PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PLAGIAT PLAGIATMERUPAKAN MERUPAKANTINDAKAN TINDAKANTIDAK TIDAKTERPUJI TERPUJI

DASHBOARD UNTUK MONITORING DATA AKADEMIK UNIVERSITAS SANATA DHARMA YOGYAKARTA SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

Oleh: Verena Pratita Adji 105314079

PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2015


DASHBOARD UNTUK MONITORING DATA AKADEMIK UNIVERSITAS SANATA DHARMA YOGYAKARTA SKRIPSI Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

Oleh: Verena Pratita Adji 105314079

PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2015 ii


DASHBOARD FOR MONITORING ACADEMIC DATA SANATA DHARMA UNIVERSITY YOGYAKARTA A Thesis Presented as Partial Fulfillment of the Requirements To Obtain the Sarjana Komputer Degree In Informatics Engineering

By: Verena Pratita Adji 105314079

INFORMATICS ENGINEERING STUDY PROGRAM INFORMATICS ENGINEERING DEPARTMENT FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA 2015

iii


iv


v


vi


vii


MOTTO “Get over the idea that only children should spend their time in study. Be a student so long as you still have something to learn, and this will mean all your life.” ( Henry L. Doherty )

viii


ABSTRAKSI

Sistem Informasi Akademik (SIA) Universitas Sanata Dharma (USD) memiliki kumpulan data akademik yang dijadikan sebuah informasi yang baik agar dapat membantu dalam pengambilan keputusan serta memonitori USD sendiri. Informasi akan bernilai apabila informasi tersebut mudah diakses tepat waktu sesuai dengan kebutuhan. Dalam hal ini, Wakil Rektor (WR) I memiliki tanggungjawab untuk memonitori performa akademik Universitas Sanata Dharma. Namun pada kenyataannya untuk mendapatkan informasi mengenai performa akademik haruslah melalui bagian administrasi akademik, ini akan memperlambat dalam proses pengambilan keputusan karena WR I tidak dapat memonitori performa dan kualitas akademik setiap saat. Oleh

karena

itu,

pada

tugas

akhir

ini

telah

dibuat

sebuah

dashboardmonitoring akademik yang akan membantudalam memonitor performa akademik Universitas Sanata Dharma. Informasi-informasi tersebut merupakan kombinasi dari teks dan grafik. Hasil yang ditampilkan dalam dashboard, seperti data mahasiswa registrasi, mahasiswa tidak registrasi, mahasiswa cuti, mahasiswa DO(Dropped Out), mahasiswa pendaftar, dan mahasiswa lulus telah sesuai dengan data yang ditampilkan secara manual dalam file Excel.

ix


ABSTRACT

Academic Information System (AIS) Sanata Dharma (USD) has the academic data set used as a good information in order to assist in decision making and monitor outcomes USD itself. The information will be valuable if the information is easily accessible on time according to need. In this case, the ViceRectorhas the responsibility to monitor outcomes of Sanata Dharma University's academic performance. But in fact to obtain information about academic performance must be through the academic administration, this will slow down the decision making process as Vice-Rector can not monitor outcomes of performance and academic quality at all times. Therefore, in this final project has created an academic monitoring dashboard that will help in monitoring the academic performance of Sanata Dharma University. This information is a combination of text and graphics. Results are displayed in the dashboard, such as student data registration, the student does not register, students leave, students DO (Dropped Out), student applicants, and graduate students in accordance with the displayed data manually in an Excel file.

x


KATA PENGANTAR Puji Syukur atas kehadirat Tuhan Yang Maha Esa yang telah melimpahkan rahmat-Nya, sehingga penulis dapat menyelesaikan skripsi yang berjudul “Dashboard Untuk Monitoring Data Akademik Universitas Sanata Dharma Yogyakarta”. Skripsi ini disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer Program Studi Teknik Informatika di Universitas Sanata Dharma Yogyakarta. Selama melakukan penyusunan dan penyelesaian skripsi, penulis ingin mengucapkan terima kasih atas bantuan dan dukungan dari berbagai pihak. Ucapan terima kasih penulis sampaikan diantaranya ditujukan kepada: 1. Orangtua saya tercinta, Bapak Hadrianus Tjahjono Adji dan Ibu Anastasia Budhi Handayani yang selama ini memberikan dukungan doa, materi, kasih sayang serta perhatiannya kepada saya. 2. Ibu Ridowati Gunawan, S.Kom., M.T., selaku Ketua Program Studi Teknik Informatika serta dosen pembimbing skripsi yang telah memberikan motivasi, waktu, dan solusi selama proses penyelesaian skripsi. 3. Ibu P.H. Prima Rosa, S.Si, M.Sc., selaku Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta. 4. Seluruh dosen dan karyawan program studi Teknik Informatika yang membimbing, berbagi pengalaman dari awal perkuliahan hingga selesai masa studi.

xi


5. Keluarga besar Boedhiarto, yang selalu memberikan motivasi, dorongan, serta doa kepada penulis untuk terselesainya skripsi ini. 6. B. Rahadyan P. yang begitu setia mendampingi penulis, memberikan motivasi dan semangat sehingga skripsi ini dapat terselesaikan. 7. Yustina Ayu Ruwidati, Venti Trimuriyatin, Yohanes Advent Arinatal, Felisitas Brillianti, Fidelis Asterina, Erlita Octaviani, atas kebersamaan yang penuh suka-duka selama perkuliahan ini. 8. Teman-teman Teknik Informatika angkatan 2010 atas perkenalan hingga persahabatan yang telah dilalui bersama selama studi di Universitas Sanata Dharma. 9. Mentari, Dosi, Novita, Zita, Betha, Widi, Raka, Chrisna, Rio, Dio, Nando dan teman-teman OMK Dominico Savio yang tidak bisa disebutkan satu persatu, atas dukungan semangat kepada penulis. 10. Teman-teman staff PMB Universitas Sanata Dharma 2013 yang walaupun hanya sebentar berjumpa namun sangat berkesan. 11. Fitrah Meilia P dan Florensia Dwinta atas dukungan motivasi dan solusi selama penulisan skripsi saya. 12. Semua pihak yang telah turut membantu dan memberikan dukungan dalam penyelesaian skripsi ini. Penulis menyadari sepenuhnya bahwa skripsi ini masih jauh dari sempurna. Oleh karena itu, penulis dengan senang hati bersedia menerima sumbangan pikiran dan kritik maupun saran untuk menyempurnakan penulisan ini.

xii


DAFTAR ISI

HALAMAN PERSETUJUAN SKRIPSI ........................................................... iv HALAMAN PENGESAHAN SKRIPSI .............................................................. v PERNYATAAN KEASLIAN HASIL KARYA ................................................. vi LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN PUBLIKASI .......................................................... vii MOTTO .............................................................................................................. viii ABSTRAKSI......................................................................................................... ix ABSTRACT ........................................................................................................... x KATA PENGANTAR .......................................................................................... xi DAFTAR ISI ....................................................................................................... xiii DAFTAR GAMBAR .......................................................................................... xvi BAB I PENDAHULUAN ...................................................................................... 1 1.1

Latar belakang .......................................................................................... 1

1.2

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

1.3

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

1.4

Tujuan Penelitian ...................................................................................... 3

1.5

Manfaat Penelitian .................................................................................... 3

1.6

Metodologi Penelitian .............................................................................. 4

1.7

Sistematika Penulisan ............................................................................... 4

BAB II LANDASAN TEORI ............................................................................... 7 2.1 Sistem Informasi Eksekutif (Executive Information System) ........................ 7 2.1.1 Pengertian Sistem Informasi Eksekutif .................................................. 7 xiii


