PROTOTIPE DATA WAREHOUSE PENJUALAN PRODUK BAKOSURTANAL
RIKA INDRIANI
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010
PROTOTIPE DATA WAREHOUSE PENJUALAN PRODUK BAKOSURTANAL
RIKA INDRIANI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010
ABSTRACT RIKA INDRIANI. Data Warehouse Sale Prototype of Bakosurtanal Product. Supervised by HARI AGUNG ADRIANTO. Speeding up reporting process and obtaining strategic information based on a multidimensional analysis query can be done by building OLAP applications integrated with data warehouse. Development of data warehouse Bakosurtanal product sales data and web-based OLAP applications has been done using Palo. Palo is one of the OLAP server with multidimensional data storage model (MOLAP). Mondrian is an OLAP server with relational data storage model (ROLAP) This research aims to develop a data warehouse and wab-based OLAP using Mondrian 3.1.6. This research designs the data warehouse using star scheme and OLAP development. This research produces a web-based OLAP cube consisting of one data cube: sales of products and four dimensions: time, type of data, qualification, and scale. Users can interact with the following facilities: 1) Selecting dimensions to display the information at the level needed, 2) Displaying information in the form of bar charts, stacked bar, line charts, line charts, stacked area, and pie charts 3) Exporting files into Microsoft Excel format. Users can explore this application using OLAP operations including roll-up, drill-down, slice, dice, etc. Keywords: data warehouse, data of sales, Bakosurtanal’s product, Mondrian
Judul Skripsi : Prototipe Data Warehouse Penjualan Produk BAKOSURTANAL Nama : Rika Indriani NIM : G64066039
Menyetujui:
Pembimbing,
Hari Agung Adrianto, S.Kom, M.Si NIP. 19760917 200501 1 001
Mengetahui:
Ketua Departemen Ilmu Komputer
Dr. Ir. Sri Nurdiati, M.Sc NIP 19601126 198601 2 001
Tanggal Lulus :
KATA PENGANTAR Puji dan syukur kehadirat Allah Subhanahu Wa Ta’ala yang telah memberikan rahmat, tuntunan dan kemurahan-Nya kepada penulis untuk dapat menyelesaikan penelitian ini. Akhirnya, skripsi dengan judul “Prototipe Data Warehouse Penjualan Produk Bakosurtanal”, yang disusun sebagai salah satu syarat untuk mengikuti ujian akhir sarjana pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor, dapat diselesaikan. Dalam pengerjaan penelitian ini tentu tidak lepas dari pihak-pihak yang terus mendukung dan membantu, oleh karena itu dengan tulus penulis mengucapkan terima kasih kepada : 1.
Ibu dan kakak-kakakku tercinta yang telah memberikan dukungan, do’a, semangat dan kasih sayang yang luar biasa kepada penulis sehingga dapat menyelesaikan penelitian ini.
2.
Suamiku tercinta, Yusup Hendra Perkasa, ST yang selalu setia menemani dan tak pernah lelah memberikan semangat, do’a, dukungan, cinta dan kasih sayangnya serta menjadi tempat bertukar pikiran.
3.
Bapak Hari Agung Adrianto, S.Kom, M.Si., selaku pembimbing yang telah bersedia meluangkan waktu untuk memberikan bimbingan dan masukkan yang sangat bermanfaat dalam penyusunan penelitian ini.
4.
Bapak Ahmad Ridha, S.Kom, M.S, dan Ibu Annisa, S.Kom, M.Kom. yang bersedia menjadi penguji pada sidang ujian akhir penulis.
5.
Bapak/Ibu Dosen Institut Pertanian Bogor yang telah memberikan ilmunya pada penulis selama belajar di Institut Pertanian Bogor ini.
6.
Rekan-rekan mahasiswa/i Ekstensi Ilkom Angkatan 1, terima kasih atas kebersamaan dan kerja samanya.
7.
Kepada pihak lainnya yang telah memberikan kontribusi besar selama pengerjaan penelitian ini yang tidak dapat disebutkan satu-persatu, penulis ucapkan terima kasih banyak.
Akhirnya, sebagai seorang manusia biasa, penulis menyadari pasti ada kekurangan dan kelemahan yang terdapat pada penelitian ini. Untuk itu, penulis terbuka terhadap kritik dan saran dari semua pihak. Dan semoga penelitian ini dapat bermanfaat bagi kita semua. Amin.
Bogor, November 2010
Rika Indriani
RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 28 Agustus 1984. Penulis merupakan anak kelima dari lima bersaudara pasangan bapak Hapid (Alm) dan ibu Endeh Saodah. Penulis menyelesaikan program studi Diploma 3 Teknik Informatika, Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor pada tahun 2006. Kemudian pada tahun 2007, penulis diterima sebagai mahasiswi Program Sarjana Ilmu Komputer Penyelenggaraan Khusus, Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Selain tercatat sebagai mahasiswi, penulis bekerja sebagai Pegawai Negeri Sipil (PNS) di Badan Koordinasi Survei dan Pemetaan Nasional (Bakosurtanal) sejak tahun 2006 hingga sekarang. Penulis merupakan staf di Biro Keuangan, Kepegawaian dan Hukum dan terhitung mulai tanggal 01 Oktober 2010, penulis diangkat dalam jabatan fungsional pranata komputer tingkat terampil dengan jabatan pranata komputer pelaksana.
