PURWARUPA DATA WAREHOUSE PADA SISTEM INFORMASI MANAJEMEN PERGURUAN TINGGI STUDI KASUS : STIKOM SURABAYA Hendro Poerbo P Prodi Sistem Informasi, STMIK STIKOM Surabaya Email:
[email protected] Abstrak : Data dalam sebuah perguruan tinggi adalah sebuah aset. Aset yang sangat berguna bagi perguruan tinggi untuk memutuskan suatu kebijakan, melakukan suatu aksi strategis, atau mengambil keputusan bisnis.Tetapi didalam pemanfaatannya biasanya dilakukan dengan cara manual.Salah satu cara yang dapat digunakan untuk mengatasi masalah tersebut adalah dengan mengaplikasikan konsep data warehouse.Salah satu manfaat analisis dari data warehouse adalah mengukur kinerja perguruan tinggi atau biasa di sebut evaluasi diri perguruan tinggi dengan menggunakan kerangka kerja RAISE++(Relevance, Academic atmosphere, Internal Management and organization, Sustainability, Efficiency and Productivity) yang diperluas. Perancangan data warehouse dilakukan dengan cara membangun Dimension, Cube dan Mapping sesuai dengan kebutuhan end user. Sistem dirancang dan dibangun dengan menggunakan Oracle Database 11g sebagai database sumber data dan Staging Area. Juga menggunakan Oracle Warehouse Builder sebagai ETL (Extraction, Transformation, Loading) tools untuk mengekstraksi data, mentransformasi data dan memuat data ke dalam Datawarehouse sesuai dengan kebutuhan dan format yang diinginkan user melalui Oracle Mapping dan data ditampilkan menggunakan Oracle Business Intelligent Publisher 11g berupa tabel dan grafik. Hasil uji Coba Datawarehouse yang menggunakan data tentang lulusan dengan mengambil data transaksional di STIKOM Surabaya menunjukkan hasil yang sudah sesuai dengan yang diinginkan oleh manajemen perguruan tinggi yaitu cepat dalam memprosesnya, sesuai dengan yang dibutuhkan untuk pelaporan kinerja Perguruan tinggi dan bermanfaat untuk mengambil keputusan bisnis. Kata kunci : Data warehouse, RAISE++, Dimension, Cube,Mapping
I. Pendahuluan
Data dalam sebuah perguruan tinggi adalah sebuah aset, aset yang senantiasa berkembang yang membutuhkan pengelolaan khusus baik dari sisi pemanfaatannya maupun dari sisi penyimpanannya. Aset yang sangat berguna bagi setiap anggota organisasi untuk memutuskan suatu kebijakan, melakukan suatu aksi strategis, atau mengambil keputusan bisnis. Tetapi didalam pemanfaatannya untuk memutuskan suatu kebijakan, melakukan suatu aksi strategis, mengambil keputusan bisnis atau melakukan suatu analisis biasanya prosesnya dilakukan dengan cara manual. Pembangunan data warehouse di sebuah perguruan tinggi merupakan salah satu cara untuk mengekstrak informasi penting dari data yang tersebar di beberapa sistem informasi. Dengan adanya dukungan data warehouse, pengambilan keputusan dan strategi oleh pihak eksekutif dapat dilakukan karena data warehouse menangani data eksternal, sumber datanya jelas, dan dapat melihat data secara rinci maupun garis besar. Dari data warehouse dapat dilakukan analisis terhadap data dengan lebih cepat,efektif dan efisien. Salah satu manfaat analisis dari data warehouse adalah mengukur kinerja perguruan tinggi atau biasa di sebut evaluasi diri perguruan tinggi. Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT) menempatkan evaluasi diri itu sebagai salah satu aspek dalam keseluruhan daur akreditasi, dan menempatkannya dalam posisi yang sangat penting, yaitu sebagai suatu langkah yang mendahului pemberian informasi dan data akreditasi dari program studi kepada BAN-PT, sehingga hasil evaluasi diri itu dapat merupakan bahan untuk mengisi borang akreditasi dan atau menyusun portfolio akreditasi, serta dapat digunakan sebagai bahan yang disediakan pada saat dilakukan visitasi oleh BAN-
1
PT ke tempat kedudukan program studi. Didalam mengukur kinerja Perguruan tinggi tersebut Direktorat Jenderal Pendidikan Tinggi telah mencanangkan apa yang disebut PARADIGMA BARU sistem pendidikan tinggi yang di-implementasikan dengan kompetisi berjenjang berbasis prestasi (merit-based tiered competition) serta partisipasi yang seluas-luasnya dalam perencanaan sistem pendidikan sehingga terjamin transparansi dan akuntabilitasnya sebagai lembaga pelayanan publik. Paradigma baru tersebut terdiri atas pilar-pilar: kualitas, otonomi, akuntabilitas, akreditasi dan evaluasi sebagai landasan peningkatan fungsi Tri-Dharma bagi perguruan tinggi di Indonesia. Untuk lebih mematangkan penerapan paradigma baru dalam tataran operasional, maka Ditjen Dikti mengembangkan RAISE++ (Relevance, Academic atmosphere, Internal Management and organization, Sustainability, Efficiency and Productivity) yang diperluas. Dengan adanya Data warehouse di Perguruan tinggi, maka proses mengukur kinerja perguruan tinggi dalam rangka evaluasi diri dengan menggunakan kerangka kerja RAISE++ dapat dilakukan dengan cepat, tepat dan efisien. Sekolah Tinggi Manajemen Informatika & Teknik Komputer (STIKOM) Surabaya sebagai salah satu lembaga pendidikan yang bergerak dibidang teknologi komputer, dalam mengolah terhadap data yang berkaitan dengan civitas akademiknya tidak lepas dari jumlah data yang sangat besar untuk dijadikan sebagai bahan laporan dalam jangka waktu tertentu, serta melakukan analisis terhadap data dengan lebih cepat,efektif dan efisien untuk digunakan dalam pembuatan laporan laporan yang diperlukan untuk keperluan borang akreditasi yaitu instrumen akreditasi yang berupa formulir yang berisikan data dan informasi yang digunakan untuk mengevaluasi dan menilai mutu suatu program studi tingkat program sarjana dan diploma dan evaluasi diri.
