Uji Query Tahap ini dilakukan setelah pembuatan data warehouse selesai. Pengujian ini dilakukan untuk melihat apakah operasi dasar OLAP berhasil diimplementasikan dan sesuai dengan informasi yang ditampilkan. Pengujian dilakukan dengan memvisualisasikan kubus data dengan grafik dan tabel jpivot. Secara singkat metode penelitian dapat dilihat pada Gambar 8.
agregasi dan tempat penyimpanan struktur dan data kubus data multidimensi) Schema Workbench (tempat pembuatan / pemodelan struktur kubus data dan proses pemuatan data dari data warehouse ke kubus data) Web Server Apache Tomcat Web browser Mozilla Firefox 3.0.1. HASIL DAN PEMBAHASAN Analisis Data Pada penelitian ini, sumber data diperoleh dengan format .csv. Proses analisis dilakukan terhadap data untuk mengevaluasi atributatribut untuk membangun data warehouse. Data yang digunakan antara lain : tiga tabel fakta (tempfact_indeksprestasi, tempfact_mkmutu, dan tempfact_minor) pada Tabel 1, Tabel 2, dan Tabel 3 serta tujuh tabel dimensi (waktu, angkatan, minor, matakuliah, mutu, statusstudi, dan jeniskelamin). Fakta terdiri atas foreign key dari tabel dimensi ukuran : jumlah mahasiswa, rataan ip, rataan ipk, dan sebaran minor.
Tabel 1
Nama dan deskripsi atribut tabel tempfact_indeksprestasi
Nama Atribut id_mhs
Kode mahasiswa sebagai penciri tiap mahasiswa
id_jk
Kode jenis mahasiswa
th_akademik
Tahun akademik dari tiap semester
kode_statusstudi
Kode yang menunjukkan status studi mahasiswa berdasarkan IPK yang diperoleh tiap semester
ip
Nilai IP per semester
ipk
Nilai IPK
Gambar 8 Metode penelitian. Lingkungan Pengembangan Aplikasi dibangun dengan menggunakan perangkat sebagai berikut: Perangkat keras berupa komputer personal dengan spesifikasi: Prosesor Intel(R) Core(TM) 2 Duo CPU @2.20 (2 CPUs) GHz Memori 4 GB RAM Harddisk 160 GB Monitor 13.1” dengan resolusi 1024 × 768 pixel Mouse dan Keyboard Perangkat lunak: Sistem Operasi Linux Ubuntu 10.04 Desktop PostgreSQL 8.4.2 (perangkat lunak DBMS untuk pemrosesan data dan pembuatan skema data warehouse) Mondrian Server 3.2.0 (berfungsi sebagai OLAP server yang melakukan fungsi
Deskripsi
Tabel 2
kelamin
Nama dan deskripsi atribut tabel tempfact_mkmutu
Nama Atribut
Deskripsi
id_mhs
Kode mahasiswa sebagai penciri tiap mahasiswa
id_jk
Kode jenis mahasiswa
kelamin
5
Nama Atribut
Deskripsi
th_akademik
Tahun akademik dari semester
kode_mk
Kode mata diambil
mutu
Huruf mutu
Tabel 3
kuliah
tiap yang
Nama dan deskripsi atribut tabel tempfact_minor
Nama Atribut
Deskripsi
id_mhs
Kode mahasiswa sebagai penciri tiap mahasiswa
id_jk
Kode jenis mahasiswa
th_akademik
Tahun akademik dari tiap semester
kode_minor
Kode minor dari tiap-tiap departemen
kelamin
Tabel 5
Selanjutnya dibuat skema model data multidimensi untuk data warehouse yang berasal dari skema Gambar 9 hingga menghasilkan skema baru yaitu skema pada Gambar 10. Namun sebelum data dibuat skemanya, tabel fakta tempfact_indeksprestasi dan tempfact_minor dilakukan penggabungan data dengan atribut kode_minor sehingga menjadi tabel fakta yang baru yaitu tempfact_ip, terlihat pada Tabel 4. Tabel 4
Nama dan deskripsi atribut tabel tempfact_ip
Nama Atribut
Pemuatan Data Data warehouse yang sudah dibuat selesai dibuat, selanjutnya dimasukkan ke kubus data OLAP server Mondrian. Kemudian, skema data warehouse dimodelkan dengan menentukan dimensi-dimensi, elemen-elemen dari dimensi, ukuran-ukuran, dan kubus data. Kubus data yang dibuat yaitu, kubus mata kuliah mutu dan kubus indeks prestasi. Kubus data mata kuliah mutu dibuat untuk tabel fakta tempfact_mkmutu. Kubus data indeks prestasi dibuat untuk tabel fakta tempfact_ip. Ukuran pada struktur Mondrian dimasukkan dalam struktur dimensi tabel fakta yang tidak mempunyai id_key. Nama dan deskripsi dari kubus data dapat dilihat pada Tabel 5 dan Tabel 6.