DAFTAR ISI Halaman DAFTAR TABEL.............................................................................................................................v DAFTAR GAMBAR ........................................................................................................................v DAFTAR LAMPIRAN.....................................................................................................................v PENDAHULUAN.............................................................................................................................1 Latar Belakang.............................................................................................................................1 Tujuan..........................................................................................................................................1 Ruang Lingkup ............................................................................................................................1 Manfaat........................................................................................................................................1 TINJAUAN PUSTAKA....................................................................................................................1 Data warehouse ...........................................................................................................................1 Model Data Multidimensi............................................................................................................2 Operasi-operasi pada OLAP........................................................................................................3 Pemodelan Penyimpanan Data ....................................................................................................3 Arsitektur Komponen OLAP Pentaho .........................................................................................4 Metode Pengembangan Data Warehouse ....................................................................................4 METODE PENELITIAN..................................................................................................................6 Desain Logis................................................................................................................................6 Proses Loading ............................................................................................................................6 Uji Query.....................................................................................................................................6 Pembuatan Data Warehouse .......................................................................................................6 Lingkungan Pengembangan ........................................................................................................7 HASIL DAN PEMBAHASAN.........................................................................................................7 Desain Logis................................................................................................................................7 Proses Loading ............................................................................................................................8 Desain Fisik.................................................................................................................................8 Uji Query.....................................................................................................................................9 KESIMPULAN DAN SARAN .........................................................................................................9 Kesimpulan..................................................................................................................................9 Saran............................................................................................................................................9 DAFTAR PUSTAKA .......................................................................................................................9 LAMPIRAN....................................................................................................................................11
iv
DAFTAR GAMBAR Halaman 1 2 3 4 5 6 7 8
Skema bintang (Han & Kamber 2006). ........................................................................................3 Skema kepingan salju (Han & Kamber 2006). .............................................................................3 Skema galaksi (Han & Kamber 2006)..........................................................................................3 Gambaran komponen Pentaho OLAP (Bouman & Doungen 2009).............................................5 Gambaran metode pengembangan data warehouse (Malinowski & Zimányi 2008) . .................6 Diagram alir metode penelitian . ..................................................................................................6 Skema bintang dengan tabel fakta penjualan_produk. .................................................................8 Skema galaksi dengan tabel fakta lembar_penjualan dan harga_penjualan (Nurhasanah 2009)..9
DAFTAR TABEL Halaman 1 Atribut hasil analisis dan deskripsi tiap atribut (Nurhasanah 2009) .............................................7 2 Kebutuhan analisis data penjualan setiap pengguna (Nurhasanah 2009) .....................................7 3 Nama dan deskripsi dimensi dari kubus Jumlah Penjualan ..........................................................8
DAFTAR LAMPIRAN Halaman 1 Proses bisnis kegiatan penjualan produk surta ...........................................................................11 2 Bentuk formulir pemesanan (Form-LP) .....................................................................................12 3 Contoh catatan data penjualan produk Bakosurtanal..................................................................13 4 Contoh format laporan penjualan produk surta dalam bentuk grafik dan tabel..........................15 5 Atribut-atribut data penjualan tahun 2002 – 2007 ......................................................................18 6 Model hierarki tiap dimensi........................................................................................................19 7 Data dalam tabel dimensi ...........................................................................................................20 8 Grafik hasil operasi roll up jumlah produk surta yang terjual per tahun ....................................24 9 Grafik hasil operasi drill dwon jumlah produk surta yang terjual per jenis data ........................25 10 Grafik hasil operasi slice jumlah lembar penjualan produk surta pada dimensi waktu dan dimensi skala ..............................................................................................................................26 11 Grafik hasil operasi dice jumlah lembar penjualan produk surta pada dimensi waktu , jenis data, dan kualifikasi tertentu ...............................................................................................................27
v
PENDAHULUAN Latar Belakang Badan Koordinasi Survei dan Pemetaan Nasional (Bakosurtanal) merupakan Lembaga Pemerintah Non Departemen yang bertugas melaksanakan survei dan pemetaan sesuai dengan ketentuan peraturan perundang-undangan yang berlaku. Dalam hal tersebut, Bakosurtanal mempunyai kewenangan menyediakan informasi spasial kedalam suatu produk survei dan pemetaan (surta) berupa peta atau atlas dalam berbagai format, jenis dan skala. Untuk itu, Bakosurtanal menjadi titik tumpu dalam pelaksanaan pendistribusian dan pelayanan produk surta kepada pengguna dalam berbagai kalangan. Perolehan produk surta dapat dilakukan secara langsung atau tertulis (melalui surat/ faksimili). Untuk pembelian secara langsung, pengguna harus mengisi formulir pesanan (Form-LP) yang disediakan di loket penjualan. Setelah terjadi transaksi, petugas unit pelayanan mencatat data penjualan tersebut menggunakan Microsoft Office Excel. Pengolahan data yang disajikan dalam bentuk laporan penjualan masih dilakukan dengan query manual pada setiap tabel data penjualan yang tersimpan di Microsoft Office Excel. Laporan tersebut disesuaikan dengan kebutuhan pengguna. Dengan proses tersebut, data yang tercatat memiliki atribut-atribut terbatas dan tidak konsisten antar tahun. Hal tersebut menyebabkan tingkat akurasi rendah terhadap hasil analisis data penjualan dan membutuhkan waktu yang lama. Untuk mempercepat proses pelaporan dan memperoleh informasi yang strategis berdasarkan query analisis yang multidimensi, dapat dilakukan dengan membangun aplikasi OLAP yang diintegrasikan dengan data warehouse. Pembangunan data warehouse data penjualan produk Bakosurtanal dan aplikasi OLAP berbasis web telah dilakukan pada penelitian sebelumnya (Nurhasanah 2009) dengan menggunakan Palo. Palo merupakan salah satu OLAP server dengan model penyimpanan data multidimensi (MOLAP) sehingga jumlah volume data yang dapat ditangani terbatas. Saat ini banyak OLAP server yang dikembangkan dan bersifat open source salah satunya adalah Mondrian Mondrian (http://mondrian.pentaho.org/). merupakan OLAP server dengan model
