Data yang tidak konsisten pada tabel departemen dengan atribut nama departemen diperbaharui dengan menyeragamkan nama departemen dengan nama atribut yang sesuai dengan nama departemen aslinya. Contoh: Departemen Statistik diubah menjadi Departemen Statistika, Departemen Ilkom diubah menjadi Departemen Ilmu Komputer, dan Departemen Ekonomi Sumber Daya Lingkungan diubah menjadi Departemen Sumberdaya Lingkungan. Penyeragaman ini dilakukan dengan mengambil nama baku departemen yang sesuai dengan nama unit yang ada di IPB saat ini. Setelah dilakukan pembersihan data, jumlah record data EPBM mata kuliah menyusut dari 11 140 menjadi 2934, sementara data EPBM dosen yang tersisa ialah 10 251 record dari 11 140 record. Hal ini disebabkan pengambilan record hanya dilakukan pada data yang memenuhi kriteria dan adanya penghapusan record yang tidak sesuai dengan ketentuan data yang akan dianalisis. Hasil pembersihan data
8
pada EPBM mata kuliah dan dosen dapat dilihat pada Lampiran 2 dan Lampiran 3. 3 Transformasi Data Transformasi data meliputi penyeragaman nama atribut dan agregasi atribut. Proses ini dilakukan dengan berpedoman pada skema data warehouse yang sudah ada. Langkah awal transformasi dilakukan dengan mengubah nama atribut pada tabel. Nama atribut dimensi disesuaikan pada skema yang terbentuk. Generalisasi data tidak dilakukan karena tidak ditemukan data yang perlu digeneralisasi. Langkah selanjutnya ialah menentukan nilai agregasi atribut-atribut yang menjadi ukuran (measure). Data tabel fakta_dosen ditentukan nilai agregasinya untuk menentukan ukuran responden. Proses transformasi juga dilakukan dengan mengontruksi atribut baru menggunakan data dari atribut yang sudah ada. Selanjutnya, tabel-tabel fakta tersebut diberi nama fakta_matakuliah dan fakta_dosen. Tahap terakhir transformasi adalah mengkontruksi tabel-tabel dimensi dengan penaaman ulang antara lain: matakuliah, semester, tahunakademik, tahun, dosen, pendidikan, departemen, fakultas, dan strata. Detail isi dari tabel fakta_dosen dapat dilihat pada Lampiran 4, tabel fakta_matakuliah pada Lampiran 5, tabel dimensi semester pada Lampiran 6, tabel strata pada Lampiran 7, tabel pendidikan pada Lampiran 8, tabel tahun pada Lampiran 9, tabel matakuliah pada Lampiran 10, tabel tahunakademik pada Lampiran 11, tabel fakultas pada Lampiran 12, tabel departemen pada Lampiran 13, dan tabel dosen pada Lampiran 14. 4 Load Data Setelah data warehouse berhasil dibuat, langkah berikutnya adalah pemuatan data (loading) dari data warehouse ke kubus data. Sebelum pemuatan data dilakukan, skema data warehouse dimodelkan dalam OLAP server SQL Server Analisys Services (SSAS). Proses ini menentukan dimensi, elemen dari dimensi, ukuran, dan kubus data. Kubus data yang dibuat diberi nama OlapEpbm.cube yang berisi kubus data fakta dosen dan fakta mata kuliah. Kubus data dosen dibuat untuk tabel fakta fakta_dosen dan kubus data mata kuliah dibuat untuk tabel fakta fakta_matakuliah. Data Warehouse Arsitektur penelitian ini mengadopsi arsitektur three-tier yaitu lapisan bawah, tengah, dan atas. Lapisan bawah adalah pemrosesan data pembuatan skema data warehouse dengan
DBMS SQL Server 2008. Lapisan tengah terdapat OLAP server SSAS yang menyimpan data dalam kubus data. Lapisan atas yang merupakan visualisasi dari aplikasi OLAP dilakukan oleh web browser. Pada lapisan ini, pengguna dapat melakukan pencarian data, mengevaluasi pola, dan mendapatkan representasi informasi dalam bentuk grafik yang mudah dipahami. Arsitektur three-tier data warehouse pada penelitian ini dapat dilihat pada Gambar 12.
Gambar 12 Arsitektur three-tier data warehouse pada data EPBM (Noviandi 2010). Aplikasi OLAP pada penelitian ini menyediakan fasilitas-fasilitas berikut: 1 Menu OLAP yang memungkinkan pengguna menentukan kubus data, ukuran, dan dimensi-dimensi yang akan ditampilkan untuk dianalisis. 2 Filter dimensi yang menyaring dimensi yang ditampilkan pada sumbu x dan sumbu y untuk menampilkan elemen-elemen tertentu dari dimensi. Dimensi lainnya dapat dipilih salah satu elemen dari tiap-tiap dimensi. 3 Visualisasi grafik yang menampilkan data hasil operasi OLAP dalam bentuk grafik kepada pengguna. Pengujian Query Pengujian query dibantu dengan menggunakan grafik dan tabel dari kubus data. Hasil pengujian dapat dilihat pada Tabel 7. Eksplorasi Data dan Presentasi Hasil Eksplorasi data dilakukan dengan menggunakan operasi OLAP untuk menggali beberapa informasi yang diinginkan. Operasi OLAP yang dapat dijalankan dapat dilihat pada tiap kubus yang terbentuk. Pada OLAP, dapat dilakukan beberapa operasi misalnya drill down, drill up, dan slice. Contoh operasi drill up pada kubus data fakta dosen dapat menunjukkan jumlah responden tiap departemen tiap fakultas. Gambar 13 merupakan grafik batang hasil dari operasi drill up dengan jumlah responden per