2.1.2 Model EIS ............................................................................................... 7 2.1.3 Faktor-faktor Penentu Keberhasilan EIS ................................................ 9 2.2 Gudang Data ................................................................................................ 10 2.2.1 Pengertian Gudang Data ....................................................................... 10 2.2.2 Langkah Pembuatan Gudang Data ....................................................... 12 2.3 Multi Dimensional Modelling ..................................................................... 12 2.3.1 Cube, Dimension, Measure, and Member ............................................ 12 2.3.2 Tabel Fakta dan Dimensi (Fact and Dimension Tables) ...................... 13 2.3.3 Skema Bintang (StarSchema) ............................................................... 15 2.3.4 SurrogateKey ........................................................................................ 15 2.4Dashboard .................................................................................................... 15 2.4.1 Pengertian Dashboard .......................................................................... 15 2.5 Monitoring ................................................................................................... 16 2.5.1 KeyPerformanceIndicator .................................................................... 16 2.6 Media Penyajian Data.................................................................................. 17 2.6.1 Grafik .................................................................................................... 18 BAB III ANALISIS DAN PERANCANGAN SISTEM ................................... 22 3.1 Deskripsi Organisasi .................................................................................... 22 3.2 Analisis Sistem ............................................................................................ 24 3.2.1 Mengidentifikasi Masalah yang Ada .................................................... 24 3.2.2 Memahami Kerja dari Sistem yang Ada ............................................... 27 3.2.3 Menganalisis Masalah dalam Sistem Lama .......................................... 28 3.2.4 Menganalisis Kebutuhan dalam Sistem Baru ....................................... 29 3.3 Desain Sistem .............................................................................................. 30 3.3.1 Perancangan Proses .............................................................................. 30 3.4Membangun Gudang Data ............................................................................ 33 3.4.1 Membuat Data Legacy .......................................................................... 33

xiv


3.4.2 Memilah field tabel pada database sistem informasi dan memindahkan ke dalam database gudang data...................................................................... 34 3.4.3 Memecah gudang data ke dalam facttable dan tabel dimensi .............. 36 3.5 Perancangan Antarmuka Pengguna ............................................................. 38 3.5.1 Tampilan Halaman Utama .................................................................... 38 BAB IV IMPLEMENTASI ............................................................................... 39 4.1 Implementasi ............................................................................................... 39 4.1.1 Implementasi Basis Data ...................................................................... 39 4.1.2 Implementasi Antarmuka Pengguna ..................................................... 41 4.2 Implementasi Gudang Data ......................................................................... 44 BAB V ANALISIS HASIL ................................................................................ 64 5.1 Pengujian Sistem ......................................................................................... 64 5.1.1 Hasil OLAP mahasiswa ........................................................................ 64 5.1.2 Hasil dashboardmonitoring .................................................................. 65 5.2 Kelebihan Sistem ......................................................................................... 68 5.3 Kekurangan Sistem...................................................................................... 69 BAB VI PENUTUP ............................................................................................ 70 6.1 Kesimpulan .................................................................................................. 70 6.2 Saran ............................................................................................................ 70 DAFTAR PUSTAKA .......................................................................................... 72 LAMPIRAN

xv


DAFTAR GAMBAR

Gambar 2.1 Model EIS ........................................................................................... 7 Gambar 2.2Star Schema ........................................................................................ 14 Gambar 2.3Snowflake Schema .............................................................................. 14 Gambar 3.1Alur sistem yang ada .......................................................................... 28 Gambar 3.2Use case .............................................................................................. 30 Gambar 3.3 Diagram Konteks............................................................................... 31 Gambar 3.4 DFD Level 0 ...................................................................................... 32 Gambar 3.5 Memecah gudang data ke dalam fact table dan tabel dimensi .......... 37 Gambar 4.1 Halaman Menu Utama ...................................................................... 41 Gambar 4.2 Untuk memilih kategori .................................................................... 42 Gambar 4.3 Untuk memilih tingkatan ................................................................... 42 Gambar 4.4 Untuk menambah file .csv ................................................................. 43 Gambar 4.5 Pembentukan tabel dim_tingkatan .................................................... 47 Gambar4.6 Langkah select data prodi ................................................................... 47 Gambar 4.7 Preview data prodi ............................................................................. 48 Gambar 4.8 Langkah select data fakultas ............................................................. 48 Gambar4.9 Preview data fakultas ......................................................................... 49 Gambar4.10 Langkah membuat surrogate key pada dim_tingkatan ..................... 49 Gambar 4.11 Langkah memilih field yang diperlukan ......................................... 50 Gambar 4.12 Menampilkan data dim_tingkatan ................................................... 50 Gambar 4.13 Pembentukan tabel dim_kategori.................................................... 53

xvi


Gambar 4.14 Langkah select data kategori……………………………………... 53 Gambar 4.15 Preview data kategori…………………………………………….. 54 Gambar 4.16 Langkah membuat surrogate key pada dim_kategori…………..... 54 Gambar 4.17 Langkah memilih field yang diperlukan…………………………. 55 Gambar 4.18 Menampilkan data dim_kategori…………………………………. 55 Gambar 4.19 Pembentukan tabel fact_mahasiswa……………………………… 56 Gambar 4.20 Langkah menyamakan dengan data dimensi kategori……………. 57 Gambar 4.21 Langkah menyamakan dengan data dimensi tingkatan…………... 58 Gambar 4.22 Langkah menyamakan dengan data dimensi waktu……………… 59 Gambar 4.23 Langkah memilih data yang diperlukan untuk membuat tabel fakta……………………………………………………………………………... 60 Gambar 4.24 Menampilkan data fact_mahasiswa……………………………… 61 Gambar 4.25 Skema Bintang SchemaSkripsi…………………………………... 62 Gambar 4.26 OLAP mahasiswa………………………………………………… 63 Gambar 5.1 Data mahasiswa pada OLAP………………………………………. 65 Gambar 5.2 Data jumlah mahasiswa pada Excel.................................................. 66 Gambar 5.3 Tampilan data mahasiswa registrasi per-fakultas dalam Excel……. 66 Gambar 5.4 Tampilan hasil mahasiswa registrasi per-fakultas…………………. 67 Gambar 5.5 Tampilan data mahasiswa registrasi prodi TI dan TM dalam Excel. 68 Gambar 5.6 Tampilan hasil mahasiswa registrasi per-prodi……………………. 68 Gambar 5.7 Tampilan hasil mahasiswa cuti fakultas FST……………………… 69

xvii


BAB I PENDAHULUAN

1.1

Latar belakang Sistem Informasi Akademik (SIA) Universitas Sanata Dharma (USD) memiliki kumpulan data-data akademik yang berisikan tentang data diri mahasiswa, dosen, jadwal perkuliahan hingga rekap hasil studi yang dimiliki oleh setiap mahasiswa. Oleh karena itu, data-data tersebut perlu diorganisir dan dijadikan dalam sebuah informasi karena suatu informasi yang baik dapat membantu dalam pengambilan keputusan serta memonitor USD sendiri. Sebuah informasi haruslah selalu uptodate, karena pengelolaan data seharusnya tidak berhenti apabila ketika informasi/data-data telah dikumpulkan ke dalam sebuah sistem komputer. Ketika perubahaan data yang tidak ditempatkan pada sebuah sistem, maka data akan menjadi tidak berguna/usang seiring berjalannya waktu. Informasi akan bernilai apabila informasi tersebut mudah diakses tepat waktu sesuai dengan kebutuhan. Wakil Rektor (WR) I memiliki tanggungjawab untuk memonitori performa akademik Universitas Sanata Dharma. Pada kenyataannya untuk mendapatkan informasi mengenai performa akademik haruslah melalui bagian administrasi akademik, ini akan memperlambat dalam proses

1


pengambilan keputusan karena WR I tidak bisa memonitor performa dan kualitas akademik setiap saat. Dashboardmonitoring akademik akan membantu Wakil Rektor (WR) I Universitas Sanata Dharma dalam memonitor performa akademik Universitas Sanata Dharma. Informasi akademik akan ditampilkan pada satu monitor komputer penuh, dan berisi informasi yang kritis. Informasiinformasi akademik tersebut merupakan kombinasi dari teks dan grafik, tetapi lebih ditekankan pada grafik dan mengandung key performa indicator yang akan membantu user mengetahui kondisi akademik yang ada saat ini dalam keadaan bagus, normal atau buruk. 1.2

Rumusan Masalah Berdasarkan latar belakang yang telah diuraikan di atas, permasalahan yang dapat dirumuskan adalah: Bagaimana mengimplementasikan dashboardmonitoring akademik di Universitas Sanata Dharma.

1.3

Batasan Masalah Batasan masalah pada penelitian ini adalah sebagai berikut: 1. Teknik

gudang

data

digunakan

dalam

penyelesaian

dashboardmonitoring akademik ini. 2. Data-data yang digunakan antara lain data mahasiswa registrasi, mahasiswa tidak registrasi, mahasiswa cuti, mahasiswa DO(Dropped Out), mahasiswa pendaftar, dan mahasiswa lulus.

2


3. Output yang dihasilkan adalah grafik data mahasiswa registrasi, mahasiswa tidak registrasi, mahasiswa cuti, mahasiswa DO(Dropped Out), mahasiswa pendaftar, dan mahasiswa lulus. 1.4

Tujuan Penelitian Tujuan

dari

penelitian

ini

adalah

menerapkan

dashboardmonitoring akademik di Universitas Sanata Dharma yang berisi data mahasiswa registrasi, mahasiswa tidak registrasi, mahasiswa cuti, mahasiswa DO(Dropped Out), mahasiswa pendaftar, dan mahasiswa lulus. 1.5

Manfaat Penelitian Manfaat dari penelitian ini adalah sebagai berikut: Bagi penulis: 1. Dapat membuat sistem yang dapat membantu Wakil Rektor (WR) I Bagi Wakil Rektor (WR) I: Membantu dalam memonitor performa akademik Universitas Sanata Dharma, yang berisi data mahasiswa registrasi, mahasiswa tidak registrasi, mahasiswa cuti, mahasiswa DO(Dropped Out), mahasiswa pendaftar, dan mahasiswa lulus.

