PEMBUATAN DATA WAREHOUSE PENGUKURAN KINERJA BELAJAR MENGAJAR DI FAKULTAS TEKNOLOGI KOMUNIKASI DAN INFORMATIKA UNIVERSITAS NASIONAL

Jurnal Basis Data, ICT Research Center UNAS Vol.4 No.1 Mei 2009

ISSN 1978-9483

PEMBUATAN DATA WAREHOUSE PENGUKURAN KINERJA BELAJAR MENGAJAR DI FAKULTAS TEKNOLOGI KOMUNIKASI DAN INFORMATIKA UNIVERSITAS NASIONAL Heni Jusuf, Ariana Azimah Jurusan Sistem Informasi, Fakultas Teknologi Komunikasi dan Informatika, Universitas Nasional Jl. Sawo Manila, Pejaten Pasar Minggu No.61, Jakarta 12520 E-mail [email protected] Abstract The analysis of an academic process from a university is one of tool to help decision making for the next academic process and to solve problem from the academic process. Data warehouse can help to provide the data which is needed to show the performance measurement of academic process. The information from the data warehouse is about lecturer and student performance, student pass grade subjects and summary from each point of it. Key words : data warehouse, performance measurement of academic process. I. PENDAHULUAN Sejak berdirinya pada tahun 2007, Fakultas Teknologi Komunikasi dan Informatika Universitas Nasional memfokuskan setiap upaya yang dilakukan pada pengembangan dan peningkatan kualitas pendidikan. FTKI memandang mahasiswa sebagai masukan yang terpenting, karena tujuan utama lembaga pendidikan adalah menghasilkan lulusan yang siap mengembangkan pengetahuan serta ketrampilannya secara berkelanjutan dengan proaktif dalam memberikan konstribusi bagi kepentingan masyarakat. Salah satu bagian dari pengembangan dan peningkatan kualitas pendidikan maka diperlukan suatu sistem pengukuran kinerja terhadap proses belajar mengajar sehingga proses yang dilakukan dapat benar-benar terukur dan penyajian data laporan serta analisa dapat terintegrasi sehingga dapat dilakukan proses kontrol dengan mudah dan akurat. Penelitian yang dilakukan ini akan mencoba menelaah data hasil proses belajar mengajar seperti data dosen, mahasiswa dan hasil belajar/data nilai akhir yang ada pada FTKI dengan menggunakan datawarehouse. Di harapkan nantinya data warehouse yang tercipta mampu memberikan informasi yang lebih detail mengenai hasil proses belajar mengajar di FTKI seperti hasil kinerja dosen, hasil kinerja mahasiswa, tingkat kelulusan matakuliah. Pengolahan data warehouse ini dilakukan dengan menggunakan Microsoft SQL Server 7.0 dan informasi yang didapatkan akan disajikan dalam bentuk Pivot table pada Microsoft Excel. II. TEORI DASAR PENGERTIAN DATA WAREHOUSE Dara Warehouse adalah sekumpulan informasi yang disimpan dalam basis data yang digunakan untuk mendukung penga mbilan keputusan dalam sebuah organisasi. Data dikumpulkan dari berbagai aplikasi yang telah ada. Data yang telah dikumpulkan tersebut kemudian divalidasi dan direstrukturisasi lagi, 14