Deskripsi
id_mhs
Kode mahasiswa sebagai penciri tiap mahasiswa
id_jk
Kode jenis mahasiswa
th_akademik
Tahun akademik dari tiap semester
kode_statusstudi
Kode yang menunjukkan status studi mahasiswa berdasarkan IPK yang diperoleh tiap semester
kode_minor
Kode minor dari tiap-tiap departemen
Ip
Nilai IP per semester
Ipk
Nilai IPK
kelamin
Nama dan deskripsi dimensi dari kubus mata kuliah mutu
Nama Dimensi
Deskripsi
waktu
Tahun akademik semester
jenis kelamin
Jenis kelamin mahasiswa
angkatan
Angkatan masuk IPB
mata kuliah
Mata kuliah
mutu
Nilai mutu
ukuran mata kuliah mutu
Nama-nama ukuran (jumlah mahasiswa)
Tabel 6
dan
Nama dan deskripsi dimensi dari kubus indeks prestasi
Nama Dimensi
Deskripsi
waktu
Tahun akademik semester
jenis kelamin
Jenis kelamin mahasiswa
angkatan
Angkatan masuk IPB
status studi
Status studi mahasiswa
minor
Status studi mahasiswa
ukuran prestasi
indeks
dan
minor
Nama-nama ukuran (jumlah mahasiswa, rataan ip, rataan ipk, jumlah mahasiswa yang mengambil minor tertentu)
6
Gambar 9 Skema galaksi dengan tiga tabel fakta (Sulistyaningsih 2010).
Gambar 10 Skema galaksi dengan dua tabel fakta.
7
Eksplorasi dan Presentasi Hasil Hasil penelitian ini ditunjukkan pada Lampiran 1 berupa tampilan awal web yang berisi penjelasan penelitian data warehouse. Lampiran 2 yang menjelaskan tentang Ilmu Komputer di IPB. Lampiran 3 menampilkan OLAP indeks prestasi berdasarkan mutu, serta Lampiran 4 OLAP indeks prestasi berdasarkan status studi. Penelitian ini menggunakan sistem operasi Linux yaitu Ubuntu 10.04 dan eksplorasi data yang dilakukan dengan operasi OLAP untuk menghasilkan beberapa informasi yang diinginkan. Dalam hal ini operasi OLAP untuk kubus indeks prestasi. 1. Pengoperasian Linux
Data
Warehouse
di
Perbedaan instalasi Linux Langkah instalasi data warehouse pada Linux lebih sering menggunakan CLI (Command Line Interface) yang lebih dikenal dengan nama Terminal. Contoh : Perintah untuk update paket instalasi java jdk dan jre > sudo apt-get install sun-java6-jdk sun-java6-jre Windows Cara instalasi di Windows dengan menggunakan file .exe yang hanya mengikuti langkah-langkah yang sudah dalam bentuk GUI (Graphic User Interface). Cara menjalankan dan akses file Linux Pada saat pemuatan data file .csv yang dilakukan dalam postgresql file folder yang akan digunakan untuk pemuatan data harus memiliki ijin akses folder sehingga harus dikonversi dengan perintah chmod. Setelah data dapat dimuat dalam postgresql, maka dibuat desain kubus data menggunakan skema workbench. Kemudian data kubus dapat direpresentasikan ke Mondrian. Berikut adalah cara menjalankan skema workbench dan Mondrian dalam paket Pentaho. > sudo sh workbench.sh > sudo sh start-pentaho.sh
Windows Pada Windows, cara menjalankan Mondrian yaitu dengan start-pentaho.bat pada folder Pentaho yang telah diinstal. Perbandingan Operasi data Linux Dengan operasi drill down (Lampiran 5) data yang dapat ditampilkan yaitu nilai rataan IP, IPK, sebaran minor, dan jumlah mahasiswa berdasarkan status studi. Tidak hanya itu, untuk operasi slice (Lampiran 6) data juga dapat menampilkan nilai rataan IP, IPK, sebaran minor, dan jumlah mahasiswa berdasarkan status studi, minor yang diambil, dan angkatan. Windows Pada aplikasi di Windows, operasi drill down yang dapat ditampilkan (Lampiran 7) yaitu nilai rataan IP, IPK, dan jumlah mahasiswa berdasarkan status studi. Jadi data warehouse tidak dapat menampilkan nilai sebaran minornya. Selain itu untuk operasi slice (Lampiran 8) data yang dapat ditampilkan adalah nilai rataan IP, IPK, dan jumlah mahasiswa berdasarkan status studi dan angkatan.
