Skripsi. Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

PENERAPAN SLOWLY CHANGING DIMENSIONS UNTUK MENDUKUNG PEMBENTUKAN DIMENSI DINAMIS PADA DATA WAREHOUSE (Studi Kasus: Dinas Kependudukan dan Pencatatan Sipil Kabupaten Klaten)

Skripsi

Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

Oleh: Gadis Pujiningtyas Rahayu NIM : 085314079

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SANATA DHARMA YOGYAKARTA 2013

i


THE IMPLEMENTATION OF SLOWLY CHANGING DIMENSIONS FOR SUPPORTING THE FORMATION OF DYNAMIC DIMENSION IN THE DATA WAREHOUSE (Case Study: Dinas Kependudukan dan Pencatatan Sipil Kabupaten Klaten)

A Thesis

Presented as Partial Fullfillment of the Requirements To Obtain the Sarjana Komputer Degree

By: Gadis Pujiningtyas Rahayu NIM : 085314079

INFORMATICS ENGINEERING STUDY PROGRAM FACULTY OF SCIENCE AND TECHNOLOGY SANATA DHARMA UNIVERSITY YOGYAKARTA 2013

ii






KATA PENGANTAR Segala puji syukur penulis panjatkan kepada Allah Bapa di Surga, karena berkat dan penyertaan-Nya penulis dapat menyelesaikan penyusunan tugas akhir yang berjudul “Penerapan Slowly Changing Dimensions untuk Mendukung Pembentukan Dimensi Dinamis Pada Data Warehouse (Studi Kasus : Dinas Kependudukan dan Pencatatan Sipil Kabupaten Klaten)”. Tugas akhir ini disusun sebagai salah satu syarat untuk memperoleh gelar sarjana strata satu pada Program Studi Teknik Informatika Fakultas Sains dan Teknologi Universitas Sanata Dharma Yogyakarta. Pada saat pengerjaan tugas akhir ini penulis banyak mendapatkan bantuan dari berbagai pihak, oleh karena itu penulis ingin mengucapkan terima kasih kepada: 1.

Ibu Ridowati Gunawan, S.Kom, M.T. Ketua Prodi Teknik Informatika sekaligus dosen pembimbing. Yang telah memberikan bimbingan, arahan, saran, petunjuk-petunjuk, meluangkan waktu, dan kebaikannya sehingga penulis dapat menyelesaikan tugas akhir ini.

2.

Ibu Paulina Heruningsih Prima Rosa, SSi., MSc, selaku Dekan Fakultas Sains dan Teknologi dan dosen penguji.

3.

Ibu Sri Hartati Wijono, S.Si., M.Kom selaku dosen penguji yang telah memberikan kritik dan saran

4.

Kedua orang tua, Bapak Supriyanta dan Ibu Sri Poniyem, dan adik Betrik yang selalu memberikan dukungan, doa, perhatian, semangat, dan motivasi.

5.

Bapak Rudy Widodo, selaku Admin DISDUKCAPIL Kabupaten Klaten, yang telah mengizinkan penulis untuk melakukan studi kasus.

6.

Agustinus Agus Triyono, yang selalu memberikan dukungan pada penulis saat mengerjakan Tugas Akhir ini.

vii

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI viii

7.

Sahabat dan teman-teman semua, Ancel, Siska, Endra, Ika, Esy, Vava, Reza, Lie, Roy, Kevin, Angga, Surya dan semua temen-teman TI’08 yang selalu membantu penulis saat mengalami kesulitan dalam mengerjakan Tugas Akhir ini, dan selalu memberikan dukungan semangat dan doa.

8.

Serta semua pihak yang tidak dapat disebutkan satu per satu yang telah membantu penulis dalam menyelesaikan tugas akhir ini.

Penulis merasa masih banyak kekurangan dalam penyusunan laporan tugas akhir ini. Untuk itu, penulis mengharapkan saran dan kritik yang membangun dari pembaca. Semoga tugas akhir ini dapat bermanfaat, khususnya pada bidang Teknik Informatika. Yogyakarta, 20 Februari 2013 Penulis


PENERAPAN SLOWLY CHANGING DIMENSIONS UNTUK MENDUKUNG PEMBENTUKAN DIMENSI DINAMIS PADA DATA WAREHOUSE (Studi Kasus : Dinas Kependudukan dan Pencatatan Sipil Kabupaten Klaten)

Gadis Pujiningtyas Rahayu

ABSTRAK

DISDUKCAPIL Kabupaten Klaten adalah instansi Pemerintah yang mengelola data penduduk di Kabupaten Klaten. Dalam pengelolaan data, utamanya bagi Pemerintah Daerah yang memiliki data penduduk dengan volume besar dan tersebar ke dalam database terpisah, dewasa ini telah ada teknologi data warehouse. Data penduduk yang tersimpan dapat mengalami perubahan, hal ini merefleksikan aspek dinamis dari data warehouse sehingga memerlukan updating beberapa dimensi . Tabel dimensi memiliki peran yang sangat penting dalam setiap Data Warehouse. Peran utama tabel dimensi adalah untuk mendukung catatan tabel fakta dengan deskripsi dan informasi lain tentang entitas yang terlibat pada catatan ini. Untuk mendukung pembentukan dimensi yang dinamis dalam sebuah data warehouse diimplementasikan sebuah kriteria dimensional yaitu Slowly Changing Dimensions (SCD) sehingga setiap perubahan data dapat terpelihara dengan baik.

ix


THE IMPLEMENTATION OF SLOWLY CHANGING DIMENSIONS FOR SUPPORTING THE FORMATION OF DYNAMIC DIMENSION IN THE DATA WAREHOUSE (Case Study : Dinas Kependudukan dan Pencatatan Sipil Kabupaten Klaten)

Gadis Pujiningtyas Rahayu

ABSTRACT

DISDUKCAPIL Kabupaten Klaten is a government agency that manages the population data around Kabupaten Klaten. Within the data management, especially for the Local Government (Pemerintah Daerah) that has a big volume of population distributed into separate database, recently there has been a warehouse technology. Since the population data that has been saved might have been changing, such matter reflects the dynamic aspect of Data Warehouse so that it might take the updating of several dimensions. The dimension table has a very important role in each of Data Warehouse. The main role of dimension table is to support the note of fact table by means of description and other entity involved in the related note. In order to support the formation of dynamic dimension within a Data Warehouse, the researcher implement a dimensional criterion namely Slowly Changing Dimension (SCD) so that each of changes might be preserved in a well manner.

x


DAFTAR ISI HALAMAN PERSETUJUAN........................................................................................... iii HALAMAN PENGESAHAN............................................................................................ iv LEMBAR PERNYATAAN PERSETUJUAN ................................................................... v HALAMAN KEASLIAN KARYA ................................................................................... vi KATA PENGANTAR ...................................................................................................... vii ABSTRAK………………………………………………………………………………..ix ABSTRACT……………………………………………………………………………….x DAFTAR ISI……………………………………………………………………………...xi DAFTAR GAMBAR ....................................................................................................... xiv DAFTAR TABEL.......................................................................................................... xviii BAB I PENDAHULUAN ................................................................................................... 1 1.1

Latar Belakang..................................................................................................... 1

1.2

Rumusan masalah ................................................................................................ 3

1.3

Tujuan .................................................................................................................. 3

1.4

Batasan Masalah .................................................................................................. 3

1.5

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

1.6

Sistematika Penulisan .......................................................................................... 5

BAB II LANDASAN TEORI ............................................................................................. 7 2.1

Pengertian Data Warehouse ................................................................................ 7

2.2

Fungsi Data Warehouse ...................................................................................... 7

2.3

Keuntungan Data Warehouse.............................................................................. 8

2.4

Karakteristik Data Warehouse ............................................................................ 9

2.5

Arsitektur Data Warehouse ............................................................................... 11

2.6

Tahapan Membangun Data Warehouse ............................................................ 13

2.7

Data Staging ...................................................................................................... 14

2.8

Extract, Transform, dan Load (ETL)................................................................ 15

2.9

Multi Dimensional Modelling............................................................................ 15

2.9.1

Cube, Dimension, Measure , dan Member ...................................................... 15

2.9.2

Tabel Fakta dan Dimensi (Fact and Dimension Tabels) ................................ 16

2.9.3

Skema Bintang (Star schema) ......................................................................... 16

2.10

Surrogate Key .................................................................................................... 17

xi

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI xii

2.11

Pentaho Data Integration (Kettle) ...................................................................... 17

2.11.1 Pentaho Data Integration................................................................................. 17 2.11.2 Komponen Aplikasi Kettle ............................................................................. 18 2.12

Slowly Changing Dimensions (SCD) ................................................................ 19

BAB III ANALISIS DAN PERANCANGAN SISTEM .................................................. 21 3.1 3.1.1

Analisis Sistem Yang Sudah Berjalan ............................................................... 21 Kelemahan Sistem yang Ada Sekarang .......................................................... 22

3.2

Analisis Kebutuhan Pengguna ........................................................................... 22

3.3

Alternatif Pemecahan Masalah .......................................................................... 23

3.4

Gambaran Umum Sistem Yang Akan Dikembangkan ...................................... 23

3.5

Perancangan Kebutuhan Fungsional ................................................................. 24

3.5.1

Diagram use case ............................................................................................ 24

3.5.2

Narasi use case diagram.................................................................................. 24

3.6

Perancangan Data Warehouse ........................................................................... 26

3.6.1

Memilih Proses (Choosing The Process) ........................................................ 26

3.6.2

Memilih Sumber (Choosing The Grain) ......................................................... 27

3.6.3

Indetifying and Conforming the Dimension (identifikasi dan konfirmasi dimensi) ..................................................................................................... 28

3.6.4

Choosing the Facts (pemilihan fakta) ............................................................. 28

3.6.5

Storing Pre-Calculation In the Fact Table (penyimpanan Pre- Calculation di tabel fakta) ................................................................................................. 28

3.6.6

Rounding Out the Dimension Tables (melengkapi tabel dimensi).................. 29

3.6.7

Choosing the Duration of the Database (pemilihan durasi database) ............ 35

3.6.8

Tracking SCD (melacak SCD) ........................................................................ 35

3.6.9

Deciding the Query Priorities and the Query Modes (memutuskan prioritas query dan mode query) .............................................................................. 36

3.7

Model OLAP ..................................................................................................... 36

3.8

Rancangan Star schema untuk Database OLAP ............................................... 36

BAB IV IMPLEMENTASI SISTEM DAN ANALISIS SISTEM .................................. 38 4.1

Implementasi Arsitektur Data Warehouse ........................................................ 38

4.2

Implementasi Integrasi Data .............................................................................. 39

4.2.1

Integrasi Data Transaksional dan Data Master dari Database SIAKDB ke database Penduduk .................................................................................... 39

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI xiii

4.2.2

Implementasi Memecah Data Warehouse Membentuk Tabel Fakta dan Tabel Dimensi ...................................................................................................... 42

4.3

Pembentukan Dimensi Dinamis ........................................................................ 42

4.4

Implemenstasi Star schema untuk database OLAP ........................................... 45

4.4.1

Star schema kubus Penduduk ......................................................................... 45

4.5

Implemenstasi Proses Transfer Data ................................................................. 46

4.6

Antar Muka Pengguna Sistem OLAP ................................................................ 47

BAB V ANALISIS HASIL .............................................................................................. 49 5.1 5.1.1

Hasil Pengujian Implementasi SCD type 2 pada Database .............................. 49 Data Dimensi .................................................................................................. 49

5.2

Hasil Pengujian Historical Data ........................................................................ 50

5.3

Hasil Kuesioner ................................................................................................. 52

5.4

Kelebihan Sistem ............................................................................................... 53

5.5

Kelemahan Sistem ............................................................................................. 53

BAB VI PENUTUP .......................................................................................................... 54 6.1

Kesimpulan ........................................................................................................ 54

6.2

Saran .................................................................................................................. 54

DAFTAR PUSTAKA ....................................................................................................... 55 LAMPIRAN LAMPIRAN 1 PEMILIHAN FIELD DARI DATABASE SIAKDB ............................... 1-1 LAMPIRAN 2 RANCANGAN INTEGRASI DATA .................................................... 2-1 LAMPIRAN 3 RANCANGAN MEMECAH DATA MEMBENTUK TABEL FAKTA DAN DIMENSI...................................................................................... 3-1 LAMPIRAN 4 IMPLENTASI INTEGRASI DATA ...................................................... 4-1 LAMPIRAN 5 IMPLEMENTASI MEMECAH DATA MEMBENTUK TABEL FAKTA DAN DIMENSI ....................................................................... 5-1 LAMPIRAN 6 DETAIL DIMENSI PADA STAR SCHEMA ......................................... 6-2 LAMPIRAN 7 ANTAR MUKA PENGGUNA SISTEM OLAP .................................... 7-1 LAMPIRAN 8 UJI UPDATE DATA.............................................................................. 8-1


DAFTAR GAMBAR

Gambar 2. 1 Arsitektur Gudang Data ............................................................................... 12 Gambar 2. 2 Sistem Kerja Data Warehouse ..................................................................... 15 Gambar 2. 3 Star schema dari PHI-Minimart ................................................................... 17 Gambar 3. 1 Proses pembuatan Laporan .......................................................................... 21 Gambar 3. 2 Diagram use case proses integrasi data dan analisis data ............................ 24 Gambar 3. 3 Alur proses pembentukan tabel dan proses transformasi data ..................... 33 Gambar 3. 4 Star schema tf_penduduk ............................................................................. 37 Gambar 3. 5 Tabel biodata_wni ....................................................................................... 1-2 Gambar 3. 6 Tabel options_wni ....................................................................................... 1-3 Gambar 3. 7 Tabel ms_aktakawin.................................................................................... 1-3 Gambar 3. 8 Tabel ms_aktacerai...................................................................................... 1-3 Gambar 3. 9 Tabel ms_aktalahir ...................................................................................... 1-4 Gambar 3. 10 Tabel setup_kec ......................................................................................... 1-4 Gambar 3. 11 Tabel setup_kel ......................................................................................... 1-4 Gambar 3. 12 Tabel penyandangcacat ............................................................................. 1-5 Gambar 3. 13 Tabel ms_kelompokumur.......................................................................... 1-5 Gambar 3. 14 Tabel ms_bantuumur ................................................................................. 1-5 Gambar 3. 15 Transformasi data dari biodata_wni dan ms_bantuumur ke transaksi ..... 2-2 Gambar 3. 16 Transformasi data dari options_wni ke tabel ms_agama .......................... 2-3 Gambar 3. 17 Transformasi data dari options_wni ke tabel ms_pekerjaan ..................... 2-3 Gambar 3. 18 Transformasi data dari options_wni ke tabel ms_pendidikan ................... 2-4 Gambar 3. 19 Transformasi data dari options_wni ke tabel ms_golongandarah ............. 2-4 Gambar 3. 20 Transformasi data dari options_wni ke tabel ms_jeniskelamin ................ 2-4 Gambar 3. 21 Transformasi data dari ms_aktakawin ke tabel ms_aktakawin ................. 2-5 Gambar 3. 22 Transformasi data dari ms_aktacerai ke tabel ms_aktacerai ..................... 2-5 Gambar 3. 23 Transformasi data dari ms_aktalahir ke tabel ms_aktalahir ...................... 2-6 Gambar 3. 24 Transformasi data dari ms_kec ke tabel setup_kec .................................. 2-6 Gambar 3. 25 Transformasi data dari ms_kelurahan ke tabel setup_kel ........................ 2-7 Gambar 3. 26 Transformasi data dari penyandangcacat ke tabel ms_pnyandangcacat .. 2-7 Gambar 3. 27 Transformasi data dari ms_kelompokumur ke tabel ms_kelompokumur . 2-8 Gambar 3. 28 Pembentukan Tabel Dimensi Agama ....................................................... 3-2

xiv

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI xv

Gambar 3. 29 Pembentukan Tabel Dimensi Pekerjaan.................................................. 3-2 Gambar 3. 30 Pembentukan Tabel Dimensi Pendidikan ................................................ 3-2 Gambar 3. 31 Pembentukan Tabel Dimensi Golongan Darah ........................................ 3-3 Gambar 3. 32 Pembentukan Tabel Dimensi Jenis Kelamin ............................................ 3-3 Gambar 3. 33 Pembentukan Tabel Dimensi Akta Kawin ............................................... 3-3 Gambar 3. 34 Pembentukan Tabel Dimensi Akta Cerai ................................................. 3-4 Gambar 3. 35 Pembentukan Tabel Dimensi Akta Lahir ................................................. 3-4 Gambar 3. 36 Pembentukan Tabel Dimensi Wilayah ..................................................... 3-4 Gambar 3. 37 Pembentukan Tabel Dimensi penyandang cacat ...................................... 3-5 Gambar 3. 38 Pembentukan Tabel Dimensi Kelompok Umur ....................................... 3-5 Gambar 3. 39 Pembentukan Tabel tf_penduduk ............................................................. 3-6 Gambar 4. 1 Arsitektur Data Warehouse.......................................................................... 38 Gambar 4. 2 Struktur Tabel ms_aktalahir ......................................................................... 42 Gambar 4. 3 Data ms_aktalahir ........................................................................................ 42 Gambar 4. 4 ms_aktalahir.ktr............................................................................................ 43 Gambar 4. 5 Struktur Tabel dim_aktalahir_scd ................................................................ 44 Gambar 4. 6 Pembentukan dim_aktalahir_scd dengan menerapkan SCD type 2 ............. 44 Gambar 4. 7 Data setelah ms_aktalahir diinsert dan di-update ........................................ 45 Gambar 4. 8 Data setelah pembentukan dim_aktalahir_scd dr ms_aktalahir yang mengalami pergerakan dimensi .................................................................... 45 Gambar 4. 9 Star schema kubus Penduduk pada PendudukPemilu.xml .......................... 46 Gambar 4. 10 Halaman pembuatan laporan berdasarkan umur,kelamin dan akta lahir... 46 Gambar 4. 11 TR_PENDUDUK.ktr ............................................................................... 4-2 Gambar 4. 12 Tabel TR_PENDUDUK............................................................................ 4-5 Gambar 4. 13 ms_agama.ktr ........................................................................................... 4-5 Gambar 4. 14 Tabel ms_agama....................................................................................... 4-6 Gambar 4. 15 ms_pekerjaan.ktr ....................................................................................... 4-6 Gambar 4. 16 Tabel ms_pekerjaan.ktr ............................................................................. 4-8 Gambar 4. 17 ms_pendidikan.ktr .................................................................................... 4-8 Gambar 4. 18 Tabel ms_pendidikan.ktr ........................................................................... 4-9 Gambar 4. 19 ms_golongandarah.ktr ............................................................................... 4-9 Gambar 4. 20 Tabel ms_golongandarah ........................................................................ 4-10 Gambar 4. 21 ms_jeniskelamin.ktr ................................................................................ 4-11 Gambar 4. 22 Tabel ms_jeniskelamin............................................................................ 4-12

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI xvi

Gambar 4. 23 ms_aktakawin.ktr .................................................................................... 4-12 Gambar 4. 24 Tabel ms_aktakawin................................................................................ 4-13 Gambar 4. 25 ms_aktacerai.ktr ...................................................................................... 4-13 Gambar 4. 26 Tabel ms_aktacerai.................................................................................. 4-14 Gambar 4. 27 ms_aktalahir.ktr....................................................................................... 4-15 Gambar 4. 28 Tabel ms_aktalahir .................................................................................. 4-16 Gambar 4. 29 ms_kec.ktr .............................................................................................. 4-16 Gambar 4. 30 Tabel ms_kec .......................................................................................... 4-17 Gambar 4. 31 ms_kelurahan.ktr ..................................................................................... 4-18 Gambar 4. 32 Tabel ms_kelurahan ................................................................................ 4-19 Gambar 4. 33 ms_pnyandangcacat.ktr ........................................................................... 4-19 Gambar 4. 34 Tabel ms_pnyandangcacat ...................................................................... 4-20 Gambar 4. 35 ms_kelompokumur.ktr ............................................................................ 4-21 Gambar 4. 36 Tabel ms_kelompokumur........................................................................ 4-22 Gambar 4. 37 dim_agama_scd.ktr ................................................................................... 5-2 Gambar 4. 38 Tabel dim_agama_scd ............................................................................... 5-3 Gambar 4. 39 dim_pekerjaan_scd.ktr .............................................................................. 5-3 Gambar 4. 40 Tabel dim_pekerjaan_scd.......................................................................... 5-4 Gambar 4. 41 dim_pendidikan_scd.ktr ............................................................................ 5-4 Gambar 4. 42 Tabel dim_pendidikan_scd ....................................................................... 5-5 Gambar 4. 43 dim_golongandarah_scd.ktr ...................................................................... 5-5 Gambar 4. 44 Tabel dim_goldrh_scd............................................................................... 5-7 Gambar 4. 45 dim_jeniskel_scd.ktr ................................................................................. 5-7 Gambar 4. 46 Tabel dim_jeniskel_scd............................................................................. 5-8 Gambar 4. 47 dim_aktakawin_scd.ktr ............................................................................. 5-8 Gambar 4. 48 Tabel dim_aktakawin_scd......................................................................... 5-9 Gambar 4. 49 dim_aktacerai_scd.ktr ............................................................................... 5-9 Gambar 4. 50 Tabel dim_aktacerai_scd......................................................................... 5-10 Gambar 4. 51 dim_aktalahir_scd.ktr .............................................................................. 5-10 Gambar 4. 52 Tabel dim_aktalahir_scd ......................................................................... 5-11 Gambar 4. 53 dim_wilayah_scd.ktr ............................................................................... 5-12 Gambar 4. 54 Tabel dim_wilayah_scd .......................................................................... 5-13 Gambar 4. 55 dim_penyandangcct_scd.ktr .................................................................... 5-13 Gambar 4. 56 Tabel dim_penyandangcct_scd ............................................................... 5-14