II. Landasan Teori 2.1. Data dan Informasi
Data adalah kumpulan dari fakta yang sering kita temui dalam kehidupan sehari-hari. Sebagai contoh : data pribadi seseorang ( nama, alamat, kota, nomor telepon, tanggal lahir, hobi dll), data alam (matahari, bulan, bintang, pohon dll). Ada banyak definisi tentang data dan informasi, diantaranya : Menurut Fred McFadden, dkk (Adi Nugroho,ST.,MMSI, 2004): Data adalah fakta tentang sesuatu di dunia nyata yang dapat direkam dan disimpan pada media komputer. Informasi adalah data yang telah diproses ke dalam suatu bentuk yang mempunyai arti dan nilai tambah bagi si penerima. Misalnya data-data yang berupa angka-angka pembayaran SPP mahasiswa per semester setelah diproses menghasilkan informasi laporan Rekapitulasi Pembayaran SPP per tahun, dsb. Menurut Adi Nugroho, ST., MMSI (2004): Informasi adalah data yang telah diolah sedemikian rupa sehingga memiliki makna tertentu bagi pengguna. Menurut Abdul Kadir (1998): Informasi adalah hasil analisis dan sintesis terhadap data. Dengan kata lain, informasi dapat dikatakan sebagai data yang telah diorganisasikan ke dalam bentuk yang sesuai dengan kebutuhan sesorang.
2.2. OLTP
OLTP adalah singkatan dari OnLine Transaction Prrocessing. OLTP adalah system yang berorientasi proses yang memproses suatu transaksi secara langsung melalui komputer yang terhubung dalam jaringan [Nandang, 2004] Kata Online ini redundan dalam banyak kasus sekarang ini karena hampir semua transaksi dapat dilakukan secara online. Dalam kenyataannya, masih ada transaksi-transaksi yang tidak benar-benar online. Bila melakukan transaksi keuangan antar bank, masih ada proses-proses yang menunggu kliring keesokan hari. ini adalah contoh transaksi yang tidak online. Pada literatur-literatur pemrograman dekade 1980 transaksi online mungkin dapat disebut sebagai pemrosesan yang interaktif atau waktu-nyata (real time). Di sisi lain, transaksi 'offline' (seperti yang memerlukan kliring keesokan hari pada contoh diatas ) disebut sebagai pemrosesan yang batch.
2.3. Data Warehouse
Data warehouse ialah sekumpulan informasi yang disimpan dalam basis data yang digunakan untuk mendukung pengambilan keputusan dalam sebuah organisasi. Data
2
dikumpulkan dari berbagai aplikasi yang telah ada. Data yang telah dikumpulkan tersebut kemudian divalidasi dan direstrukturisasi lagi, untuk selanjutnya disimpan dalam data warehouse. Pengumpulan data ini memungkinkan para pengambil keputusan untuk pergi hanya ke satu tempat untuk mengakses seluruh data yang ada tentang organisasinya (Wayne, S. Freeze 2000). Menurut Adi Nugroho, ST., MMSI (2004): Data warehouse adalah data-data yang beorientasi subjek, terintegrasi, memiliki dimensi waktu, serta merupakan koleksi tetap (nonvolatile), yang digunakan dalam mendukung proses pengambilan keputusan oleh para manajer di setiap jenjang (namun terutama pada jenjang majanerial yang memiliki peringkat tinggi). Menurut Bambang Hariyanto (2004): Data warehouse adalah repository (arsip) informasi yang dikumpulkan dari banyak sumber disimpan pada skema yang disatukan di satu situs tunggal. Begitu dikumpulkan, data disimpan selama waktu yang lama. Data warehouse menyediakan satu antarmuka terkonsolidasi tunggal, mempermudah pembuatan query yang mendukung pembuatan keputusan. Komponen utama dari manajemen data yang akan digunakan sebagai alat guna pengambilan keputusan adalah data warehouse. Data warehouse menjadi input bagi komponen model dan langsung dapat diakses oleh pengguna untuk mendapatkan informasi yang diperlukan dalam pengambilan keputusan maupun dalam pembuatan model. Menurut Inmon dalam Harnaningrum (2005) data warehouse didefeniskan sebagai koleksi data yang bisa digunakan untuk menunjang pengambilan keputusan manajemen yang berorinetasi pada topik (subject), terpadu, time variant, dan tidak mudah berubah. Sedangkan menurut Devlin, data warehouse adalah suatu penyimpanan data tunggal, lengkap dan konsisten yang diperoleh dari berbagai sumber dan dibuat tersedia bagi end user dalam suatu cara yang bisa dipahami dan bisa digunakan dalam suatu konteks bisnis. Database transaksi diperlukan untuk menyimpan data hasil transaksi. Database ini perlu dibuat serapi mungkin agar data tidak redundant. Data warehouse berfungsi menyimpan data historis yang dibutuhkan untuk kepentingan analisis. Dalam pembuatan database ini perlu mempertimbangkan tentang bagaimana bisa mengambil data yang cukup banyak dalam waktu sesingkat mungkin.