penyimpanan data relasional (ROLAP) yang dikembangkan dengan Java dan memungkinkan penguna menganalisis dataset yang disimpan di database secara interaktif. Selain terdapat perbedaan pada OLAP server yang digunakan, skema pada penelitian ini juga berbeda dengan penelitian sebelumnya. Pada penelitian sebelumnya, skema yang digunakan adalah skema galaksi sedangkan pada penelitian kali ini digunakan skema bintang. Hal tersebut terjadi karena setelah dilakukan pengkajian lebih lanjut, terdapat redudansi data pada penelitian sebelumnya yang menggunakan skema galaksi. Tujuan Penelitian ini bertujuan untuk membangun suatu sistem data warehouse yang dapat mendukung analisis penjualan produk sesuai dengan kebutuhan pengguna. Ruang Lingkup Ruang lingkup penelitian ini adalah: 1 Penelitian ini akan menghasilkan prototipe data warehouse dan aplikasi OLAP berbasis web. Data tersebut dilakukan analisis menggunakan OLAP server Mondrian. 2 Data yang digunakan adalah data penjualan produk survei dan pemetaan Bakosurtanal tahun 2002 sampai dengan 2007. Manfaat Hasil penelitian yang diperoleh diharapkan dapat mendukung pengambilan keputusan yang strategis untuk mencapai tujuan bisnis (meningkatkan mutu produk, meningkatkan layanan konsumen, meningkatkan penjualan, dll) yang didapat secara informatif, cepat dan akurat. TINJAUAN PUSTAKA Data warehouse Data warehouse menyediakan arsitektur dan alat bagi para eksekutif bisnis untuk mengatur secara sistematis, mengerti, dan menggunakan data dalam membuat keputusan strategis. Secara umum, data warehouse merujuk pada suatu basis data yang dikelola secara terpisah dari basis data operasional pada sebuah organisasi. data warehouse dapat terdiri dari berbagai macam aplikasi sistem yang terintegrasi dan mendukung
1
pemrosesan informasi dengan menyediakan suatu platform yang kokoh untuk analisis data yang mengandung histori dan terkonsolidasi. Data warehouse mempunyai karakteristik berorientasi subjek, terintegrasi, time variant dan non volatile. Hal tersebut tersebut membedakan data warehouse dengan sistem penyimpanan data lainnya, berikut adalah penjelasan dari masing-masing karakteristik (Han & Kamber 2006): • Orientasi subjek Data warehouse diorganisasikan pada subjek-subjek utama seperti halnya konsumen, pemasok, produk dan penjualan. Dibandingkan dengan berkonsentrasi terhadap kegiatan operasi keseharian dan proses transaksi dari suatu organisasi, data warehouse fokus terhadap pembentukan model data dan analisis data untuk pengambilan keputusan. Karena itu data warehouse biasanya menyediakan pola pandang yang sangat mudah terhadap beberapa subjek yang ada dengan menghilangkan data yang tidak berguna pada proses pengambilan keputusan. • Terintegrasi Data warehouse biasanya terbentuk dengan melakukan integrasi terhadap data yang berbeda seperti halnya basis data relasional, flat file dan catatan transaksi online. Teknik data cleaning dan integrasi data diterapkan untuk memastikan konsistensi dalam hal keseragaman penamaan, struktur pengkodean, pengukuran atribut dan hal lainnya. • Time variant Data disimpan untuk menyediakan informasi dari perspektif historical (seperti 5-10 tahun kebelakang). Setiap struktur kunci pada data warehouse mengandung elemen waktu baik itu secara implisit ataupun eksplisit. • Non volatile Data terpisah dari data operasional sehingga tidak membutuhkan suatu proses transaksi, recovery, dan mekanisme kontrol konkurensi akan tetapi hanya membutuhkan dua operasi
dalam mengakses data yaitu pemasukan data pertama dan pengaksesan data. Model Data Multidimensi Data warehouse didasarkan pada suatu model data multidimensi. Model ini melihat data dalam bentuk kubus data. Kubus data memungkinkan data yang akan dimodelkan dan dilihat dalam multidimensi. Hal tersebut didefinisikan oleh dimensi dan fakta. Dalam istilah umum, Dimensi adalah perspektif atau entitas yang digunakan sebagai tempat menyimpan beberapa record yang saling berhubungan. Masing-masing dimensi memiliki sebuah tabel yang terkait dengannya, disebut sebagai tabel dimensi. Fakta adalah ukuran-ukuran numerik. Fakta merupakan kuantitas yang akan dianalisis hubungan antar dimensi. Tabel fakta berisi nama dari fakta (ukuran) dan keys dari tabel dimensi yang bersangkutan. Untuk menggambarkan hubungan antar data pada data multidimensi digunakan skema multidimensi. Pada data warehouse, skema merupakan sekumpulan tabel yang berhubungan. Skema digunakan untuk menunjukkan hubungan antara tabel dimensi dengan tabel fakta. Skema ditentukan berdasarkan kebutuhan data warehouse dan keinginan pembuat data warehouse. Data warehouse membutuhkan skema yang ringkas dan berorientasi subjek. Tipe-tipe skema multidimensi antara lain (Han & Kamber 2006): 1 Skema bintang (star schema) Skema bintang adalah skema data warehouse yang paling umum. Skema bintang merupakan struktur logikal yang memiliki tabel fakta yang terdiri atas data faktual ditengahnya, dan dikelilingi oleh tabel-tabel dimensi yang berisi referensi data. Keuntungan yang didapat jika menggunakan skema ini adalah peningkatan kinerja data warehouse, pemrosesan query yang lebih efisien, dan waktu respon yang cepat. Bentuk skema bintang dapat dilihat pada Gambar 1. 2 Skema kepingan schema)
salju
(snowflake
Skema kepingan salju adalah variasi dari skema bintang yang beberapa tabel dimensi dinormalisasi sehingga membagi data kedalam tabel tambahan.
2
Gambar 3 Skema galaksi (Han & Kamber 2006). Gambar 1 Skema bintang (Han & Kamber 2006). Perbedaan utama antara model kepingan salju dan skema bintang adalah bahwa tabel dimensi dari model kepingan salju dapat disimpan dalam bentuk normalisasi untuk mengurangi redudansi. Selanjutnya, struktur kepingan salju dapat menghemat penggunaan memori, tapi waktu yang dibutuhkan untuk pemrosesan query menjadi lebih lama akibatnya kinerja sistem dapat berdampak buruk. Bentuk skema kepingan salju dapat dilihat pada Gambar 2.
Operasi-operasi pada OLAP Dalam model multidimensi, data tersebut akan disusun dalam berbagai dimensi, dan masing-masing dimensi berisi beberapa tingkat abstraksi yang didefinisikan oleh konsep hierarki. Hal tersebut memberikan fleksibilitas bagi pengguna untuk melihat data dari perspektif yang berbeda. Sejumlah operasi OLAP pada kubus data yang ada untuk mewujudkan perspektif yang berbeda, memungkinkan query interaktif dan analisis data. Oleh karena itu, OLAP menyediakan lingkungan yang user-friendly untuk analisis data secara interaktif. Beberapa operasi OLAP dijelaskan berikut ini (Han & Kamber 2006): • Roll up (drill up): roll up dilakukan dengan cara menaikkan tingkat hierarki atau mereduksi jumlah dimensi. • Drill down: drill down merupakan kebalikan dari roll up. Operasi ini merepresentasikan data secara lebih detail.
Gambar 2 Skema kepingan salju (Han & Kamber 2006). 3 Skema galaksi (fact constellation) Aplikasi canggih mungkin memerlukan beberapa tabel fakta untuk berbagi tabel dimensi. Skema semacam ini dapat dilihat sebagai kumpulan bintang, dan karenanya disebut skema galaksi atau konstelasi fakta. Keuntungan menggunakan skema ini adalah menghemat memori dan mengurangi kesalahan yang mungkin terjadi. Bentuk skema galaksi dapat dilihat pada Gambar 3.