3


1.6

Metodologi Penelitian Metodologi yang digunakan dalam menyelesaikan tugas akhir ini adalah metode Waterfall, yang meliputi antara lain: 1. Analisis sistem Pada tahap ini, dilakukan analisis sistem yang sudah ada yaitu Sistem Informasi Akademik (SIA) Universitas Sanata Dharma (USD). 2. Desain tampilan program Pada tahap ini, dilakukan desain tampilan dari awal sampai selesai. 3. Implementasi Pada tahap ini, dilakukan pengimplementasian program yang sudahdibuat. 4. Uji coba program Pada tahap ini, dilakukan uji coba dashboardmonitoring kepada user yang bersangkutan.

1.7

Sistematika Penulisan Sistematika penulisan merupakan uraian susunan penulisan Tugas Akhir yang akan dibuat secara teratur dan sistematis yang dijalankan dalam beberapa bab dan subbab sehingga pada akhir penulisan akan memberikan gambaran secara menyeluruh. Sistematika penulisan disusun dengan urutan sebagai berikut:

4


BAB I

: PENDAHULUAN Bab ini berisi latar belakang penulisan tugas akhir, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.

BAB II : LANDASAN TEORI Bab ini membahas mengenai dashboard untuk monitoring dan teori-teori lainnya yang mendukung dalam penulisan tugas akhir ini. BAB III : ANALISIS DAN PERANCANGAN SISTEM Bab ini berisi analisis dan perancangan dashboard untuk monitoring data akademik. BAB IV : IMPLEMENTASI Bab ini berisi tentang spesifikasi software dan hardware, implementasi

sistem

yang

meliputi

implementasi

data,

implementasi use case, dan implementasi dashboard untuk monitoring. BAB V : ANALISIS HASIL Bab ini berisi tentang pembahasan dashboard untuk monitoring data akademik yang telah dibangun.

5


BAB VI : PENUTUP Bab ini berisi beberapa kesimpulan yang didapat serta ada beberapa saran berdasarkan hasil dari pembuatan dashboard untuk monitoring data akademik.

6


BAB II LANDASAN TEORI

2.1 Sistem Informasi Eksekutif (ExecutiveInformationSystem) 2.1.1 Pengertian Sistem Informasi Eksekutif Sistem informasi eksekutif (Excecutive Information System), atau EIS, merupakan suatu sistem yang menyediakan informasi bagi eksekutif mengenai kinerja keseluruhan perusahaan. Informasi dapat diambil dengan mudah dan dalam berbagai tingkat rincian. 2.1.2 Model EIS

Gambar 2.1 Model EIS Para eksekutif membangun EIS atas dasar konsep-konsep manajemen. Ada 3konsep yang perlu dibahas, yaitu faktor-faktor penentu

7


keberhasilan (critical success factors), management by exception, dan model mental. a. Faktor-faktor penentu keberhasilan (critical success factors) Tahun 1961 D. Donald Daniel dari McKinsey & Company menciptakan faktor-faktor

keberhasilan.

Faktor-faktor

ini

bervariasi

dari

satu

perusahaan ke perusahaan lain. Untuk industri kendaraan bermotor, CSF (critical success factors) yang diyakini adalah model, jaringan dealer yang efisien, dan pengendalian biaya manufaktur yang efisien. CSF industri asuransi

jiwa

adalah

pengembangan

personil

manajemen

agen,

pengendalian personil administratif, dan inovasi menciptakan produkproduk asuransi. b. Managementbyexception Tampilan

layar

yang

digunakan

eksekutif

sering

menyertakan

management by exception dengan membandingkan kinerja

yang

diharapkan

dapat

dengan

mengidentifikasi

kinerja

aktual.

Perangkat

perkecualian-perkecualian

lunak

secara

EIS

otomatis

dan

membuatnya diperhatikan oleh eksekutif. c. Model mental Peran utama EIS adalah membuat sintesis, atau menyarikan data dan informasi

bervolume

besar

untuk

meningkatkan

kegunaannya.

Pengambilan sari ini disebut pemampatan informasi (information compression) dan menghasilkan suatu gambaran atau model mental dari operasi perusahaan.

8


Tahun 1973, P.N. Johnson – Lavid menciptakan istilah model mental, yakni “memungkinkan perorangan untuk membuat penilaian dan perkiraan, untuk memahami fenomena, untuk memutuskan tindakan yang perlu diambil dan untuk mengendalikan pelaksanaannya dan di atas semuanya untuk mengalami kejadian melalui pengganti (proxy)”.

2.1.3 Faktor-faktor Penentu Keberhasilan EIS Rockart dan Delong mengidentifikasi 8 faktor penentu keberhasilan EIS, yaitu : 1. Sponsor eksekutif yang mengerti dan berkomitmen; eksekutif tingkat puncak, lebih baik CEO, harus berfungsi sebagai sponsor eksekutif EIS dengan mendorong penerapannya. 2. Sponsor operasi, kalau sponsor eksekutif sibuk dapat diberikan kepada eksekutif lebih rendah, misal wakil presiden eksekutif. Sponsor operasi bekerjasama dengan eksekutif pemakai dan spesialis informasi untuk memastikan pekerjaan itu terlaksana. 3. Staf jasa informasi yang sesuai; tidak saja mengerti teknologi informasi tetapi juga mengerti cara eksekutif menggunakan sistem itu. 4. Teknologi informasi yang sesuai. 5. Manajemen data; data harus selalu mutakhir dengan mengidentifikasi tanggal dan jam dimasukkan dalam sistem. Juga perlu analisis melalui drill-down dengan bertanya kepada manajer data atau keduanya.

9


6. Kaitan yang jelas dengan tujuan bisnis; EIS harus berhasil memecahkan masalah masalah spesifik/untuk memenuhi kebutuhan yang dapat ditangani teknologi informasi. 7. Manajemen atas penolakan organisasi. Jika seorang eksekutif menolak EIS, perlu upaya untuk mendapatkan dukungan. Untuk itu perlu identifikasi masalah tanggal tersebut, kemudian menerapkan EIS dengan prototypinguntuk mengatasi masalah tersebut. 8. Manajemen atas penyebaran dan evolusi sistem; jika manajemen tingkat atas mulai menerima informasi dari EIS, manajer tingkat bawah ingin menerima output yang sama

2.2 Gudang Data 2.2.1 Pengertian Gudang Data Pengertian gudang data (data warehouse) sendiri dapat bermacam-macam namun memiliki inti yang sama, seperti pendapat beberapa ahli berikut: Menurut W.H. Inmon dan Richard D.H., data warehouse adalah

koleksi

data

yang

mempunyai

sifat

berorientasi

subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management. Menurut Vidette Poe, data warehouse merupakan database yang bersifat analisis dan read only yang digunakan sebagai fondasi dari sistem penunjang keputusan. 10


Menurut Paul Lane, data warehouse merupakan database relasional yang didesain lebih kepada query dan analisa dari pada proses transaksi, biasanya mengandung history data dari proses transaksi dan bisa juga data dari sumber lainnya. Data warehouse memisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan

organisasi

menggabung/konsolidasi

data

dari

berbagai macam sumber. Keuntungan dari gudang data adalah sebagai berikut: 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

11


2.2.2 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 surver 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. 2.3 Multi Dimensional Modelling 2.3.1 Cube, Dimension, Measure, and Member Teknologi OLAP menganut multi dimensional modeling, artinya dapat melihat analisis pengukuran dengan pandangan berbagai dimensi. Di dalam konsep ini perlu mengenal berbagai istilah yang berkaitan dengan OLAP: 1. Cube adalah struktur multi dimensional konseptual, terdiri dari dimensi dan measure dan biasanya mencakup pandangan bisnis tertentu. 12


2. Dimension adalah struktur view atau sudut pandang yang menyusun cube. Dimensi dapat terdiri dari berbagai level. 3. Measure adalah nilai pengukuran. 4. Member adalah isi atau anggota dari suatu dimensi atau measure tertentu. 2.3.2 Tabel Fakta dan Dimensi (Fact and Dimension Tables) Tabel fakta yaitu tabel yang berisi fakta numerik, jika semua data disimpan pada tabel fakta tunggal, maka hasilnya adalah tabel yang besar sekali. Tabel dimensi yaitu tabel yang berisi petunjuk ke tabel fakta, digunakan untuk menunjukkan darimana data dapat ditemukan dan tabel terpisah dibutuhkan untuk setiap dimensi. Pada model multi dimensional, database terdiri dari beberapa tabel fakta dan tabel dimensi yang 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 measuretersebut. 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 OLAPengine adalah skema bintang (star schema) dan