2.4. OLAP
OLAP (Online Analytical Processing) merupakan bagian dari Business Intelligence yang berguna untuk menyediakan laporan analisis, model multidimensi, yang mengijinkan query analisis yang kompleks dengan kecepatan eksekusi yang tinggi -[PC Media, 2007]. OLAP (On-Line Analytical Processing) adalah suatu pernyataan yang bertolak belakang atau kontras dengan OLTP (On-Line Transaction Processing). istilah OLAP muncul pertama kali pada tahun 1993 yang diperkanalkan oleh Edgar F. Codd, S. B. Codd, dan C. T. Salley dalam dokumen untuk Arbor berjudul “Providing OLAP to User-Analysts: An IT Mandate”. OLAP menggambarkan sebuah klas teknologi yang dirancang untuk analisis dan akses data secara khusus. Apalabila pada proses transaksi pada umumnya semata-mata adalah pada relational database, OLAP muncul dengan sebuah cara pandang multidimensi data. Cara pandang multimensi ini didukung oleh tehnologi multidimensi database. Cara ini memberikan tehnik dasar untuk kalkulasi dan analisis oleh sebuah aplikasi bisnis. OLTP mempunyai karakteristik beberapa user dapat creating, updating, retrieving untuk setiap record data, lagi pula OLTP sangat optimal untuk updating data. OLAP aplikasi digunakan untuk analisis dan mengatur frekuensi level dari agregat/jumlah data. OLAP database biasanya di update pada kumpulan data, jarang sekali dari multiple source dan menempatkan kekuatan analisis pada pada back-end pada operasi aplikasi. Sebab itulah maka OLAP sangat optimal digunakan untuk analisis. OLAP memungkinkan manajer dan penganalisis untuk mengamati dan menggunakan sejumlah besar data yang terkumpul dan detail dari Data warehouse dari berbagai sudut pandang. Dengan menggunakan OLAP, analisis dari multidimensional database dapat mengungkapkan pola, tren, dan kondisi tertentu. OLAP dapat dilakukan secara online pada waktu nyata dengan tanggapan yang cepat terhadap query yang diajukan, sehingga sangat mendukung proses pengambilan keputusan.
2.5. Business Intelligence (BI)
3
Business Intelligence dikategorikan sebagai aplikasi dan teknologi untuk mengumpulkan, menyimpan, menganalisis dan menyediakan akses ke data yang membantu penggunanya mengambil keputusan bisnis secara lebih baik. Aktivitasnya meliputi sistem pendukung keputusan, query, reporting, online analytical processing (OLAP), analisis statistik, forecasting, dan data mining. Pendeknya BI dibutuhkan untuk mengubah data mentah menjadi informasi pendukung pengambilan keputusan perusahaan dan proses bisnis.
2.6. Evaluasi Diri
Evaluasi, secara umum merupakan suatu proses pengumpulan serta pemrosesan data dan informasi yang akan digunakan sebagai dasar pengambilkan keputusan, pengelolaan dan pengembangan lembaga atau program studi. Sedangkan Evaluasi diri merupakan upaya program studi/lembaga perguruan tinggi untuk mengetahui gambaran mengenai kinerja dan keadaan dirinya melalui pengkajian dan analisis yang dilakukan oleh program studi/perguruan tinggi sendiri berkenaan dengan kekuatan, kelemahan, peluang, tantangan, kendala, bahkan ancaman. Pengkajian dan analisis itu dapat dilaksanakan dengan memanfaatkan pakar sejawat dari luar program studi/lembaga perguruan tinggi.