ISSN 1978-9483

untuk selanjutnya disimpan dalam data warehouse. Pengumpulan data ini memungkinkan para pengambil keputusan untuk pergi hanya ke satu tempat untuk mengakses seluruh data yang ada tentang organisasinya ( Wayne, S. Freeze. 2000 ) Dasar dari suatu data warehouse adalah suatu data yang besar yang mengandung informasi bisnis. Data-data yang ada di dalam data warehouse bisa berasal dari banyak sumber, misalkan dari database operasional atau transaksional dan sumber dari luar misalkan dari web, penyedia jasa informasi, dari perusahaan lain, dan lain sebagainya. Data warehouse mengandung beberapa elemen penting antara lain [Mallach, 2000,h.473]: 1. Sumber data yang digunakan oleh data warehouse, database transaksional dan sumber data eksternal. 2. Proses ETL (Extraction, Transformation, Loading) dari sumber data ke database data warehouse. 3. Membuat suatu ringkasan atau summary terhadap data warehouse misalkan dengan menggunakan fungsi agregat. 4. Metadata. Metadata mengacu data tentang data. Metadata menguraikan struktur dan beberapa arti tentang data, dengan demikian mendukung penggunaan efektif atau tidak efektif dari data. 5. Database data warehouse. Database ini berisi data yang detail dan ringkasan data dari data yang ada di dalam data warehouse. Karena data warehouse tidak digunakan dalam proses transaksi individu, maka databasenya tidak perlu diorganisasikan untuk akses transaksi dan untuk pengambilan data, melainkan dioptimisasikan untuk pola akses yang berbeda di dalam analisis. 6. Query Tools yaitu dengan OLAP (Online Analytical Processing ) dan data mining. Tool untuk query ini meliputi antarmuka pengguna akhir dalam mengajukan pertanyaan kepada database, dimana proses ini disebut sebagai On-line Analytical Processing (OLAP). Tool ini juga terdiri dari tool otomatis yang menemukan pola-pola di dalam data, yang sering disebut sebagai data mining. Data warehouse harus memiliki salah satu dari kedua tipe ini atau malah kedua-duanya. 7. User.Pengguna yang memanfaatkan data warehouse tersebut.

15


ISSN 1978-9483

Sumber: Poniah, 2001, h. 29. Gambar 2.1. Arsitektur Data Warehouse Online Analytical Processing (OLAP) Online Analytical Processing (OLAP) merupakan salah satu tools yang digunakan untuk mengakses informasi dalam data warehouse digunakan secara efektif untuk proses online analysis, memberikan respon yang cepat terhadap analytical queries yang kompleks ( wiliam, C. Amo.2000). Multidimensional data model dan teknik agregasi data yang dimiliki oleh OLAP dapat mengatur dan membuat kesimpulan dari data dalam jumlah besar , sehingga dapat dievaluasi secara cepat dengan menggunakan online analysis dan graphical tool. Sistem OLAP menyediakan kecepatan dan fleksibilitas untuk melakukan support analisis secara real time.

Microsoft Analysis Services Microsoft Analysis Services merupakan sebuah tier menengah bagi OLAP. Sistem anlysis service mengandung sebuah server yang mengatur data pada kubus multidimensional dan menyediakan akses yang cepat terhadap klien untuk mendapatkan informasi yang ada pada kubus multidimensional. Analysis services mengorganisasi data dari data warehouse yang akan digunakan dalam kubus multidimensional dengan cara mengagregasi data tersebut, sehingga akan mempercepat proses query. a. Pivot Table Services. Pivot Table Services merupakan sebuah tool query yang didesain khusus yang berada antara OLAP server dengan kliennya ( ex. Ms.Excel) yang mensupport ekstensi OLAP OLE DB . Pivot Table Services tidak memiliki user interface tetapi bertugas untuk mengontrol lalu lintas data antara server dengan OLAP klien. b. Data Trasformation Services 16