13


skema butir salju (snowflake schema). Contoh Star Schema adalah sebagai berikut:

Gambar 2.2Star Schema Sedangkan contoh Snowflake Schema adalah sebagai berikut:

Gambar 2.3Snowflake Schema

14


2.3.3 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 [1]. 2.3.4 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]. 2.4Dashboard 2.4.1 Pengertian Dashboard Dashboardadalah sebuah tampilan visual dari informasi terpenting yang dibutuhkan untuk mencapai satu atau lebih tujuan, digabungkan dan diatur pada sebuah layar, menjadi informasi yang dibutuhkan dan dapat dilihat secara sekilas. Tampilan visual disini mengandung pengertian bahwa penyajian informasi harus dirancang sebaik mungkin, sehingga mata manusia dapat menangkap informasi

15


secara cepat dan otak manusia dapat memahami maknanya secara benar. Information dashboard merupakan alat untuk menyajikan informasi secara sekilas, solusi bagi kebutuhan informasi organisasi. Information dashboard memberikan tampilan antarmuka dengan berbagai

bentuk

seperti diagram, laporan, indikator

visual,

mekanisme alert, yang dipadukan dengan informasi yang dinamis dan relevan. Information dashboard mengumpulkan informasi yang relevan dari berbagai bagian organisasi, mengkonsolidasikan, dan menyampaikan secara aman, cepat, dengan personalisasi sesuai dengan peran pengguna dalam organisasi. Tujuan penggunaan informationdashboard, yaitu untuk mengukur kinerja, memonitor proses yang sedang berjalan, dan memprediksi kondisi di masa mendatang[2]. 2.5Monitoring 2.5.1 Key Performance Indicator Key Performance adalah indikator yang merepresentasikan kinerja dari proses yang dilaksanakan. Key Performance Indicator merupakan sekumpulan ukuran mengenai aspek kinerja yang paling kritis, yang menentukan kesuksesan organisasi pada masa sekarang dan masa yang akan datang. Key Performance Indicator digunakan memprediksi peluang kesuksesan atau kegagalan dari proses-proses yang dilaksanakan 16


organisasi, sehingga KPI dapat digunakan sebagai alat untuk meningkatkan kinerja organisasi secara dramatis. Contoh dari penjelasan diatas adalah penentuan parameter nilai dalam trend mitra aktif. membuat user dapat dengan mudah mengetahui kondisi mitra yang masi menjalin kemitraan[3].

2.6 Media Penyajian Data Media penyajian data bergantung pada jenis informasi dan pesan yang ingin disampaikan, serta kebutuhan dan selera pengguna. Perancang dapat memilih bentuk teks, grafik, atau mengkombinasikan keduanya. Pemilihan media penyajian yang kurang tepat akan mengurangi efektifitas penyampaian informasi, dan menimbulkan persepsi yang salah menganai informasi yang disajikan. Ada dua prinsip dalam memilih media penyajian informasi oleh Few yaitu: a. Media dapat memberikan persepsi yang benar tentang informasi yang disajikan. b. Media dapat menyajikan informasi sesuai dengan tujuan, tanpa memakan banyak tempat. Setiap jenis media memiliki kekuatan dan kelemahan tersendiri dalam menyajikan suatu jenis informasi. Media yang paling banyak digunakan dalam menyajikan informasi. Tabel dapat menyajikan data dengan lebih detail, menyajikan angka-angka dengan format yang lebih presisi. Tabel dapat

17


menampilkan data kuantitatif maupun kualitatif. Namun demikian, informasi yang disajikan dalam tabel tidak dapat dipahami secara cepat dan sekilas.

2.6.1 Grafik Menurut Few, ada 9 tipe grafik atau diagram yang dapat digunakan untuk menampilkan gambaran informasi supaya lebih jelas, antara lain: a. Bulletgraphs Grafik ini merupakan grafik terbaru. Grafik ini ditemukan karena sebagian besar alat pengukur dan meter yang telah menjadi

identik

dengan

dashboard.

Alat

pengukur

dan

meterbiasanya menampilkan ukuran kunci tunggal, kadangkadang dibandingkan dengan ukuran terkait seperti target, dankadang-kadang dalam konteks rentang kuantitatif dengan label kualitatif yang menyatakan ukuran baik atau buruk. Grafik ini mencapai tujuan komunikasi tanpa masalah yang biasanya mengganggu alat pengukurdan meter. Hal ini dirancang untuk menampilkan ukuran kunci, bersama dengan ukuran komparatif dan kualitatifrentang untuk segera menyatakan apabila langkah tersebut baik atau buruk.

18


b. Bargraphs (horizontalandvertical) Grafik batang dirancang untuk menampilkan beberapa contoh, daripada satu contoh, dari satu atau lebih langkah-langkah kunci.Grafik batang yang besar untuk menampilkan langkahlangkah yang berkaitan dengan item dalam kategori, seperti daerah atau departemen c. Stackedbargraphs (horizontalandvertical) Jenis grafik ini berguna untuk tujuan tertentu, tetapi dapat dengan mudah disalahgunakan. Untuk menampilkan satu rangkaian bagian-keseluruhan data digunakan tumpukan grafik batang. Sebuah grafik batang biasa bekerja jauh lebih baik. d. Combinationbarandlinegraphs Kombinasi ini harus digunakan hanya ketika beberapa data dapat ditampilkan baik dengan menggunakan bar, dengan penekanan pada nilai-nilai individu dan perbandingan lokal, dan beberapa menggunakan garis, dengan penekanan pada bentuk keseluruhandata. e. Linegraphs Grafik

garis

melakukan

pekerjaan

yang

luar

biasa

mengungkapkan bentuk data gerakannya naik dan turun dari satu nilai ke depan terutama karena perubahan melalui waktu. Setiap kali ingin menekankan pola dalam data,seperti tren, fluktuasi, siklus, tingkat perubahan, dan bagaimana dua set data yang

19


berbeda-beda dalam hubungannya satu sama lain, grafik garis menyediakan sarana terbaik.Dalam konteks dashboard, grafik garis merupakan cara terbaik untuk menyajikan gambaran singkat dari serangkaian waktu. f. Sparklines Tumpukan data menggambarkan sparklines sebagai "data intens, desain sederhana, kata-ukuran grafis”. Dengan demikian, sparklines ideal untuk dashboard dan hal lain yang memerlukan bentuk-bentuk yang sangat kental menampilkan data, seperti laporan diagnostik medis yang mencakup sejarah pasien. g. Boxplots Grafik ini digunakan untuk menampilkan distribusi set nilai di seluruh rentang, dari yang terkecil sampai yang terbesar, dengan banyak langkah-langkah yang berguna. Hal ini sering tidak memadai untuk menggambarkan satu set nilai sebagai diringkas ukuran tunggal seperti jumlah atau rata-rata. h. Scatterplots Grafik ini akan menampilkan apakah atau tidak, ke arah mana, danuntuk apa dua tingkat set dipasangkan nilai kuantitatif berkorelasi. Grafik ini akan tetap bekerja dengan baik jika langkah-langkah dibagi menjadi beberapa set. i. Treemaps

20


Grafik ini digunakan untuk menampilkan set besar atau hierarkis kategoris data terstruktur dengan cara efisien ruang. Treemaps sepenuhnya mengisi ruang layar yang tersedia dengan seperangkat persegi panjang berdekatan yang masing-masing telah menjadi ukuran untuk mengkodekan variabel kuantitatif. Karena dengan cara efisien ruang, Treemaps dapat digunakan cukup efektif pada dashboard, tetapi harus disediakan untuk keadaan-keadaan yang dikembangkan, dan, bila digunakan, harus dirancang dengan hati-hati [2].