2.7. RAISE++
Direktorat Jenderal Pendidikan Tinggi telah mencanangkan apa yang disebut PARADIGMA BARU sistem pendidikan tinggi yang di-implementasikan dengan kompetisi berjenjang berbasis prestasi (merit-based tiered competition) serta partisipasi yang seluasluasnya dalam perencanaan sistem pendidikan sehingga terjamin transparansi dan akuntabilitas-nya sebagai lembaga pelayanan publik. Paradigma baru tersebut terdiri atas pilarpilar: kualitas, otonomi, akuntabilitas, akreditasi dan evaluasi sebagai landasan peningkatan fungsi Tri-Dharma bagi perguruan tinggi di Indonesia. Untuk lebih mematangkan penerapan paradigma baru dalam tataran operasional, maka Ditjen Dikti mengembangkan RAISE++ (Relevance, Academic atmosphere, Internal Management and organization, Sustainability, Efficiency and Productivity) yang diperluas: (1) Relevansi yaitu tingkat keterkaitan hasil/keluaran dengan tujuan institusi dan tuntutan masyarakat nasional maupun global, dan keterkaitan antara standar dan parameter. (1) Suasana Akademik merupakan iklim yang mendukung interaksi antar sivitas akademika untuk mengoptimumkan proses pembelajaran. (2) Kepemimpinan adalah kemapuan untuk mengerahkan dan mengarahkan sumberdaya dalam upaya mencapai tujuan institusi secara efektif dan efisien. (3) Kelayakan merupakan tingkat ketepatan unsur masukan, proses, keluaran, serta tujuan pendidikan ditinjau dari ukuran ideal secara normatif. (4) Kecukupan menunjukkan tingkat ketercapaian persyaratan ambang yang diperlukan untuk melakukan proses pendidikan. (5) Keberlanjutan menunjukkan bagaimana penyelenggaraan pendidikan yang meliputi ketersediaan masukan, aktivitas proses pembelajaran, serta pencapaian hasil yang optimal. (6) Selektivitas menunjukkan bagaimana institusi memilih masukan, aktivitas pendidikan, dan penentuan prioritas keluaran berdasarkan pertimbangan kemampuan/kapasitas yang dimiliki. (7) Pemerataan adalah proses pemberian kesempatan yang sama kepada semua warga negara untuk memperoleh layanan pendidikan. (8) Efektivitas merupakan tingkat ketercapaian tujuan yang telah ditetapkan, diukur melalui hasil (keluaran dan dampak), berdasarkan kriteria keberhasilan yang telah ditetapkan. (9) Efisiensi adalah tingkat pemanfaatan masukan yang digunakan untuk proses pendidikan, dalam upaya mencapai tujuan. (10) Produktivitas menunjukkan tingkat keberhasilan proses peningkatan mutu yang dilakukan dalam memanfaatkan masukan. (11) Tatapamong berkenaan dengan sistem nilai yang dianut di dalam institusi perguruan tinggi atau program studi, struktur organisasi, sistem pengambilan keputusan dan alokasi sumberdaya.
2.8. Oracle
4
Oracle adalah nama produk software database produksi perusahaan software Oracle Corporation. Sejak pertama kali memproduksi software tahun 1977, Oracle Corporation memposisikan diri sebagai produsen software database. Software database sangat penting dalam mendukung berbagai software aplikasi, terutama aplikasi bisnis, Perusahaan yang memanfaatkan teknologi computer untuk manajemen informasi data dipastikan menggunakan software database.Oracle dikenal sebagai database untuk internet dan jaringan.
III. Implementasi dan Pembahasan 3.1 Sistem Informasi Administrasi Akademik (SITA) STIKOM Surabaya
Dalam pengerjaan penelitian datawarehouse ini data-data diambil dari data-data transaksional akademik. Sistem Informasi administrasi akademik STIKOM Surabaya dibangun dengan menggunakan Oracle database 11g sebagai database tempat penyimpanan data-data operasional, Oracle Form developer 6i sebagai aplikasinya dan Oracle report Builder untuk membuat laporannya. Ada sekitar 200 tabel dan lebih dari 175 form serta lebih dari 100 form laporan yang dibuat untuk membangun aplikasi administrasi akademik ini. Semua aplikasi yang menangani proses administrasisi bagian akademik di gabung dalam suatu menu yang di beri nama Sistem Informasi AdminisTrasi Akademi (SITA).
3.2. Tahap Perancangan Sistem
Langkah perancangan sistem di bagi menjadi beberapa tahap. Masing-masing tahap di kerjakan di perangkat lunak yang yang berbeda dan dikerjakan sesuai dengan urutannya.
3.2.1. Perancangan di Oracle Database 11g
Didalam perangkat lunak ini akan di buat sebuah database yang mirip dengan kondisi database yang sekarang eksis di STIKOM surabaya. Tetapi tidak semua data akan dipakai. Data untuk penelitian ini diambil dari satu Schema yaitu Schema AKADEMIK yang berisi tabeltabel dari transaksional akademik. Didalam server transaksional yang sudah dibuat kemudian di buat schema DATAWAREHOUSE yang berfungsi untuk menampung tabel, dimensi dan cube dalam pembuatan datawarehouse ini. Berikut nama, Fungsi dan struktur tabel dari ke dua schema tersebut :
3.2.1.1. Schema AKADEMIK
Berisi data data transaksional (OLTP) yang digunakan untuk transaksi harian di STIKOM Surabaya. 1. Tabel MHS_MF Tabel ini berfungsi untuk menyimpan biodata dari seluruh mahasiswa STIKOM Surabaya baik yang masih aktif maupun yang sudah lulus. 2. Tabel ALUMNI_MF Tabel ini berfungsi untuk menyimpan data-data akademik mahasiswa STIKOM Surabaya yang sudah lulus. Data-data yang akan disimpan meliputi NIM mahasiswa, tahun lulus, lama studi, predikat, lama pengerjaan tugas akhir, predikat kelulusan dan perolehan IPK akhir. 3. Tabel FAK_MF Tabel ini berfungsi untuk menyimpan data-data dari tentang fakultas. Data- data fakultas yang disimpan adalah meliputi antara lain kode, nama,jurusan dan statusnya. Tabel ini juga berisi nama fakultas dan jurusan dalam bahasa inggris.