ISSN 1978-9483

Data Trasformation Services (DTS) menggunakan teknologi OLE DB untuk berhubungan dengan berbagai sumber data yang digunakan oleh data warehouse. DTS dapat menangani transaksi copy data biasa sampai validasi data dan translation secara kompleks, sehingga data yang didapat sesuai dengan data warehouse. c. Repository Repository merupakan tempat penyimpanan informasi tentang basis data. Informasi ini dishare dengan berbagai macam aplikasi dengan menggunakan interface Activex X. Repository digunakan untuk menyimpan skema basis data, informasi yang digunakan oleh DTS untuk mentranslasi data dari OLAP ke datawarehouse dan metadata yang menggambarkan data dalam basis data secara detail. Microsoft Excel XP Microsoft Excel XP merupakan aplikasi spreadsheet yang banyak digunakan. Aplikasi ini telah berkembang dari aplikasi numerik sederhana sampai data managemen dan analisis yang kompleks. Excel XP dengan mudah dapat menerima informasi dari basis data SQL server dan didesain untuk dapat bekerja dengan pivot table service. Selain itu Excel XP juga dapat menampilkan worksheet, pivot table dan pivot charts sebagai dokumen HTML pada web server. Pengguna dapat menampilkannya sebagai dokumen static yang hanya dapat dilihat dengan menggunakan web browser atau sebagai dokumen interaktif yang dapat dimanipulasi seperti halnya saat bekerja dengan excel. a. Worksheet Exel memiliki kemampuan untuk mengekstrak informasi secara langsung dari basis data dengan menggunakan Microsoft Query Tool. Informasi ini dapat dimasukan secara langsung ke dalam worksheet untuk selanjutnya data tersebut dapat diolah dengan menggunakan tool yang ada dalam excel. b. Pivot Table Pivot table ialah nama yang diberikan pada excel XP untuk report multidimensional yang dapat dianalisa secara interaktif. Pengguna dapat menentukan apakah akan bekerja dengan pivot table secara keseluruhan atau membaginya antara Excel dengan pivot table services. Dengan membagi pekerjaan ini maka pengguna akan dapat meningkatkan kinerja dari segi kecepatan dan jumlah data yang dapat diolah. c. Pivot Charts Jika pengguna menggunakan grafik Excel biasa dengan pivot table maka pengguna akan mendapatkan pivot chart. Pengguna dapat memanipulasi data yang tampil pada setiap sumbunya seperti yang dapat dilakukan pada pivot table, hanya saja informasi yang ditampilkan akan berbentuk grafik. III. ANALISIS DAN PERANCANGAN SISTEM Analisis Sistem Data Online Transaction Processing (OLTP) mahasiswa ditangani sepenuhnya oleh pihak Biro Administrasi Akademik (BAA). Pengolahan data BAA pada saat ini hanya ditujukan untuk penyajian data yang bersifat laporan saja, belum pada data yang bersifat untuk pengambilan keputusan. Adapun skema dari data yang tersedia dapat dilihat pada tabel 3.1 di bawah ini :

17


ISSN 1978-9483

Tabel 3. 1. Tabel Database Akademik Keterangan Tabel Diskripsi Field Database semester Data Dosen (ds_id,ds_nip,ds_nama,ds_status, ds_tempatlahir,ds_tgllahir,ds_alamat, ds_telp,ds_jnskelamin,ds_agama, ds_fak_id, fak_id)

Nama File dosen

matakuliah

(mk_id, mk_kode, mk_nama, mk_jenis, mk_fak_id, fak_id)

mk_sks, matakuliah

jadwalkuliah

(jadwal_id, jadwal_kode, jadwal_mk_id, jadwalkuliah jadwal_ds_id, jadwal_sem_id, hari, waktu, mk_id,ds_id,sem_id)

semester Database Nilai Nilai mahasiswa

(sem_id, sem_thakademik, semester) (nl_id, nl_mhs_id, nl_jadwal_id, nil_nilai, mhs_id, jadwal_id)

semester nilai

Database fakultas fakultas

(fak_id,fak_kode,fak_nama, fak_kodejurusan, fak_namajurusan)

fakultas

mahasiswa

(mhs_id,mhs_angkatan,mhs_nim, mahasiswa mhs_nama, mhs_status, mhs_tempatlahir, mhs_tgllahir, mhs_alamat, mhs_telp, mhs_jnskelamin, mhs_agama, mhs_fak_id, fak_id

Perancangan Sistem Data OLTP terlebih dahulu dikonversikan ke Microsoft Access 2000 Sebelum nantinya di transfer ke dalam Microsoft SQL Server 7.0 . Hal ini di lakukan untuk mempermudah proses Data Transformation Services (DTS)

18


ISSN 1978-9483

Gambar 3.1. Entity Relasionship data Akademik Data ditransfer dari Microsoft Access ke Ms. SQL Server seperti yang dapat dilihat pada gambar.entity relasional diatas pada gambar terlihat koneksi antara MS. Access dan SQL server yang akan menjalankan proses transformasi data dari MS. Access ke SQL Server.