21


BAB III ANALISIS DAN PERANCANGAN SISTEM

3.1 Deskripsi Organisasi Universitas Sanata Dharma (USD) beralamatkan di Mrican, Tromol Pos 29 Yogyakarta 55002. Sama seperti universitas lain , USD memiliki struktur organisasi yang terdiri dari rektor dan jajarannya, dosen, dan staff karyawan. USD memiliki limakampus yang terdiri dari, kampus I di Mrican yang terdiri dari fakultas Sastra, Ekonomi, dan FKIP, kampus II di Mrican yang merupakan Gedung Pusat dan Perpustakaan, kampus III di Paingan Maguwoharjo terdiri dari fakultas Sains dan Teknologi, Psikologi, Farmasi, dan FKIP, kampus IV di Kentungan yang terdiri dari fakultas Teologi, serta kampus V di Kotabaru yang terdri dari program studi pendidikan agama Katolik (IPPAK). Universitas Sanata Dharma terdiri dari 8fakultas, yang didalamnya terdapat 29 program studi, antara lain: 1. Fakultas Keguruan dan Ilmu Pendidikan a. Bimbingan dan Konseling b. Pendidikan Biologi c. Pendidikan Fisika d. Pendidikan Matematika e. Pendidikan Ekonomi f. Pendidikan Sejarah g. Pendidikan Akuntansi 22


h. Pendidikan Bahasa Sastra Indonesia dan Daerah i. Pendidikan Bahasa Inggris j. Pendidikan Guru Sekolah Dasar k. Ilmu Pendidikan Kekhususan Pendidikan Agama Katolik 2. Fakultas Ekonomi a. Ekonomi Akuntansi b. Ekonomi Manajemen c. Pendidikan Profesi Akuntasi d. Magister Manajemen 3. Fakultas Teologi a. Teologi 4. Fakultas Sains dan Teknologi a. Matematika b. Teknik Informatika c. Teknik Mesin d. Teknik Elektro 5. Fakultas Farmasi a. Farmasi b. Profesi Apoteker 6. Fakultas Psikologi a. Psikologi 7. Fakultas Sastra a. Sastra Inggris

23


b. Sastra Indonesia c. Ilmu Sejarah 8. Program Pasca Sarjana a. S2 Teologi b. S2 Kajian Bahasa Inggris c. S2 Ilmu Religi dan Budaya 3.2 Analisis Sistem 3.2.1 Mengidentifikasi Masalah yang Ada Untuk

mendapatkan

informasi

mengenai

performa

akademik Universitas Sanata Dharma haruslah melalu bagian administrasi akademik, ini akan memperlambat dalam proses pengambilan keputusan karena WR I tidak bisa memonitor performa dan kualitas akademik setiap saat. Sistem yang akan dirancang adalah dashboard untuk monitoring akademik Universitas Sanata Dharma. Apabila sistem ini diimplementasikan, maka akan membantu WR I dalam memonitor performa akademik Universitas Sanata Dharma. Informasi akademik tersebut akan ditampilkan pada satu monitor penuh dan berisi informasi yang kritis. Informasi akademik tersebut merupakan kombinasi teks dan grafik. Data informasi yang digunakan data mahasiswa registrasi, mahasiswa tidak registrasi, mahasiswa cuti, mahasiswa DO(Dropped Out), mahasiswa pendaftar, dan mahasiswa lulus.

24


Berikut adalah hasil analisa terhadap Sistem Informasi Akademik(SIA) Universitas Sanata Dharma dengan menggunakan analisis PIECES (Performance, Information, Economic, Control, Effiency, Services). Analisis Performance/Kinerja Kinerja yang dilakukan oleh pihak administrasi untuk mendapatkan data agar dapat diolah tidaklah mudah. Data yang ingin diperoleh tidak serta-merta diperoleh dari pihak atasan begitu saja. Data diproses dari pihak program studi yang kemudian dikumpulkan atau dijadikan satu dengan fakultas yang kemudian diserahkan ke pihak administrasi. Data yang ada di pihak administrasi tidak semua ada, hanya beberapa saja, dan sisanya ada di bagian WR 1. Analisis Information/Informasi Untuk

mendapatkan

informasi

mengenai

performa

akademik setiap tahun tidak bisa secara instant tetapi harus melalui pihak administrasi. Analisis Economic/Ekonomi SIA pada Universitas Sanata Dharma mempunyai biaya yang relatif murah tetapi dapat mempunyai hasil kerja yang baik. Contoh, biaya yang dikeluarkan untuk jaringan pemakaian peralatan masih cukup relevan dengan hasil yang diharapkan. Jaringan

25


komputer yang menghubungkan gedung satu dengan gedung yang lain dapat menghemat waktu untuk pengaksesan data dalam sistem. Harga-harga yang masih cukup terjangkau untuk pembelian peralatan, seperti komputer, switch, server, dll. Analisis Control/Kontrol SIA perlu dimonitor apabila ditemukan adanya kinerja yang kurang baik. Kontrol dipasang untuk meningkatkan kinerja sistem, mencegah atau mendeteksi penyalahgunaan atau kesalahan sistem dan menjamin keamanan data. Setiap orang yang melakukan akses ke SIA harus memiliki user dan password untuk menjaga keamanan. Untuk menghindari kehilangan data apabila terjadi serangan ke sistem oleh pihak luar, maka dilakukan backup data. Analisis Efficiency/Efisiensi SIA di Universitas Sanata Dharma memiliki efisiensi yang baik, karena sistem yang ada telah dapat digunakan dengan baik dan juga telah dapat menghasilkan output sesuai dengan yang diharapkan. Pelayanan informasi yang cepat tanpa mengurangi hasil yang ingin dicapai menunjukkan bahwa SIA yang ada digunakan secara efisien. Analisis Services/Pelayanan SIA di Universitas Sanata Dharma telah memberikan layanan baik kepada mahasiswa. Pelayanan yang baik dapat 26


mencerminkan universitas itu baik atau tidak baik, sehingga pelayanan juga perlu diperhitungan secara baik. 3.2.2 Memahami Kerja dari Sistem yang Ada Dalam memonitor performa akademik mahasiswa WR I mendapat data yang ada melalui bagian Biro Administrasi Akademik. Performa akademik mahasiswa terekam melalui database universitas.

27


Gambaran

secara

garis

besar

penilaian

performa

akademikmahasiswa di Universitas Sanata Dharma adalah sebagai berikut:

Nilai performa akademik mahasiswa

Biro Administrasi Akademik

Sekretariat

Wakil Rektor I

Gambar 3.1Alur sistem yang ada Alur WR I dalam memonitoring performa akademik mahasiswa dimulai dari tahap data nilai performa akademik mahasiswa dikumpulkan menjadi satu di sekretariat. Sekretariat akan mengolah data yang telah ada. Kemudian dari sekretariat akan diserahkan ke bagian Biro Administrasi Akademik. Wakil Rektor I akan melihat hasilnya melalui laporan yang telah dibuat oleh Biro Administrasi Akademik. 3.2.3 Menganalisis Masalah dalam Sistem Lama Analisis

masalah

berdasarkan

kerja

dari

proses

monitoringperforma mahasiswa adalah Wakil Rektor (WR) I memiliki tanggungjawab untuk memonitori performa akademik Universitas Sanata Dharma. Namun pada kenyataannya untuk mendapatkan informasi mengenai performa akademik haruslah melalui Biro Administrasi Akademik, ini memperlambat dalam

28


proses pengambilan keputusan karena WR I tidak bisa memonitor performa dan kualitas akademik setiap saat. 3.2.4 Menganalisis Kebutuhan dalam Sistem Baru Sistem yang akan dirancang nantinya akan digunakan oleh Wakil Rektor (WR) I. WR I bertanggungjawab untuk memonitor performa dan kualitas akademik. WR I dapat melihat performa data mahasiswa registrasi, mahasiswa tidak registrasi, mahasiswa cuti, mahasiswa

DO(Dropped

Out),

mahasiswa

pendaftar,

dan

mahasiswa lulus. Berikut ini merupakan gambaran mengenai skenario alur sistem yang akan dirancang.

29


3.3 Desain Sistem 3.3.1 Perancangan Proses 3.3.1.1 Use Case Diagram

<< Depends on >>

Login

Melihat grafik performa akademik mahasiswa

Menganalisa performa akademik mahasiswa

WR I

<< Depends on >>

Logout

Gambar 3.2Use case Penjelasan use case: Sebelum masuk ke dalam sistem, WR I melakukan login. Kemudian WR I dapat melihat dan mencetak laporan, serta dapat menganalisis performansi kinerja dosen dan mahasiswa yang meliputi data mahasiswa registrasi, mahasiswa tidak registrasi, mahasiswa cuti, mahasiswa DO(Dropped Out), mahasiswa

pendaftar,

dan

mahasiswa

lulus

didapatkan kinerja yang normal, bagus, atau buruk.

30

sehingga


3.3.1.2 Data Flow Diagram 3.3.1.2.1 Diagram Konteks Gambaran sistem pada diagram konteks (context diagram) merupakan subsistem dari sistem informasi

akademik

yang

telah

berjalan

di

Universitas Sanata Dharma. Diagram konteks dari sistem dashboard akademik ini terdiri dari dua yaitu user

dan

sistem

merupakan

informasi

pengguna

akhir,

akademik. sedangkan

User sistem

informasi akademik merupakan sistem yang datadata akademiknya akan digunakan dalam pembuatan sistem dashboard akademik ini.