3.2.1.2. Schema DATAWAREHOUSE
Berisi tabel tabel yang akan digunakan untuk membantu pembuatan datawarehouse. 1.Tabel STRATA Tabel ini di gunakan sebagai tabel bantu di dalam proses mapping di dimensi DIM_FAK. Tabel ini di gunakan untuk menyimpan data-data yang berhubungan dengan strata kependidikan. 2. Tabel JURUSAN Tabel ini juga di gunakan sebagai tabel bantu di dalam proses maaping di dimensi DIM_FAK. Tabel ini di gunakan untuk menyimpan data-data yang berhubungan dengan jurusan yang ada di STIKOM Surabaya.
5
3.2.2. Perancangan di Oracle Warehouse Builder 11g
Di perangkat lunak ini akan dilakukan langkah langkah yang meliputi Import Data,Pembuatan Dimensi, Cube, Mapping, Create dan Deploy sampai ke proses Extract Transform dan Load (ETL) nya. Semua perancangan datawarehouse diatas akan dikerjakan di tiga bagian yaitu bagian design center, bagian control center dan bagian mapping. Import data, Dimensi, cube akan dikerjakan di bagian design center. Create dan Deploy akan dikerjakan di bagian Control Center sedangkan pembuatan Mapping dan proses ETL akan dikerjakan di bagian Mapping Editor.
3.2.2.1.Import Data.
Langkah pertama yang harus dilakukan adalah membuat Workspace Baru yang diberi nama DATAWAREHOUSE. Workspace ini adalah area kerja yang akan digunakan untuk menampung pembuatan datawarehouse ini. Apabila belum ada workspace maka harus melakukan create workspace lewat menu workspace management. Untuk masuk ke dalam OWB, diperlukan user untuk login kedalam OWB. Didalam penelitian ini user yang digunakan adalah user Datawarehouse yang sudah di buat di server database. Jadi OWB harus terlebih dahulu terhubung dengan server database. Koneksi ke database bisa dilakukan dengan cara membuat konfigurasi koneksi ke dalam server database.Setelah pembuatan Workspace selesai, dilanjutkan dengan pembuatan file project. Didalam penelitian ini di buat file project dengan nama BORANG_DATAWAREHOUSE. Project digunakan untuk menampung modul modul yang digunakan untuk penelitian yang dibuat. Didalam project ini di buat 3 modul yang masing-masing digunakan untuk keperluan yang berbeda. Ketiga modul tersebut di buat di menu Database Oracle karena data-data transaksional yang dimiliki oleh STIKOM Surabaya berasal dari database Oracle. Modul modul tersebut yaitu : Asal SCHEMA AKADEMIK
Nama Tabel Modul Tujuan MHS_MF Modul AKADEMIK FAK_MF ALUMNI_MF DATAWAREHOUSE STRATA Modul DATAWAREHOUSE JURUSAN Tabel 3.1. Daftar tabel yang diimport
3.2.2.2. Pembuatan Dimensi.
Pembuatan dimensi dilakukan di modul BORANG di menu dimensi. Dimensi yang dibuat merupakan tabel yang berisikan kategori dengan ringkasan data detail yang akan digunakan untuk proses pelaporan. Ada dua dimensi yang dibuat seperti tampak pada tabel 3.2 Nama Dimensi DIM_FAK
Fungsi Dimensi Menampung detil data strata dan jurusan
DIM_WAKTU
Menampung detil data waktu Tabel 3.2. Dimensi yang dibuat
3.2.2.3.Pembuatan Cube
Tabel Asal -STRATA -JURUSAN -FAK_MF TIME ( dari sistem OWB )
Pembuatan cube dilakukan di modul BORANG di menu CUBE. Ada satu cube yang dibuat yaitu cube CB_IPK_LULUSAN. Cube dibuat berdasarkan dari laporan yang akan ditampilkan. Satu cube bisa digunakan untuk satu atau lebih laporan. Perancangan cube harus juga direlasikan dengan dimensi yang sudah dibuat. Dalam hal ini cube CB_IPK_LULUSAN harus direlasikan dengan dimensi DIM_FAK dan dimensi DIM_WAKTU. Nantinya secara otomatis struktur dari dimensi DIM_FAK dan dimensi DIM_WAKTU akan masuk kedalam struktur cube CB_IPK_LULUSAN. Kolom kolom yang dibuat pada cube merepresentasikan laporan laporan yang akan dibuat. Fungsi dari masing masing kolom cube dapat dilihat pada tabel 3.3 berikut ini.
6
No 1 2 3 4 5 6 7 8 9
Nama Kolom Type Keterangan MIN Number IPK Minimal RATARATA Number Rata rata IPK MAKS Number IPK maksimal RANGE1 Number Prosentase IPK < 2.75 RANGE2 Number Prosentase IPK > 2.75 dan <3.5 RANGE3 Number Prosentase IPK > 3.5 LAMA Number Lama Studi DIM_FAK Number Relasi kolom dimensi DIM_FAK DIM_WAKTU Number Relasi kolom dimensi DIM_WAKTU Tabel 3.3. Perancangan struktur cube