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI xvii

Gambar 4. 57 dim_kelumur_scd.ktr .............................................................................. 5-15 Gambar 4. 58 Tabel dim_kelumur_scd .......................................................................... 5-16 Gambar 4. 59 TF_PENDUDUK.ktr............................................................................... 5-16 Gambar 4. 60 Tabel TF_PENDUDUK .......................................................................... 5-20 Gambar 4. 61 Struktur pembentukan Dimensi Agama .................................................... 6-2 Gambar 4. 62 Struktur pembentukan Dimensi Pekerjaan ................................................ 6-2 Gambar 4. 63 Struktur pembentukan Dimensi Pendidikan.............................................. 6-2 Gambar 4. 64 Struktur pembentukan Dimensi Golongan Darah ..................................... 6-3 Gambar 4. 65 Struktur pembentukan Dimensi Jenis Kelamin ......................................... 6-3 Gambar 4. 66 Struktur pembentukan Dimensi Akta Kawin ............................................ 6-3 Gambar 4. 67 Struktur pembentukan Dimensi Akta Cerai .............................................. 6-4 Gambar 4. 68 Struktur pembentukan Dimensi Akta Lahir .............................................. 6-4 Gambar 4. 69 Struktur pembentukan Dimensi Wilayah .................................................. 6-5 Gambar 4. 70 Struktur pembentukan Dimensi Penyandang Cacat .................................. 6-5 Gambar 4. 71 Struktur pembentukan Dimensi Kelompok Umur .................................... 6-5 Gambar 4. 72 Halaman Home.......................................................................................... 7-2 Gambar 4. 73 Halaman pembuatan laporan berdasarkan agama ..................................... 7-2 Gambar 4. 74 Halaman pembuatan laporan berdasarkan golongan darah. ...................... 7-3 Gambar 4. 75 Halaman pembuatan laporan berdasarkan jenis kelamin. ......................... 7-4 Gambar 4. 76 Halaman pembuatan laporan berdasarkan pendidikan. ............................. 7-5 Gambar 4. 77 Halaman pembuatan laporan berdasarkan penyandang cacat. .................. 7-6 Gambar 4. 78 Halaman pembuatan laporan berdasarkan umur ....................................... 7-7 Gambar 4. 79 Halaman pembuatan laporan berdasarkan umur,kelamin dan akta lahir... 7-8 Gambar 4. 80 Halaman Lihat Data Histori Penduduk .................................................... 7-8 Gambar 5. 1 Sebelum dim_aktalahir_scd mengalami pergerakan dimensi ...................... 49 Gambar 5. 2 Setelah dim_aktalahir_scd mengalami pergerakan dimensi ........................ 50 Gambar 5. 3 Data yang akan dipilih untuk di-update ....................................................... 50 Gambar 5. 4 Data yang telah di-update ............................................................................ 51 Gambar 5. 5 Form untuk melihat Histori Data Penduduk ............................................... 51 Gambar 5. 6 Setelah dim_aktalahir_scd mengalami pergerakan dimensi ........................ 52 Gambar 5. 7 View data yang akan di-update ................................................................. 8-2 Gambar 5. 8 Update data transaksi .................................................................................. 8-2 Gambar 5. 9 View data yang telah di-update................................................................. 8-2


DAFTAR TABEL

Tabel 2. 1 Perbandingan Sistem OLTP dan Sistem Data warehouse.................................. 9 Tabel 3. 1 Narasi use case melihat hasil OLAP ................................................................ 24 Tabel 3. 2 Narasi use case membuat laporan dari hasil OLAP ......................................... 25 Tabel 3. 3 Narasi use case melihat Histori data penduduk .............................................. 26 Tabel 3. 4. Tabel Fakta yang Terpilih ............................................................................... 28 Tabel 3. 5 Tabel yang digunakan sebagai sumber data..................................................... 29 Tabel 3. 6 Tabel aktivitas dan tujuan proses pemilihan field yang akan diperlukan dari database SIAKDB .......................................................................................... 29 Tabel 4. 1 Tabel Aktivitas dan Tujuan dari Integrasi Data Transaksional dan Data Master dari Database SIAKDB ke database Penduduk ........................................... 40 Tabel 4. 2 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_aktalahir dari ms_aktalahir ....................................................................... 43 Tabel 4. 3 query insert-update ms_aktalahir .................................................................... 44 Tabel 4. 4 Kode Perintah automatisasi.bat........................................................................ 46 Tabel 4. 5 Struktur lap_aktalhtjeniskelumur.jsp…………………………………………47 Tabel 4. 6 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data transaksi dari biodata_wni dan ms_bantuumur .............................................. 4-2 Tabel 4. 7 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_agama dari options_wni........................................................................... 4-5 Tabel 4. 8 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ pekerjaan dari options_wni .................................................................... 4-7 Tabel 4. 9 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ pendidikan dari options_wni .................................................................. 4-8 Tabel 4. 10 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_golongandarah dari options_wni ............................................................. 4-9 Tabel 4. 11 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ jeniskelamin dari options_wni.............................................................. 4-11 Tabel 4. 12 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ aktakawin dari ms_ aktakawin ............................................................. 4-12 Tabel 4. 13 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ aktacerai dari ms_ aktacerai ................................................................. 4-14

xviii

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI xix

Tabel 4. 14 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_aktalahir dari ms_aktalahir .................................................................... 4-15 Tabel 4. 15 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi ms_kec dari setup_kec ................................................................................. 4-16 Tabel 4. 16 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi ms_kelurahan dari setup_kel........................................................................ 4-18 Tabel 4. 17 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi ms_ pnyandangcacat dari penyandangcacat ........................................................ 4-20 Tabel 4. 18 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi ms_kelompokumur dari ms_kelompokumur ............................................... 4-21 Tabel 4. 19 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_agama_scd dari tabel ms_agama .......................... 5-2 Tabel 4. 20 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_agama_scd dari tabel ms_agama .......................... 5-3 Tabel 4. 21 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_pendidikan_scd dari tabel ms_pendidikan ............. 5-4 Tabel 4. 22 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_goldrh_scd dari tabel ms_golongandarah .............. 5-6 Tabel 4. 23 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_jeniskel_scd dari tabel ms_ jeniskelamin .............. 5-7 Tabel 4. 24 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_aktakawin_scd dari tabel ms_aktakawin ................ 5-8 Tabel 4. 25 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_aktacerai_scd dari tabel ms_aktacerai .................. 5-10 Tabel 4. 26 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_aktalahir_scd dari tabel ms_aktalahir ................... 5-11 Tabel 4. 27 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi tabel dim_wilayah_scd dari tabel ms_kelurahan dan ms_kec. ............................. 5-12 Tabel 4. 28 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_pydgcct_scd dari tabel ms_pnyandangcacat ......... 5-14 Tabel 4. 29 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_kelumur_scd dari tabel ms_kelompokumur.......... 5-15 Tabel 4. 30 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel tf_penduduk .................................................................. 5-17

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI xx

Tabel 4. 31 Struktur lap_agama.jsp ................................................................................. 7-3 Tabel 4. 32 Struktur lap_goldrh.jsp ................................................................................. 7-3 Tabel 4. 33 Struktur lap_jeniskel.jsp ............................................................................... 7-4 Tabel 4. 34 Struktur lap_pendidikan.jsp .......................................................................... 7-5 Tabel 4. 35 Struktur lap_penyandangcacat.jsp ................................................................ 7-6 Tabel 4. 36 Struktur lap_umur.jsp ................................................................................... 7-7 Tabel 4. 37 Struktur lap_aktalhtjeniskelumur.jsp ............................................................ 7-8


BAB I PENDAHULUAN 1.1

Latar Belakang Data dapat digunakan untuk membantu suatu instansi pemerintah,

organisasi, perusahaan, maupun perorangan dalam memperoleh informasi yang dibutuhkan. Data yang ada akan menjadi lebih informatif jika dilakukan suatu proses pengolahan. Informasi tersebut dapat digunakan untuk banyak hal, antara lain adalah untuk membuat laporan Kependudukan dan Pencatatan Sipil dari setiap kota dalam rangka penyusunan Buku Data Kependudukan. Informasi dan data yang dikelola atau dimiliki oleh Pemerintahan Daerah salah satunya adalah dari Dinas Kependudukan dan Pencatatan Sipil (DISDUKCAPIL) Kabupaten Klaten, kini telah berubah menjadi aset berharga untuk

menentukan

keputusan

dalam

perencanaan

pembangunan

dan

pengembangan daerah guna pengambilan kebijakan Pemerintah dalam rangka menyejahterakan penduduk. Tanpa pengelolaan dan pemanfaatan data maupun informasi tersebut secara maksimal maka boleh dikatakan Pemerintah tersebut tidak memaksimalkan salah satu potensi yang dimiliki untuk memantau kesejahteraan penduduknya. Selain itu untuk memutuskan kebijakan yang cepat dan tepat, data dan informasi tersebut perlu dipelihara untuk kemudahan akses jika sewaktu-waktu dibutuhkan misalnya untuk keperluan analisa pertambahan penduduk, pendukung keputusan kebijakan Pemerintah dan lain sebagainya. Kemudahan akses data-data operasional yang bersifat historical dapat dikembangkan menjadi informasi guna kebutuhan perencanaan atau kebutuhan strategis ke depan dengan tujuan memperoleh informasi yang relevan bagi kebutuhan Pemerintah yang dipakai untuk pengambilan keputusan.

1

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 2

Untuk mendukung pengelolaan data yang baik, utamanya bagi Pemerintah Daerah yang memiliki data penduduk dengan volume besar dan tersebar ke dalam database terpisah, dewasa ini telah ada teknologi Data Warehouse yang dapat menggabungkan data dari berbagai sumber data operasional dan sinkronisasi datanya dapat dilakukan secara periodik maupun real time, disesuaikan dengan kebutuhan yang ada. “A Data Warehouse is a Subject Oriented, Integrated, NonVolatile, and Time-variant collection of data in support of management’s decisions” (Inmon,2005). Penerapan Data Warehouse

yang baik dan sesuai

dengan kebutuhan secara otomatis memudahkan pengelolaan data dan proses pengambilan informasi dari sumber data. Selanjutnya adalah bagaimana data tersebut dapat disajikan secara informatif. DISDUKCAPIL Kabupaten Klaten adalah instansi Pemerintah yang mengelola data kependudukan di Kabupaten Klaten. Dalam rangka penyusunan Buku Data Kependudukan Provinsi Jawa Tengah, pihak Pemerintah provinsi Jawa Tengah atas nama Dinas Tenaga Kerja, Transmigrasi dan Kependudukan (DINAKERTRANSDUK)

meminta

laporan

data

penduduk

kepada

DISDUKCAPIL Kabupaten Klaten secara periodik dalam kurun waktu 3 bulan. Sistem Administrasi Kependudukan (SIAK) belum cukup membantu dalam menyelesaikan laporan data penduduk, dikarenakan fasilitas yang disediakan SIAK belum dapat menyediakan informasi secara detail seperti yang diharapkan DINAKERTRANSDUK sehingga untuk mendapatkan informasi yang lebih detail seperti jumlah penduduk berdasar kelamin perempuan dan laki-laki ditinjau dari dimensi usia, dan lain sebagainya masih diperlukan query manual satu persatu dari data yang dibutuhkan. Dengan adanya Data Warehouse DISDUKCAPIL Kabupaten Klaten dapat terbantu dalam mengelola dan mengintegrasikan data yang ada sehingga diperoleh informasi penduduk yang dapat ditinjau dari berbagai dimensi ( jenis kelamin, agama, pekerjaan, penyandang cacat, akta


kawin, akta lahir, akta cerai, pendidikan, kecamatan, usia, wilayah dan golongan darah ). Admin masing-masing Kecamatan mengentrikan data penduduk yang disimpan kedalam database SIAKDB dan

dapat diambil dengan mudah

rangkuman datanya ketika digudangkan dalam suatu basisdata besar (Data Warehouse ) terlebih dahulu. Data yang telah disimpan dapat mengalami perubahan, hal ini menunjukkan aspek dinamis dari Data Warehouse sehingga memerlukan updating beberapa dimensi. Perubahan-perubahan dalam catatan dimensi dapat menyebabkan situasi tidak teratur jika tidak diperlakukan dengan baik. Untuk mendukung pembentukan dimensi yang dinamis dalam sebuah Data Warehouse diimplementasikan sebuah kriteria Dimensional yaitu Slowly Changing Dimensions (SCD) sehingga data Histori dapat tersimpan dan diakses sewaktu-waktu. Data Warehouse yang dengan teknologi OLAP (Online Analytical Processing) memungkinkan dilakukan query dengan cepat dan menghasilkan informasi secara multidimensi. 1.2

Rumusan masalah Berdasarkan latar belakang masalah tersebut maka rumusan masalah yang

akan dipaparkan adalah : Bagaimana membangun sistem database OLAP (Online Analytical Processing) dengan dengan mengimplementasikan SCD type 2 yang mendukung pembentukan dimensi dinamis pada Data Warehouse untuk membantu DISDUKCAPIL Kabupaten Klaten dalam mengelola data penduduk. 1.3

Tujuan Menerapkan SCD type 2 dalam pembentukan dimensi dinamis pada Data

Warehouse untuk membangun sistem database OLAP. 1.4

Batasan Masalah Penelitian ini akan dibatasi pada hal-hal berikut:


1. Data penduduk yang digunakan adalah data penduduk yang ada di DISDUKCAPIL Kabupaten Klaten. 2. Informasi OLAP yang terbentuk digunakan oleh DISDUKCAPIL Kabupaten Klaten dalam membantu penyusunan laporan data penduduk kepada DINAKERTRANSDUK. 3. Dalam mendukung dimensi yang dinamis diterapkan SDC type 2 untuk menyimpan Histori data penduduk. 4. Penerapan SDC type 2 dan pembangunan Data Warehouse menggunakan tools kettle. 5. OLAP server yang digunakan yaitu Mondrian. 6. Sistem OLAP yang dibangun hanya untuk melengkapi fitur SIAK dan tampilan dibuat sesederhana mungkin sesuai dengan keiinginan pihak DISDUKCAPIL Kabupaten Klaten. 1.5

Metodologi Penelitian Metodologi penelitian yang dilaksanakan dalam penyusunan Tugas Akhir

ini adalah sebagai berikut: 1. Mengumpulkan informasi dan data a) Metode Analisis Metode ini digunakan untuk mendapatkan informasi yang diperlukan untuk mencapai tujuan. Metode ini terdiri dari beberapa tahapan yaitu : a. Studi kepustakaan Merupakan teknik pengumpulan data untuk mendapatkan informasi dari berbagai sumber seperti media cetak, buku-buku, dan situs–situs sebagai dasar dari pengembangan, serta tesis–tesis terdahulu dengan tema serupa sebagai bahan pembanding penulisan skripsi ini. b. Survey terhadap kebutuhan user


Melakukan wawancara dengan bapak Rudy Widodo selaku Admin SIAK di DISDUKCAPIL Kabupaten Klaten pada tanggal 10 Februari 2012 untuk mengetahui hal–hal lain yang berhubungan dengan perancangan aplikasi data warehouse ini, sehingga program yang dihasilkan sesuai dengan yang diharapkan. c. Analisis data terhadap hasil survey Melakukan analisis secara deskriptif terhadap informasiinformasi yang telah didapatkan dari hasil wawancara dengan bapak Rudy Widodo selaku Admin SIAK di DISDUKCAPIL Kabupaten Klaten pada tanggal 10 Februari 2012 untuk mengindentifikasi masalah, dan mencari solusi yang tepat untuk pemecahan masalah tersebut. b) Metode Perancangan Metode yang dipakai untuk merancang data warehouse adalah menggunakan Nine-Step Methodology menurut Kimball (lihat 2.6). 2. Pengujian SCD type 2. a. Menyiapkan data baru yang akan ditransformasi membentuk dimensi. b. Menyiapkan data penduduk baru yang mempunyai data dimensi baru. c. Melakukan transformasi implementasi SDC type 2. d. Melihat hasil database OLAP dan report histori data penduduk dari antar muka pengguna. 3. Membuat kesimpulan. 1.6

Sistematika Penulisan Bab I Pendahuluan Bab ini berisi tentang pembahasan latar belakang, rumusan masalah, tujuan, batasan masalah, metodologi penelitian, dan sistematika penulisan. Bab II Landasan Teori


Bab ini membahas sekilas tentang Data Warehouse dan juga teoriteori lain yang mendukung dalam penulisan tugas akhir ini. Bab III Analisis dan Perancangan Sistem Bab ini membahas langkah-langkah yang akan dilakukan dalam penelitian serta proses analisa dari langkah-langkah tersebut yang kemudian akan diimplementasikan. Bab IV Implementasi dan Analisis Sistem Bab ini memuat proses

penerapan SDC type 2 yang mendukung

pembentukan dimensi dinamis pada Data Warehouse. Bab V Analisis Hasil Bab ini berisi hasil implementasi sistem yang telah dibangun dan pengujian sistem. Bab VI Penutup Bab ini berisi kesimpulan dari sistem yang telah dibuat serta saran untuk

pengembangan

dan

penyempurnaan

Tugas

Akhir

ini.


BAB II LANDASAN TEORI 2.1

Pengertian Data Warehouse Menurut W.H. Inmon (1992) Data Warehouse didefinisikan sebagai

sekumpulan data yang terintegrasi, basis data berorientasi subyek yang di desain untuk mendukung fungsi sistem penggambilan keputusan, dimana setiap unit dari data adalah non-volatile dan relevan untuk waktu tertentu (Connolly dkk,2008). 2.2

Fungsi Data Warehouse Data Warehouse mempunyai kegunaan sebagai berikut [2]:

1. Pembuatan laporan Pembuatan laporan merupakan salah satu kegunaan Data Warehouse yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari, perbulan, pertahun atau jangka waktu kapanpun yang diinginkan. 2. OnLine Analytical Processing (OLAP) Dengan adanya Data Warehouse, semua informasi baik detail maupun summary yang dibutuhkan dalam proses analisa mudah didapat. Fasilitas lain yang ada pada software OLAP adalah fasilitas roll – up dan drill – down. Drill – down adalah kemampuan untuk melihat detail dari suatu informasi dan roll – up adalah kebalikannya. 3. Data mining Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya. 4. Proses informasi eksekutif Dengan menggunakan Data Warehouse segala laporan telah diringkas dan dapat

pula

mengetahui

segala

rinciannya

7

secara

lengkap,

sehingga


mempermudah proses pengambilan keputusan. Informasi dan data pada laporan Data Warehouse menjadi target informative bagi user. 2.3

Keuntungan Data Warehouse Keuntungan yang dapat diambil saat menerapkan data warehouse[2] :

1. Meningkatkan produktifitas dari pengambilan keputusan perusahaan / organisasi / instansi. Data

warehouse

meningkatkan

produktifitas

dari

pengambil

keputusan dengan membuat integrasi database yang konsisten, berorientasi subjek dan Histori kal data. Data warehouse mengintegrasikan data dari banyak sistem yang tidak kompatibel menjadi suatu bentuk yang menyediakan satu tampilan yang konsisten mengenai perusahaan. Dengan mentransformasikan data menjadi informasi yang berguna, data warehouse mengijinkan si pengambil keputusan untuk melakukan analisis lebih sesuai dengan kenyataan, akurat dan konsisten. 2. Potensi ROI (Return Of Investment) yang besar. Suatu perusahaan akan mengeluarkan sumber daya yang cukup besar untuk mengimplementasikan data warehouse dan pengeluaran yang berbedabeda sesuai dengan variasi solusi teknikal yang akan diterapkan pada perusahaan. Bagaimana pun juga. Suatu studi oleh International Data Corporation (IDC) pada tahun 1996 melaporkan bahwa rata-rata tiga tahun return of investment (ROI) dalam data warehouse mencapai 401% dengan lebih dari 90% dari perusahaan yang diSurvey mencapai lebih dari 40% ROI, setengah dari perusahaan mencapai lebih dari 160% ROI, dan seperempat lebih mendapat lebih dari 600% ROI (IDC, 1996). 3. Competitive Advantage. Return on investment yang besar dari perusahaan yang berhasil mengimplementasikan suatu data warehouse adalah bukti dari sangat


besarnya competitive advantage yang dapat diperoleh dengan menggunakan teknologi ini. Competitive advantage diperoleh dengan mengijinkan si pengambil keputusan untuk mengakses data tersembunyi yang sebelumnya tidak tersedia, tidak di ketahui, dan tidak dimanfaatkan seperti data mengenai pelanggan, tren, dan permintaan. 2.4

Karakteristik Data Warehouse Menurut Inmon karakteristik Data Warehouse sebagai berikut[1] : 1. Subject Oriented (Berorientasi subject) Data Warehouse

berorientasi subject artinya

Data Warehouse

didesain untuk menganalisa data berdasarkan subject-subject tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu. Data Warehouse diorganisasikan disekitar subjek-subjek utama dari perusahaan(customers, products dan sales) dan tidak diorganisasikan pada area-area aplikasi utama (customer invoicing, stock control dan product sales). Hal ini dikarenakan kebutuhan dari Data Warehouse untuk menyimpan datadata yang bersifat sebagai penunjang suatu keputusan, dari pada aplikasi yang berorientasi terhadap data. Di bawah ini adalah tabel 2.1 perbedaan antara sistem OLTP dan sistem data warehouse menurut Connolly dan Begg (2005). Tabel 2. 1 Perbandingan Sistem OLTP dan Sistem Data warehouse


2. Integrated (Terintegrasi) Data Warehouse dapat menyimpan data-data yang berasal dari sumber-sumber yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya. Dengan demikian data tidak bisa dipecahpecah karena data yang ada merupakan suatu kesatuan yang menunjang keseluruhan konsep Data Warehouse itu sendiri. Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara sepeti konsisten dalam penamaan variabel, konsisten dalam ukuran variabel, konsisten dalam struktur pengkodean, dan konsisten dalam atribut fisik dari data. 3. Time-variant (Rentang Waktu) Seluruh data pada Data Warehouse dapat dikatakan akurat atau valid pada rentang waktu tertentu. Untuk melihat interval waktu yang digunakan dalam mengukur keakuratan suatu Data Warehouse , kita dapat menggunakan cara antara lain : a. Cara yang paling sederhana adalah menyajikan Data Warehouse pada rentang waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan. b. Cara yang kedua, dengan menggunakan variasi/perbedaan waktu yang disajikan dalam Data Warehouse baik implicit maupun explicit secara explicit dengan unsur waktu dalam hari, minggu, bulan dsb. Secara implicit misalnya pada saat data tersebut diduplikasi pada setiap akhir bulan, atau per tiga bulan. Unsur waktu akan tetap ada secara implisit didalam data tersebut.


c. Cara yang ketiga,variasi waktu yang disajikan Data Warehouse melalui serangkaian snapshot yang panjang. Snapshot merupakan tampilan dari sebagian data tertentu sesuai keinginan pemakai dari keseluruhan data yang ada bersifat read-only. 4. Non-Volatile Karakteristik keempat dari Data Warehouse adalah non-volatile, maksudnya data pada Data Warehouse tidak di-update secara real time tetapi di refresh dari sistem operasional secara reguler. Data yang baru selalu ditambahkan sebagai suplemen bagi database itu sendiri dari pada sebagai sebuah perubahan. Database tersebut secara continue menyerap data baru ini, kemudian secara incremental disatukan dengan data sebelumnya. Berbeda dengan database operasional yang dapat melakukan update, insert dan delete terhadap data yang mengubah isi dari database sedangkan pada Data Warehouse hanya ada dua kegiatan memanipulasi data yaitu Load ing data (mengambil data) dan akses data (mengakses Data Warehouse seperti melakukan query atau menampilan laporan yang dibutuhkan, tidak ada kegiatan updating data. 2.5

Arsitektur Data Warehouse Arsitektur gudang data (Data Warehouse) dapat dilihat pada gambar 2.1

sebagai berikut [2]:


Gambar 2. 1 Arsitektur Gudang Data

Berikut ini adalah tiga jenis dasar sistem Data Warehouse [2]: 1. Functional Data Warehouse ( Data Warehouse Fungsional) Kata fungsional disini merupakan database yang diperoleh dari kegiatan

sehari-hari.