Sistem Informasi Akademik

Data mahasiswa registrasi

Data mahasiswa cuti Data mahasiswa DO

Data mahasiswa tdk registrasi Data mahasiswa lulus Data mahasiswa pendaftar

Menampilkan data-data akademik

Jmlh data mhs registrasi Jmlh data mhs cuti Jmlh data mhs DO

Data nilai parameter

Jmlh data mhs tdk reg Jmlh data mhs lulus Jmlh data mhs pendaftar Nilai parameter indikator

Gambar 3.1 Diagram Konteks

31

User


3.3.1.2.2 DFD Level 0 Setelah

membuat

diagram

konteks,

dilanjutkan dengan membagi diagram konteks menjadi proses-proses yang lebih kecil. Gambar 3.3.1.2.2 merupakan gambar DFD level 0 sistem dashboard akademik. DFD level 0 sistem akademik memiliki dua subproses utama dan dua eksternal entity. Eksternal entitynya yaitu user dan sistem informasi akademik, sedangkan subproses utamanya yaitu proses nilai parameter indikator dan proses menampilkan data-data akademik.

Sistem Informasi Akademik

Data mahasiswa registrasi Data mahasiswa cuti

Data mahasiswa DO

Data mahasiswa tdk registrasi Data mahasiswa lulus

Data mahasiswa pendaftar

Menampilkan data-data akademik

Jmlh data mhs registrasi Jmlh data mhs cuti Jmlh data mhs DO

Data nilai parameter

Jmlh data mhs tdk reg

Mengelola nilai parameter indikator

Jmlh data mhs lulus Jmlh data mhs pendaftar

Nilai parameter indikator

Gambar 3.3.1.2.2 DFD Level 0

Gambar 3.4 DFD Level 0

32

User


3.4

Membangun Gudang Data Tahap ini merupakan tahapan dalam membangun gudang data dari membaca data legacy sampai membuat fact table. Tabel berikut ini berisi gambaran mengenai tahapan yang dilakukan.

No

Langkah yang dilakukan

Penjelasan

3.4.1

Membaca data legacy

Merupakan memperhatikan

tahapan

untuk

bagian-bagian

data yang akan dianalisa 3.4.2

Memilah field tabel pada Merupakan

tahapan

untuk

database

sistem memilah field yang berada dalam

informasi

dan tabel sistem informasi akademik

memindahkan ke dalam yang dibutuhkan serta pembuatan database gudang data 3.4.3

tabel dimensi

Memecah gudang data ke Berdasarkan data dari tabel yang dalam fact table dan tabel sudah ada di proses pada tahapan dimensi

sebelumnya

(3.4.2)

maka

digunakan untuk membuat skema.

3.4.1 Membuat Data Legacy Pada tahapan ini dilakukan analisa data yang akan digunakan. Kemudian

melakukan

pembersihan

data,

menghapus,

atau

menambah kolom yang dirasa perlu. Tujuan dari tahapan ini adalah

33


memudahkan ketika memindahkan data-data tersebut ke dalam basis data. 3.4.2 Memilah field tabel pada database sistem informasi dan memindahkan ke dalam database gudang data Merupakan tahapan untuk memilah field yang berada dalam tabel sistem informasi akademik yang dibutuhkan serta pembuatan tabel dimensi yang dibutuhkan. 1. Membuat dimensi kategori dim_kategori Kategori PK sk_kategori id_kategori id_kategori nama_kategori nama_kategori Tabel diatas merupakan proses dari pembuatan dimensi kategori dimana sumber data berasal dari tabel Kategori. Tabel kategori tersebut berisi field id_kategori untuk menyimpan id kategori, dan nama_kategori untuk menyimpan nama kategori. Kemudian dibuat dimensi kategori yang berisi id_kategori, nama_kategori, dan menambahkan surrogate key untuk dimensi kategori yaitu sk_kategori.

34


2. Membuat dimensi tingkatan Tingkatan id_tingkat dim_tingkatan

fakultas

PK sk_tingkatan

prodi

id_prodi nama_prodi id_fakultas Fakultas nama_fakultas id_fakultas nama_fakultas

Prodi id_prodi nama_prodi id_fakultas

Tabel diatas merupakan proses dari pembuatan dimensi tingkatan dimana sumber data berasal dari tiga tabel yaitu tabel Tingkatan, Fakultas, dan Prodi. Pada tabel Tingkatan terdapat field id_tingkat untuk menyimpan id tingkatan, fakultas untuk menyimpan nama fakultas, dan prodi untuk menyimpan nama prodi. Tabel Fakultas terdapat field id_fakultas untuk menyimpan

35


id fakultas dan nama_fakultas untuk menyimpan nama fakultas. Sedangkan pada tabel Prodi terdapat field id_prodi untuk menyimpan id prodi, nama_prodi untuk menyimpan nama_prodi, dan fakultas digunakan untuk menyimpan nama fakultas yang sesuai dengan prodi yang bersangkutan. Kemudian dibuat dimensi tingkatan yang terdiri dari field id_prodi, nama_prodi, id_fakultas, dan nama_fakultas, disertai pula surrogate key yaitu sk_tingkatan. 3.4.3 Memecah gudang data ke dalam fact table dan tabel dimensi Tahap ini merupakan pembuatan rancangan gudang data dengan menggunakan skema bintang (star schema). Pada tahapan ini terdapat tiga dimensi yaitu dimensi kategori, dimensi tingkatan, dan dimensi waktu. Diantara ketiga dimensi tersebut terdapat tabel fakta (fact table) yang memiliki surrogate key dari masing-masing dimensi dan sebuah measure.

36


dim_kategori sk_kategori id_kategori nama_kategori

dimensi_waktu

fact_mahasiswa

year

sk_kategori

sk_waktu

sk_tingkatan sk_waktu jumlahmahasiswa (measure)

dim_tingkatan sk_tingkatan id_prodi nama_prodi id_fakultas nama_fakultas Gambar 3.5 Memecah gudang data ke dalam fact table dan tabel dimensi

37


3.5 Perancangan Antarmuka Pengguna 3.5.1 Tampilan Halaman Utama Header Fakultas

Kategori Grafik

Halaman ini adalah tampilan utama dari dashboardmonitoring, dimana terdiri dari header yang berisi judul, kategori untuk memilih kategori yang akan dipilih, fakultas untuk memilih fakultas yang datanya akan ditampilkan, dan grafik untuk menampilkan perbandingan data antar fakultas maupun prodi yang dipilih berdasarkan tahun ke tahun.

38


BAB IV IMPLEMENTASI

4.1 Implementasi Pada bab ini akan menjelaskan tentang implementasi pembuatan gudang data dan pembahasannya. 4.1.1 Implementasi Basis Data Pada tahap ini akan menjelaskan pembuatan database untuk sistem dengan menggunakan MySQL. Database pada sistem ini bernama „skripsi_‟ yang memiliki tabel antara lain tabel „prodi‟, tabel „fakultas‟, tabel „tingkatan‟, tabel „kategori‟, dan tabel „mahasiswa‟. Berikut ini akan dijabarkan query yang terdapat dalam setiap tabel: a) Tabel „prodi‟ CREATE TABLE `prodi` ( ìd_prodi` varchar(20) NOT NULL, `nama_prodi` varchar(25) default NULL, ìd_fakultas` varchar(25) NOT NULL, PRIMARY KEY (ìd_prodi`) ) ENGINE=MyISAM DEFAULT CHARSET=latin1;

39


b) Tabel „fakultas‟ CREATE TABLE `fakultas` ( ìd_fakultas` varchar(50) NOT NULL, `nama_fakultas` varchar(50) default NULL, PRIMARY KEY (ìd_fakultas`) ) ENGINE=MyISAM DEFAULT CHARSET=latin1;

c) Tabel „tingkatan‟ CREATE TABLE `tingkatan` ( ìd_tingkat` varchar(20) NOT NULL, `fakultas` varchar(25) default NULL, `prodi` varchar(25) default NULL, PRIMARY KEY (ìd_tingkat`) ) ENGINE=MyISAM DEFAULT CHARSET=latin1;

d) Tabel „kategori‟ CREATE TABLE `kategori` ( ìd_kategori` varchar(10) NOT NULL, `nama_kategori` varchar(25) default NULL, PRIMARY KEY (ìd_kategori`) ) ENGINE=MyISAM DEFAULT CHARSET=latin1;

e) Tabel „mahasiswa‟

40


CREATE TABLE `mahasiswa` ( `nama_kategori` varchar(50) default NULL, `tahun` year(4) default NULL, `prodi` varchar(10) default NULL, `jumlah` int(3) default NULL ) ENGINE=MyISAM DEFAULT CHARSET=latin1;

4.1.2 Implementasi Antarmuka Pengguna 4.1.2.1 Halaman Menu Utama Halaman menu utama berisi header, button untuk memilih kategori, button untuk memilih fakultas, dan menampilkan grafik dari apa yang dipilih.