• Pivot (rotate): merotasikan sumbu data untuk memberikan alternatif dalam presentasi data. • Slice and Dice: slice melakukan seleksi pada satu dimensi kubus sehingga menghasilkan subcube. Dice merupakan proses mendefinisikan subcube dengan memilih dua atau lebih dimensi. • Pivot (rotate): memvisualisasikan operasi yang merotasikan sumbu data sebagai alternatif dalam presentasi data. Pemodelan Penyimpanan Data Server OLAP memfasilitasi pengguna dengan data multidimensi dari data warehouse atau data mart, tanpa mempermasalahkan tentang bagaimana atau di mana data disimpan. Namun, arsitektur
3
fisik dan implementasi OLAP server harus mempertimbangkan masalah penyimpanan data. Implementasi dari sebuah server data warehouse untuk pemrosesan OLAP meliputi (Bouman & Doungen 2009):
menjelaskan apa yang terjadi ketika pengguna menggunakan aplikasi Pentaho OLAP (Bouman & Doungen 2009). 1
Pengguna web browser menggunakan sebuah HTTP request untuk melihat, browse atau drill down kedalam tabel pivot OLAP
2
JPivot servlet menerima request dari pengguna dan menerjemahkan request tersebut kedalam sebuah MDX query. MDX query ini kemudian dikirmkan ke Mondrian engine
3
Mondrian menginterpretasikan MDX query dan menerjemahkannya kedalam satu atau lebih SQL query. Teknik khusus ini disebut sebagai ROLAP, yang merupakan singkatan dari Relational OLAP
4
Relational Database Management System (RDBMS) mengeksekusi query yang diberikan oleh Mondrian. Mondrian menerima hasil query dalam bentuk tabular (relational)
5
Mondrian memproses hasil yang diterima dari RDBMS dan menerjemahkannya kedalam result-set multidimensi. Ini sebenarnya adalah hasil query MDX dari query MDX yang dikirim ke Mondrian pada langkah 2
6
JPivot menggunakan hasil multidimensi untuk membuat halaman HTML menampilkan data. Inilah yang kemudian dikirim ke browser untuk ditunjukkan kepada pengguna
MOLAP Multidimensional online analitycal processing (MOLAP) menyimpan data dan aggregasi pada struktur data multidimensi. Struktur MOLAP ini tidak tersimpan pada data warehouse tapi tersimpan pada OLAP server, sehingga performa query yang dihasilkan olehnya sangat bagus. Model penyimpanan ini sesuai untuk database dengan ukuran kecil sampai sedang. ROLAP Relational online analitycal processing (ROLAP) menggunakan tabel pada relational database untuk menyimpan detail data dan aggregasi kubus. Berbeda dengan MOLAP, ROLAP tidak menyimpan salinan database tapi mengakses langsung pada tabel fakta ketika membutuhkan jawaban sebuah query, sehingga query pada ROLAP mempunyai response time yang lebih lambat dibandingkan MOLAP maupun HOLAP. Karakteristik model ini digunakan untuk menyimpan data yang besar dan jarang dilakukannya proses query. Misalkan, data histori dalam jumlah besar dari beberapa tahun yang sebelumnya. HOLAP Hybrid OLAP, Menggabungkan teknologi ROLAP dan MOLAP. HOLAP menggabungkan kelebihan-kelebihan yang ada pada keduanya, skalabilitas yang lebih besar dari ROLAP dan perhitungan yang lebih cepat dari MOLAP. HOLAP menggunakan relational database untuk menyimpan detil data dan menggunakan multidimentional database untuk menyimpan agregasinya. Arsitektur Komponen OLAP Pentaho Mondrian merupakan aplikasi server OLAP berbasis open source yang sangat populer dan saat ini bernaung di bawah Pentaho Corporation. Proyek Mondrian ini merupakan kombinasi yang sangat baik dengan JPivot - interface berbasis web yang juga merupakan proyek open source. Gambar 2 menunjukkan gambaran semantik dari komponen Pentaho Analysis Services dan hubungan diantara komponen tersebut. Urutan peristiwa pada Gambar 4
Metode Pengembangan Data Warehouse Metode yang digunakan untuk merancang database operasional meliputi tahapan yang didefinisikan dengan baik. Tahap pertama adalah spesifikasi kebutuhan yang terdiri dari mengumpulkan permintaan pengguna ke dalam spesifikasi yang koheren dan ringkas. Tahap berikutnya, desain konseptual, desain logis, dan desain fisik yang merupakan hasil penerjemahan dari kebutuhan pengguna. Karena data warehouse adalah database yang khusus ditujukan untuk mendukung proses pengambilan keputusan, tahapan yang digunakan dalam desain database konvensional diadopsi untuk pengembangan data warehouse.
4
OLAP Front End
Metadata and Beck End Pentaho Schema Workbench
Client
Web Browser Crosstab
XML Editor
Pentaho Agregator Designer
<schema> <cube> ………
∑
Edit
1. HTTP Request
Optimize, Publish
Publish
Pentaho BI server
6. HTML Response
Schema File (XML)
Read Metadata 2. MDX Jpivot Servlet
Mondrian ROLAP Engine 5. Multidimensional Result
3. SQL
Data Warehouse
4. Relational Result
RDBMS
∑ Gambar 4 Gambaran komponen Pentaho OLAP (Bouman & Doungen 2009).
Selama proses pengumpulan kebutuhan, pengguna di berbagai tingkat manajemen diwawancara untuk mengetahui analisis kebutuhan mereka. Spesifikasi yang diperoleh berfungsi sebagai dasar untuk membuat sebuah skema database yang mampu merespon permintaan pengguna. Dalam banyak situasi, karena kurangnya model konseptual yang diterima baik untuk aplikasi data warehouse, desainer melewatkan tahap desain konseptual dan menggunakan representasi logis berdasarkan skema bintang dan / atau skema kepingan salju. Selanjutnya desain fisik mempertimbangkan fasilitas yang disediakan oleh DBMS yang ada untuk melakukan penyimpanan, pengindeksan, dan manipulasi data yang terdapat pada data warehouse. Namun, pengalaman menunjukkan bahwa pengembangan sistem data
warehouse berbeda secara signifikan dari pengembangan sistem database konvensional. Oleh karena itu, modifikasi terhadap metode yang dijelaskan di atas sangat penting. Sebagai contoh, tidak seperti database konvensional, data dalam data warehouse diekstrak dari sistem beberapa sumber. Sebagai akibatnya, beberapa pendekatan untuk desain data warehouse tidak hanya mempertimbangkan kebutuhan pengguna tetapi juga ketersediaan data. Selain itu, karena dalam banyak kasus data diambil dari berbagai sumber maka harus ditransformasikan sebelum dimuat ke dalam data warehouse, maka perlu dipertimbangkan selama desain data warehouse proses ekstraksi-transformasiloading (ETL). Gambaran metode pengembangan data warehouse dapat dilihat pada Gambar 5 (Malinowski & Zimányi 2008).