Data

Warehouse

dibuat

lebih

dari

satu

dan

dikelompokkan berdasar fungsi-fungsi yang ada di dalam perusahaan seperti fungsi keuangan(financial), marketing, personalia dan lain-lain. Keuntungan dari bentuk Data Warehouse seperti ini adalah, sistem mudah dibangun dengan biaya relatif murah sedangkan kerugiannya adalah resiko kehilangan konsistensi data dan terbatasnya kemampuan dalam pengumpulan data bagi pengguna. 2. Centralized Data Warehouse ( Data Warehouse Terpusat ) Bentuk ini terlihat seperti bentuk data warehouse fungsional, namun terlebih dahulu sumber data dikumpulkan dalam satu tempat terpusat, kemudian data disebar ke dalam fungsinya masing-masing, sesuai kebutuhan perusahaan. Data warehouse terpusat ini, biasa digunakan oleh perusahaan yang belum memiliki jaringan eksternal. Keuntungan dari bentuk ini adalah data benar-benar terpadu karena konsistensinya yang tinggi sedang kerugiannya adalah biaya yang mahal serta memerlukan waktu yang cukup lama untuk membangunnya.


3. Distributed Data Warehouse ( Data Warehouse terdistribusi) Pada data warehouse terdistribusi ini, digunakan gateway yang berfungsi sebagai jembatan penghubung antara

data warehouse

dengan

workstation yang menggunakan sistem beraneka ragam. Dengan sistem terdistribusi seperti ini memungkinkan perusahaan dapat mengakses sumber data yang berada diluar lokasi perusahaan (eksternal). Keuntungannya adalah data tetap konsisten karena sebelum data digunakan data terlebih dahulu di sesuaikan atau mengalami proses sinkronisasi. Kerugiannya adalah lebih kompleks untuk diterapkan karena sistem operasi dikelola secara terpisah juga biayanya yang paling mahal dibandingkan dengan dua bentuk Data Warehouse lainnya. 2.6

Tahapan Membangun Data Warehouse Menurut Kimball, metode yang dipakai untuk merancang data warehouse

adalah Nine-Step Methodology (Connolly & Begg, 2005, p. 1187) : 1. Choosing the process (pemilihan proses) Melakukan pemilihan proses pada materi subjek yang dibutuhkan oleh data mart pada tahap ini ditentukan pada proses bisnis apa data warehouse akan digunakan. 2. Choosing the Grain (pemilihan grain) Menentukan secara tepat apa yang direpresentasikan oleh record tabel fakta. 3. Indetifying and Conforming the Dimension (identifikasi dan konfirmasi dimensi) Membuat set dimensi yang dibutuhkan untuk menjawab seluruh pertanyaan yang diajukan pada tabel fakta. 4.

Choosing the Facts (pemilihan fakta) Pemilihan tabel fakta yang dapat diimplikasikan sesuai grain yang digunakan pada data mart.


5. Storing Pre-Calculation In the Fact Table (penyimpanan Pre- Calculation di tabel fakta) Setelah tabel fakta terpilih, setiap tabel fakta tersebut harus diperiksa ulang untuk menentukan apakah ada fakta yang dapat diterapkan pre-kalkulasi dan kemudian dilakukan penyimpanan pada tabel fakta. 6. Rounding Out the Dimension Tables (melengkapi tabel dimensi) Pada tahap ini dilakukan pemeriksaan ulang pada tabel dimensi dan menambahkan deskripsi teks terhadap dimensi, serta menentukan hirearki atribut dimensi untuk mempermudah proses analisis. 7. Choosing the Duration of the Database (pemilihan durasi database) Menentukan waktu periode database untuk beberapa tahun kebelakang. 8. Tracking SCD (melacak SCD) Dimensi berubah secara perlahan seiring berjalannya waktu dan kebutuhan. 9. Deciding the Query Priorities and the Query Modes (memutuskan prioritas query dan mode query) Pada tahap ini dilakukan pertimbangan perancangan fisikal, seperti keberadaan dari summary (ringkasan) dan aggregate (penjumlahan). 2.7

Data Staging Database Staging merupakan buffer untuk mengintegrasikan data.

Menggunakan database Staging ini proses ETL pada Data Warehouse akan cepat. Hal lain yang menjadikan database Staging sebagai solusi yang sangat baik karena proses di memori (RAM) yang sangat terbatas dan akhirnya akan mencari space di hard drive untuk paging/ caching. Dengan batasan seperti itu, lama kelamaan proses di memory akan penuh dan menjadi bottleneck di ETL. Apabila terjadi kondisi yang akan sangat membebani memori, maka lebih baik menggunakan strategi Data Staging[5].


2.8

Extract, Transform, dan Load (ETL) Untuk melakukan data warehousing maka diperlukan utilitas yang

dirancang khusus untuk hal tersebut. Utilitas tersebut harus memiliki kemampuan[5]: 1. Membaca dari dan mengirim data ke berbagai sumber (file

text, excel,

database relational, dan sebagainya). 2. Mampu menyesuaikan / transformasi data. 3. Memiliki informasi metadata pada setiap perjalanan transformasi. 4. Memiliki audit log yang baik. 5. Dapat ditingkatkan performanya dengan scale up dan scale out. 6. Mudah diimplementasikan. Secara singkat proses tersebut dibagi dalam 3 proses besar yaitu Extract (mengambil), Transform (transformasi), dan Load (menyimpan) atau disingkat ETL dapat dilihat pada gambar 2.2.

Gambar 2. 2 Sistem Kerja Data Warehouse

2.9 2.9.1

Multi Dimensional Modelling Cube, Dimension, Measure , dan 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[5]:


1. Cube : adalah struktur multi Dimensional konseptual, terdiri dari Dimension dan measure dan biasanya mencakup pandangan bisnis tertentu. 2. Dimension / dimensi : adalah struktur view / sudut pandang yang menyusun Cube. Dimensi dapat terdiri dari berbagai level. 3. Measure : nilai pengukuran itu sendiri. 4. Member : isi / anggota dari suatu Dimension / measure tertentu. 2.9.2

Tabel Fakta dan Dimensi (Fact and Dimension Tabels) Tabel fakta (fact tabel) yaitu tabel yang berisi fakta numerik, jika semua

data disimpan pada tabel fakta tunggal, maka hasilnya adalah tabel yang besar sekali. Tabel dimensi (Dimension tabel) yaitu tabel yang berisi petunjuk (pointer) ke tabel fakta, digunakan untuk menunjukkan darimana data dapat ditemukan dan tabel terpisah dibutuhkan untuk setiap dimensi. Di dalam model multi dimensional, database terdiri dari beberapa tabel fakta dan tabel dimensi 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 measure tersebut. Dalam perkembangannya, susunan fact tabel dan Dimension tabel 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 skema yang paling umum digunakan oleh berbagai OLAP engine adalah skema bintang (star schema) dan skema butir salju (snowflake schema) [5]. 2.9.3

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 dapat dilihat pada gambar 2.3 [5].

Gambar 2. 3 Star schema dari PHI-Minimart

2.10 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[4]. 2.11 Pentaho Data Integration (Kettle) 2.11.1 Pentaho Data Integration Pentaho Data Integration (PDI) atau Kettle adalah utlities ETL open source di bawah Pentaho Corp Amerika. Proyek ini awalnya merupakan inisiatif dari Matt Casters (http://www.ibridge.be), seorang programmer

dan konsultan

Business Intelligence (BI) dari Belgia yang telah menangani berbagai proyek BI untuk semua perusahaan besar.[5] Saat ini Kettle merupakan utilitas ETL yang sangat popular dengan beberapa fitur sebagai berikut: 1. Kumpulan step yang kaya ( lebih dari 100 steps ) dalam paket. 2. Dukungan untuk proses Data Warehouse terutama untuk Slowly Changing dan Junk Dimensions.


3. Performa dan kemampuan skalabilitas yang sudah terbuka. 4. Dapat dikembangkan dengan berbagai plugin tambahan. 2.11.2 Komponen Aplikasi Kettle Kettle 3.0.1 terdiri dari 4 utilitas dalam bentuk shell / batch script, yaitu:[5] 1. Spoon Spoon adalah utilitas grafik untuk merancang, mengeksekusi dan melakukan troubleshooting dari ETL melalui job dan transformasi. Porsi terbesar dari alokasi waktu pengembangan proyek Data Warehouse adalah Kettle yang melibatkan spoon di dalamnya. Lingkungan kerja spoon terdiri dari beberapa bagian sebagai berikut: a. Pulldown Menu : koleksi menu dari spoon yang terintegrasi dalam satu toolbar. b. Welcome Screen : merupakan halaman pembuka kettle yang berisi informasi ke situs Pentaho. Untuk mengaktifkan welcome screen pilih menu Help | Show the Welcome Screen. c. Toolbar : terdiri dari job / transformasi toolbar . d. Panel Execution Results, terdiri dari: 1) Execution Histori

: Data Histori es eksekusi .

2) Logging : Berisi detil dari eksekusi job / transformation. 3) Job Metrics : Berisi detil dari step-step yang telah dieksekusi . 4) Step Metrics : berisi detil jumlah pembacaan data ( write, update, dll) per satuan waktu detik dari step-step yang telah dieksekusi. 5) Performance Graphs : Tampilan grafis dari pembacaan data dari Step Metrics. 2. Pan Pan merupakan utilitas yang digunakan untuk mengeksekusi transformasi. Umumnya dijalankan pada saat otomatisasi terjadwal (scheduled


automation). Dipaketkan dengan nama file pan.bat (batch script) dan pan.sh (BASH shell script)[5]. 3. Kitchen Kitchen merupakan utilitas yang digunakan unutk mengeksekusi job . Umumnya dijalankan pada saat otomatisasi terjadwal (scheduled automation). Dipaketkan dengan nama file pan.bat (batch script) dan pan.sh (BASH shell script). 4. Carte Merupakan utilitas cluster web server yang digunakan untuk mengeksekusi job / transformation. Terutama digunakan untuk meningkatkan performa ETL dengan pembagian Load kerja pada berbagai node Carte (master dan slave). 2.12 Slowly Changing Dimensions (SCD) Dapat dipastikan bahwa pada suatu saat sumber data pembentuk dimensi akan berubah. Perubahan tersebut dinamakan Slowly Changing Dimensions (SCD) atau dimensi yang berubah secara perlahan. Ada 3 macam tipe respon / penanganan SCD yaitu Tipe 1, 2, dan 3. Bagian Berikut menerangkan apa perbedaan dari tiap tipe SCD[7] : 1. Type 1 SCD Menggunakan pendekatan timpa data yang berubah ( overwrite ). Ini dilakukan jika memang tidak ada kepentingan menyimpan data historis atau pergerakan isi data dari dimensi tersebut. 2. Type 2 SCD Menyimpan semua historis data dengan Surrogate Key berbeda ( partitioning Histori ). Dapat menambahkan masa berlaku dari dimensi bersangkutan. Ini dilakukan jika memang pergerakan data historis tetap berpengaruh kepada analisis data seperti perpindahan salesman dari satu regional ke regional lain.


3. Type 3 SCD Menyimpan satu historis data pada kolom lain (alternate realities). Sama seperti Type 2 hanya saja lebih terbatas kepada jumlah perubahan data (update) yang diijinkan.


BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1

Analisis Sistem Yang Sudah Berjalan Pada bagian ini dijelaskan tentang proses pembuatan laporan yang sudah

berjalan di DISDUKCAPIL Kabupaten Klaten selama ini. Gambaran umum proses pembuatan laporan yang sudah berjalan dapat dilihat dalam gambar 3.1.

Gambar 3. 1 Proses pembuatan Laporan

Dimulai dari Pemerintah tingkat Provinsi (DINAKERTRANSDUK) yang mengirimkan surat dinas yang meminta DISDUKCAPIL untuk memberikan laporan Data Kependudukan di setiap Kabupaten. Tools SIAK yang disediakan Pemerintah dapat sedikit membantu dalam perhitungan data penduduk secara umum, namun untuk perhitungan data secara detail belum dapat dilakukan. Kemudian Admin SIAK sebagai penanggung jawab penyusunan Data Kependudukan melakukan query setiap data yang akan digunakan untuk mengisi

21


laporan yang diminta dan proses ini membutuhkan sekitar 3 hari pengerjaannya. Dari hasil query akan dibuat laporan dalam bentuk file excel dan kemudian dijadikan lampiran lalu dikirim kepada admin DINAKERTRANSDUK yang berkaitan sebelum batas waktu yang ditentukan. 3.1.1

Kelemahan Sistem yang Ada Sekarang Berdasarkan penelitian yang dilakukan, maka ada beberapa masalah yang

dihadapi oleh DISDUKCAPIL Kabupaten Klaten, yaitu sebagi berikut : 1. Penggunaan database yang ada di perusahaan masih belum bisa membuat laporan secara langsung, sehingga diperlukan integrasi ke dalam data warehouse. 2. DISDUKCAPIL Kabupaten Klaten dalam menganalisis data dan kebutuhan belum dapat dilakukan dengan cepat, karena

belum memiliki data

warehouse, sehingga data penduduk tersebut tidak dapat dimanfaatkan secara optimal untuk digunakan sebagai bahan analisis untuk pengambilan keputusan kebijakan Pemerintah. 3. Belum ada tools yang dapat dengan mudah memberikan informasi dalam bentuk grafik, yang dapat membantu pihak Pemerintah melihat dan menganalisis hasil yang ditampilkan dalam bentuk grafik. 4. Kesulitan dalam mengelola data historis penduduk sebagai acuan bagi perencanaan strategis untuk masa yang akan datang. 3.2

Analisis Kebutuhan Pengguna DISDUKCAPIL Kabupaten Klaten membutuhkan pengolahan data secara

cepat

dan

valid

dalam

proses

pembuatan

laporan

maupun

dalam

mempertimbangkan kebijakan Pemerintah. Data dalam jumlah banyak yang akan diolah sebagai laporan beberapa kali mengalami perubahan, hal ini merefleksikan aspek dinamis selain itu perubahan tidak tersimpan secara fisik sehingga


diperlukan teknik khusus dalam menanganinya supaya Histori

data dapat

diakses. Teknik khusus yang perlu digunakan adalah Data Warehouse yang mengimplementasikan SCD type 2. Sehingga perubahan-perubahan dalam catatan dimensi yang dapat menyebabkan situasi tidak teratur dapat diperlakukan dengan baik. Adapun proses pengolahan data yang diperlukan adalah pembuatan laporan. 3.3

Alternatif Pemecahan Masalah Berdasarkan permasalahan yang dihadapi di atas, berikut ini adalah

alternatif pemecahan masalah yang diusulkan : a. Dengan menggunakan data warehouse maka akan mempercepat proses pembuatan laporan yang dibutuhkan oleh Admin SIAK di DISDUKCAPIL Kabupaten Klaten. b. Dengan menggunakan aplikasi data warehouse dimana laporan yang dihasilkan dapat ditampilkan ke dalam bentuk tabel dan grafik yang mudah untuk diakses dan digunakan oleh Staf Pemerintahan Kabupaten Klaten yang berkepentingan. c. Dengan melakukan integrasi data yang ada ke dalam Data Warehouse untuk membangun sistem OLAP dengan mengimplementasikan SCD type 2 data historis penduduk akan dapat tersimpan. 3.4

Gambaran Umum Sistem Yang Akan Dikembangkan Sistem yang akan dibangun adalah sistem OLAP dengan Data Warehouse

yang mengimplementasikan SCD type 2. Sistem OLAP multidimensional database diperlukan untuk menampilkan data penduduk secara multidimensi sehingga dapat digunakan untuk mengetahui Histori data penduduk selain itu untuk membantu admin dalam menyelesaikan laporan dengan cepat dan tepat. Data yang tersimpan di SIAK akan dilakukan transformasi data dan selanjutnya data tersebut disiapkan ke dalam Data Warehouse dengan


menerapkan SCD type 2 yang mendukung pembentukan dimensi dinamis sehingga Histori

data dapat tersimpan. OLAP database yang akan dirancang ini

berorientasi subjek dimana subjek yang dituju adalah DISDUKCAPIL Kabupaten Klaten

sehingga

kebutuhan

sistem

disesuaikan

dengan

kebutuhan

DISDUKCAPIL Kabupaten Klaten. 3.5

Perancangan Kebutuhan Fungsional Perancangan sistem akan direpresentasikan dalam diagram use case dan

narasi use case diagram. 3.5.1

Diagram use case Proses utama yang akan dilakukan yaitu proses analisis data. Proses

analisis data terdapat 3 fungsi utama yaitu melihat data penduduk OLAP, membuat laporan, dan melihat Histori data penduduk. Sistem OLAP tersebut hanya digunakan untuk melengkapi fitur SIAK dimana semua user yang terhubung sudah ada maintenance dari SIAK sendiri. User yang dapat melakukan proses integrasi data dan analisis data diasumsikan sudah sukses login di SIAK. Diagram use case proses integrasi data dan analisis data dapat dilihat dalam gambar 3.2.

Gambar 3. 2 Diagram use case proses integrasi data dan analisis data

3.5.2

Narasi use case diagram Tabel 3. 1 Narasi use case melihat hasil OLAP ID Use Case :

PD-01

Nama Use Case :

Melihat data OLAP


Kepala DISDUKCAPIL Kabupaten Klaten ,Admin

Aktor :

SIAK, admin perkecamatan Deskripsi Use Case :

Use case ini menggambarkan tentang mekanisme melihat data OLAP

Prakondisi :

Aktor harus mempunyai hak akses berupa username dan password sebagai admin

Trigger :

-

Langkah Umum :

Kegiatan Aktor

Respon Sistem

2. Aktor memilih

1. Menampilkan halaman

menu yang akan

utama

dilihat data OLAPnya

3. Menampilkan hasil OLAP

Langkah Alternatif :

-

Kesimpulan

Use case ini berhenti apabila aktor memilih menu lain.

Tabel 3. 2 Narasi use case membuat laporan dari hasil OLAP ID Use Case :

PD-02

Nama Use Case :

Membuat Laporan Penduduk

Aktor :

Admin SIAK

Deskripsi Use Case :

Use case ini menggambarkan tentang mekanisme pembuatan laporan dengan hasil OLAP

Prakondisi :

Aktor harus mempunyai hak akses berupa username dan password sebagai admin

Trigger :

-

Langkah Umum :

Kegiatan Aktor

Respon Sistem

2. Aktor memilih menu yang akan

1. Menampilkan

dilihat data OLAPnya .

halaman utama .

4. Admin meng-klik icon

3. Menampilkan

ketika ingin mencetak laporan

hasil OLAP .

dalam format PDF. Langkah Alternatif :

4. Admin meng-klik icon

ketika ingin mencetak

laporan dalam format excel. Kesimpulan



Tabel 3. 3 Narasi use case melihat Histori data penduduk ID Use Case :

PD-03

Nama Use Case :

Melihat Histori data Penduduk

Aktor :

Admin SIAK

Deskripsi Use Case :

Use case ini menggambarkan tentang mekanisme melihat Histori data penduduk Aktor harus mempunyai hak akses berupa username dan

Prakondisi :

password sebagai admin Trigger :

-

Langkah Umum :

Kegiatan Aktor

Respon Sistem

2. Aktor memilih

1. Menampilkan halaman

menu lihat Histori .

utama .

4. Aktor memasukkan

3. Menampilkan form untuk

nik dan memilih

melihat data Histori dari

kategori dimensi. Lalu

penduduk.

klik lihat

5. Menampilkan hasil data Histori penduduk

3.6

Langkah Alternatif :

-

Kesimpulan


Perancangan Data Warehouse Perancangan

data

warehouse

yang

digunakan

adalah

Nine-Step

Methodology menurut Kimball dalam buku Connolly dan Begg (2005, p. 1187) dengan langkah-langkah sebagai berikut : 3.6.1

Memilih Proses (Choosing The Process) Pada tahap ini dilakukan pemilihan subjek masalah dari data warehouse .

Data warehouse yang akan dirancang ini berorientasi subjek dimana subjek yang dituju adalah DISDUKCAPIL Kabupaten Klaten sehingga kebutuhan sistem disesuaikan

dengan

kebutuhan

DISDUKCAPIL

Kabupaten

Klaten.

DISDUKCAPIL Kabupaten Klaten membutuhkan pengolahan data secara cepat dan valid . Adapun proses pengolahan data yang terpilih adalah pembuatan


laporan. Hal ini dikarenakan proses pembuatan laporan yang menjadi permasalahan utama yang dihadapi oleh DISDUKCAPIL Kabupaten Klaten. 3.6.2

Memilih Sumber (Choosing The Grain) Setelah menentukan proses pengolahan data yang dibutuhkan dalam data

warehouse, maka ditentukan grain yang menjelaskan tiap fakta. Berikut graingrain yang terpilih, yaitu : 1) Jumlah penduduk berdasar agama dan aliran kepercayaan total. 2) Jumlah kepemilikan dokumen kependudukan (Akta Lahir) total berdasar jenis kelamin dan usia. 3) Jumlah penduduk total menurut golongan usia. 4) Jumlah penduduk total menurut Pendidikan. 5) Jumlah penduduk total menurut golongan darah. 6) Jumlah penduduk menurut penyandang cacat. 7) Jumlah penduduk menurut jenis pekerjaan. 8) Jumlah penduduk menurut jenis kelamin. 9) Jumlah kepemilikan dokumen kependudukan (Akta Lahir, Akta Kawin, Akta Cerai) total berdasar jenis kelamin dan usia. 10) Jumlah penduduk menurut tempat tinggal ( wilayah ). 11) Jumlah penduduk menurut tempat tinggal ( wilayah ) dan pendidikan. 12) Jumlah penduduk menurut pekerjaan dan pendidikan. 13) Jumlah penduduk menurut tempat tinggal ( wilayah ) dan pekerjaan. 14) Jumlah penduduk menurut tempat tinggal ( wilayah ) dan golongan darah. 15) Jumlah penduduk menurut tempat tinggal ( wilayah ) dan penyandang cacat. 16) Jumlah penduduk menurut tempat tinggal ( wilayah ) dan umur. 17) Penduduk menurut tempat tinggal ( wilayah ).