Gambar 4.1 Halaman Menu Utama

41


Gambar 4.2 Untuk memilih kategori

Gambar 4.3 Untuk memilih tingkatan

42


4.1.2.2 Halaman Tampilan Update Halaman tampilan update berisi button untuk menambah data file .csv dan button upload untuk mengupload file yang sudah ditambahkan.

Gambar 4.4 Untuk menambah file .csv

43


4.2 Implementasi Gudang Data 4.2.1 Membaca Data Legacy Pada tahap ini menganalisa tabel-tabel database sistem informasi akademik yang dipakai dalam membangun tabel fakta dan tabel dimensi dalam database gudang data. Tabel-tabel tersebut adalah sebagai berikut: 1. Tabel tingkatan tingkatan PK

id_tingkat

Tabel yang berisi daftar tingkatan Berisi nomor id tingkat yang bertindak sebagai primary key

fakultas

Berisi nama fakultas

prodi

Berisi nama prodi

Tabel diatas merupakan struktur tabel tingkatan yang menyimpan data-data tingkatan yang terdiri dari field id_tingkat sebagai primary key, field fakultas, dan field prodi. Contoh data kategori adalah sebagai berikut:

44


PK

id_tingkat

fst01

fakultas

FST

prodi

TI

2. Tabel fakultas Fakultas PK

id_fakultas

Tabel yang berisi daftar fakultas Berisi nomor id fakultas yang bertindak sebagai primary key

nama_fakultas

Berisi nama fakultas

Tabel diatas merupakan struktur tabel fakultas yang menyimpan data-data fakultas yang terdiri dari fieldid_fakultas sebagai primary key dan field nama_fakultas. Contoh data fakultas adalah sebagai berikut: PK

id_fakultas

111

nama_fakultas

FST

3. Tabel prodi Prodi PK

id_prodi

Tabel yang berisi daftar prodi Berisi nomor id prodi yang bertindak sebagai primary key

nama_prodi

Berisi nama prodi

id_fakultas

Berisi id fakultas

45


Tabel diatas merupakan struktur tabel prodi yang menyimpan datadata prodi yang terdiri dari field id_prodi sebagai primary key, field nama_prodi, dan field id_fakultas. Contoh data prodi adalah sebagai berikut: PK

id_prodi

fst01

nama_prodi

TI

id_fakultas

111

4. Tabel kategori Kategori

Tabel

yang

berisi

daftar

kategori

mahasiswa PK

id_kategori

Berisi nomor id kategori yang bertindak sebagai primary key

nama_kategori

Berisi nama kategori

Tabel diatas merupakan struktur tabel kategori yang menyimpan data-data kategori yang terdiri dari field id_kategori sebagai primary key dan field nama_kategori. Contoh data kategori adalah sebagai berikut: PK

id_kategori

k01

nama_kategori

mhs registrasi

46


4.2.2 Memilah field tabel pada database sistem informasi dan memindahkan ke dalam database gudang data 4.2.2.1 Tabel dimensi ‘dim_tingkatan’

Gambar 4.5 Pembentukan tabel dim_tingkatan

Gambar 4.5 merupakan proses pembentukan tabel dim_tingkatan yang bertujuan sebagai pembentukan tabel dimensi dalam OLAP. Memasukkan data dari tabel prodi dan fakultas yang ada di database, menyamakan dengan tabel prodi dan fakultas, menambah field baru, memilih data, memasukkan data ke dalam tabel

dim_tingkatan,

dan

script

dim_tingkatan.

Gambar4.6 Langkah select data prodi 47

pembentukan

tabel


Jika preview data maka data yang ditampilkan sesuai dengan yang ada pada tabel prodi. Berikut adalah preview data tabel prodi:

Gambar 4.7 Preview data prodi

Gambar 4.8 Langkah select data fakultas

48


Jika preview data maka data yang ditampilkan sesuai dengan yang ada pada tabel fakultas. Berikut adalah preview data tabel fakultas:

Gambar4.9 Preview data fakultas Langkah selanjutnya adalah menambah field baru, yang artinya menambah

field

untuk

membuat

surrogate

key

pada

dim_tingkatan. Isi dari menambah field baru tersebut adalah sebagai berikut:

Gambar4.10 Langkah membuat surrogate key pada dim_tingkatan

49


Langkah berikutnya untuk membuat dim_tingkatan adalah memilih field yang diperlukan. Sehingga dilakukan langkah berikut ini:

Gambar 4.11 Langkah memilih field yang diperlukan Langkah

terakhiradalah

memasukan

ke

dalam

tabel

dim_tingkatan. Pada tahap ini digunakan untuk membuat tabel dimensi dan memasukan data ke dalam tabel dimensi tersebut. Hasil dari proses pembentukan tabel dim_tingkatan adalah sebagai berikut.

Gambar 4.12 Menampilkan data dim_tingkatan Gambar 4.12 merupakan hasil dari tabel dim_tingkatan.

50


Terdapat field id_prodi, nama_prodi, id_fakultas, nama_fakultas, dan sk_tingkatan.

51


4.2.1.2 Tabel dim_kategori

Gambar 4.13 Pembentukan tabel dim_kategori Gambar 4.13merupakan proses pembentukan tabel dim_kategori yang bertujuan sebagai pembentukan tabel dimensi dalam OLAP. Memasukkan data dari tabel kategori yang ada di database, menambah field baru, memilih data, memasukkan data ke dalam tabel dim_kategori, dan script pembentukan tabel dim_kategori.

Gambar 4.14 Langkah select data kategori

Jika preview data maka data yang ditampilkan sesuai dengan yang ada pada tabel kategori. Berikut adalah preview data tabel kategori:

52


Gambar 4.15Preview data kategori Langkah selanjutnya adalah menambah field baru, yang artinya menambah

field

untuk

membuat

surrogate

key

pada

dim_kategori. Isi dari menambah field baru tersebut adalah sebagai berikut:

Gambar 4.16 Langkah membuat surrogate key pada dim_kategori

53


Langkah berikutnya untuk membuat dim_kategori adalah memilih field yang diperlukan. Sehingga dilakukan langkah berikut ini:

Gambar 4.17Langkah memilih field yang diperlukan Langkah

terakhir

adalah

memasukan

ke

dalam

tabeldim_kategori. Pada tahap ini digunakan untuk membuat tabel dimensi dan memasukan data ke dalam tabel dimensi tersebut. Hasil dari proses pembentukan tabel dim_kategori adalah sebagai berikut.

Gambar 4.18 Menampilkan data dim_kategori

Gambar 4.18 merupakan hasil dari tabel dim_kategori. Terdapat field id_kategori, nama_kategori, dan sk_kategori.

54


4.2.3 Memecah Gudang Data ke Dalam Tabel Fakta dan Dimensi 4.2.3.1 Tabel fakta fact_mahasiswa

Gambar 4.19Pembentukan tabel fact_mahasiswa Gambar 4.19 merupakan pembentukan tabel fact_mahasiswa yang bertujuan untuk pembentukan tabel fakta dalam proses OLAP, diawali oleh memasukan data dari table input untuk selanjutnya disamakan, kemudian menyamakan dengan tabel dim_kategori, dim_tingkatan dan dim_waktu, memilih data, dan memasukkan data ke dalam tabel fact_mahasiswa. Menyamakan data berturut-turut dari tabel dim_kategori hingga dim_waktu karena tabel fakta hanya berisi data-daya numerik atau data yang dapat diukur dan surrogate key dari masing-masing dimensi maka data yang diambil hanya surrogate key.

55


Gambar 4.20 Langkah menyamakan dengan data dimensi kategori Pada gambar 4.20 menunjukkan bahwa data yang diambil hanya sk_kategori yang bertindak sebagai surrogate key pada dimensi kategori.

56


Gambar 4.21 Langkah menyamakan dengan data dimensi tingkatan

Pada gambar 4.21 menunjukkan bahwa data yang diambil hanya sk_prodi (sk_tingkatan) yang bertindak sebagai surrogate key pada dimensi tingkatan.

57


Gambar 4.22 Langkah menyamakan dengan data dimensi waktu

Pada gambar 4.22 menunjukkan bahwa data yang diambil hanya sk_waktu yang bertindak sebagai surrogate key pada dimensi waktu.