3.2.2.4. Mapping.
Langkah selanjutnya adalah pembuatan mapping yang akan di gunakan untuk proses Extract, Transform, Load (ETL). Pembuatan Mapping ini dilakukan di bagian Mapping Editor. Adapun mapping yang akan dibuat tampak pada tabel 3.4. No 1 2 3
Nama Mapping MAP_DIM_FAK DIM_WAKTU_MAP CB_IPK_LULUS
Keterangan Proses ETL untuk DIM_FAK Proses ETL untuk DIM_WAKTU Proses ETL untuk cb_ipk_lulusan
Tabel 3.4 Mapping yang dibuat
1.Mapping MAP_DIM_FAK
Data yang akan di load di dimensi DIM_FAK berasal dari tabel data FAK_MF. Data data dari tabel FAK_MF akan dipecah menjadi dua data yaitu data tentang Strata dan data tentang jurusan. Pemecahan data dilakukan dengan dengan cara memfilter data menggunakan menu filter. Data-data yang mengandung kode ‘0000’ pada digit ke 2-5 akan dimasukkan ke tabel STRATA, sedangkan data-data yang dari digit ke 2-5 tidak mengandung angka ‘0000’ akan dimasukkan ke tabel JURUSAN. Selanjutnya data didalam tabel STRATA akan diambil satu huruf pertamanya untuk digunakan sebagai kode strata dengan menggunakan menu ekspresi. Dari ekspresi yang sudah dibuat, selanjutnya dengan menggunakan menu joiner maka data data dari ke dua tabel tersebut yang sudah berisi kode strata beserta nama stratanya dan kode jurusan beserta nama jurusannya akan digabung dan dimasukkan ke dalam dimensi DIM_FAK. Gambar dari mapping MAP_DIM_FAK yang sudah dibuat seperti tampak pada gambar 3.5
Gambar 3.5 Mapping MAP_DIM_FAK
2. Mapping DIM_WAKTU_MAP
Untuk mapping dimensi DIM_WAKTU_MAP, pembuatan dimensinya adalah dengan menentukan terlebih dahulu rentang waktu yang akan digunakan untuk proses pembuatan laporan. Karena sudah merupakan paket yang disediakan oleh Oracle lewat DIM_TIME, jadi setelah menentukan rentang waktunya proses selanjutnya menjalankan create dan deploy saja. Gambar dari mapping DIM_WAKTU_MAP yang sudah dibuat tampak seperti gambar 3.6.
7
Gambar 3.6 Mapping DIM_WAKTU_MAP
3. Mapping CB_IPK_LULUS
Mapping data yang akan di load ke cube CB_IPK_LULUSAN berasal dari tabel data ALUMNI_MF dari schema AKADEMIK. Dari tabel ALUMNI_MF data dipecah menjadi 2 bagian. Bagian pertama adalah data-data yang berisi tahun lulus, lama studi, jurusan dan IPK. Pengambilan data tersebut menggunakan fungsi Ekspresi yang akan menampung data-data berdasakan tahun lulus dan lama studi, IPK dan Jurusan. Bagian ke dua memecah data ke dalam 3 filter yang di gunakan untuk menyaring data berdasarkan IPK nya. Filter pertama digunakan untuk menyaring data dengan IPK kurang dari 2.75. Filter kedua digunakan untuk menyaring data dengan IPK antara 2.75 dan 3.5 sedangkan filter ke 3 digunakan untuk menyaring data dengan IPK diatas 3.5. Setelah me lakukan filtering berdasakan IPKnya selanjutnya akan dilakukan ekspresi untuk masing-masing filter yang gunanya untuk menampung hasil data yang telah difilter.Dari semua ekspresi yang sudah dibuat, langkah selanjutnya adalah menggunakan fungsi agregator. Agretagor pertama untuk menampung datadata IPK Minimal, IPK Maksimal, Rata-rata IPK dan masa Studi sedangkan 3 agregator lainnya di gunakan untuk menentukan jumlah IPK yang kurang dari 2,75, antara 2.75 dan 3.5 serta lebih dari 3.5. Semua data yang ada di agregator selanjutnya di gabung dengan menggunakan fungsi Joiner. Dari fungsi joiner yang sudah dibuat selanjutnya data data IPK yang berasal dari agregator 2-4 di ekspesikan lagi untuk menentukan prosentase perolehan IPK < 2.75, prosentase perolehan IPK >2.75 dan<3.5 dan prosentase perolehan IPK >3.5. Selanjutnya semua data di masukkan ke dalam cube CB_IPK_LULUSAN. Hasil mapping yang sudah dibuat dapat dilihat pada gambar 3.7. berikut ini.
Gambar 3.7. Mapping CB_IPK_LULUS
3.2.2.6.ETL ( Extract Transform Load ).