3.6.3

Indetifying

and

Conforming

the

Dimension

(identifikasi

dan

konfirmasi dimensi) Dari keterangan langkah-langkah diatas, dapat ditentukan dimensi-dimensi yang digunakan dalam data warehouse, yaitu : a. Dimensi wilayah (dim_wilayah_scd) b. Dimensi jenis kelamin (dim_jeniskel_scd) c. Dimensi agama (dim_agama_scd) d. Dimensi akta lahir (dim_aktalahir_scd) e. Dimensi akta kawin (dim_aktakawin_scd) f. Dimensi akta cerai (dim_aktacerai_scd) g. Dimensi golongan darah (dim_goldrh_scd) h. Dimensi pekerjaan (dim_pekerjaan_scd) i. Dimensi penyandangcacat (dim_pydgcct_scd) j. Dimensi umur (dim_kelumur_scd) k. Dimensi pendidikan (dim_pendidikan_scd) 3.6.4

Choosing the Facts (pemilihan fakta)

Berikut tabel pada 3.4 measure dan keterangan fakta yang terpilih, sesuai dengan pertimbangan kebutuhan data dan informasi dari DISDUKCAPIL Kabupaten Klaten Tabel 3. 4. Tabel Fakta yang Terpilih Tabel Fakta tf_penduduk

3.6.5

Ukuran / Measures Jumlah penduduk (tag_penduduk)

Tujuan Memberi

gambaran

secara

umum

data

penduduk yang sudah dapat mengikuti pemilu

Storing Pre-Calculation In the Fact Table (penyimpanan PreCalculation di tabel fakta) Setelah dianalisis dari kebutuhan data dan informasi instansi, tidak

ditemukan pre-calculation measure dalam tabel fakta.


3.6.6

Rounding Out the Dimension Tables (melengkapi tabel dimensi) Pada tahap ini dilakukan pemeriksaan ulang pada tabel dimensi dan

menambahkan deskripsi teks terhadap dimensi, serta menentukan hirearki atribut dimensi untuk mempermudah proses analisis. Identifikasi komponen dilakukan dari database operasional, dalam hal ini yaitu database SIAKDB untuk membangun Data Warehouse. Berikut tabel-tabel OLTP dari database SIAKDB yang digunakan sebagai sumber data yang akan dijelaskan pada tabel 3.5 : Tabel 3. 5 Tabel yang digunakan sebagai sumber data Nama Tabel

Keterangan

biodata_wni

Tebel yang berisi data lengkap dari masing-masing penduduk

options_wni

Tabel yang berisi data keterangan atribut dari biodata_wni

ms_aktakawin

Tabel yang berisi data keterangan kepemilikan akta kawin

ms_aktacerai

Tabel yang berisi data keterangan kepemilikan akta cerai

ms_aktalahir

Tabel yang berisi data keterangan kepemilikan akta lahir

setup_kec

Tabel yang berisi data semua kecamatan yang ada di Indonesia

setup_kel

Tabel yang berisi data semua kelurahan yang ada di Indonesia

penyandangcacat

Tabel yang berisi data jenis cacat yang dimiliki pleh penduduk

ms_kelompokumur

Tabel yang berisi data penggolongan umur penduduk

ms_bantuumur

Tabel yang berisi data umur beserta id masing-masing

Tabel dari database SIAKDB adalah data yang tercatat sampai bulan Februari 2012. Tabel 3.6 adalah langkah yang dilakukan untuk mendapatkan field dari sumber data : Tabel 3. 6 Tabel aktivitas dan tujuan proses pemilihan field yang akan diperlukan dari database SIAKDB No

Langkah

1.

Pemilihan

Aktivitas

Tujuan

field Memilih

tabel biodata_wni

field

ditransformasi biodata_wni SIAKDB

yang

yang dari

pada

akan Mendapatkan

field

tabel yang akan membentuk database tabel

nantinya

transaksi

pada

akan database Penduduk


digunakan untuk membentuk tabel transaksi pada database Penduduk 2.

Pemilihan

field Memilih

tabel options_wni

field

yang

ditransformasi options_wni SIAKDB

dari pada

yang

akan Mendapatkan

field


nantinya

ms_agama,

akan ms_pekerjaan,

digunakan untuk membentuk tabel ms_pendidikan, ms_pekerjaan, ms_golongandarah,

ms_agama, ms_pendidikan,

ms_jeniskelamin pada

ms_golongandarah,

database Penduduk

ms_jeniskelamin pada database Penduduk 3.

Pemilihan

field Memilih

tabel ms_aktakawin

field

ditransformasi

dari

ms_aktakawin SIAKDB

yang

pada

yang

akan Mendapatkan

field


nantinya

ms_aktakawin

akan pada

database

digunakan untuk membentuk tabel Penduduk ms_aktakawin

pada

database

Penduduk 4.

Pemilihan

field Memilih

tabel ms_aktacerai

field

ditransformasi

dari

ms_aktacerai SIAKDB

yang

pada

yang

akan Mendapatkan

field


nantinya

ms_aktacerai

akan pada

database

digunakan untuk membentuk tabel Penduduk ms_aktacerai

pada

database

Penduduk 5.

Pemilihan

field Memilih

tabel ms_aktalahir

field

ditransformasi ms_aktalahir SIAKDB

yang

yang dari

pada

akan Mendapatkan

tabel yang akan membentuk database tabel ms_aktalahir pada

nantinya

akan database Penduduk

digunakan untuk membentuk tabel ms_aktalahir Penduduk

pada

field

database


6.

Pemilihan

field Memilih

tabel setup_kec

field

yang

akan Mendapatkan

field

ditransformasi dari tabel setup_kec yang akan membentuk pada database SIAKDB yang tabel

ms_kec

pada

nantinya akan digunakan untuk database Penduduk membentuk tabel ms_kec pada database Penduduk 7.

Pemilihan

field Memilih

tabel setup_kel

field

yang

akan Mendapatkan

field

ditransformasi dari tabel setup_kel yang akan membentuk pada database SIAKDB yang tabel

ms_kelurahan

nantinya akan digunakan untuk pada

database

membentuk tabel ms_kelurahan Penduduk pada database Penduduk 8.

Pemilihan

field Memilih

field

yang

tabel

ditransformasi

penyandangcacat

penyandangcacat pada database tabel SIAKDB

yang

dari

akan Mendapatkan

field

tabel yang akan membentuk

nantinya

akan ms_penyandangcacat

digunakan untuk membentuk tabel pada

database

pada Penduduk

ms_penyandangcacat database Penduduk 9.

Pemilihan

field Memilih

field

yang

tabel

ditransformasi

ms_kelompokumur

ms_kelompokumur pada database tabel SIAKDB

yang

dari

akan Mendapatkan

field

tabel yang akan membentuk

nantinya

akan ms_kelompokumur

digunakan untuk membentuk tabel pada

database

ms_kelompokumur pada database Penduduk Penduduk 10.

Pemilihan

field Memilih

field

tabel

ditransformasi

ms_bantuumur

ms_bantuumur SIAKDB

yang

yang dari pada

akan Mendapatkan


nantinya

ms_bantuumur

akan pada

digunakan untuk membentuk tabel Penduduk ms_bantuumur Penduduk

pada

field

database

database


Adapun proses pemilihan field yang akan diperlukan dari database SIAKDB akan dijelaskan di lampiran 1 halaman 1-1. Dimensi yang akan dibentuk adalah dimensi jenis kelamin, dimensi agama, dimensi pekerjaan, dimensi penyandang cacat, dimensi akta kawin, dimensi akta lahir, dimensi akta cerai, dimensi pendidikan, dimensi kecamatan, dimensi usia, dimensi wilayah, dan dimensi golongan darah dengan measure jumlah total penduduk (tag_penduduk). Berikut keterangan atribut yang digunakan dalam masing-masing dimensi, sesuai dengan pertimbangan kebutuhan data dan informasi dari DISDUKCAPIL Kabupaten Klaten, yaitu : a. Dimensi wilayah (dim_wilayah_scd) Berisi detail wilayah tempat tinggal yang ditempati pada transaksi penduduk. b. Dimensi jenis kelamin (dim_jeniskel_scd) Berisi detail jenis kelamin yang dimiliki pada transaksi penduduk. c. Dimensi agama (dim_agama_scd) Berisi detail agama yang digunakan pada transaksi penduduk. d. Dimensi akta lahir (dim_aktalahir_scd) Berisi detail status akta lahir yang dimiliki pada transaksi penduduk. e. Dimensi akta kawin (dim_aktakawin_scd) Berisi detail status akta kawin yang dimiliki pada transaksi penduduk. f. Dimensi akta cerai (dim_aktacerai_scd) Berisi detail status akta cerai yang dimiliki pada transaksi penduduk. g. Dimensi golongan darah (dim_goldrh_scd) Berisi detail golongan darah yang dimiliki pada transaksi penduduk. h. Dimensi pekerjaan (dim_pekerjaan_scd) Berisi detail pekerjaan yang dimiliki pada transaksi penduduk. i. Dimensi penyandangcacat (dim_pydgcct_scd) Berisi detail cacat yang diderita pada transaksi penduduk.


j. Dimensi umur (dim_kelumur_scd) Berisi detail range umur yang digunakan pada transaksi penduduk. k. Dimensi pendidikan (dim_pendidikan_scd) Berisi berisi detail pendidikan yang dimiliki pada transaksi penduduk. Proses pemetaan yang dilakukan yaitu dari database SIAKDB ke database penduduk dan database olappend. Gambar 3.3 merupakan alur proses pembentukan tabel dan proses transformasi data.

Gambar 3. 3 Alur proses pembentukan tabel dan proses transformasi data


3.6.6.1 Perancangan Integrasi Data Langkah-langkah proses integrasi data dilakukan dengan: 1. Pengintegrasian data transaksional dan data master dari database sumber (SIAKDB) ke database target (penduduk). 2. Pemecahan tabel master Data Warehouse menjadi tabel dimensi dan tabel fakta. 3. Pengintegrasian data transaksional dan data master untuk membentuk tabel dimensi dan tabel fakta ke database OLAP. 3.6.6.1.1 Rancangan Proses Integrasi Data Transaksional dan Data Master dari Database SIAKDB ke Database Penduduk Proses integrasi ini diperlukan untuk merancang proses integrasi data transaksional dan data semua master yang akan digunakan untuk membangun Data Warehouse dari Database SIAKDB ke Database Penduduk. Adapun rancangan proses integrasi yang akan dibentuk dijelaskan pada lampiran 2 halaman 2-1. 3.6.6.1.2 Rancangan Proses Memecah Data Warehouse Membentuk Tabel Dimensi dan Tabel Fakta. Dimensi yang digunakan adalah dimensi jenis kelamin, dimensi agama, dimensi pekerjaan, dimensi penyandang cacat, dimensi akta kawin, dimensi akta lahir, dimensi akta cerai, dimensi pendidikan, dimensi kecamatan, dimensi usia, dimensi

wilayah dan dimensi

golongan darah. Pada tahap ini semua

dimensi akan dirancang sesuai kebutuhan SCD type 2 yaitu dengan penambahan beberapa field, date_from dan date_to ( untuk mengetahui apakah data valid atau tidak ) serta version ( untuk mengetahui data yang lebih baru ) sehingga dapat mendukung dimensi yang dinamis. Semakin besar nilai version maka semakin data itu baru. Semakin lama date_to maka semakin valid. Valid atau tidaknya sebuah record ditentukan dari nilai date_to. Sedangkan untuk tabel fakta yang


akan dibentuk adalah tf_pemilu dan tf_penduduk. Adapun rancangan proses memecah Data Warehouse membentuk tabel fakta dan dimensi akan dijelaskan pada lampiran 3 halaman 3-1. 3.6.7

Choosing the Duration of the Database (pemilihan durasi database) Pada langkah ini menentukan lamanya sumber data yang akan digunakan

pada data warehouse. Untuk data warehouse penduduk ini digunakan sumber data dari database OLTP yang diambil dari tiga tahun yang lalu. 3.6.8

Tracking SCD (melacak SCD) Untuk memantau perubahan yang terjadi dalam dimensi,digunakan tipe

Slowly Changing Dimensions (SCD) yang dikemukakan oleh Kimball. Hal ini diterapkan pada semua tabel dimensi menggunakan SCD tipe 2. Pada SCD tipe 2 dilakukan dengan cara : a. Membuat data tambahan dimensi baru menggunakan nilai baru dari Surrogate Key . b. Memperbarui record

ini dengan fields yang telah berubah dan

menambahkan fields lain yang diperlukan. c. Untuk mendapatkan versi sebelumnya dari sebuah record dimensi, jika ada di tabel maka akan disalin dan dibuat entri baru dalam tabel dimensi dengan Surrogate Key yang baru. d. Jika ada versi sebelumnya dari record

dimensi, maka akan dibuat

sepenuhnya 1 record yang baru. e. Kemudian memperbarui record

ini dengan fields yang berubah, dan

apapun yang lain yang diperlukan. f. Pada tabel fakta tidak dilakukan perubahan, tetapi bila ada data baru yang masuk pada tabel fakta, maka akan menggunakan surrogate key yang baru.


Dengan demikian dapat melacak sejarah perubahan fisik yang benar yang telah terjadi pada entitas dimensi, karena Slowly Changing Dimensions type 2 sendiri menciptakan beberapa entri dalam dimensi tabel dengan kunci yang berbeda. Slowly Changing Dimensions type 2 menyimpan sejarah semua perubahan yang dibuat untuk field tabel dimensi, bahkan ketika dimasukkan record baru dan setiap kali perubahan dibuat. 3.6.9

Deciding the Query Priorities and the Query Modes (memutuskan prioritas query dan mode query) Pada tahap ini dilakukan pertimbangan perancangan fisikal, seperti

keberadaan dari summary (ringkasan) dan aggregate (penjumlahan). Pada bagian ini, rancangan desain fisikal yang disarankan hanya urutan fisikal dari tabel fakta, dimana urutan data pada sebuah tabel fakta telah terurut berdasarkan waktu transaksi masing-masing. Untuk pendesainan indexing, setiap primary key pada tiap dimensi menggunakan index. 3.7

Model OLAP Model OLAP yang digunakan adalah ROLAP. ROLAP adalah tipe OLAP

yang bergantung kepada database relasional atau RDBMS (Relational Database Management Sistem) sebagai media penyimpanan (storage) data yang akan diolah. Dengan strategi tersebut maka OLAP Server (Mondrian) terhindar dari masalah pengelolaan data storage dan hanya menerjemahkan proses query analysis (MDX) ke relational query (SQL). 3.8

Rancangan Star schema untuk Database OLAP Rancangan star schema merupakan struktur dari tabel-tabel yang saling

berhubungan melalui jalur-jalur tertentu. Secara garis besar star schema terdiri


atas dua jenis tabel, yaitu tabel fakta dan tabel dimensi. Star schema yang akan dibentuk untuk membangun sistem OLAP server adalah sebagai berikut a. Skema untuk kubus penduduk Kubus penduduk dengan star schema tf_penduduk seperti gambar 3.4

Gambar 3. 4 Star schema tf_penduduk

Schema tf_ penduduk berpusat pada satu tabel fakta ‘tf_penduduk dengan beberapa

tabel

dimensi

yaitu

dim_wilayah_scd,

dim_jeniskel_scd,

dim_agama_scd, dim_aktakawin_scd, dim_aktalahir_scd, dim_aktacerai_scd, dim_goldrh_scd, dim_pekerjaan_scd, dim_pydgcct_scd, dim_kelumur_scd, dan dim_pendidikan_scd . Dalam tabel fakta terdiri berisi foreign key yang berasal dari tabel-tabel dimensi. Nilai yang akan diukur terdapat pada tabel fakta, berdasarkan schema diatas nilai yang akan diukur adalah jumlah total penduduk (tag_penduduk) dengan agregasi sum.


BAB IV IMPLEMENTASI SISTEM DAN ANALISIS SISTEM Pada bab ini akan dijelaskan tentang implementasi pembuatan Data Warehouse dan komputasi data Cube. 4.1

Implementasi Arsitektur Data Warehouse Arsitektur Data Warehouse yang dibentuk terdiri dari satu database

transaksional yaitu database SIAKDB, dua database Data Warehouse yaitu database penduduk sebagai database Staging dan database olappend sebagai database OLAP, dan OLAP server. Arsitektur Data Warehouse yang akan dibentuk terdapat pada gambar 4.1.

Gambar 4. 1 Arsitektur Data Warehouse

Sumber data berasal dari database SIAKDB yang kemudian dilakukan proses ETL. Dari hasil proses ETL akan disimpan di database penduduk sebagai

38


database Stagingnya yang kemudian dilakukan proses ETL yang akan disimpan sebagai Data Warehouse sehingga dapat dilakukan proses OLAP. Untuk mendukung arsitektur sistem Data Warehouse ini diperlukan beberapa spesifikasi software dan hardware yang mendukung yaitu: 1. Data Warehouse Dinas Kependudukan menggunakan sistem basis data terpusat, karena gudang data hanya digunakan pada satu tempat yaitu di Pemerintahan Daerah Kabupaten Klaten 2. Data Warehouse Dinas Kependudukan menggunakan jaringan LAN (Local Area Network ) 3. Menggunakan database Oracle 9i Bahasa pemrograman yang dipakai adalah java Tool : Kettle Version 4.2, Schema-Workbench, Mondrian, Toad for Oracle Version 8.6, Apache-tomcat dan ojdbc connector untuk penghubung antara program java. 4. Spesifikasi Hardware yang digunakan untuk Data Warehouse ini adalah : Processor : Intel(R) Core™ i3 CPU M 370 @ 2.40 GHz Memory : 4 GB DDR 2 Hardisk : 320 GB 4.2

Implementasi Integrasi Data Setelah melewati tahap perancangan struktur database Data Warehouse,

pembangunan Data Warehouse selanjutnya proses implementasi integrasi data. 4.2.1

Integrasi Data Transaksional dan Data Master dari Database SIAKDB ke database Penduduk Integrasi data transaksional dan data master dari database SIAKDB ke

database

penduduk terdiri dari beberapa langkah. Setiap langkah memiliki


aktivitas dan tujuan tersendiri. Aktivitas dan tujuan dari proses integrasi data dapat dilihat pada tabel 4.1. Tabel 4. 1 Tabel Aktivitas dan Tujuan dari Integrasi Data Transaksional dan Data Master dari Database SIAKDB ke database Penduduk No 1

Langkah Intgrasi

Aktivitas

Data Transormasi sumber data dari tabel pebentukan

transaksi

dari biodata_wni dan ms_bantuumur di transaksi

biodata_wni

dan database siakdb ke tabel transaksi

ms_bantuumur 2.

Tujuan

Integrasi

tabel

di database penduduk. Data Transformasi

ms_agama

dari tabel

options_wni

sumber data dari pembentukan tabel

options_wni

di

database ms_agama

siakdb ke tabel ms_agama di database penduduk

3.

Integrasi

Data Transformasi

ms_pekerjaan

dari tabel

options_wni


options_wni

di

database ms_pekerjaan

siakdb ke tabel ms_pekerjaan di database penduduk.

4.

Integrasi

Data Transformasi

ms_pendidikan

dari tabel


options_wni

di

database ms_pendidikan

siakdb ke tabel ms_ pendidikan di

options_wni

database penduduk. 5.

Integrasi

Data Transformasi


ms_golongandarah

tabel

options_wni

di

database ms_golongandarah

dari Options_wni

siakdb ke tabel ms_golongandarah di database penduduk.

6.

Integrasi

Data Transformasi

ms_jeniskelamin dari tabel options_wni


options_wni

di

database ms_jeniskelamin

siakdb ke tabel ms_jeniskelamin di database penduduk.

7.

Integrasi ms_aktakawin ms_aktakawin

Data Transformasi


dari tabel ms_aktakawin di database ms_aktakawin siakdb ke tabel ms_aktakawin di database penduduk.


8.

Integrasi

Data Transformasi

Ms_aktacerai


dari tabel ms_ aktacerai di database ms_aktacerai

Ms_aktacerai

siakdb ke tabel ms_ aktacerai di database penduduk.

9.

Integrasi

Data Transformasi

Ms_aktalahir


dari tabel ms_ aktalahir di database ms_aktalahir

Ms_aktalahir

siakdb ke tabel ms_ aktalahir di database penduduk.

10.

Integrasi

Data Transformasi

Ms_kec


dari tabel setup_kec di database siakdb ms_kec

Setup_kec

ke

tabel

ms_kec

di

database

penduduk. 11.

Integrasi

Data Transformasi

Ms_kel


dari tabel setup_kel di database siakdb ms_kelurahan ke tabel ms_kelurahan di database

Setup_kel

penduduk. 12.

13.

Integrasi

Data Transformasi


ms_pnyandangcacat

tabel setup_kel di database siakdb ms_

dari

ke tabel ms_pnyandangcacat di pnyandangcacat

penyandangcacat

database penduduk.

Integrasi

Data Transformasi


Ms_kelompokumur

tabel

ms_kelompokumur

dari

database

Ms_kelompokumur

ms_kelompokumur

siakdb

ke di

di ms_kelompokumur tabel

database

penduduk. 14.

Integrasi ms_bantuumur

Data Transformasi


dari tabel ms_bantuumur di database ms_bantuumur

ms_bantuumur

siakdb ke tabel ms_bantuumur di database penduduk.

Adapun proses integrasi yang akan ditransformasi akan dijelaskan pada lampiran 4 halaman 4-1.


4.2.2

Implementasi Memecah Data Warehouse Membentuk Tabel Fakta dan Tabel Dimensi Dimensi yang akan dibentuk adalah dimensi jenis kelamin, dimensi agama,

dimensi pekerjaan, dimensi penyandang cacat, dimensi akta kawin, dimensi akta lahir, dimensi akta cerai, dimensi pendidikan, dimensi kecamatan, dimensi usia, dimensi wilayah , dan dimensi golongan darah. Adapun proses memecah Data Warehouse membentuk tabel fakta dan dimensi akan dijelaskan pada lampiran 5 halaman 5-1. 4.3

Pembentukan Dimensi Dinamis Cara yang ditempuh untuk menguji SCD type 2 agar pergerakan data

dimensi terlihat yaitu dengan menambah atau mengupdate data. Data yang tersimpan dapat dilihat dari berbagai dimensi, yaitu dimensi

jenis kelamin,

dimensi agama, dimensi pekerjaan, dimensi penyandang cacat, dimensi akta kawin, dimensi akta lahir, dimensi akta cerai, dimensi pendidikan, dimensi kecamatan, dimensi usia, dimensi wilayah dan dimensi golongan darah. Dalam pengujian ini akan dibuat lebih fokus yaitu pergerakan data yang dilihat dari sudut pandang akta lahir. Berikut pergerakan data yang dapat dilihat dari beberapa tabel yaitu dim_aktalahir_scd dan transaksi

Gambar 4. 2 Struktur Tabel ms_aktalahir

Gambar 4.2 adalah struktur tabel yang dimiliki oleh tabel ms_aktalahir. Gambar 4.3 adalah semua data yang ada pada ms_aktalahir. Pada tabel ms_aktalahir terdapat 2 rows yang akan ditransformasi.