58


Langkah berikutnya adalah memilih data yang akan digunakan untuk membangun tabel fakta dengan menggunakan select values.

Gambar 4.23 Langkah memilih data yang diperlukan untuk membuat tabel fakta

Terdapat

field

jumlah

yang

bertindak

sebagai

measure,

sk_kategori, sk_tingkatan, dan sk_waktu. Maka hasil yang diperoleh dalam memasukkan data ke dalam tabel fakta fact_mahasiswa ditunjukkan pada gambar berikut.

59


Gambar 4.24 Menampilkan data fact_mahasiswa

60


4.2.4 Pembahasan Skema Bintang (Star Schema) 4.2.2.1Cube Mahasiswa

cube mahasiswa

measure JumlahMahasiswa dimensi kategori

dimensi tingkatan

dimensi waktu

Gambar 4.25 Skema Bintang SchemaSkripsi Gambar

4.25

merupakan

skema

bintang

SchemaSkripsi

menggunakan Mondrian sebagai OLAPserver. Skema ini yang nantinya

61


akan membaca data dari database. Cube dengan nama mahasiswa, memiliki tabel fakta fact_mahasiswa. Dimensi yang dipakai adalah dimensi Kategori yang memiliki tabel tabel dim_kategori, dimensi Tingkatan yang memiliki tabel dim_tingkatan, dan dimensi Waktu yang memiliki tabel dim_waktu. Pada dimensi Kategori terdapat urutan atau hierarki field dari tabel dim_kategori, yaitu field Nama Kategori, sedangkan urutan dari dimensi Tingkatan adalah field Fakultas dan Prodi, serta urutan dari dimensi Waktu adalah filed Tahun. Nilai pengukuran atau measure dari skema bintang mahasiswa adalah JumlahMahasiswa.

Cube mahasiswa

Gambar 4.26OLAP mahasiswa

62


Pada gambar 4.26 merupakan OLAP mahasiswa. Fact_mahasiswa mengeluarkan informasi jumlah mahasiswa ditiap prodi maupun fakultas pada setiap kategori di universitas.

63


BAB V ANALISIS HASIL Setelah melakukan pembentukan gudang data dan OLAP . Dapat diperoleh hasil sebagai berikut: 5.1 Pengujian Sistem 5.1.1 Hasil OLAP mahasiswa Mahasiswa

Gambar 5.1 : Data mahasiswa pada OLAP

64


Gambar 5.2 : Data jumlah mahasiswa pada Excel

Pada gambar 5.1 merupakan hasil fact_mahasiswa pada OLAP yang merupakan jumlah mahasiswa ditiap kategori, missal untuk fakultas FST pada prodi TI dalam kategori mahasiswa DO. Sedangkan pada gambar 5.2 merupakan data mahasiswa yang sama. Terlihat pada gambar 5.1 untuk jumlah dengan gambar 5.2 sama. 5.1.2 Hasil dashboardmonitoring 5.1.2.1 Menampilkan perbandingan kategori per-fakultas

Gambar 5.3 Tampilan data mahasiswa registrasi per-fakultas dalam Excel

65


Gambar 5.4 Tampilan hasil mahasiswa registrasi per-fakultas

Pada gambar 5.3 merupakan tampilan data mahasiswa registrasi setiap fakultas dalam file Excel. Sedangkan pada gambar 5.4 menampilkan hasil perbandingan jumlah mahasiswa registrasi disetiap fakultas yang ada di universitas dalam dashboard yang terbukti cocok dengan data sebenarnya ( data pada file Excel ).

66


5.1.2.2 Menampilkan perbandingan kategori per-prodi dalam fakultas tertentu

Gambar 5.5Tampilan data mahasiswa registrasi prodi TI dan TM dalam Excel

Gambar 5.6 Tampilan hasil mahasiswa registrasi per-prodi Pada gambar 5.5 merupakan tampilan data mahasiswa registrasi prodi TI dan TM dalam file Excel. Sedangkan pada gambar 5.6 menampilkan hasil perbandingan jumlah mahasiswa registrasi prodi yang berada di FST yaitu TI dan TM dalam bentuk dashboard yang terbukti sesuai dengan data sebenarnya ( data pada file Excel ).

67


5.1.2.3 Menampilkan data yang telah ditambahkan setiap tahun

Gambar 5.7 Tampilan hasil mahasiswa cuti fakultas FST Pada gambar 5.7 menampilkan hasil perbandingan jumlah mahasiswa cuti yang berada di FST yaitu prodi TI dan TM dari tahun 2008-2013. 5.2 Kelebihan Sistem Gudang data dapat menampung data dalam jumlah yang banyak, atau dengan kata lain Big Data, serta dapat menghitung jumlah mahasiswa dalam setiap kategorinya. Selain itu ditampilkan pula grafik jumlah mahasiswa di setiap kategori dalam kurun waktu tertentu.

68


5.3 Kekurangan Sistem 1. Pengguna hanya diasumsikan WR 1 yang hanya bisa mengakses, sedangkan pengguna yang lain hanya sebagai pengunjung, hanya bisa melihat. 2. Saat mengakses pentaho memakan waktu yang tidak sebentar.

69


BAB VI PENUTUP

6.1 Kesimpulan Berdasarkan dari hasil analisis, desain, dan implementasi dashboard untuk monitoring data akademik, maka dapat disimpulkan bahwa: 1. Implementasi dashboard untuk monitoring data akademik Universitas Sanata Dharma Yogyakarta telah berhasil dibuat dengan menggunakan Kettle ( Pentaho Data Integration ). 2. Hasil perhitungan OLAP tentang jumlah mahasiswa berdasarkan kategori yang ada sama dengan hasil perhitungan pada laporan manual dalam excel. 3. Dashboard untuk monitoring data akademik Universitas Sanata Dharma ini akan memudahkan WR1 dalam menganalisa setiap kategori dalam kurun waktu tertentu karena dengan adanya bantuan grafik bar.

6.2 Saran Saran yang dapat diberikan penulis dalam pengembangan sistem ini adalah: 1. Dashboard untuk monitoring data akademik ini bisa dikembangkan dengan dijadikan fitur halaman website Universitas Sanata Dharma, sehingga masyarakat non-Universitas Sanata Dharma bisa melihat bagaimana progress perkembangan mahasiswa tiap tahunnya.

70


2. Dalam dashboard ini bisa dikembangkan pula dengan grafik-grafik yang lebih bervariasi. 3. Data yang digunakan bisa dilengkapi lagi baik dalam lingkup fakultas maupun program studi.

71


DAFTAR PUSTAKA

[1] Modul Pelatihan, “Data Warehouse with

Kettle (Pentaho Data

Integration)”. [2] Few, Stephen. (2006), Information Dashboard [3] Gonzales, Tom. (2006), Dashboard Design: Key Performance Indicators & Metrics - Choosing the Right Data to Display, BrightPoint Consulting, Inc. [4] Novell. (2004), SecureEnterpriseDashboard: aKeyto Bussiness Agility, Novell White Paper. [5] Eckerson, Wayne (2005), DeployingDashboardandScorecards, TDWI Best Practices Report. [6] Hariyanti, Eva, 2008, Metedologi Pembangunan Dashboard sebagai Alat Monitoring Kinerja Organisasi Studi Kasus Institut Teknologi Bandung

72


LAMPIRAN

73


FORM KUISIONER DASHBOARD UNTUK MONITORING DATA AKADEMIK UNIVERSITAS SANATA DHARMA YOGYAKARTA

Nama

:

Jabatan

:

Petunjuk: 1. Pilihlah jawaban yang paling sesuai dengan pendapat Anda. 2. Berikan tanda contreng () pada jawaban yang Anda pilih. Keterangan: 1. SS

= Sangat Setuju

2. S

= Setuju

3. R

= Ragu

4. TS

= Tidak Setuju

5. STS

= Sangat Tidak Setuju

No 1.

Pernyataan

SS

Dashboard monitoring akademik membantu saya untuk mengetahui informasi perbandingan jumlah mahasiswa di setiap kategori dalam tingkat fakultas/prodi dalam kurun waktu tertentu.

2.

Dasshboard monitoring akademik membantu saya untuk mengetahui jumlah mahasiswa terbanyak dan terendah.

3.

Adanya menu untuk menampilkan

74

S

R

TS

STS


grafik yang disediakan dashboard monitoring akademik sangat membantu untuk melihat dengan tampilan yang berbeda 4.

Secara keseluruhan dashboard monitoring sangat mendukung system informasi akademik mahasiswa.

Saran:

75

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

Recommend Documents