5
Mulai
TAHAP I
Spesifikasi Kebutuhan
dimensi tersebut dan skema yang terbentuk pada tahapan ini. Pada tahapan ini, terdapat beberapa perbedaan dengan penelitian sebelumnya diantaranya adalah skema yang digunakan dan kubus data yang terbentuk. Mulai
Desain Konseptual Desain Logis TAHAP II
Desain Logis
Proses Loading Desain Fisik
Proses ETL Desain Fisik
Uji Query Uji Query TAHAP III Data Warehouse Final
Data Warehouse Final Selesai
Selesai
Gambar 6 Diagram alir metode penelitian. Proses Loading
Keterangan: : Optional Gambar 5 Gambaran metode pengembangan data warehouse (Malinowski & Zimányi 2008). METODE PENELITIAN Tahapan yang dilakukan pada penelitian ini dapat dilihat pada Gambar 6. Penelitian ini menggunakan data pada penelitian sebelumnya sehingga tahapan spesifikasi kebutuhan, proses ekstraksi, dan transformasi data tidak dilakukan. Desain Logis Pada tahap ini dilakukan desain logis terhadap atribut-atribut yang didapat pada tahapan sebelumnya. Dari atribut-atribut tersebut, ditentukan yang menjadi ukuran (measure) dan yang bukan ukuran (nonmeasure) pada sebuah tabel fakta. Selain itu ditentukan pula dimensi beserta hierarki dari
Pada tahap ini data sudah siap untuk dimasukkan ke data warehouse. Tahap pemuatan bertujuan untuk memuat data yang terseleksi ke dalam data warehouse tujuan dan membuat indeks yang diperlukan. Desain Fisik Tahapan ini melakukan konversi data yang dihasilkan pada proses ETL kedalam sistem manajemen basis data MySQL. 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 pivot. Pembuatan Data Warehouse Tahap ketiga yang dilakukan pada penelitian ini adalah membuat data
6
warehouse dengan menggunakan data penjualan produk surta Bakosurtanal mulai tahun 2002 sampai tahun 2007. Lingkungan Pengembangan Lingkungan pengembangan yang digunakan untuk pengembangan aplikasi OLAP adalah sebagai berikut: Perangkat lunak yang digunakan: 1 Web server Apache Tomcat 2 MySQL versi 5.0 3 Mondrian Server 3.1.6 4 Windows XP Pro SP2 Edition 5 Schema Workbench 6 Web browser Mozilla Firefox 3.0.1 Perangkat keras yang digunakan dalam membagun sistem ini berupa komputer dengan spesifikasi:
atribut yang menjadi ukuran (measure) dan non ukuran (non measure), maka ditentukan terlebih dahulu atribut yang dipilih berdasarkan kebutuhan analisis data penjualan setiap pengguna. Pemilihan atribut berdasarkan subjek utama yang akan dianalisis untuk proses pengambilan keputusan sesuai dengan kebutuhan pengguna. Atribut yang digunakan dapat dilihat pada Tabel 1 sedangkan kebutuhan analisis data penjualan setiap pengguna dapat dilihat pada Tabel 2. Jumlah lembar dipilih sebagai measure untuk mengetahui jumlah lembar produk yang terjual pada bulan dan tahun tertentu sedangkan jumlah harga, dipilih sebagai measure untuk mengetahui jumlah rupiah yang diperoleh dari penjualan produk pada bulan dan tahun tertentu. Tabel 1 Atribut hasil analisis dan deskripsi tiap atribut (Nurhasanah 2009) Atribut
1 Processor Intel Core Duo 2 Memory 512 MB
Deskripsi
Tanggal
Tanggal pemesanan
Kualifikasi
Nama kualifikasi
Jenis data
Nama jenis data
Skala
Nilai skala
Jumlah lembar
Menyatakan jumlah lembar
Jumlah harga
Menyatakan jumlah harga
3 Harddisk 80 GB 4 Keyboard dan mouse 5 Monitor HASIL DAN PEMBAHASAN Selama ini, proses analisis data hasil penjualan masih dilakukan secara manual. Proses bisnis dari kegiatan penjualan tersebut dapat dilihat pada Lampiran 1. Untuk memesan produk surta pengguna harus mengisi lembar pesanan yang disediakan di loket penjualan. Bentuk lembar pemesanan dapat dilihat pada Lampiran 2. Kemudian staf pelayanan mencatat data penjualan tersebut dengan menggunakan Microsoft Office Excel, hasilnya dapat dilihat pada Lampiran 3. Untuk membuat laporan masih dilakukan query manual pada tiap tabel data di Microsoft Office Excel. Contoh laporan yang dihasilkan dapat dilihat pada Lampiran 4. Dalam proses bisnis di atas, data yang tercatat memiliki atribut-atribut terbatas dan tidak konsisten antar tahun seperti terlihat pada Lampiran 5. Hal ini membuat hasil analisis kurang akurat dan membutuhkan waktu lama. Desain Logis Sebelum menentukan desain logis dalam bentuk skema dengan cara memilih atribut-
Tabel 2 Kebutuhan analisis data penjualan setiap pengguna (Nurhasanah 2009) Pengguna
Kebutuhan
Frekuensi
Kepala Bidang Pelayanan
Jumlah hasil penjualan per jenis data, per skala, dan berdasarkan kualifikasi pembeli.
Bulanan, tahunan
Kepala Unit Kerja Eselon II
Jumlah hasil penjualan per unit kerja masingmasing.
Bulanan, tahunan
7
Pengguna
Kebutuhan
Frekuensi
Bagian Perencanaan
Jumlah hasil penjualan per jenis data dan per skala.
Bulanan, 3 bulanan, tahunan
Jumlah hasil penjualan setiap bulan dalam satu tahun, jumlah hasil penjualan per jenis data, per skala dan berdasarkan kualifikasi pembeli.