2. Kubus Indeks Prestasi Pada kubus ini dapat dilihat beberapa operasi OLAP misalnya operasi drill down pada rataan IP , IPK, dan sebaran minor pada tiap mata kuliah minor. (Lampiran 9) merupakan tabel hasil operasi drill down pada rataan IP , IPK, dan sebaran minor pada tiap mata kuliah minor. Lampiran 9 menunjukkan rata-rata IP, IPK, dan sebaran minor pada tiap mata kuliah minor dengan status studi tanpa syarat. Ratarata IP dan IPK tersebut dihitung berdasarkan semester yang telah dilalui dan minor yang diambil. Tidak hanya itu, terdapat beberapa fakta menarik pula berdasarkan jumlah sebaran minor yaitu pada minor Riset Operasi untuk IPK lebih dari 3,51 peminatnya dari tahun ke tahun tetap, kecuali pada tahun 2008. Dengan demikian minor yang diambil oleh mahasiswa yang memiliki nilai IPK lebih dari 3,51 yaitu Riset Operasi dengan nilai rataan IP dan IPK tertinggi pada tahun 2008.
8
Salah satu faktor yang menyebabkan nilai rataan IP dan IPK tahun 2008 tinggi adalah hanya satu mahasiswa yang mengambil minor pada status studi untuk rataan IPK lebih dari 3,51. Penurunan jumlah mahasiswa yang memiliki nilai rataan IPK lebih dari 3,51 pada tahun 2008 sepatutnya mendapat perhatian dari departemen untuk meningkatkan potensi dan semangat mahasiswa sejak awal perkuliahan. Untuk IPK antara 2,76 sampai dengan 3,51, minor yang paling banyak diambil adalah Manajemen Fungsional, Riset Operasi, dan SC. Manajemen Fungsional sendiri peminatnya tetap dari tahun ke tahun, sedangkan untuk Riset Operasi dan SC menurun. Rataan nilai IP dan IPK tertinggi pada status studi IPK antara 2,76 sampai dengan 3,51 adalah Perkembangan Anak pada tahun 2005 dan Statistika Industri pada tahun 2006. Untuk minor pada nilai IPK antara 2,00 sampai dengan 2,76 yaitu SC yang mengalami peningkatan pada tahun 2006. Dengan nilai rataan IP tertinggi diperoleh minor Riset Operasi dan rataan IPK tertinggi adalah Manajemen Industri. Dari beberapa analisis di atas dapat disimpulkan bahwa beberapa minor favorit pilihan mahasiswa berdasarkan jumlah sebaran mahasiswa dengan rataan nilai IPK dari 2,00 sampai 3,51 adalah SC, Manajemen Fungsional, dan Riset Operasi. Hal ini dapat diasumsikan bahwa dengan mengambil minor Riset Operasi nilai yang didapat akan tinggi, dengan banyaknya mahasiswa pandai (IPK lebih dari 3,51) yang mengambil mata kuliah ini (Gambar 11).
IPK berdasarkan maupun TPB.
jenis
kelamin,
mayor,
KESIMPULAN DAN SARAN Kesimpulan Hasil penelitian menyimpulkan bahwa, pembangunan data warehouse dan OLAP berbasis web data akademik Ilmu Komputer menghasilkan dua kubus data, yaitu kubus data mata kuliah mutu dan indeks prestasi. Dua kubus data tersebut dapat divisualisasikan dalam tiga jenis tampilan, yaitu tampilan grafik batang, grafik garis dan pie chart dengan menggunakan OLAP Mondrian 3.2.0. Selain itu kubus data juga dapat dicetak dalam bentuk pdf dan excel. Operasi OLAP yang dilakukan pada kubus data ini adalah roll-up (misalnya mencari pola sebaran perkembangan huruf mutu mata kuliah mayor, interdepartemen, pilihan, dan elektif pada setiap angkatan.), drill-down (Rataan IP dan Rataan IPK berdasarkan jenis kelamin, minor dan tahun akademik), dice (misalnya untuk melihat jumlah mahasiswa yang mengambil minor riset operasi), dan slice (jumlah mahasiswa yang drop out tiap angkatan berdasarkan jenis kelamin). Hasil dari penelitian ini dapat memberikan manfaat bagi Departemen Ilmu Komputer dalam mempermudah analisis data akademik ukuran besar sehingga dapat membantu dalam pengaksesan data tersebut, penyampaian informasi, pembuatan laporan dan pembuatan keputusan yang lebih baik. Saran Saran untuk penelitian data warehousing dan OLAP selanjutnya adalah: 1.
membangun modul program untuk pemasukan data baru yang nantinya diintegrasikan ke dalam aplikasi OLAP.
2.
menambah ukuran lama studi agar dapat diketahui rata-rata lama studi pada kurikulum mayor-minor. DAFTAR PUSTAKA
Malinowski E, Zim´anyi E. 2008. Advanced Data Warehouse Design. Heidelberg: Springer. Gambar 11 Minor Favorit Chart. Selain itu, kubus ini juga dapat menunjukkan informasi tentang rataan IP dan
Bouman R, Dongen J.V. 2009. Pentaho Solution. Canada: Wiley.
9