19


ISSN 1978-9483

IV. HASIL OUTPUT SISTEM Adapun hasil-hasil proses pembuatan data warehouse adalah sebagai berikut : a. Set Aggregation Type Adapun set aggregation dari data warehouse ini dicoba hingga mencapai performasi 100%. Seperti dapat terlihat pada gambar

Gambar 4.1 Set aggregation b. View cube hasil versi Excell application Hasil data warehouse yang didapatkan dalam Microsoft SQL Server 7.0 kemudian ditransfer ke dalam Microsoft Excel Pivot Table yang dapat dilihat pada gambar dibawah ini. Pada gambar 4. dapat dilihat hasil pivot table pengambilan jumlah mahasiswa terhadap matakuliah serta kelulusan per matakuliah per jurusan. Gambar 4. 2 ini menunjukan matakuliah yang hanya terdapat pada satu jurusan.

Gambar 4. 2 pengambilan Jumlah mahasiswa terhadap matakuliah berdasarkan nilai

20


ISSN 1978-9483

Gambar 4.3 Apabila matakuliah tersebut ada di dua jurusan dari data yang didapat, maka kita dapat mengetahui matakuliah apa saja yang akan di buka untuk semester pendek. Gambar 4.4. menunjukan NPM ( nomor pokok mahasiswa) dengan jumlah total matakuliah yang sudah diambil beserta rincian nilai-nilai yang sudah didapat. Pivot tabel dibawah ini untuk mengetahui perkembangan per mahasiswa. Data ini berguna pada saat mahasiswa tersebut ingin mendaftar Tugas akhir yang mensyaratkan mahasiswa tidak boleh ada nilai D apalagi E.

Gambar 4.4. Untuk mengecek nilai per mahasiswa gambar 4.5 menunjukan nama matakuliah dengan dosen pengampunya dan jumlah mahasiswa yang diajar .

21


ISSN 1978-9483

Gambar 4.5 Matakuliah dan dosen pengampunya sedangkan gambar 4.6. menunjukan dosen dengan nama matakuliah yang diajar dan jumlah pesertanya.

Gambar 4.6. Dosen dan matakuliah yang di ampunya gambar 4.7. menunjukan nama dosen dengan matakuliah yang pernah di ampunya, jumlah peserta yang mengikuti perkuliahan dan total nilai-nilai yang didapat mahasiswanya.

Gambar 4.7. Dosen dan matkuliah yang diampunya beserta nilai dan jumlah peserta

22


ISSN 1978-9483

V. KESIMPULAN Dari pengolahan data warehouse, dapat diperoleh informasi tentang : a. Kinerja dosen ( jumlah matakuliah yang diajar, jumlah kelulusan atau ketidak lulusan) b. Kinerja mahasiswa ( jumlah matakuliah yang lulus atau tidak lulus di banding total matakuliah yang diambil ) c. Tingkat kelulusan matakuliah d. Ringkasan nilai tiap matakuliah ( jumlah nilai A,B,C, D dan E) Dengan tersedianya data dalam bentuk data warehouse diharapkan proses pengambilan keputusan dapat seakurat mungkin dan permasalahan-permasalahan yang timbul dapat ditangani secepat mungkin. DAFTAR PUSTAKA 1. Wayne, S. Freeze. Unlocking OLAP with Microsoft SQL Server and Excel 2000. Foster City, CA : IDG Books Worldwide, 2000. 2. William, C.Atmo. Microsoft SQL Server OLAP Developer’s Guide. Foster City, CA : IDG Books Wordwide, 2000 3. Budi Permana, Microsoft Excel 2002, Elex Media Komputindo, 2003

23

PEMBUATAN DATA WAREHOUSE PENGUKURAN KINERJA BELAJAR MENGAJAR DI FAKULTAS TEKNOLOGI KOMUNIKASI DAN INFORMATIKA UNIVERSITAS NASIONAL

Recommend Documents