Dalam Proses ini yang harus dilakukan terlebih dahulu adalah melakukan proses Debugging. Proses Debuging berarti menelusuri proses-proses mapping yang sudah dibuat. Proses ini bertujuan untuk memeriksa kesalahan yang terjadi dalam proses mapping. Penelusuran dimulai dari pengambilan data dari table OLTP sampai dengan proses memasukkan data ke dalam Dimensi ataupun Cube. Menu ini dijalankan di bagian mapping
8
editor. Apabila terjadi kesalahan atau error maka pembetulan kesalahan di lakukan di bagian mapping. Apabila sudah tidak terjadi error maka akan proses dilanjutkan dengan menjalankan ETL nya lewat menu Resume. Menu ini akan melakukan proses ETL ke dalam tabel yang sudah di create dan deploy. Berikut adalah penjelasan hasil proses ETL yang sudah dibuat 1.Hasil ETL mapping MAP_DIM_FAK Proses ETL disini akan menelusuri langkah-langkah yang terjadi di dalam proses mapping mulai dari awal sampai dengan menampilkan hasilnya. Proses akan memecah tabel FAK_MF menjadi dua yaitu data yang akan dimasukkan ke tabel STRATA dan tabel JURUSAN. Lewat proses fungsi filter, ekspresi dan joiner data yang dipecah akan di satukan kembali ke dalam tabel DIM_FAK. Dalam proses disini akan dapat dilihat langkah-langkah jalannya data mulai dari data itu di pecah sampai data masuk ke dalam tabel DIM_FAK. Proses Debugging akan memberikan informasi tentang langkah-langkah yang telah dilakukan. Apabila terjadi kesalahan maka dapat diartikan telah terjadi kesalahan dalam pembuatan mapping tersebut. Proses tersebut harus di koreksi dan betulkan. Kesalahan yang terjadi akan mengakibatkan data yang akan diload kedalam tabel tidak ada atau kosong. Debuging akan menunjukkan dimana letak kesalahannya. Hasil ETL yang telah dilakukan menunjukan bahwa akan muncul mapping baru sebagai hasil dari proses ETL yang telah dilakukan. Tampilan hasil ETL tampak seperti pada gambar 3.8.
Gambar 3.8 Hasil ETL mapping MAP_DIM_FAK Didalam gambar 4.30. terlihat tampilan terbagi menjadi 3 jendela. Jendela utama memperlihatkan gambar maaping yang baru setelah dilakukannya proses ETL. Jendela ke 2 sebelah kiri memperlihatkan langkah langkah yang terjadi pada tabel jurusan sebagai hasil dari proses ETL terhadap tabel jurusan sedangkan pada jendela sebelah kanan memperlihatkan hasil akhir pada data yang masuk ke tabel DIM_FAK. 2. Hasil ETL mapping DIM_WAKTU_MAP Proses ETL pada DIM_WAKTU__MAP sama dengan proses ETL pada MAP_DIM_FAK. disini proses akan menelusuri langkah langkah yang terjadi di dalam mapping mulai dari awal sampai dengan menampilkan hasilnya sesuai dengan rentang waktu yang telah ditentukan yaitu selama 10 tahun mulai tahun 2000 sampai dengan tahun 2009. proses ETL akan membuat data berdasarkan waktu mulai tanggal.minggu dan tahun. Untuk proses pelaporan ini akan diambil data tahunnya. Data hasil ETL akan dimasukkan ke dalam tabel DIM_WAKTU_MAP. Tampilan hasil ETL tampak seperti pada gambar 3.9.
9
Gambar 3.9 Hasil Debugging mapping DIM_WAKTU_MAP Jendela paling atas menunjukkan gambar mapping setelah dilakukan proses ETL. Jendela sebelah kiri bawah dan jendela kanan bawah menunjukkan tabel proses ETL terhadap data dan hasil akhir terhadap tabel. 3. Hasil ETL mapping CB_IPK_LULUS Proses ETL pada mapping CB_IPK_LULUSAN dimulai dari pembacaan data di tabel ALUMNI_MF. Dari tabel ALUMNI_MF data dipecah menjadi 2 bagian seperti yang sudah di jelaskan di pembuatan mapping. Proses ETL dalam mapping ini juga akan mengambil datadata yang berasal dari DIM_FAK dan DIM_WAKTU. Selanjutnya data dari ke dua tabel tersebut akan digabung dengan data-data dari tabel ALUMNI_MF. Dari hasil proses ETL ke tiga tabel tersebut akan dimasukkan ke dalam table CB_IPK_LULUSAN. Tampilan hasil debugging tampak seperti pada gambar 3.10.
Gambar 3.10 Hasil Debugging CB_IPK_LULUS Jendela paling atas menunjukkan gambar mapping yang baru setelah dilakukan proses ETL. Jendela sebelah kiri bawah dan jendela kanan bawah menunjukkan proses ETL terhadap data dan hasil akhir terhadap tabel.