Gambar 4. 3 Data ms_aktalahir


Tabel master akta lahir ini yang akan ditransformasikan membentuk dimensi SCD type 2 untuk mendukung dimensi dinamis. Adapun proses transformasi yang dilakukan dapat dilihat pada gambar 4.4.

Gambar 4. 4 ms_aktalahir.ktr

Gambar 4.4 merupakan proses pembentukan tabel ms_aktalahir. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_ aktalahir di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_ aktalahir di database penduduk. Tabel 4.2 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ aktalahir dari ms_ aktalahir Tabel 4. 2 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_aktalahir dari ms_aktalahir Nama File

ms_ aktalahir.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Nama Step

Sort rows

Select values

Insert/Update

ms_ aktalahir Database

Siakdb

Query sql

SELECT AKTA_LHR , DESCR FROM MS_AKTALAHIR

Fieldname

akta_lhr

Ascending

Y

Case sensitive

N

Select & Alter Nama kolom

AKTA_LHR , DESCR

Tabel

ms_ aktalahir

Database

Penduduk

Step insert/update tabel ms_ aktalahir adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_aktalahir di database penduduk berdasarkan nilai data kode akta_lhr pada


tabel ms_ aktalahir Ketentuan proses Insert/Update: a. Jika akta_lhr tidak sama dengan akta_lhr pada tabel ms_aktalahir

maka

dilakukan

proses

menambahkan/insert data baru. b. Jika akta_lhr sama dengan akta_lhr pada tabel ms_aktalahir

maka

dilakukan

proses

mengubah/update data yang lama dengan data yang baru.

Hasil transformasi dari tabel ms_aktalahir adalah dim_aktalahir_scd. Struktur dim_aktalahir_scd dapat dilihat pada gambar 4.5.

Gambar 4. 5 Struktur Tabel dim_aktalahir_scd

Gambar 4.6 berikut berisi data dim_aktalahir_scd hasil dari transformasi ms_aktalahir.

Gambar 4. 6 Pembentukan dim_aktalahir_scd dengan menerapkan SCD type 2

Tabel 4.3 berisi query untuk insert dan update ms_aktalahir yang telah disiapkan untuk menguji SCD type 2 agar pergerakan data dimensi akta lahir terlihat Tabel 4. 3 query insert-update ms_aktalahir UPDATE MS_AKTALAHIR SET DESCR='Tidak' WHERE AKTA_LHR=1;


INSERT INTO MS_AKTALAHIR ( AKTA_LHR, DESCR ) VALUES ( 3, 'Proses');

Setelah dilakukan update data pada ms_aktalahir data pada tabel ms_aktalahir terdapat 3 rows.

Gambar 4. 7 Data setelah ms_aktalahir diinsert dan di-update

Dari 3 row yang ada pada tabel ms_aktalahir akan dilakukan proses transformasi seperti pada langkah di gambar 4.4. Setelah dilakukan transformasi maka data akan ter-update secara otomatis. Gambar 4.8 berisi data dim_aktalahir_scd hasil dari transformasi ms_aktalahir.

Gambar 4. 8 Data setelah pembentukan dim_aktalahir_scd dr ms_aktalahir yang mengalami pergerakan dimensi

4.4 4.4.1

Implemenstasi Star schema untuk database OLAP Star schema kubus Penduduk Star schema kubus Penduduk akan membaca data tabel tf_penduduk yang

ada di database olappend. Gambar 4.9 merupakan star schema kubus penduduk.


Gambar 4. 9 Star schema kubus Penduduk pada PendudukPemilu.xml

Kubus diatas dengan nama Penduduk dengan tabel tf_penduduk sebagai tabel fakta. Dimensi yang digunakan adalah dimensi jenis kelamin, akta lahir, akta kawin, akta cerai, penyandang cacat, golongan darah, umur, agama, pekerjaan, pendidikan dan wilayah. Nilai pengukuran atau measure dari skema transaksi penduduk adalah Tag Penduduk ( jumlah total dari penduduk ). Adapun detail dari dimensi yang digunakan pada star schema kubus penduduk akan dijelaskan pada lampiran 6 halaman 6-1. 4.5

Implemenstasi Proses Transfer Data Proses transfer data pada OLAP dilakukan secara manual yaitu dengan

mengeksekusi file automatisasi.bat. File automatisasi.bat dapat dilihat pada tabel 4.4. Tabel 4. 4 Kode Perintah automatisasi.bat C: cd D:\gadis\Kettle\kettle3.1 Kitchen.bat -file =E:\punya gadis\Semester 8\TAku\Program\Automatisasi\Automastisasi Final.kjb


4.6

Antar Muka Pengguna Sistem OLAP Dalam sistem OLAP yang dibangun terdapat beberapa menu yang masing-

masing merujuk ke halaman yang berbeda. Beberapa halaman tersebut digolongkan sesuai kategori data yang ditampilkan sesuai dengan kebutuhan DISDUKCAPIL Kabupaten Klaten dalam pembuatan laporan penduduk. Berikut halaman pembuatan laporan berdasarkan akta lahir berisikan data analisis penduduk sesuai akta lahir, jenis kelamin dan umur. Tujuan halaman ini untuk dapat menunjukan data penduduk berdasarkan akta lahir, jenis kelamin dan umur yang dimiliki. Gambar 4.10 merupakan tampilan halaman pembuatan laporan berdasarkan dimensi akta lahir, jenis kelamin dan umur.

Gambar 4. 10 Halaman pembuatan laporan berdasarkan umur,kelamin dan akta lahir.

Halaman pembuatan laporan berdasarkan dimensi akta lahir, jenis kelamin dan

umur mengakses

halaman

jsp lap_aktalhtjeniskelumur.jsp. Struktur

lap_aktalhtjeniskelumur.jsp terdapat pada tabel 4.5. Tabel 4. 5 Struktur lap_aktalhtjeniskelumur.jsp <%@ page session="true" contentType="text/html; charset=ISO-8859-1" %> <%@ taglib uri="http://www.tonbeller.com/jpivot" prefix="jp" %>


<%@ taglib prefix="c" uri="http://java.sun.com/jstl/core" %> <jp:mondrianQuery id="query01" jdbcDriver="oracle.jdbc.OracleDriver" jdbcUrl="jdbc:oracle:thin:admin/admin@localhost:1521:olappend" catalogUri="/WEB-INF/queries/PendudukPemilu.xml"> select NON EMPTY Crossjoin({[Jenis Kelamin].[Semua Jenis Kelamin].[Laki-Laki], [Jenis Kelamin].[Semua Jenis Kelamin].[Perempuan]}, {[Akta Lahir].[Semua Akta Lahir].[Tidak Ada], [Akta Lahir].[Semua Akta Lahir].[Ada]}) ON COLUMNS, NON EMPTY {[Umur].[Semua Umur].[0-4], [Umur].[Semua Umur].[5-9], [Umur].[Semua Umur].[10-14], [Umur].[Semua Umur].[15-19], [Umur].[Semua Umur].[20-24], [Umur].[Semua Umur].[25-29], [Umur].[Semua Umur].[30-34], [Umur].[Semua Umur].[35-39], [Umur].[Semua Umur].[40-44], [Umur].[Semua Umur].[45-49], [Umur].[Semua Umur].[50-54], [Umur].[Semua Umur].[55-59], [Umur].[Semua Umur].[60-64], [Umur].[Semua Umur].[65-69], [Umur].[Semua Umur].[70-74], [Umur].[Semua Umur].[>74]} ON ROWS from [Penduduk] Data Penduduk OLAP

Dari

lap_aktalhtjeniskelumur.jsp

akan

mengakses

schema

PendudukPemilu.xml yang telah dibentuk dan akan menjalankan query yang terdapat dalam tabel 4.5. Adapun halaman antarmuka pengguna yang lainnya akan dijelaskan di lampiran 7 halaman 7-1.


BAB V ANALISIS HASIL

Pada bab ini akan dijelaskan analisis hasil dan implementasi Data Warehouse yang telah dibangun. Analisis hasil dibagi menjadi beberapa bagian yaitu hasil penyelesaian rumusan masalah, kelebihan dan kelemahan sistem. 5.1

Hasil Pengujian Implementasi SCD type 2 pada Database Pada proses transformasi data baru yang diinputkan akan mempunyai

atribut version

dengan value 1 yang menunjukkan data belum mengalami

perubahan serta atribut date_from dan date_to untuk mempermudah sistem dalam mengetahui data terbaru. Jika data mengalami perubahan maka atribut version akan bertambah sesuai perubahan yang telah dilakukan. Sehingga data yang diakses untuk laporan adalah data yang baru. 5.1.1

Data Dimensi SCD type 2 telah diimplementasikan pada semua dimensi, yaitu

dim_jeniskel_scd,

dim_wilayah_scd,

dim_agama_scd,

dim_pekerjaan_scd,

dim_goldrh_scd, dim_pendidikan_scd, dim_aktakawin_scd, dim_aktalahir_scd, dim_aktacerai_scd, dim_kelumur_scd, dan dim_pydgcct_scd. Dari dimensi yang terbentuk telah dilakukan pengujian untuk semua dimensi dengan status berhasil mengimplementasikan SCD type 2 pada semua dimensi. Berikut adalah salah satu contoh detail pengujian data dimensi dari dimensi akta lahir yang telah terbentuk.

Gambar 5. 1 Sebelum dim_aktalahir_scd mengalami pergerakan dimensi

49


Gambar 5.1 adalah data dim_aktalahir_scd sebelum mengalami perubahan. Dimensi akta lahir yang terbentuk dari proses SCD type 2 memiliki beberapa field yang berguna untuk proses view data Histori . Sehingga perubahan dari dimensi akan tetap terlihat. Berikut adalah dim_aktalahir_scd yang telah mengalami perubahan pada data masternya yaitu ms_aktalahir. Data dim_aktakawin_scd diperoleh dari transformasi pembacaan data ms_aktalahir menggunakan teknik SCD type 2 yang menyimpan seluruh Histori data. Ketika data ms_aktalahir mengalami perubahan dan dilakukan transformasi data ke dim_aktalahir_scd maka value dari sk_aktalahir bertambah otomatis.

Gambar 5. 2 Setelah dim_aktalahir_scd mengalami pergerakan dimensi

Gambar 5.2 merupakan hasil transformasi dim_aktalahir_scd yang telah mengalami pergerakan dimensi. Untuk akta_kwn=1 telah di-update descr menjadi ‘Tidak’ sehingga data baru yang dipunyai ini akan disimpan dengan version 2. Pada data yang lama dengan descr ‘Tidak Ada’ untuk masa validnya berubah pada saat dilakukan transformasi yaitu pada kolom date_to. 5.2

Hasil Pengujian Historical Data Data yang akan dipilih untuk di-update adalah sebanyak 3 NIK. Berikut

adalah data yang dimaksud :

Gambar 5. 3 Data yang akan dipilih untuk di-update

Data tersebut akan dilakukan proses update. Adapun proses update yang dilakukan akan dijelaskan pada lampiran 8 halaman 8-1. Kemudian akan


dilakukan tranformasi dengan teknik SCD type 2. Ketika data sudah ter-update maka view data yang terbaru akan terlihat seperti gambar 5.4.

Gambar 5. 4 Data yang telah di-update

View data yang ditampilkan adalah data yang terbaru, meskipun demikian data lama tidak akan hilang karena data tersebut tersimpan pada masing-masing dimensi. Data dimensi yang sudah ter-update dapat diakses dengan melihat Histori penduduk. Gambar 5.5 adalah form untuk melihat Histori data.

Gambar 5. 5 Form untuk melihat Histori Data Penduduk

NIK penduduk yang diinputkan akan dibaca dan dilakukan proses pembacaan data dari dimensi sesuai dengan kategori dimensi yang dipilih. Berikut hasil pembacaan Histori data penduduk dilihat dari dimensi akta lahir dapat dilihat pada gambar 5.6.


Gambar 5. 6 Setelah dim_aktalahir_scd mengalami pergerakan dimensi

5.3

Hasil Kuesioner Berikut ini adalah analisa hasil / sistem yang telah berhasil dibuat. Dalam

menganalisa hasil digunakan kuesioner sebagai alat penilaiannya. Berdasarkan jawaban dari Admin SIAK di DISDUKCAPIL yang telah diolah didapatkan hasil sebagai berikut : 1) Pemanfaatan Teknologi Informasi dan Komunikasi di DISDUKCAPIL Kabupaten Klaten masih kurang. 2) DISDUKCAPIL Kabupaten Klaten untuk kedepan menginginkan SI yang efektif dan terintegrasi dengan ketersediaan infrastruktur TIK yang memadai serta kemampuan SDM yang handal. 3) Dalam

pengembangan

TIK

DISDUKCAPIL

Kabupaten

Klaten

mengharapkan dapat mempermudah penyelesaian pekerjaan sehingga dapat meningkatkan produktivitas kerja 4) Pemanfaatan SIAK kurang menunjang untuk membuat laporan 5) Masih dialami kesulitan dalam membuat laporan menggunakan tools SIAK yang sudah ada sehingga diperlukan tools lain yang menunjang pembuatan laporan.


6) Pemecahan masalah yang dialami DISDUKCAPIL Kabupaten Klaten dengan menerapkan teknik Data Warehouse untuk mengelola data Penduduk adalah baik sekali. 7) Hasil OLAP Penduduk yang ditampilkan informative membantu

dalam

menyelesaikan

pekerjaan

Admin

dan sangat SIAK

di

DISDUKCAPIL 8) Sistem OLAP yang telah dibangun mempercepat penyelesaian pekerjaan Admin SIAK di DISDUKCAPIL dan cukup mudah untuk dipakai. 9) Tampilan (user interface) dan tata letak (menu, gambar, view data OLAP) sudah sesuai dengan keinginan pengguna. 5.4

Kelebihan Sistem Sesuai dengan kebutuhan DISDUKCAPIL Kabupaten Klaten sistem OLAP

yang telah dibangun dapat menampilkan update data terbaru tanpa harus menghilangkan Histori

data dengan mengimplementasikan SCD type 2. Ketika

data yang telah disimpan mengalami perubahan dan memerlukan updating beberapa dimensi hal ini bukan menjadi masalah karena sejarah perubahan fisik yang telah terjadi pada entitas dimensi dapat dilacak pada database yang telah terbentuk. Fitur view data beragam dapat disesuaikan dengan keinginan user untuk melihat data dari berbagai dimensi. 5.5

Kelemahan Sistem Pada Data Warehouse dengan mengimplementasikan SCD type 2 untuk

mendukung terbentuknya dimensi yang dinamis tidak merekap data dimensi yang dihapus. Sehingga dalam pengimplementasianya data dimensi yang lebih baru yang digunakan meskipun dalam database master sesungguhnya sudah tidak ada. Fitur view data sesuai dengan dimensi yang telah dibangun. Proses transformasi dan view data kurang cepat karena data yang diakses banyak.


BAB VI PENUTUP 6.1

Kesimpulan 1. Pembangun sistem database OLAP (Online Analytical Processing) dengan Mondrian sebagai OLAP server dengan mengimplementasikan SCD type 2 yang mendukung pembentukan dimensi dinamis pada Data Warehouse telah berhasil dilakukan. 2. Proses transformasi dilakukan secara manual dengan menjalankan file automatisasi.bat 3. Perhitungan OLAP akan bernilai valid jika data sumber memiliki kelengkapan informasi yang dibutuhkan terutama data yang akan ditransformasi dengan data dimensi 4. Histori penduduk dapat terekap dengan baik. 5. Pemecahan masalah yang dialami DISDUKCAPIL Kabupaten Klaten dalam pembuatan laporan dengan menerapkan teknik Data Warehouse untuk mengelola data Penduduk adalah tepat.

6.2

Saran 1. Dalam penelitian ini proses Load data yang besar untuk transformasi membutuhkan waktu yang cukup lama. Untuk itu diperlukan teknik tranformasi yang lebih efisien. 2. Untuk view

data secara keseluruhan memerlukan waktu yang kurang

cepat meskipun tabel fakta di dalam OLTP telah disort dan di group berdasarkan kriteria dimensinya. Untuk itu diperlukan teknik yang lebih baik dalam pembacaan data.

54


DAFTAR PUSTAKA

[1] Thomas M. Connoly, Carolyn E. Beg. ,2008, Database Sistems A Practical Approach to Design, Implementation and Management 5 th edition Addison Wesley, University of The West of Scotland. [2] Gustiarahman, Irfan. 2006. Data Warehouse . http://www.linkpdf.com/ebookview

er.php?url=http://myhut.org/public/datawarehouse.doc. 18 Desember

2011. [3] Connolly, T. M., & Begg, C. E. (2005). Database Sistem-A Practical Approach to Design, Implementation, and Management,fourth edition. USA: Addison Wesley Longman. [4] Modul Pelatihan, “Data Warehouse with Kettle (Pentaho Data Integration)”. [5] Data Warehouse with Kettle (Pentaho Data Integration). http://www.phiIntegration.com. 15 Desember 2011 [6] Ponniah, Paulraj. 2001. Data Warehouse Fundamentals. John Wiley & Sons. New York. [7] Kimball, R., & Caserta, J. (2004). The data warehouse ETL toolkit : practical techniques for extracting, cleaning, conforming, and delivering data. Wiley .

55


LAMPIRAN

56


1

LAMPIRAN 1

PEMILIHAN FIELD DARI DATABASE SIAKDB 1. Pemilihan field tabel biodata_wni 2. Pemilihan field tabel options_wni 3. Pemilihan field tabel ms_aktakawin 4. Pemilihan field tabel ms_aktacerai 5. Pemilihan field tabel ms_aktalahir 6. Pemilihan field tabel setup_kec 7. Pemilihan field tabel setup_kel 8. Pemilihan field tabel penyandangcacat 9. Pemilihan field tabel ms_kelompokumur 10. Pemilihan field tabel ms_bantuumur

1-1

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 1-2

Dari tabel aktivitas dan tujuan proses pemilihan field yang telah dibuat sebelumnya, berikut ini adalah proses pemilihan field yang akan diperlukan dari database SIAKDB 1. Pemilihan field tabel biodata_wni Tabel biodata_wni berisi data lengkap dari masing-masing penduduk. Struktur tabel biodata_wni terdapat pada gambar 3.5.

Gambar 3. 5 Tabel biodata_wni


Dari tabel biodata_wni semua field digunakan untuk membangun tabel transaksi pada database Penduduk. 2. Pemilihan field tabel options_wni Tabel options_wni berisi data keterangan atribut dari biodata_wni. Struktur tabel options_wni terdapat pada gambar 3.6.

Gambar 3. 6 Tabel options_wni

Dari tabel options_wni semua field digunakan untuk membangun tabel ms_agama, ms_pekerjaan, ms_pendidikan, ms_golongandarah, ms_jeniskelamin pada database Penduduk. 3. Pemilihan field tabel ms_aktakawin Tabel ms_aktakawin berisi data keterangan kepemilikan akta kawin. Struktur tabel ms_aktakawin terdapat pada gambar 3.7.

Gambar 3. 7 Tabel ms_aktakawin

Dari tabel options_wni semua field digunakan untuk membangun tabel ms_aktakawin pada database Penduduk. 4. Pemilihan field tabel ms_aktacerai Tabel ms_aktacerai berisi data keterangan kepemilikan akta cerai. Struktur tabel ms_aktacerai terdapat pada gambar 3.8.

Gambar 3. 8 Tabel ms_aktacerai

Dari tabel ms_aktacerai semua field digunakan untuk membangun tabel ms_aktacerai pada database Penduduk. 5. Pemilihan field tabel ms_aktalahir


Tabel ms_aktalahir berisi data keterangan kepemilikan akta lahir. Struktur tabel ms_aktalahir terdapat pada gambar 3.9.

Gambar 3. 9 Tabel ms_aktalahir

Dari tabel ms_aktalahir semua field digunakan untuk membangun tabel ms_aktalahir pada database Penduduk. 6. Pemilihan field tabel setup_kec Tabel setup_kec berisi data semua kecamatan yang ada di Indonesia. Struktur tabel setup_kec terdapat pada gambar 3.10.

Gambar 3. 10 Tabel setup_kec

Dari tabel setup_kec semua field digunakan untuk membangun tabel ms_kec pada database Penduduk. 7. Pemilihan field tabel setup_kel Tabel setup_kel berisi data semua kelurahan yang ada di Indonesia. Struktur tabel setup_kel terdapat pada gambar 3.11.

Gambar 3. 11 Tabel setup_kel

Dari tabel setup_kel semua field digunakan untuk membangun tabel ms_kelurahan pada database Penduduk.


8. Pemilihan field tabel penyandangcacat Tabel penyandangcacat berisi data jenis cacat yang dimiliki oleh penduduk. Struktur tabel penyandangcacat terdapat pada gambar 3.12.

Gambar 3. 12 Tabel penyandangcacat

Dari tabel penyandangcacat semua field digunakan untuk membangun tabel ms_penyandangcacat pada database Penduduk. 9. Pemilihan field tabel ms_kelompokumur Tabel

ms_kelompokumur

berisi

data

penggolongan

umur

penduduk. Struktur tabel ms_kelompokumur terdapat pada gambar 3.13.

Gambar 3. 13 Tabel ms_kelompokumur

Dari tabel ms_kelompokumur semua field digunakan untuk membangun tabel ms_kelompokumur pada database Penduduk. 10. Pemilihan field tabel ms_bantuumur Tabel ms_bantuumur berisi data umur beserta id masing-masing. Struktur tabel ms_bantuumur terdapat pada gambar 3.14.