Bulanan, tahunan
Sekretaris Utama
dan dapat dilihat pada Gambar 7 disertai dengan perbandingan skema yang digunakan pada penelitian sebelumnya yaitu skema galaksi yang dapat dilihat pada Gambar 8. Proses Loading Proses ekstraksi dan transformasi data telah dilakukan pada penelitian sebelumnya sehingga proses yang dilakukan pada tahapan ini hanya proses pemuatan data (loading). Proses pemuatan data tetap dilakukan karena terdapat perbedaan OLAP server yang digunakan. Data yang sudah siap digunakan untuk pembuatan data warehouse dimuat ke kubus data OLAP server Mondrian dengan format .xml. Desain Fisik Desain fisik nama dan deskripsi dimensi dari kubus Jumlah Penjualan dapat dilihat pada Tabel 3.
Hasil analisis data ditentukan satu tabel fakta (penjualan_produk) dan empat dimensi (kualifikasi, jenis data, waktu, dan skala). Untuk masing-masing dimensi ditentukan tingkat perincian yang diperlukan beserta hierarki yang membentuknya. Dimensi waktu dapat disusun dalam tiga level yaitu tahun > triwulan > bulan. Dimensi jenis data memiliki dua level yaitu nama unit kerja dan nama data. Dimensi kualifikasi memiliki satu level yaitu jenis kualifikasi. Dimensi skala memiliki satu level yaitu skala. Model hierarki setiap dimensi dapat dilihat pada Lampiran 6 sedangkan data dalam tabel dimensi dapat dilihat pada Lampiran 7. Skema yang digunakan yaitu skema bintang
Tabel 3 Nama dan deskripsi dimensi dari kubus Jumlah Penjualan Nama Dimensi
Deskripsi
Waktu
Bulan dan tahun pemesanan
Jenis_data
Nama jenis produk
Kualifikasi
Kualifikasi pemesan
Skala
Nilai skala
Ukuran Jml_lembar
Nama ukuran (jumlah lembar)
Ukuran Jml_harga
Nama ukuran (jumlah harga)
waktu
jenisdata
PK id_waktu tahun triwulan bulan
PK id_data nama_unit_kerja nama_data
kualifikasi PK id_kualifikasi kualifikasi
penjualan_produk FK id_waktu FK id_kualifikasi FK id_data FK id_skala jml_lembar jml_harga
skala PK id_skala skala
Gambar 7 Skema bintang dengan tabel fakta penjualan_produk.
8
Gambar 8 Skema galaksi dengan tabel fakta lembar_penjualan dan harga_penjualan (Nurhasanah 2009). Uji Query Implementasi yaitu:
KESIMPULAN DAN SARAN operasi-operasi
OLAP
• Operasi roll up pada waktu, yaitu triwulan (roll up) ke tahun. Contoh roll up untuk mengetahui jumlah lembar tiap tahun. Roll up dimensi waktu dari tingkat triwulan menjadi tingkat tahun untuk mengetahui jumlah lembar produk surta yang terjual per tahun. Implementasi roll up dapat dilihat pada Lampiran 8. • Operasi drill down dilakukan untuk mengetahui jumlah lembar dan jumlah harga hasil penjualan produk surta yang lebih rinci. Misalnya untuk mengetahui jumlah lembar pada masing-masing jenis data. Implementasi drill down dapat dilihat pada Lampiran 9. • Operasi Slice dan dice dilakukan melihat keadaan jumlah lembar dan jumlah harga hasil penjualan pada waktu tertentu, jenis data dan skala tertentu atau kualifikasi tertentu. Implementasi hasil operasi slice dapat dilihat pada Lampiran 10 sedangkan untuk operasi dice dapat dilihat pada Lampiran 11 .
Kesimpulan Dengan Pembangunan data warehouse dan OLAP berbasis web data penjualan peta Bakosurtanal, proses analisis hasil penjualan produk surta tidak lagi dilakukan secara manual. Hasil analisis yang dihasilkan lebih akurat dan dapat disajikan dalam berbagai format dan tampilan seperti dalam berbagai bentuk grafik dan dalam bentuk .xls file. dapat melihat Pengambil keputusan informasi penjualan dengan mudah dan dapat dilakukan sewaktu-waktu karena informasi diakses melalui web. Saran Dikembangkan aplikasi untuk integrasi basis data penjualan dari masing-masing outlet sehingga data warehouse yang dibuat mencakup informasi mengenai jumlah hasil penjualan dari masing-masing lokasi outlet. DAFTAR PUSTAKA Bouman R, Doungen J. 2009. Pentaho Solutions: Business Intellegence and Data Warehousing with Pentaho and MySQL. Indianapolis : Wiley Publishing, Inc. Han J, Kamber M. 2006. Data Mining : Concepts and Techniques. San Fransisco : Morgan Kaufmann Publisher. Malinowski E, Zimányi E. 2008. Advance Data Warehouse Design. Berlin: Springer
9
Nurhasanah S. 2009. Prototipe Data Warehouse Data Penjualan Produk BAKOSURTANAL [Skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor. Sulistyaningsih W. 2010. Pembangunan Data Warehouse Akademik (Studi Kasus: Kurikulum Mayor-Minor Program Sarjana Departemen Ilmu Komputer IPB) [Skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor. Trisminingsih R. 2010. Pembangunan Spatial Data Warehouse Berbasis Web untuk Persebaran Hotspot di Wilayah Indonesia [Skripsi]. Bogor: Departemen Ilmu Komputer, FMIPA, Institut Pertanian Bogor.
10
Lampiran 1 Proses bisnis kegiatan penjualan produk survei dan pemetaan
11
Lampiran 2 Bentuk formulir pemesanan (Form-LP)
12
LAPORAN PENJUALAN DATA PRODUK BAKOSURTANAL BULAN : DESEMBER TAHUN : 2006
1
01-12-06
Mega Gracia
Perorangan
LANGSUNG
Kualifikasi
ALAMAT
DAERAH
ATLAS
Pembelian
JUMLAH 1:1.000.000
INSTANSI
1:500.000
PEMESAN
1:250.000
TANGGAL
1:50.000
NO.
1:25.000
SKALA
LBR.