3.2.3. Perancangan di Oracle Bussines Intelligent Publisher 11g
Oracle BI Pubisher digunakan untuk menampilkan laporan dari tabel yang sudah di buat dari OWB. Laporan yang dihasilkan oleh BI Publisher bersifat offline karena ditampilkan dalam format word dan PDF. User yang digunakan adalah user datawarehouse sama dengan user yang di gunakan di OWB. Setelah login berhasil, selanjutnya membuat folder yang akan di gunakan sebagai tempat report yang akan buat. Folder yang dibuat menggunakan folder
10
DATAWAREHOUSE. Folder ini nantinya akan digunakan untuk menyimpan semua pelaporan yang berhubungan dengan Datawarehouse akademik. Langkah selanjutnya adalah melakukan setting koneksi ke dalam database server. Koneksi menggunakan setting sebagai berikut : Nama server : Localhost Database Instance :ORA2K Port Listener : 1521 User : Datawarehouse Setelah berhasil melakukan koneksi di dalam database, selanjutnya adalah membuat relasi antar tabelnya yaitu dari 3 tabel yang sudah terbentuk di proses pembuatan datawarehouse. Relasi antar tabel dibuat dengan cara membuat nama file report terlebih dahulu yang kemudian diletakkan di folder DATAWAREHOUSE. Dari nama report yang sudah dibuat, kemudian masuk ke menu edit di bagian nama file report. dilanjutkan dengan membuat Data model baru. Setelah data model dibuat, selanjutnya didalam menu query builder yang ada didalam data model dibuat relasi antara ke tiga tabel tersebut hasil relasi dari ketiga tabel tersebut seperti tampak pada gambar 3.11
Gambar 3.11 Relasi Tabel untuk report Relasi ini dibuat berdasarkan report yang akan di tampilkan. yaitu data tentang lulusan yang dilihat dari berdasarkan fakultas dan tahunnya. Langkah berikutnya adalah dengan menampilkan data. Data akan di buka dengan menggunakan Microsoft word 2007 setelah terlebih dahulu login ke menu Oracle BI Publisher dengan menggunakan user Datawarehouse.Setelah berhasil login, selanjutnya membuka folder datawarehouse dan memilih nama report seperti yang sudah dibuat di Oracle BI Publisher. Dengan menggunakan menu Insert Tabel Wizard, Selanjutnya dibuat template laporan sesuai dengan yang diinginkan. Nantinya laporan ini akan bisa ditampilkan dalam versi PDF, WORD, dan HTML. Hasil Perancangan template yang sudah dibuat tampak seperti pada gambar 3.12.
11
Gambar 3.12 Hasil Template Report yang sudah dibuat di Microsoft Word Selanjutnya dengan menggunakan menu Preview laporan akan ditampilkan dalam format PDF. Seperti tampak pada gambar 3.13
Gambar 4.42 Hasil Preview menggunakan PDF untuk Jurusan S1 SI
IV.Simpulan
1. Pembuatan laporan yang diperlukan dalam rangka evaluasi diri Perguruan tinggi dengan menggunakan kerangka kerja RAISE++ dapat di lakukan dengan menggunakan teknik data warehouse. 2. Pembuatan laporan yang diperlukan untuk manajemen dapat dilakukan dengan menggunakan teknik data warehouse
12
3. Pengelolaan data dan analisis yang diperlukan guna membantu proses pengambilan keputusan dapat dilakukan dengan menggunakan teknik data warehouse
Daftar pustaka
Departemen pendidikan Nasional, Badan Akreditasi Nasional Perguruan Tinggi 2007. Pedoman Penyusunan Portofolio Akreditasi Institusi Perguruan Tinggi. Buku I. Jakarta 2007 Departemen pendidikan Nasional, Badan Akreditasi Nasional Perguruan Tinggi 2007. Pedoman Penyusunan Portofolio Akreditasi Institusi Perguruan Tinggi. Buku II. Jakarta 2007 Departemen pendidikan Nasional, Badan Akreditasi Nasional Perguruan Tinggi 2007. Pedoman Penyusunan Portofolio Akreditasi Institusi Perguruan Tinggi. Buku III. Jakarta 2007 Djoni Darmawikarta, Karakteristik Sumber Data untuk Data Warehouse, Tips dan Trik IlmuKomputer.Com 2004 Dr. Harjanto Prabowo, Model Data ware house untuk manajemen Perguruan Tinggi, Seminar Nasional Ilmu Komputer dan Teknologi Informasi VI,2005 Bodo H¨usemann, Jens Lechtenb¨orger, Gottfried Vossen,Conceptual DataWarehouse Design, Proceedings of the International Workshop on Design and Management of DataWarehouses (DMDW’2000), Stockholm, Sweden, June 5-6, 2000 M.C. McCabe, D. Grossman, The Role of Tools in .Development of a Data Warehouse, Proceedings of the Proceedings of the Fourth International Symposium on Assessment of Software Tools (SAST '96) 0-8186-7389-3/96 $10.00 © 1996 IEEE Ariana Azimah, Yudho Giri Sucahyo, Penggunaan Data Warehouse Dan Data Mining Untuk Data Akademik Sebuah Studi Kasus Pada Universitas Nasional,2007 George M. Marakas, Modern Data Warehousing, Mining, and Visualization: Concepts, Prentice-Hall, 2003
Core
Veronica S. Moertini, Pengembangan Sistem dan Sarana Teknologi Informasi untuk Perguruan Tinggi Indonesia, Rapat Umum Anggota APTIK, Bandung, 10-12 Maret 2008 Silvia Rostianingsih, Gregorius Satia Budhi, Benny Candra Gunawan, Perancangan Dan Pembuatan Data Warehouse Dan Aplikasi Online Analytical Processing Untuk Bank “X” Proceeding, Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2008) Auditorium Universitas Gunadarma, Depok, 20-21 Agustus 2008 Deriz
Ss, 2006, Oracle perkenalkan Business Intelegence Suite, url : http://www.bisnis.com/servlet/page?_pageid=548&_dad=portal30&_schema=PORTAL30 &patop_id=W44, diakses tanggal 21 April 2009
Jajang Adi Dharma, 2008, Key Technology Datawarehouse, http://www.duaberita.com/main/artikel-dua/dua-technology/33-keydatawarehouse.html, diakses 5 maret 2009
url : technology-
http://otn.oracle.com, diakses mulai 5 maret 2009 Ditya Octavianto, Pengolahan Datawarehouse terhadap sumber data akademik dan kemahasiswaan STIKOM sebagai sistem pendukung keputusan, 2007
13