Gambar 3. 14 Tabel ms_bantuumur

Dari

tabel

ms_bantuumur

semua

field

digunakan

membangun tabel ms_bantuumur pada database Penduduk.

untuk


2

LAMPIRAN 2

RANCANGAN INTEGRASI DATA 1. Integrasi Data transaksi dari biodata_wni dan ms_bantuumur 2. Integrasi Data ms_agama dari options_wni 3. Integrasi Data ms_pekerjaan dari options_wni 4. Integrasi Data ms_pendidikan dari options_wni 5. Integrasi Data ms_golongandarah dari Options_wni 6. Integrasi Data ms_jeniskelamin dari options_wni 7. Integrasi Data ms_aktakawin dari ms_aktakawin 8. Integrasi Data Ms_aktacerai dari Ms_aktacerai 9. Integrasi Data Ms_aktalahir dari Ms_aktalahir 10. Integrasi Data Ms_kec dari Setup_kec 11. Integrasi Data Ms_kelurahan dari Setup_kel 12. Integrasi Data ms_pnyandangcacat dari penyandangcacat 13. Integrasi Data Ms_kelompokumur dari Ms_kelompokumur

2-1


1. Integrasi Data transaksi dari biodata_wni dan ms_bantuumur

Gambar 3. 15 Transformasi data dari biodata_wni dan ms_bantuumur ke transaksi

Transformasi data dari biodata_wni dan ms_bantuumur ke tabel transaksi dapat dilihat pada gambar 3.15. Proses menambahkan atau mengubah data pada tabel transaksi berdasarkan kode nik.


a. Jika nik tidak sama dengan nik pada tabel transaksi maka dilakukan proses menambahkan/insert data baru b. Jika nik sama dengan nik pada tabel transaksi maka dilakukan proses mengubah/update data yang lama dengan data yang baru 2.

Integrasi Data ms_agama dari options_wni

Gambar 3. 16 Transformasi data dari options_wni ke tabel ms_agama

Transformasi data dari options_wni ke tabel ms_agama dapat dilihat pada gambar 3.16. Proses menambahkan atau mengubah data pada tabel ms_agama berdasarkan kode agama. a. Jika agama tidak sama dengan agama pada tabel ms_agama maka dilakukan proses menambahkan/insert data baru b. Jika agama sama dengan agama pada tabel ms_agama maka dilakukan proses mengubah/update data yang lama dengan data yang baru 3.

Integrasi Data ms_pekerjaan dari options_wni

Gambar 3. 17 Transformasi data dari options_wni ke tabel ms_pekerjaan

Transformasi data dari options_wni ke tabel ms_pekerjaan dapat dilihat pada gambar 3.17. Proses menambahkan atau mengubah data pada tabel ms_pekerjaan berdasarkan kode jenis_pkrjn. a. Jika jenis_pkrjn tidak sama dengan jenis_pkrjn pada tabel ms_pekerjaan maka dilakukan proses menambahkan/insert data baru b. Jika jenis_pkrjn sama dengan jenis_pkrjn pada tabel ms_pekerjaan maka dilakukan proses mengubah/update data yang lama dengan data yang baru


4.

Integrasi Data ms_pendidikan dari options_wni

Gambar 3. 18 Transformasi data dari options_wni ke tabel ms_pendidikan

Transformasi data dari options_wni ke tabel ms_pendidikan dapat dilihat pada gambar 3.18. Proses menambahkan atau mengubah data pada tabel ms_pendidikan berdasarkan kode pddk_akh. a. Jika pddk_akh tidak sama dengan pddk_akh pada tabel ms_pendidikan maka dilakukan proses menambahkan/insert data baru b. Jika pddk_akh sama dengan pddk_akh pada tabel ms_pendidikan maka dilakukan proses mengubah/update data yang lama dengan data yang baru 5.

Integrasi Data ms_golongandarah dari Options_wni

Gambar 3. 19 Transformasi data dari options_wni ke tabel ms_golongandarah

Transformasi data dari options_wni ke tabel ms_golongandarah dapat dilihat pada gambar 3.19. Proses menambahkan atau mengubah data pada tabel ms_golongandarah berdasarkan kode gol_drh. a. Jika gol_drh tidak sama dengan gol_drh pada tabel ms_golongandarah maka dilakukan proses menambahkan/insert data baru b. Jika gol_drh sama dengan gol_drh pada tabel ms_golongandarah maka dilakukan proses mengubah/update data yang lama dengan data yang baru 6.

Integrasi Data ms_jeniskelamin dari options_wni

Gambar 3. 20 Transformasi data dari options_wni ke tabel ms_jeniskelamin

Transformasi data dari options_wni ke tabel ms_jeniskelamin dapat dilihat pada gambar 3.20. Proses menambahkan atau mengubah data pada tabel ms_jeniskelamin berdasarkan kode jenis_klmin.


a. Jika

jenis_klmin

tidak

sama

dengan

jenis_klmin

pada

tabel

ms_jeniskelamin maka dilakukan proses menambahkan/insert data baru b. Jika jenis_klmin sama dengan jenis_klmin pada tabel ms_jeniskelamin maka dilakukan proses mengubah/update data yang lama dengan data yang baru 7.

Integrasi Data ms_aktakawin dari ms_aktakawin

Gambar 3. 21 Transformasi data dari ms_aktakawin ke tabel ms_aktakawin

Transformasi data dari ms_aktakawin ke tabel ms_aktakawin dapat dilihat pada gambar 3.21. Proses menambahkan atau mengubah data pada tabel ms_aktakawin berdasarkan kode akta_kwn. a. Jika akta_kwn tidak sama dengan akta_kwn pada tabel ms_aktakawin maka dilakukan proses menambahkan/insert data baru. b. Jika akta_kwn sama dengan akta_kwn pada tabel ms_aktakawin maka dilakukan proses mengubah/update data yang lama dengan data yang baru. 8.

Integrasi Data Ms_aktacerai dari Ms_aktacerai

Gambar 3. 22 Transformasi data dari ms_aktacerai ke tabel ms_aktacerai

Transformasi data dari ms_aktacerai ke tabel ms_aktacerai dapat dilihat pada gambar 3.22. Proses menambahkan atau mengubah data pada tabel ms_aktacerai berdasarkan kode akta_crai. a. Jika akta_crai tidak sama dengan akta_crai pada tabel ms_aktacerai maka dilakukan proses menambahkan/insert data baru. b. Jika akta_crai sama dengan akta_crai pada tabel ms_aktacerai maka dilakukan proses mengubah/update data yang lama dengan data yang baru.


9.

Integrasi Data Ms_aktalahir dari Ms_aktalahir

Gambar 3. 23 Transformasi data dari ms_aktalahir ke tabel ms_aktalahir

Transformasi data dari ms_aktalahir ke tabel ms_aktalahir dapat dilihat pada gambar 3.23. Proses menambahkan atau mengubah data pada tabel ms_aktalahir berdasarkan kode akta_lhr. a. Jika akta_lhr tidak sama dengan akta_lhr pada tabel ms_aktalahir maka dilakukan proses menambahkan/insert data baru. b. Jika akta_lhr sama dengan akta_lhr pada tabel ms_aktalahir maka dilakukan proses mengubah/update data yang lama dengan data yang baru. 10. Integrasi Data Ms_kec dari Setup_kec

Gambar 3. 24 Transformasi data dari ms_kec ke tabel setup_kec

Transformasi data dari setup_kec ke tabel ms_kec dapat dilihat pada gambar 3.24. Proses menambahkan atau mengubah data pada tabel ms_kec berdasarkan no_kec dan no_kab. a. Jika no_kec dan no_kab tidak sama dengan no_kec dan no_kab pada tabel ms_kec maka dilakukan proses menambahkan/insert data baru b. Jika no_kec dan no_kab sama dengan no_kec dan no_kab pada tabel ms_kec maka dilakukan proses mengubah/update data yang lama dengan data yang baru


11. Integrasi Data Ms_kelurahan dari Setup_kel

Gambar 3. 25 Transformasi data dari ms_kelurahan ke tabel setup_kel

Transformasi data dari setup_kel ke tabel ms_kelurahan dapat dilihat pada gambar 3.25. Proses menambahkan atau mengubah data pada tabel ms_kelurahan berdasarkan no_kel, no_kec dan no_kab. a. Jika no_kel, no_kec dan no_kab tidak sama dengan no_kel, no_kec dan no_kab

pada

tabel

ms_kelurahan

maka

dilakukan

proses

menambahkan/insert data baru b. Jika no_kel, no_kec dan no_kab sama dengan no_kel, no_kec dan no_kab pada tabel ms_kelurahan maka dilakukan proses mengubah/update data yang lama dengan data yang baru 12. Integrasi Data ms_pnyandangcacat dari penyandangcacat

Gambar 3. 26 Transformasi data dari penyandangcacat ke tabel ms_pnyandangcacat

Transformasi data dari penyandangcacat ke tabel ms_pnyandangcacat dapat dilihat pada gambar 3.26. Proses menambahkan atau mengubah data pada tabel ms_pnyandangcacat berdasarkan kode pnydng_cct. a. Jika

pnydng_cct

tidak

sama

dengan

pnydng_cct

pada

tabel

ms_pnyandangcacat maka dilakukan proses menambahkan/insert data baru b. Jika pnydng_cct sama dengan pnydng_cct pada tabel ms_pnyandangcacat maka dilakukan proses mengubah/update data yang lama dengan data yang baru


13. Integrasi Data Ms_kelompokumur dari Ms_kelompokumur

Gambar 3. 27 Transformasi data dari ms_kelompokumur ke tabel ms_kelompokumur

Transformasi data dari ms_kelompokumur ke tabel ms_kelompokumur dapat dilihat pada gambar 3.27. Proses menambahkan atau mengubah data pada tabel ms_kelompokumur berdasarkan kode id. a. Jika id tidak sama dengan id pada tabel ms_kelompokumur maka dilakukan proses menambahkan/insert data baru b. Jika id sama dengan id pada tabel ms_kelompokumur maka dilakukan proses mengubah/update data yang lama dengan data yang baru


3

LAMPIRAN 3

RANCANGAN MEMECAH DATA MEMBENTUK TABEL FAKTA DAN DIMENSI 1. Tabel Dimensi Agama 2. Tabel Dimensi Pekerjaan 3. Tabel Dimensi Pendidikan 4. Tabel Dimensi Golongan Darah 5. Tabel Dimensi Jenis Kelamin 6. Tabel Dimensi Akta Kawin 7. Tabel Dimensi Akta Cerai 8. Tabel Dimensi Akta Lahir 9. Tabel Dimensi Wilayah 10. Tabel Dimensi Penyandang Cacat 11. Tabel Dimensi Kelompok Umur 12. Tabel tf_penduduk

3-1


1.

Tabel Dimensi Agama

Database penduduk

Database olappend

Gambar 3. 28 Pembentukan Tabel Dimensi Agama

Gambar 3.28 merupakan proses pembentukan Tabel Dimensi Agama. Tabel Dimensi Agama berasal dari 1 tabel yaitu tabel ms_agama. Tabel Dimensi Agama memiliki primary key sk_agama dan field lainnya yaitu version, date_from, date_to, agama, dan descry 2. Tabel Dimensi Pekerjaan

Database penduduk

Database olappend

Gambar 3. 29 Pembentukan Tabel Dimensi Pekerjaan

Gambar 3.29 merupakan proses pembentukan Tabel Dimensi Pekerjaan. Tabel Dimensi Pekerjaan berasal dari 1 tabel yaitu tabel ms_pekerjaan. Tabel Dimensi Pekerjaan memiliki primary key sk_pekerjaan dan field lainnya yaitu version, date_from, date_to, jenis_pkrjn, dan descr. 3. Tabel Dimensi Pendidikan

Database penduduk

Database olappend

Gambar 3. 30 Pembentukan Tabel Dimensi Pendidikan

Gambar 3.30 merupakan proses pembentukan Tabel Dimensi Pendidikan. Tabel Dimensi Pendidikan berasal dari 1 tabel yaitu tabel ms_pendidikan. Tabel Dimensi Pendidikan memiliki primary key sk_pendidikan dan field lainnya yaitu version, date_from, date_to, pddk_akh, dan descr.


4.

Tabel Dimensi Golongan Darah

Database penduduk

Database olappend

Gambar 3. 31 Pembentukan Tabel Dimensi Golongan Darah

Gambar 3.31 merupakan proses pembentukan Tabel Dimensi Golongan Darah. Tabel Dimensi Golongan Darah berasal dari 1 tabel yaitu tabel ms_golongandarah. Tabel Dimensi Golongan Darah memiliki primary key sk_goldrh dan field lainnya yaitu version, date_from, date_to, goldrh, dan descr. 5.

Tabel Dimensi Jenis Kelamin

Database penduduk

Database olappend

Gambar 3. 32 Pembentukan Tabel Dimensi Jenis Kelamin

Gambar 3.32 merupakan proses pembentukan Tabel Dimensi Jenis Kelamin. Tabel Dimensi Jenis Kelamin berasal dari 1 tabel yaitu tabel ms_jeniskelamin. Tabel Dimensi Jenis Kelamin memiliki primary key sk_jeniskel dan field lainnya yaitu version, date_from, date_to, jenis_klmin, dan descr. 6.

Tabel Dimensi Akta Kawin

Database penduduk

Database olappend

Gambar 3. 33 Pembentukan Tabel Dimensi Akta Kawin

Gambar 3.33 merupakan proses pembentukan Tabel Dimensi Akta Kawin. Tabel Dimensi Akta Kawin berasal dari 1 tabel yaitu tabel ms_aktakawin. Tabel Dimensi Akta Kawin memiliki primary key sk_aktakawin dan field lainnya yaitu version, date_from, date_to, akta_kwn, dan descr.


7.

Tabel Dimensi Akta Cerai

Database penduduk

Database olappend

Gambar 3. 34 Pembentukan Tabel Dimensi Akta Cerai

Gambar 3.34 merupakan proses pembentukan Tabel Dimensi Akta Cerai. Tabel Dimensi Akta Cerai berasal dari 1 tabel yaitu tabel ms_aktacerai. Tabel Dimensi Akta Cerai memiliki primary key sk_aktacerai dan field lainnya yaitu version, date_from, date_to, akta_crai, dan descr. 8.

Tabel Dimensi Akta Lahir

Database penduduk

Database olappend

Gambar 3. 35 Pembentukan Tabel Dimensi Akta Lahir

Gambar 3.35 merupakan proses pembentukan Tabel Dimensi Akta Lahir. Tabel Dimensi Akta Lahir berasal dari 1 tabel yaitu tabel ms_aktalahir. Tabel Dimensi Akta Lahir memiliki primary key sk_aktalhr dan field lainnya yaitu version, date_from, date_to, akta_lhr, dan descr. 9.

Tabel Dimensi Wilayah

Database olappend

Database penduduk

Gambar 3. 36 Pembentukan Tabel Dimensi Wilayah

Gambar 3.36 merupakan proses pembentukan Tabel Dimensi Wilayah. Tabel Dimensi Wilayah berasal dari 2 tabel yaitu tabel ms_kec dan ms_kelurahan. Tabel Dimensi Akta Wilayah memiliki primary key sk_wilayah dan field lainnya


yaitu version, date_from, date_to, no_kel, no_kec, no_kab, no_prop, nama_kel, dan nama_kec. 10. Tabel Dimensi Penyandang Cacat

Database penduduk

Database olappend

Gambar 3. 37 Pembentukan Tabel Dimensi penyandang cacat

Gambar 3.37 merupakan proses pembentukan Tabel Dimensi Penyandang cacat. Tabel Dimensi Penyandang cacat berasal dari 1 tabel yaitu tabel ms_penyandangcacat. Tabel Dimensi Penyandang cacat memiliki primary key sk_pydgcct dan field lainnya yaitu version, date_from, date_to, pnydng_cct, dan descr. 11. Tabel Dimensi Kelompok Umur

Database penduduk

Database olappend

Gambar 3. 38 Pembentukan Tabel Dimensi Kelompok Umur

Gambar 3.38 merupakan proses pembentukan Tabel Dimensi Kelompok Umur. Tabel Dimensi Kelompok Umur berasal dari 1 tabel yaitu tabel ms_kelompokumur. Tabel Dimensi Kelompok Umur memiliki primary key sk_kelumur dan field lainnya yaitu version, date_from, date_to, id, min, mak, dan keterangan. 12. Tabel tf_penduduk Gambar 3.39 merupakan proses pembentukan tabel tf_penduduk.


Database penduduk

Database olappend

Gambar 3. 39 Pembentukan Tabel tf_penduduk

Tabel tf_penduduk dibentuk dari tabel transaksi, tabel dim_jeniskel_scd, tabel

dim_wilayah_scd,

dim_goldrh_scd, dim_aktalahir_scd, dim_pydgcct_scd.

tabel

dim_agama_scd, dim_pendidikan_scd,

dim_aktacerai_scd,

tabel

tabel

dim_pekerjaan_scd,

dim_aktakawin_scd,

tabel

dim_kelumur_scd,

dan


4

LAMPIRAN 4

IMPLENTASI INTEGRASI DATA

1. Integrasi Data transaksi dari biodata_wni dan ms_bantuumur 2. Integrasi Data ms_agama dari options_wni 3. Integrasi Data ms_pekerjaan dari options_wni 4. Integrasi Data ms_pendidikan dari options_wni 5. Integrasi Data ms_golongandarah dari Options_wni 6. Integrasi Data ms_jeniskelamin dari options_wni 7. Integrasi Data ms_aktakawin dari ms_aktakawin 8. Integrasi Data Ms_aktacerai dari Ms_aktacerai 9. Integrasi Data Ms_aktalahir dari Ms_aktalahir 10. Integrasi Data Ms_kec dari Setup_kec 11. Integrasi Data Ms_kel dari Setup_kel 12. Integrasi Data ms_pnyandangcacat dari penyandangcacat 13. Integrasi Data Ms_kelompokumur dari Ms_kelompokumur

4-1


1.

Integrasi Data transaksi dari biodata_wni dan ms_bantuumur

Gambar 4. 11 TR_PENDUDUK.ktr

Gambar 4.11 merupakan proses pembentukan tabel transaksi. Pada proses ini dilakukan pembacaan sumber data dari tabel biodata_wni dan ms_bantuumur di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel transaksi di database penduduk. Tabel 4.6 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data transaksi dari biodata_wni dan ms_bantuumur Tabel 4. 6 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data transaksi dari biodata_wni dan ms_bantuumur Nama File

TR_PENDUDUK.ktr

Nama Step

Tabel Input

biodata_wni Database

Siakdb

Query sql

SELECT NIK , NO_KTP , TMPT_SBL , NO_PASPOR , TGL_AKH_PASPOR , NAMA_LGKP , JENIS_KLMIN , TMPT_LHR , TGL_LHR , AKTA_LHR , NO_AKTA_LHR , GOL_DRH , AGAMA , STAT_KWN , AKTA_KWN , NO_AKTA_KWN , TGL_KWN , AKTA_CRAI , NO_AKTA_CRAI , TGL_CRAI , STAT_HBKEL , KLAIN_FSK , PNYDNG_CCT , PDDK_AKH , JENIS_PKRJN , NIK_IBU , NAMA_LGKP_IBU , NIK_AYAH , NAMA_LGKP_AYAH


, NAMA_KET_RT , NAMA_KET_RW , NAMA_PET_REG , NIP_PET_REG , NAMA_PET_ENTRI , NIP_PET_ENTRI , TGL_ENTRI , NO_KK , JENIS_BNTU , NO_PROP , NO_KAB , NO_KEC , NO_KEL , STAT_HIDUP , TGL_UBAH , TGL_CETAK_KTP , TGL_GANTI_KTP , TGL_PJG_KTP , STAT_KTP , ALS_NUMPANG , PFLAG , CFLAG , SYNC_FLAG , KET_AGAMA , KEBANGSAAN , GELAR , KET_PKRJN , GLR_AGAMA , GLR_AKADEMIS , GLR_BANGSAWAN , IS_PROS_DATANG , DESC_PEKERJAAN , DESC_KEPERCAYAAN , FLAG_STATUS , COUNT_KTP , COUNT_BIODATA , FLAGSINK , trunc((trunc(sysdatetgl_lhr)/360),0) as UMUR FROM BIODATA_WNI

Nama Step

Nama Step

Nama Step

Tabel Input

Stream lookup

Select values

ms_bantuumur Database

Siakdb

Query sql

SELECT ID_KELUMUR , UMUR FROM MS_BANTUUMUR

Sumber lookup

biodata_wni

Kunci

Umur

umur

Lookup

Field

id_kelumur


NIK , NO_KTP , TMPT_SBL , NO_PASPOR , TGL_AKH_PASPOR , NAMA_LGKP , JENIS_KLMIN , TMPT_LHR , TGL_LHR , AKTA_LHR , NO_AKTA_LHR , GOL_DRH , AGAMA


, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

Nama Step

Insert/Update

STAT_KWN AKTA_KWN NO_AKTA_KWN TGL_KWN AKTA_CRAI NO_AKTA_CRAI TGL_CRAI STAT_HBKEL KLAIN_FSK PNYDNG_CCT PDDK_AKH JENIS_PKRJN NIK_IBU NAMA_LGKP_IBU NIK_AYAH NAMA_LGKP_AYAH NAMA_KET_RT NAMA_KET_RW NAMA_PET_REG NIP_PET_REG NAMA_PET_ENTRI NIP_PET_ENTRI TGL_ENTRI NO_KK JENIS_BNTU NO_PROP NO_KAB NO_KEC NO_KEL STAT_HIDUP TGL_UBAH TGL_CETAK_KTP TGL_GANTI_KTP TGL_PJG_KTP STAT_KTP ALS_NUMPANG PFLAG CFLAG SYNC_FLAG KET_AGAMA KEBANGSAAN GELAR KET_PKRJN GLR_AGAMA GLR_AKADEMIS GLR_BANGSAWAN IS_PROS_DATANG DESC_PEKERJAAN DESC_KEPERCAYAAN FLAG_STATUS COUNT_KTP COUNT_BIODATA FLAGSINK UMUR ID_KELUMUR

Tabel

Transaksi

Database

Penduduk

Step insert/update tabel transaksi adalah step yang akan menambah/memperbaharui

data

dari

proses

transformasi ke tabel transaksi di database penduduk berdasarkan nilai data nik pada tabel transaksi. Ketentuan proses Insert/Update:


a. Jika nik tidak sama dengan nik pada tabel transaksi maka dilakukan proses menambahkan/insert data baru b. Jika nik sama dengan nik pada tabel transaksi maka dilakukan proses mengubah/update data yang lama dengan data yang baru

Hasil tabel transaksi di database penduduk dapat dilihat pada gambar 4.12.