Perorangan
Jakarta
Jawa
2
2
Jawa
2
2
1
1
2
01-12-06
Tirto
PDAM Kab. Pacitan
FAX
Negeri
Jl. Suryo Pranoto No. 2 Pacitan Jatim
3
01-12-06
Nursudin
Perorangan
LANGSUNG
Perorangan
Jakarta
Jawa
4
01-12-06
Enom Surya
Perorangan
LANGSUNG
Perorangan
Jakarta
Kalimantan
4
4
Sumatera
15
15
5
01-12-06
Ujang
Pasifik Cons
LANGSUNG
Swasta
Jl. Muara Baru Ujung No. 11 Bogor
6
01-12-06
Iryadi
Univ. YAI
LANGSUNG
Mahasiswa
Jakarta
Jawa
1
1
7
01-12-06
Dimas
Perorangan
LANGSUNG
Perorangan
Jakarta
Jawa
1
1
LPI
10
10
9
9
8
01-12-06
Dedi
PT. Sugico Graha
LANGSUNG
Swasta
Jl. Imam Bonjol No. 68 Jakarta
9
01-12-06
Ridwan
PT. Bhumi Mandiri Semesta
LANGSUNG
Swasta
Jakarta
Sumatera
10
01-12-06
Leny
Unpak
LANGSUNG
Mahasiswa
Bogor
Jawa
11
01-12-06
Bukhari
Perorangan
LANGSUNG
Perorangan
12
01-12-06
Sheila
PT. Connell Wagner
LANGSUNG
Swasta
Jl. Gardu Raya No. 11 Bogor Gd. Artha Graha Lt. 8 Jakarta
Aceh Digital Kalimantan
2
2 69
69 2
2
HARGA
40,000 40,000
Lampi ran 3 Conto h catata n data penjua lan produ k Bakos urtanal
20,000 80,000 150,000 20,000 20,000 250,000
90,000 40,000 690,000 300,000
13
13
01-12-06
Apris
CV. Techno
LANGSUNG
Swasta
Jakarta
Nusra
6
6
14
01-12-06
Chairil
Perorangan
LANGSUNG
Perorangan
Jakarta
Jawa
3
3
Dion
PT. Tripatra Engg
Swasta
Jl. MT Haryono No. 11 Jakarta
Sumatera
15
01-12-06
LANGSUNG
12
Sumatera 16
01-12-06
Daryanto
Outlet Bappeda Jateng
17
01-12-06
Yunus
PT. Mac
18
01-12-06
Wening
Perorangan
FAX LANGSUNG LANGSUNG
Jawa
89
89
Swasta
Jakarta
Jawa
3
3
Jl. Rajawali No. 29 Depok
Digital Lampung
Perorangan
Edi
Pemkab. Bogor
LANGSUNG
Negeri
20
01-12-06
Tukiman
Perorangan
LANGSUNG
Perorangan
LANGSUNG
Swasta
LANGSUNG
Swasta
04-12-06
Dhany
22
04-12-06
Windo
PT. LMT
23
04-12-06
Ary
PT. Kalpataru Investama
24
04-12-06
Edy
PT. Comet
Mawati
PT. Asoka Putra Perkasa
25
04-12-06
Jl. Bersih No. 10 Pemda Cibinong Jl. Raya Jakarta Bogor KM.46 Cibinong Jl. Buncit Raya No. 45 Jakarta Komp. Gudang Peluru D/2 Jakarta
Jawa
2
2
3
Aceh
3 12
12
Jawa
3
3
Jawa
8
8
Kalimantan
6
6
Kalimantan
9
9
4
4
LANGSUNG
Swasta
Jl. MH Thamrin Kav. 53 Jakarta
LANGSUNG
Swasta
Jl. Tebet No. 10 Jakarta
Kalimantan
Swasta
Korea Center Building 4 Floor Jakarta
Kalimantan
LANGSUNG
2
Outlet
01-12-06
21
2
Jl. Pemuda No. 127-128 Semarang
19
PT. Sarana Eka Citra
12
Sumatera Sumatera
12 6
12 6
1
1
120,000 60,000 120,000 20,000 1,780,000 60,000 600,000 60,000 120,000 60,000 160,000 120,000 180,000 80,000 300,000 60,000 10,000
14
Lampiran 4 Contoh format laporan penjualan produk surta dalam bentuk grafik dan tabel
15
Lampiran 4 Lanjutan
KONTRIBUSI PUSAT-PUSAT DI BAKOSURTANAL TERHADAP PNBP BULAN : DESEMBER 2007 NO 1 2 3 4 5 6
NAMA PUSAT
JUMLAH (RP)
PUSAT ATLAS PDKK PDRTR PGG PSSAD PUSJASINFO
3,725,000 1,936,000 233,191,000 1,400,000 1,335,000 5,435,000
TOTAL
247,022,000
16
Lampiran 4 Lanjutan REKAP PENJUALAN DATA PRODUK BAKOSURTANAL BULAN : DESEMBER 2007 NO.
1 2 3 4 5 6 1 2 3 4 5 6 7 8 9 10 1 2 1 2 1 1 2 3 4 5
URAIAN PUSAT ATLAS ATLAS CD ATLAS ELEKTRONIK INDONESIA FROM SPACE BALI FROM SPACE LOMBOK FROM SPACE BANTEN FROM SPACE PDRTR BALI DATA DIGITAL IRIAN JAWA KALIMANTAN NUSRA MALUKU SULAWESI SUMATERA PETA FOTO PUSJASINFO PLOT PETA BUKU PANDUAN MEMBACA PETA PDKK LLN LPI PSSAD REPPROT PGG Titik GPS Titik TTG BUKU PANDUAN DATUM BUKU PASUT 2007 RAW DATA TOTAL
JML. LEMBAR
51 11 2 1 1 1 8 237 98 1,806 877 322 19 529 313 6 33 7 25 20 5 6 21 1 1 5 4,406
17
Lampiran 5 Atribut-atribut data penjualan tahun 2002 – 2007 Nama Atribut Tanggal Instansi Cara Order Kualifikasi Alamat Daerah Skala Jumlah Lembar Total Harga
2002 9 9 9 9 9 9 9
2003 9 9 9 9 9 9 9
2004 9 9 9 9 9 9 9 9 9
2005 9 9 9 9 9 9 9 9 9
2006 9 9 9 9 9 9 9 9 9
2007 9 9 9 9 9 9 9 9 9
18
Lampiran 6 Model hierarki tiap dimensi a Model hierarki dimensi waktu
b Model hierarki dimensi jenis data All
Unit Kerja
Jenis Data
All
PDRTR
Atlas
NTB from space
Buku Atlas
Indeks Atlas
Sulawesi
Sumatera
Peta Foto
Pusjasinfo
Plot Peta
PDKK
Buku Cakupan
Indeks Peta
LLN
PSDAD
LBI
Peta Neraca
Peta Tematik
Peta Propinsi
LPI
PGG
Titik TTG
PSDAL
Sisjar
Titik GPS Buku Spesifikasi Basisdata
Buku SNI
Data Pasut
c Model hierarki dimensi kualifikasi
d Model hierarki dimensi skala All
All
Skala
1:25.000
1:50.000
1:250.000
1:500.000
1:1.000.000
Atlas
19
Buku Integrasi Neraca SDA
Lampiran 7 Data dalam tabel dimensi a Data dimensi waktu id_waktu 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46