Gambar 4. 12 Tabel TR_PENDUDUK

2. Integrasi Data ms_agama dari options_wni

Gambar 4. 13 ms_agama.ktr

Gambar 4.13 merupakan proses pembentukan tabel ms_agama. Pada proses ini dilakukan pembacaan sumber data dari tabel options_wni di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_agama di database penduduk. Tabel 4.7 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_agama dari options_wni Tabel 4. 7 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_agama dari options_wni Nama File

ms_agama.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Sort rows

Select values

options_wni Database

Siakdb

Query sql

SELECT NO AS AGAMA , DESCR , SECT FROM OPTIONS_WNI where sect=501

Fieldname

Agama

Ascending

Y

Case sensitive

N

Select & Alter


Nama Step

Insert/Update

Nama kolom

AGAMA , DESCR

Tabel

ms_agama

Database

Penduduk

Step insert/update tabel ms_agama adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_agama di database penduduk berdasarkan nilai data kode agama pada tabel ms_agama Ketentuan proses Insert/Update: a. Jika agama tidak sama dengan agama pada tabel ms_agama

maka

dilakukan

proses

menambahkan/insert data baru b. Jika agama sama dengan agama pada tabel ms_agama

maka

dilakukan

proses

mengubah/update data yang lama dengan data yang baru

Hasil tabel ms_agama di database penduduk dapat dilihat pada gambar 4.14.

Gambar 4. 14 Tabel ms_agama

3. Integrasi Data ms_pekerjaan dari options_wni

Gambar 4. 15 ms_pekerjaan.ktr

Gambar 4.15 merupakan proses pembentukan tabel ms_pekerjaan. Pada proses ini dilakukan pembacaan sumber data dari tabel options_wni di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_ pekerjaan di database penduduk. Tabel 4.8 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ pekerjaan dari options_wni


Tabel 4. 8 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ pekerjaan dari options_wni Nama File

ms_ pekerjaan.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Nama Step

Sort rows


Siakdb

Query sql

SELECT NO AS JENIS_PKRJN , DESCR , SECT FROM OPTIONS_WNI where sect=201

Fieldname

jenis_pkrjn

Ascending

Y

Case sensitive

N

Select

Select & Alter

values

Nama kolom

JENIS_PKRJN , DESCR

Insert/Upd

Tabel

ms_ pekerjaan

ate

Database

Penduduk

Step insert/update tabel ms_ pekerjaan adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_ pekerjaan di database penduduk berdasarkan nilai data kode jenis_pkrjn pada tabel ms_ pekerjaan Ketentuan proses Insert/Update: a. Jika jenis_pkrjn tidak sama dengan jenis_pkrjn pada tabel ms_pekerjaan

maka

dilakukan

proses

menambahkan/insert data baru b. Jika jenis_pkrjn sama dengan jenis_pkrjn pada tabel ms_pekerjaan maka dilakukan proses mengubah/update data yang lama dengan data yang baru

Hasil tabel ms_ pekerjaan di database penduduk dapat dilihat pada gambar 4.16.


Gambar 4. 16 Tabel ms_pekerjaan.ktr

4. Integrasi Data ms_pendidikan dari options_wni

Gambar 4. 17 ms_pendidikan.ktr

Gambar 4.17 merupakan proses pembentukan tabel ms_pendidikan. Pada proses ini dilakukan pembacaan sumber data dari tabel options_wni di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_ pendidikan di database penduduk. Tabel 4.9 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ pendidikan dari options_wni Tabel 4. 9 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ pendidikan dari options_wni Nama File

ms_ pendidikan.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Nama Step

Sort rows

Select values

Insert/Update


Siakdb

Query sql

SELECT NO AS PDDK_AKH , DESCR , SECT FROM OPTIONS_WNI where sect=101

Fieldname

pddk_akh

Ascending

Y

Case sensitive

N


PDDK_AKH , DESCR

Tabel

ms_ pendidikan

Database

Penduduk

Step insert/update tabel ms_ pendidikan adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_ pendidikan di database


penduduk berdasarkan nilai data kode pddk_akh pada tabel ms_ pendidikan Ketentuan proses Insert/Update: a. Jika pddk_akh tidak sama dengan pddk_akh pada tabel

ms_pendidikan

maka

dilakukan

proses

menambahkan/insert data baru b. Jika pddk_akh sama dengan pddk_akh pada tabel ms_pendidikan

maka

dilakukan

proses


Hasil tabel ms_ pendidikan di database penduduk dapat dilihat pada gambar 4.18.

Gambar 4. 18 Tabel ms_pendidikan.ktr

5.

Integrasi Data ms_golongandarah dari Options_wni

Gambar 4. 19 ms_golongandarah.ktr

Gambar 4.19 merupakan proses pembentukan tabel ms_golongandarah. Pada proses ini dilakukan pembacaan sumber data dari tabel options_wni di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_golongandarah di database penduduk. Tabel 4.10 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_golongandarah dari options_wni Tabel 4. 10 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_golongandarah dari options_wni Nama File

ms_golongandarah.ktr

Nama Step

Tabel

options_wni


Input

Nama Step

Nama Step

Nama Step

Sort rows

Database

Siakdb

Query sql

SELECT NO AS GOL_DRH , DESCR , SECT FROM OPTIONS_WNI where sect=401

Fieldname

gol_drh

Ascending

Y

Case sensitive

N

Select

Select & Alter

values

Nama kolom

GOL_DRH , DESCR

Insert/Up

Tabel

ms_ golongandarah

date

Database

Penduduk

Step insert/update tabel ms_ golongandarah adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_ golongandarah di database penduduk berdasarkan nilai data kode gol_drh pada tabel ms_ golongandarah Ketentuan proses Insert/Update: a. Jika gol_drh tidak sama dengan gol_drh pada tabel ms_golongandarah

maka

dilakukan

proses

menambahkan/insert data baru b. Jika

gol_drh

sama

ms_golongandarah

dengan maka

gol_drh

pada

dilakukan

tabel proses


Hasil tabel ms_ golongandarah di database penduduk dapat dilihat pada gambar 4.20.

Gambar 4. 20 Tabel ms_golongandarah


6.

Integrasi Data ms_jeniskelamin dari options_wni

Gambar 4. 21 ms_jeniskelamin.ktr

Gambar 4.21 merupakan proses pembentukan tabel ms_jeniskelamin. Pada proses ini dilakukan pembacaan sumber data dari tabel options_wni di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_jeniskelamin di database penduduk. Tabel 4.11 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_jeniskelamin dari options_wni Tabel 4. 11 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ jeniskelamin dari options_wni Nama File

ms_ jeniskelamin.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Nama Step

Sort rows

Select values

Insert/Update


Siakdb

Query sql

SELECT NO AS JENIS_KLMIN , DESCR , SECT FROM OPTIONS_WNI where sect=801

Fieldname

jenis_klmin

Ascending

Y

Case sensitive

N


JENIS_KLMIN , DESCR

Tabel

ms_ jeniskelamin

Database

Penduduk

Step insert/update tabel ms_ jeniskelamin adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_jeniskelamin di database penduduk berdasarkan nilai data kode jenis_klmin pada tabel ms_ jeniskelamin Ketentuan proses Insert/Update: a. Jika jenis_klmin tidak sama dengan jenis_klmin


pada tabel ms_jeniskelamin maka dilakukan proses menambahkan/insert data baru b. Jika jenis_klmin sama dengan jenis_klmin pada tabel ms_jeniskelamin maka dilakukan proses mengubah/update data yang lama dengan data yang baru

Hasil tabel ms_ jeniskelamin di database penduduk dapat dilihat pada gambar 4.22.

Gambar 4. 22 Tabel ms_jeniskelamin

7.

Integrasi Data ms_aktakawin dari ms_aktakawin

Gambar 4. 23 ms_aktakawin.ktr

Gambar 4.23 merupakan proses pembentukan tabel ms_aktakawin. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_aktakawin di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_aktakawin di database penduduk. Tabel 4.12 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_aktakawin dari ms_aktakawin Tabel 4. 12 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ aktakawin dari ms_ aktakawin Nama File

ms_aktakawin.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Sort rows

Select values

ms_aktakawin Database

Siakdb

Query sql

SELECT AKTA_KWN , DESCR FROM MS_AKTAKAWIN

Fieldname

akta_kwn

Ascending

Y

Case sensitive

N

Select & Alter


Nama Step

Insert/Update

Nama kolom

AKTA_KWN , DESCR

Tabel

ms_aktakawin

Database

Penduduk

Step insert/update tabel ms_aktakawin adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_aktakawin di database penduduk berdasarkan nilai data kode akta_kwn pada tabel ms_aktakawin Ketentuan proses Insert/Update: a. Jika akta_kwn tidak sama dengan akta_kwn pada tabel

ms_aktakawin

maka

dilakukan

proses

menambahkan/insert data baru. b. Jika akta_kwn sama dengan akta_kwn pada tabel ms_aktakawin

maka

dilakukan

proses


Hasil tabel ms_ aktakawin di database penduduk dapat dilihat pada gambar 4.24.

Gambar 4. 24 Tabel ms_aktakawin

8. Integrasi Data Ms_aktacerai dari Ms_aktacerai

Gambar 4. 25 ms_aktacerai.ktr

Gambar 4.25 merupakan proses pembentukan tabel ms_aktacerai. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_ aktacerai di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_ aktacerai di database penduduk. Tabel 4.13 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ aktacerai dari ms_ aktacerai


Tabel 4. 13 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ aktacerai dari ms_ aktacerai Nama File

ms_ aktacerai.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Nama Step

ms_ aktacerai

Sort rows

Select values

Insert/Update

Database

Siakdb

Query sql

SELECT AKTA_CRAI , DESCR FROM MS_AKTACERAI

Fieldname

akta_crai

Ascending

Y

Case sensitive

N


AKTA_CRAI , DESCR

Tabel

ms_ aktacerai

Database

Penduduk

Step insert/update tabel ms_ aktacerai adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_ aktacerai di database penduduk berdasarkan nilai data kode akta_crai pada tabel ms_ aktacerai Ketentuan proses Insert/Update: a. Jika akta_crai tidak sama dengan akta_crai pada tabel

ms_aktacerai

maka

dilakukan

proses

menambahkan/insert data baru. b. Jika akta_crai sama dengan akta_crai pada tabel ms_aktacerai

maka

dilakukan

proses


Hasil tabel ms_ aktacerai di database penduduk dapat dilihat pada gambar 4.26.

Gambar 4. 26 Tabel ms_aktacerai


9. Integrasi Data Ms_aktalahir dari Ms_aktalahir

Gambar 4. 27 ms_aktalahir.ktr

Gambar 4.27 merupakan proses pembentukan tabel ms_aktalahir. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_ aktalahir di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_ aktalahir di database penduduk. Tabel 4.14 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_ aktalahir dari ms_ aktalahir Tabel 4. 14 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_aktalahir dari ms_aktalahir Nama File

ms_ aktalahir.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Nama Step

Sort rows

Select values

Insert/Update

ms_ aktalahir Database

Siakdb

Query sql


Fieldname

akta_lhr

Ascending

Y

Case sensitive

N


AKTA_LHR , DESCR

Tabel

ms_ aktalahir

Database

Penduduk

Step insert/update tabel ms_ aktalahir adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_aktalahir di database penduduk berdasarkan nilai data kode akta_lhr pada tabel ms_ aktalahir Ketentuan proses Insert/Update: a. Jika akta_lhr tidak sama dengan akta_lhr pada tabel


ms_aktalahir

maka

dilakukan

proses

menambahkan/insert data baru. b. Jika akta_lhr sama dengan akta_lhr pada tabel ms_aktalahir

maka

dilakukan

proses


Hasil tabel ms_ aktalahir di database penduduk dapat dilihat pada gambar 4.28.

Gambar 4. 28 Tabel ms_aktalahir

10. Integrasi Data Ms_kec dari Setup_kec

Gambar 4. 10 ms_kec.ktr

Gambar 4.29 merupakan proses pembentukan tabel ms_kec. Pada proses ini dilakukan pembacaan sumber data dari tabel setup_kec di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_kec di database penduduk. Tabel 4.15 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_kec dari setup_kec. Tabel 4. 15 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi ms_kec dari setup_kec Nama File

ms_kec.ktr

Nama Step

Tabel Input

setup_kec Database

Siakdb

Query sql

SELECT NO_KEC , NAMA_KEC , NO_KAB , NO_PROP , JABATAN , NAMA_PEJ , STAT_PNDTNG , NIP_PEJ , FILE _TTD , FLAGSINK FROM SETUP_KEC where (NO_KAB=10 and (NO_PROP=33))


Nama Step

Nama Step

Sort rows

Select values

Fieldname

no_kec

Ascending

Y

Case sensitive

N


Nama Step

Insert/Update

, , , , , , , , ,

NO_KEC NAMA_KEC NO_KAB NO_PROP JABATAN NAMA_PEJ STAT_PNDTNG NIP_PEJ FILE _TTD FLAGSINK

Tabel

ms_ kec

Database

Penduduk

Step insert/update tabel ms_kec adalah step yang akan menambah/memperbaharui

data

dari

proses

transformasi ke tabel ms_kec di database penduduk berdasarkan nilai data no_kec dan no_kab pada tabel ms_kec Ketentuan proses Insert/Update: a. Jika no_kec dan no_kab tidak sama dengan no_kec dan no_kab pada tabel ms_kec maka dilakukan proses menambahkan/insert data baru. b. Jika no_kec dan no_kab sama dengan no_kec dan no_kab pada tabel ms_kec maka dilakukan proses mengubah/update data yang lama dengan data yang baru.

Hasil tabel ms_ kec di database penduduk dapat dilihat pada gambar 4.30.

Gambar 4. 30 Tabel ms_kec


11. Integrasi Data Ms_kel dari Setup_kel

Gambar 4. 31 ms_kelurahan.ktr

Gambar 4.31 merupakan proses pembentukan tabel ms_kelurahan. Pada proses ini dilakukan pembacaan sumber data dari tabel setup_kel di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_kelurahan di database penduduk. Tabel 4.16 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_kelurahan dari setup_kel. Tabel 4. 16 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi ms_kelurahan dari setup_kel Nama File

ms_kelurahan.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Sort rows

Select values

setup_kel Database

Siakdb

Query sql

SELECT NO_KEL , NAMA_KEL , NO_KEC , NO_KAB , NO_PROP , JABATAN , NAMA_LUR , NIP_LUR , FILE _TTD , FLAGSINK FROM SETUP_KEL where (NO_KAB=10 and (NO_PROP=33))

Fieldname

no_kec

Ascending

Y

Case sensitive

N


Nama Step

Insert/Update

Tabel

, , , , , , , , ,

NO_KEL NAMA_KEL NO_KEC NO_KAB NO_PROP JABATAN NAMA_LUR NIP_LUR FILE _TTD FLAGSINK

ms_ kelurahan


Database

Penduduk

Step insert/update tabel ms_kelurahan adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_kelurahan di database penduduk berdasarkan nilai data no_kel, no_kec dan no_kab pada tabel ms_kelurahan Ketentuan proses Insert/Update: a. Jika no_kel, no_kec dan no_kab tidak sama dengan no_kel,

no_kec

ms_kelurahan

dan maka

no_kab

pada

dilakukan

tabel proses

menambahkan/insert data baru. b. Jika no_kel, no_kec dan no_kab sama dengan no_kel,

no_kec

ms_kelurahan

dan maka

no_kab

pada

dilakukan

tabel proses


Hasil tabel ms_kelurahan di database penduduk dapat dilihat pada gambar 4.32.

Gambar 4. 32 Tabel ms_kelurahan

12. Integrasi Data ms_pnyandangcacat dari penyandangcacat

Gambar 4. 33 ms_pnyandangcacat.ktr

Gambar 4.33 merupakan proses pembentukan tabel ms_ pnyandangcacat. Pada proses ini dilakukan pembacaan sumber data dari tabel penyandangcacat di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_pnyandangcacat di database penduduk. Tabel 4.17 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_pnyandangcacat dari penyandangcacat.


Tabel 4. 17 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi ms_ pnyandangcacat dari penyandangcacat Nama File

ms_pnyandangcacat.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Select values

Insert/Update

Pnyandangcacat Database

Siakdb

Query sql

SELECT PNYDNG_CCT , DESCR FROM PENYANDANGCACAT


PNYDNG_CCT , DESCR

Tabel

ms_ pnyandangcacat

Database

Penduduk

Step insert/update tabel ms_pnyandangcacat adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_pnyandangcacat di database penduduk berdasarkan nilai data pnydng_cct pada tabel ms_pnyandangcacat. Ketentuan proses Insert/Update: a. Jika pnydng_cct tidak sama dengan pnydng_cct pada tabel ms_pnyandangcacat maka dilakukan proses menambahkan/insert data baru b. Jika pnydng_cct sama dengan pnydng_cct pada tabel ms_pnyandangcacat maka dilakukan proses mengubah/update data yang lama dengan data yang baru

Hasil tabel ms_pnyandangcacat di database penduduk dapat dilihat pada gambar 4.34.

Gambar 4. 34 Tabel ms_pnyandangcacat


13. Integrasi Data Ms_kelompokumur dari Ms_kelompokumur

Gambar 4. 35 ms_kelompokumur.ktr

Gambar 4.35 merupakan proses pembentukan tabel ms_kelompokumur. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_kelompokumur di database siakdb. Hasil pembacaan sumber data ini akan disimpan pada tabel ms_kelompokumur di database penduduk. Tabel 4.18 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi data ms_kelompokumur dari ms_kelompokumur. Tabel 4. 18 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi ms_kelompokumur dari ms_kelompokumur Nama File

ms_kelompokumur.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Nama Step

Sort rows

Select values

Insert/Update

ms_kelompokumur Database

Siakdb

Query sql

SELECT ID , MIN , MAK , KETERANGAN FROM MS_KELOMPOKUMUR

Fieldname

Id

Ascending

Y

Case sensitive

N


ID , MIN , MAK , KETERANGAN

Tabel

ms_kelompokumur

Database

Penduduk

Step insert/update tabel ms_kelompokumur adalah step yang akan menambah/memperbaharui data dari proses transformasi ke tabel ms_kelompokumur di database penduduk berdasarkan nilai data id pada tabel ms_kelompokumur


Ketentuan proses Insert/Update: a. Jika id tidak sama dengan id pada tabel ms_kelompokumur

maka

dilakukan

proses

menambahkan/insert data baru b. Jika

id

sama

ms_kelompokumur

dengan maka

id

pada

dilakukan

tabel proses


Hasil tabel ms_kelompokumur di database penduduk dapat dilihat pada gambar 4.36.

Gambar 4. 36 Tabel ms_kelompokumur


5

LAMPIRAN 5

IMPLEMENTASI MEMECAH DATA MEMBENTUK TABEL FAKTA DAN DIMENSI 1. Tabel Dimensi Agama 2. Tabel Dimensi Pekerjaan 3. Tabel Dimensi Pendidikan 4. Tabel Dimensi Golongan Darah 5. Tabel Dimensi Jenis Kelamin 6. Tabel Dimensi Akta Kawin 7. Tabel Dimensi Akta Cerai 8. Tabel Dimensi Akta Lahir 9. Tabel Dimensi Wilayah 10. Tabel Dimensi Penyandang Cacat 11. Tabel Dimensi Kelompok Umur 12. Tabel tf_penduduk

5-1


1.

Tabel Dimensi Agama

Gambar 4. 37 dim_agama_scd.ktr

Gambar 4.37 merupakan proses pembentukan tabel dim_agama_scd. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_agama di database penduduk. Hasil pembacaan sumber data ini akan disimpan pada tabel dim_agama_scd di database olappend. Tabel dim_agama_scd ini akan digunakan dalam proses OLAP. Tabel 4.19 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_agama_scd dari tabel ms_agama. Tabel 4. 19 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_agama_scd dari tabel ms_agama Nama File

dim_agama_scd.ktr

Nama Step

Tabel

ms_agama

Input

Database

penduduk

Query sql

SELECT AGAMA , DESCR FROM MS_AGAMA

Nama Step

Nama Step

Select

Select & Alter

values

Nama kolom

AGAMA , DESCR

Dimensi

Tabel

dim_agama_scd

on

Database

olappend

lookup/ update

Dimension Key s

Fields

field

Field in stream

Agama

Agama

Dimension

Stream field to

field

compare with

descr

descr

Technical key field

sk_agama

Version field

Version

Date range start field

date_from

Tabel daterange end

date_to


Hasil tabel dim_agama_scd di database olappend dapat dilihat pada gambar 4.38.

Gambar 4. 38 Tabel dim_agama_scd

2.

Tabel Dimensi Pekerjaan

Gambar 4. 39 dim_pekerjaan_scd.ktr

Gambar 4.39 merupakan proses pembentukan tabel dim_pekerjaan_scd. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_pekerjaan di database penduduk. Hasil pembacaan sumber data ini akan disimpan pada tabel dim_pekerjaan_scd di database olappend. Tabel dim_pekerjaan_scd ini akan digunakan dalam proses OLAP. Tabel 4.20 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_pekerjaan_scd dari tabel ms_pekerjaan. Tabel 4. 20 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_agama_scd dari tabel ms_agama Nama File

dim_pekerjaan_scd.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

ms_pekerjaan Database

penduduk

Query sql

SELECT JENIS_PKRJN , DESCR FROM MS_PEKERJAAN

Select

Select & Alter

values

Nama kolom

JENIS_PKRJN , DESCR

Dimension

Tabel

dim_pekerjaan_scd

lookup/upd

Database

olappend

Key s

Dimension field

Field in stream

jenis_pkrjn

jenis_pkrjn

ate


Dimension field

Fields

descr

Technical key field

sk_pekerjaan

Version field

Version


date_from

Tabel daterange end

date_to

Stream field to compare with descr

Hasil tabel dim_agama_scd di database olappend dapat dilihat pada gambar 4.40.

Gambar 4. 40 Tabel dim_pekerjaan_scd

3. Tabel Dimensi Pendidikan

Gambar 4. 41 dim_pendidikan_scd.ktr

Gambar 4.41 merupakan proses pembentukan tabel dim_ pendidikan_scd. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_pendidikan di database penduduk. Hasil pembacaan sumber data ini akan disimpan pada tabel dim_pendidikan_scd di database olappend. Tabel dim_pendidikan_scd ini akan digunakan dalam proses OLAP. Tabel 4.21 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses

integrasi

pembentukan

tabel

dim_pendidikan_scd

dari

tabel

ms_pendidikan. Tabel 4. 21 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_pendidikan_scd dari tabel ms_pendidikan Nama File

dim_pendidikan_scd.ktr

Nama Step

Tabel Input

ms_pendidikan


Nama Step

Nama Step

Database

penduduk

Query sql

SELECT PDDK_AKH , DESCR FROM MS_PENDIDIKAN

Select

Select & Alter

values

Nama kolom

PDDK_AKH , DESCR

Dimension

Tabel

dim_pendidikan_scd

lookup/upd

Database

olappend

ate

Dimension Key s

Fields

field

Field in stream

pddk_akh

pddk_akh

Dimension

Stream field to

field

compare with

descr

descr

Technical key field

sk_pendidikan

Version field

Version


date_from

Tabel daterange end

date_to

Hasil tabel dim_pendidikan_scd di database olappend dapat dilihat pada gambar 4.42.