tahun 2002 2002 2002 2002 2002 2002 2002 2002 2002 2002 2002 2002 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003 2003 2004 2004 2004 2004 2004 2004 2004 2004 2004 2004 2004 2004 2005 2005 2005 2005 2005 2005 2005 2005 2005 2005
triwulan Triwulan I 2002 Triwulan I 2002 Triwulan I 2002 Triwulan II 2002 Triwulan II 2002 Triwulan II 2002 Triwulan III 2002 Triwulan III 2002 Triwulan III 2002 Triwulan IV 2002 Triwulan IV 2002 Triwulan IV 2002 Triwulan I 2003 Triwulan I 2003 Triwulan I 2003 Triwulan II 2003 Triwulan II 2003 Triwulan II 2003 Triwulan III 2003 Triwulan III 2003 Triwulan III 2003 Triwulan IV 2003 Triwulan IV 2003 Triwulan IV 2003 Triwulan I 2004 Triwulan I 2004 Triwulan I 2004 Triwulan II 2004 Triwulan II 2004 Triwulan II 2004 Triwulan III 2004 Triwulan III 2004 Triwulan III 2004 Triwulan IV 2004 Triwulan IV 2004 Triwulan IV 2004 Triwulan I 2005 Triwulan I 2005 Triwulan I 2005 Triwulan II 2005 Triwulan II 2005 Triwulan II 2005 Triwulan III 2005 Triwulan III 2005 Triwulan III 2005 Triwulan IV 2005
bulan Jan-2002 Feb-2002 Mar-2002 Apr-2002 May-2002 Jun-2002 Jul-2002 Aug-2002 Sep-2002 Oct-2002 Nov-2002 Dec-2002 Jan-2003 Feb-2003 Mar-2003 Apr-2003 May-2003 Jun-2003 Jul-2003 Aug-2003 Sep-2003 Oct-2003 Nov-2003 Dec-2003 Jan-2004 Feb-2004 Mar-2004 Apr-2004 May-2004 Jun-2004 Jul-2004 Aug-2004 Sep-2004 Oct-2004 Nov-2004 Dec-2004 Jan-2005 Feb-2005 Mar-2005 Apr-2005 May-2005 Jun-2005 Jul-2005 Aug-2005 Sep-2005 Oct-2005
20
Lampiran 7 Lanjutan 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
Triwulan IV 2005 Triwulan IV 2005 Triwulan I 2006 Triwulan I 2006 Triwulan I 2006 Triwulan II 2006 Triwulan II 2006 Triwulan II 2006 Triwulan III 2006 Triwulan III 2006 Triwulan III 2006 Triwulan IV 2006 Triwulan IV 2006 Triwulan IV 2006 Triwulan I 2007 Triwulan I 2007 Triwulan I 2007 Triwulan II 2007 Triwulan II 2007 Triwulan II 2007 Triwulan III 2007 Triwulan III 2007 Triwulan III 2007 Triwulan IV 2007 Triwulan IV 2007 Triwulan IV 2007
2005 2005 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007
Nov-2005 Dec-2005 Jan-2006 Feb-2006 Mar-2006 Apr-2006 May-2006 Jun-2006 Jul-2006 Aug-2006 Sep-2006 Oct-2006 Nov-2006 Dec-2006 Jan-2007 Feb-2007 Mar-2007 Apr-2007 May-2007 Jun-2007 Jul-2007 Aug-2007 Sep-2007 Oct-2007 Nov-2007 Dec-2007
b Data dimensi kualifikasi id_kualifikasi
kualifikasi
1 2 3 4 5 6
Swasta Negeri Perorangan Mahasiswa Outlet Tidak ada keterangan
c Data dimensi skala id_skala 1 2 3 4 5 6
skala 1:25.000 1:50.000 1:250.000 1:500.000 1:1.000.000 Atlas
21
Lampiran 7 Lanjutan d Data dimensi jenis_data id_data 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46
nama data NTB from Space Indeks Atlas Buku Atlas Bali From Space PETA WAC Peta Jalur Penerbangan LPI LLN LBI Timor Timur Sumatera Sulawesi Peta Indonesia Peta Foto Peta Dinding Nusa Tenggara Maluku Kalimantan Jawa Irian Jaya Data Digital Bali Aceh Peta Dunia Peta ASEAN Foto Udara Titik TTG Titik GPS Data Pasut Buku Prediksi Pasut Buku Panduan GPS Buku Panduan Datum Buku Jaringan Kontrol Buku Data Kota Spek Basis Data Neraca Sumberdaya Lahan REPPORT Peta Tematik Peta Propinsi Katalog Data Tematik Digital Sistem Lahan Jatim Buku Spek Teknis Nilai Ekonomi Sumberdaya Air Buku Satuan Lahan Peta Neraca Buku Integrasi Neraca SDA Plot Peta Panduan Membaca Peta
unit_kerja Atlas Atlas Atlas Atlas PDKK PDKK PDKK PDKK PDKK PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PDRTR PGG PGG PGG PGG PGG PGG PGG PGG PSDAD PSDAD PSDAD PSDAD PSDAD PSDAD PSDAD PSDAD PSDAL PSDAL Pusjasinfo Pusjasinfo
22
Lampiran 7 Lanjutan 47 48 49 50
Indeks Peta Buku Cakupan Buku Spesifikasi Basisdata Buku SNI
Pusjasinfo Pusjasinfo Sisjar Sisjar
23
Lampiran 8 Grafik hasil operasi roll up jumlah produk surta yang terjual per tahun
Roll up dari triwulan ke tahun
24
Lampiran 9 Grafik hasil operasi drill dwon jumlah produk surta yang terjual per jenis data
Drill down dari nama pusat ke jenis data
25
Lampiran 10 Grafik hasil operasi slice jumlah lembar penjualan produk surta pada dimensi waktu dan dimensi skala
Slice jumlah produk surta yang terjual setiap skala pada tahun 2003
26
Lampiran 11 Grafik hasil operasi dice jumlah lembar penjualan produk surta pada dimensi waktu , jenis data, dan kualifikasi tertentu
dice jumlah produk surta yang terjual pada pusat Atlas dan PSDAD pada Tahun 2004, 2006 dan 2007 dengan kualifikasi pembeli Swasta
27