Gambar 4. 42 Tabel dim_pendidikan_scd

4.

Tabel Dimensi Golongan Darah

Gambar 4. 43 dim_golongandarah_scd.ktr

Gambar 4.43 merupakan proses pembentukan tabel dim_goldrh_scd. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_golongandarah di database penduduk. Hasil pembacaan sumber data ini akan disimpan pada tabel


dim_goldrh_scd di database olappend. Tabel dim_goldrh_scd ini akan digunakan dalam proses OLAP. Tabel 4.22 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses

integrasi

pembentukan

tabel

dim_goldrh_scd

dari

tabel

ms_

golongandarah. Tabel 4. 22 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_goldrh_scd dari tabel ms_golongandarah Nama File

dim_golongandarah_scd.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Select values

ms_ golongandarah Database

penduduk

Query sql

SELECT GOL_DRH , DESCR FROM MS_GOLONGANDARAH


GOL_DRH , DESCR

Dimension

Tabel

dim_goldrh_scd

lookup/

Database

olappend

Key s

Dimension field

Field in stream

gol_drh

gol_drh

update

Fields

Dimension field descr

Technical key field

sk_goldrh

Version field

Version


date_from

Tabel daterange end

date_to


Hasil tabel dim_pendidikan_scd di database olappend dapat dilihat pada gambar 4.44.


Gambar 4. 44 Tabel dim_goldrh_scd

5.

Tabel Dimensi Jenis Kelamin

Gambar 4. 45 dim_jeniskel_scd.ktr

Gambar 4.45 merupakan proses pembentukan tabel dim_jeniskel_scd. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_jeniskelamin di database penduduk. Hasil pembacaan sumber data ini akan disimpan pada tabel dim_jeniskel_scd di database olappend. Tabel dim_jeniskel_scd ini akan digunakan dalam proses OLAP. Tabel 4.23 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_jeniskel_scd dari tabel ms_ jeniskelamin. Tabel 4. 23 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_jeniskel_scd dari tabel ms_ jeniskelamin Nama File

dim_jeniskel_scd.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Select values

ms_ jeniskelamin Database

penduduk

Query sql

SELECT JENIS_KLMIN , DESCR FROM MS_JENISKELAMIN


JENIS_KLMIN , DESCR

Dimension

Tabel

dim_jeniskel_scd

lookup/

Database

olappend

Key s

Dimension field

Field in stream

jenis_klmin

jenis_klmin

Dimension field

Stream field to

update

Fields


compare with descr Technical key field

sk_jeniskel

Version field

Version


date_from

Tabel daterange end

date_to

descr

Hasil tabel dim_jeniskel_scd di database olappend dapat dilihat pada gambar 4.46.

Gambar 4. 46 Tabel dim_jeniskel_scd

6.

Tabel Dimensi Akta Kawin

Gambar 4. 47dim_aktakawin_scd.ktr

Gambar 4.47 merupakan proses pembentukan tabel dim_aktakawin_scd. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_aktakawin di database penduduk. Hasil pembacaan sumber data ini akan disimpan pada tabel dim_aktakawin_scd di database olappend. Tabel dim_aktakawin_scd ini akan digunakan dalam proses OLAP. Tabel 4.24 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_aktakawin_scd dari tabel ms_ aktakawin. Tabel 4. 24 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_aktakawin_scd dari tabel ms_aktakawin Nama File

dim_aktakawin_scd.ktr

Nama Step

Tabel Input

ms_aktakawin Database

penduduk

Query sql

SELECT AKTA_KWN , DESCR FROM MS_AKTAKAWIN


Nama Step

Nama Step

Select values


AKTA_KWN , DESCR

Dimension

Tabel

dim_aktakawin_scd

lookup/update

Database

olappend

Key s

Dimension field

Field in stream

Akta_kwn

Akta_kwn

Fields


Technical key field

sk_aktakawin

Version field

Version


date_from

Tabel daterange end

date_to


Hasil tabel dim_aktakawin_scd di database olappend dapat dilihat pada gambar 4.48.

Gambar 4. 48 Tabel dim_aktakawin_scd

7.

Tabel Dimensi Akta Cerai

Gambar 4. 49 dim_aktacerai_scd.ktr

Gambar 4.49 merupakan proses pembentukan tabel dim_aktacerai_scd. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_aktacerai di database penduduk. Hasil pembacaan sumber data ini akan disimpan pada tabel dim_aktacerai_scd di database olappend. Tabel dim_aktacerai_scd ini akan digunakan dalam proses OLAP. Tabel 4.25 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_aktacerai_scd dari tabel ms_ aktacerai.


Tabel 4. 25 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_aktacerai_scd dari tabel ms_aktacerai Nama File

dim_aktacerai_scd.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

ms_aktacerai

Select values

Database

penduduk

Query sql

SELECT AKTA_CRAI , DESCR FROM MS_AKTACERAI


AKTA_CRAI , DESCR

Dimension

Tabel

dim_aktacerai_scd

lookup/

Database

olappend

Key s

Dimension field

Field in stream

Akta_crai

Akta_crai

update

Fields


Technical key field

sk_aktacerai

Version field

Version


date_from

Tabel daterange end

date_to


Hasil tabel dim_aktacerai_scd di database olappend dapat dilihat pada gambar 4.50.

Gambar 4. 50 Tabel dim_aktacerai_scd

8. Tabel Dimensi Akta Lahir

Gambar 4. 51 dim_aktalahir_scd.ktr

Gambar 4.51 merupakan proses pembentukan tabel dim_aktalahir_scd. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_aktalahir di database penduduk. Hasil pembacaan sumber data ini akan disimpan pada tabel


dim_aktalahir_scd di database olappend. Tabel dim_aktalahir_scd ini akan digunakan dalam proses OLAP. Tabel 4.26 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_aktalahir_scd dari tabel ms_ aktalahir. Tabel 4. 26 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_aktalahir_scd dari tabel ms_aktalahir Nama File

dim_aktalahir_scd.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

ms_aktalahir Database

penduduk

Query sql


Select

Select & Alter

values

Nama kolom

AKTA_LHR , DESCR

Dimension

Tabel

dim_aktalahir_scd

lookup/

Database

olappend

Key s

Dimension field

Field in stream

Akta_lhr

Akta_lhr

update

Fields


Technical key field

sk_aktalahir

Version field

Version


date_from

Tabel daterange end

date_to


Hasil tabel dim_aktalahir_scd di database olappend dapat dilihat pada gambar 4.52.

Gambar 4. 52 Tabel dim_aktalahir_scd


9. Tabel Dimensi Wilayah

Gambar 4. 53 dim_wilayah_scd.ktr

Gambar 4.53 merupakan proses pembentukan tabel dim_wilayah_scd. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_kelurahan dan ms_kec di database penduduk. Hasil pembacaan sumber data ini akan disimpan pada tabel dim_wilayah_scd di database olappend. Tabel dim_wilayah_scd ini akan digunakan dalam proses OLAP. Tabel 4.27 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_wilayah_scd dari tabel ms_kelurahan dan ms_kec. Tabel 4. 27 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_wilayah_scd dari tabel ms_kelurahan dan ms_kec. Nama File

dim_wilayah_scd.ktr

Nama Step

Tabel Input

Nama Step

Tabel Input

ms_kelurahan Database

penduduk

Query sql

SELECT NO_KEL , NAMA_KEL , NO_KEC , NO_KAB , NO_PROP , JABATAN , NAMA_LUR , NIP_LUR , FILE _TTD , FLAGSINK FROM MS_KELURAHAN

ms_kec Database

penduduk

Query sql

SELECT NO_KEC , NAMA_KEC , NO_KAB , NO_PROP , JABATAN , NAMA_PEJ , STAT_PNDTNG


, NIP_PEJ , FILE _TTD , FLAGSINK FROM MS_KEC

Nama Step

Nama Step

Stream

Sumber lookup

ms_kelurahan

lookup

Kunci

no_kec

no_kec

Lookup

field

nama_kec

Dimension

Tabel

dim_wilayah_scd

lookup/

Database

olappend

update Key s

Fields

Dimension field

Field in stream

no_kel no_kec

no_kel no_kec

Dimension field nama_kel nama_kec

Technical key field

sk_wilayah

Version field

Version


date_from

Tabel daterange end

date_to

Stream field to compare with nama_kel nama_kec

Hasil tabel dim_wilayah_scd di database olappend dapat dilihat pada gambar 4.54.

Gambar 4. 54 Tabel dim_wilayah_scd

10. Tabel Dimensi Penyandang Cacat

Gambar 4. 55 dim_penyandangcct_scd.ktr

Gambar 4.55 merupakan proses pembentukan tabel dim_pydgcct_scd. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_pnyandangcacat di database penduduk. Hasil pembacaan sumber data ini akan disimpan pada tabel


dim_pydgcct_scd di database olappend. Tabel dim_pydgcct_scd ini akan digunakan dalam proses OLAP. Tabel 4.28 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses

integrasi

pembentukan

tabel

dim_pydgcct_scd

dari

tabel

ms_pnyandangcacat. Tabel 4. 28 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_pydgcct_scd dari tabel ms_pnyandangcacat Nama File

dim_penyandangcacat_scd.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Select values

ms_pnyandangcacat Database

penduduk

Query sql

SELECT PNYDNG_CCT , DESCR FROM MS_PNYANDANGCACAT


PNYDNG_CCT , DESCR

Dimension

Tabel

dim_pydgcct_scd

lookup/update

Database

olappend

Key s

Dimension field

Field in stream

pnydgcct

pnydgcct

Fields


Technical key field

sk_pydgcct

Version field

Version


date_from

Tabel daterange end

date_to


Hasil tabel dim_pydgcct_scd di database olappend dapat dilihat pada gambar 4.56.

Gambar 4. 56 Tabel dim_penyandangcct_scd


11. Tabel Dimensi Kelompok Umur

Gambar 4. 57 dim_kelumur_scd.ktr

Gambar 4.57 merupakan proses pembentukan tabel dim_kelumur_scd. Pada proses ini dilakukan pembacaan sumber data dari tabel ms_kelompokumur di database penduduk. Hasil pembacaan sumber data ini akan disimpan pada tabel dim_kelumur_scd di database olappend. Tabel dim_kelumur_scd ini akan digunakan dalam proses OLAP. Tabel 4.29 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses

integrasi

pembentukan

tabel

dim_kelumur_scd

dari

tabel

ms_kelompokumur. Tabel 4. 29 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel dim_kelumur_scd dari tabel ms_kelompokumur Nama File

dim_kelumur_scd.ktr

Nama Step

Tabel Input

Nama Step

Nama Step

Select values

ms_kelompokumur Database

penduduk

Query sql

SELECT ID , MIN , MAK , KETERANGAN FROM MS_KELOMPOKUMUR


ID , MIN , MAK , KETERANGAN

Dimension

Tabel

dim_kelumur_scd

lookup/update

Database

olappend

Key s

Dimension field

Field in stream

id

id

Dimension field Fields min mak keterangan

Technical key field

sk_kelumur

Stream field to compare with min mak keterangan


Version field

Version


date_from

Tabel daterange end

date_to

Hasil tabel dim_kelumur_scd di database olappend dapat dilihat pada gambar 4.58.

Gambar 4. 58 Tabel dim_kelumur_scd

12. Tabel tf_penduduk

Gambar 4. 59 TF_PENDUDUK.ktr

Gambar 4.59 merupakan proses pembentukan tabel tf_penduduk. Pada proses ini dilakukan pembacaan sumber data dari tabel transaksi di database penduduk yang kemudian di lookup dengan beberapa tabel dimensi,yaitu tabel dim_jeniskel_scd, dim_wilayah_scd, dim_agama_scd, dim_pekerjaan_scd, dim_ pendidikan_scd,

dim_goldrh_scd,

dim_aktakawin_scd,

dim_aktacerai_scd,

dim_aktalahir_scd, dim_pydgcct_scd, dan dim_kelumur_scd. Hasil pembacaan sumber data ini akan disimpan pada tabel tf_penduduk di database olappend. Tabel tf_penduduk ini sebagai salah satu tabel fakta yang akan digunakan dalam proses OLAP.


Tabel 4.30 berisi penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel tf_penduduk. Tabel 4. 30 Penjelasan alur transformasi yang dilakukan Kettle pada proses integrasi pembentukan tabel tf_penduduk Nama file

tf_penduduk.ktr

Nama step

Tabel Input

transaksi Database

penduduk

Query sql

SELECT NIK , NO_KTP , TMPT_SBL , NO_PASPOR , TGL_AKH_PASPOR , NAMA_LGKP , JENIS_KLMIN , TMPT_LHR , TGL_LHR , AKTA_LHR , NO_AKTA_LHR , GOL_DRH , AGAMA , STAT_KWN , AKTA_KWN , NO_AKTA_KWN , TGL_KWN , AKTA_CRAI , NO_AKTA_CRAI , TGL_CRAI , STAT_HBKEL , KLAIN_FSK , PNYDNG_CCT , PDDK_AKH , JENIS_PKRJN , NIK_IBU , NAMA_LGKP_IBU , NIK_AYAH , NAMA_LGKP_AYAH , NAMA_KET_RT , NAMA_KET_RW , NAMA_PET_REG , NIP_PET_REG , NAMA_PET_ENTRI , NIP_PET_ENTRI , TGL_ENTRI , NO_KK , JENIS_BNTU , NO_PROP , NO_KAB , NO_KEC , NO_KEL , STAT_HIDUP , TGL_UBAH , TGL_CETAK_KTP , TGL_GANTI_KTP , TGL_PJG_KTP , STAT_KTP , ALS_NUMPANG , PFLAG , CFLAG , SYNC_FLAG , KET_AGAMA , KEBANGSAAN


, GELAR , KET_PKRJN , GLR_AGAMA , GLR_AKADEMIS , GLR_BANGSAWAN , IS_PROS_DATANG , DESC_PEKERJAAN , DESC_KEPERCAYAAN , FLAG_STATUS , COUNT_KTP , COUNT_BIODATA , FLAGSINK , UMUR , ID_KELUMUR AS ID , '1' as Tag_Penduduk FROM TRANSAKSI

dim_aktalahir_scd

Nama step

Database lookup

Key s

Values

Tabel field

comparator

Field1

akta_lhr

=

akta_lhr

date_from

<=

tgl_ubah

date_to

>

tgl_ubah

Tabel field

comparator

Field1

akta_kwn

=

akta_kwn

date_from

<=

tgl_ubah

date_to

>

tgl_ubah

Tabel field

comparator

Field1

akta_crai

=

akta_crai

date_from

<=

tgl_ubah

date_to

>

tgl_ubah

Tabel field

comparator

Field1

pnydngcct

=

pnydngcct

date_from

<=

tgl_ubah

date_to

>

tgl_ubah

sk_aktalahir

dim_aktakawin_scd

Nama step

Database lookup

Key s

Values

sk_aktakawin

dim_aktacerai_scd

Nama step

Database lookup

Key s

Values

sk_aktacerai

dim_pydgcct_scd

Nama step

Database lookup

Key s

Values Nama step

Database

dim_agama_scd

sk_pydgcct


lookup Key s

Values

Tabel field

comparator

Field1

agama

=

agama

date_from

<=

tgl_ubah

date_to

>

tgl_ubah

Tabel field

comparator

Field1

pddk_akh

=

pddk_akh

date_from

<=

tgl_ubah

date_to

>

tgl_ubah

Tabel field

comparator

Field1

gol_drh

=

gol_drh

date_from

<=

tgl_ubah

date_to

>

tgl_ubah

Tabel field

comparator

Field1

id

=

id

date_from

<=

tgl_ubah

date_to

>

tgl_ubah

Tabel field

comparator

Field1

jenis_pkrjn

=

jenis_pkrjn

date_from

<=

tgl_ubah

date_to

>

tgl_ubah

Tabel field

comparator

Field1

no_kel

=

no_kel

no_kec

=

no_kec

sk_agama

dim_ pendidikan_scd

Nama step

Database lookup

Key s

Values

sk_pendidikan

dim_goldrh_scd

Nama step

Database lookup

Key s

Values

sk_goldrh

dim_kelumur_scd

Nama step

Database lookup

Key s

Values

sk_kelumur

dim_pekerjaan_scd

Nama step

Database lookup

Key s

Values

sk_pekerjaan

dim_wilayah_scd Nama step

Database lookup

Key s


Values

date_from

<=

tgl_ubah

date_to

>

tgl_ubah

sk_wilayah

Select & Alter

Nama step

Nama step

Select values

Nama kolom

Group field

Group by

Aggregates Nama step

Tabel output

, , , , , , , , , , , , , , , , , , , , , ,

SK_JENISKEL SK_AKTALAHIR SK_AKTAKAWIN SK_AKTACERAI SK_PYDGCCT SK_AGAMA SK_PENDIDIKAN SK_GOLDRH SK_KELUMUR SK_PEKERJAAN SK_WILAYAH TAG_PENDUDUK SK_JENISKEL SK_AKTALAHIR SK_AKTAKAWIN SK_AKTACERAI SK_PYDGCCT SK_AGAMA SK_PENDIDIKAN SK_GOLDRH SK_KELUMUR SK_PEKERJAAN SK_WILAYAH TAG_PENDUDUK

TAG_PENDUDUK

Tf_penduduk Database

olappend

Hasil tabel tf_penduduk di database olappend dapat dilihat pada gambar 4.60.

Gambar 4. 60 Tabel TF_PENDUDUK


6

LAMPIRAN 6

DETAIL DIMENSI PADA STAR SCHEMA

1. Tabel Dimensi Agama 2. Tabel Dimensi Pekerjaan 3. Tabel Dimensi Pendidikan 4. Tabel Dimensi Golongan Darah 5. Tabel Dimensi Jenis Kelamin 6. Tabel Dimensi Akta Kawin 7. Tabel Dimensi Akta Cerai 8. Tabel Dimensi Akta Lahir 9. Tabel Dimensi Wilayah 10. Tabel Dimensi Penyandang Cacat 11. Tabel Dimensi Kelompok Umur

6-1


a. Tabel Dimensi Agama Gambar 4.61 adalah gambar struktur dari pembentukan dimensi agama yang digunakan pada star schema kubus penduduk.

Gambar 4. 61 Struktur pembentukan Dimensi Agama

Dimensi agama membaca data dari tabel dim_agama_scd pada database olappend. Hirarki yang dimiliki dimensi agama adalah agama. b. Tabel Dimensi Pekerjaan Gambar 4.62 adalah gambar struktur dari pembentukan dimensi pekerjaan yang digunakan pada star schema kubus penduduk.

Gambar 4. 62 Struktur pembentukan Dimensi Pekerjaan

Dimensi pekerjaan membaca data dari tabel dim_pekerjaan_scd pada database olappend. Hirarki yang dimiliki dimensi pekerjaan adalah pekerjaan. c. Tabel Dimensi Pendidikan Gambar 4.63 adalah gambar struktur dari pembentukan dimensi pendidikan yang digunakan pada star schema kubus penduduk.

Gambar 4. 63 Struktur pembentukan Dimensi Pendidikan

Dimensi pendidikan membaca data dari tabel dim_pendidikan_scd pada database olappend. Hirarki yang dimiliki dimensi pendidikan adalah pendidikan.


d. Tabel Dimensi Golongan Darah Gambar 4.64 adalah gambar struktur dari pembentukan dimensi golongan darah yang digunakan pada star schema kubus penduduk.

Gambar 4. 64 Struktur pembentukan Dimensi Golongan Darah

Dimensi golongan darah membaca data dari tabel dim_goldrh_scd pada database olappend. Hirarki yang dimiliki dimensi golongan darah adalah golongan darah. e. Tabel Dimensi Jenis Kelamin Gambar 4.65 adalah gambar struktur dari pembentukan dimensi jenis kelamin yang digunakan pada star schema kubus penduduk.

Gambar 4. 65 Struktur pembentukan Dimensi Jenis Kelamin

Dimensi jenis kelamin membaca data dari tabel dim_jeniskel_scd pada database olappend. Hirarki yang dimiliki dimensi jenis kelamin adalah jenis kelamin. f. Tabel Dimensi Akta Kawin Gambar 4.66 adalah gambar struktur dari pembentukan dimensi akta kawin yang digunakan pada star schema kubus penduduk.

Gambar 4. 66 Struktur pembentukan Dimensi Akta Kawin


Dimensi akta kawin membaca data dari tabel dim_aktakawin_scd pada database olappend. Hirarki yang dimiliki dimensi akta kawin adalah akta kawin. g. Tabel Dimensi Akta Cerai Gambar 4.67 adalah gambar struktur dari pembentukan dimensi akta cerai yang digunakan pada star schema kubus penduduk.

Gambar 4. 67 Struktur pembentukan Dimensi Akta Cerai

Dimensi akta cerai membaca data dari tabel dim_aktacerai_scd pada database olappend. Hirarki yang dimiliki dimensi akta cerai adalah akta cerai. h. Tabel Dimensi Akta Lahir Gambar 4.68 adalah gambar struktur dari pembentukan dimensi akta lahir yang digunakan pada star schema kubus penduduk.

Gambar 4. 68 Struktur pembentukan Dimensi Akta Lahir

Dimensi akta lahir membaca data dari tabel dim_aktalahir_scd pada database olappend. Hirarki yang dimiliki dimensi akta lahir adalah akta lahir. i. Tabel Dimensi Wilayah Gambar 4.69 adalah gambar struktur dari pembentukan dimensi wilayah yang digunakan pada star schema kubus penduduk.


Gambar 4. 69 Struktur pembentukan Dimensi Wilayah

Dimensi wilayah membaca data dari tabel dim_wilayah_scd pada database olappend. Hirarki yang dimiliki dimensi wilayah adalah kecamatan dan kelurahan. j. Tabel Dimensi Penyandang Cacat Gambar 4.70 adalah gambar struktur dari pembentukan dimensi penyandang cacat yang digunakan pada star schema kubus penduduk.

Gambar 4. 70 Struktur pembentukan Dimensi Penyandang Cacat

Dimensi penyandang cacat membaca data dari tabel dim_pydgcct_scd pada database olappend. Hirarki yang dimiliki dimensi penyandang cacat adalah penyandang cacat. k. Tabel Dimensi Kelompok Umur Gambar 4.71 adalah gambar struktur dari pembentukan dimensi kelompok umur yang digunakan pada star schema kubus penduduk.

Gambar 4. 71 Struktur pembentukan Dimensi Kelompok Umur

Dimensi kelompok umur membaca data dari tabel dim_kelumur_scd pada database olappend. Hirarki yang dimiliki dimensi kelompok umur adalah umur.


7

LAMPIRAN 7

ANTAR MUKA PENGGUNA SISTEM OLAP 1. Halaman Home 2. Menu Pembuatan Laporan a. Halaman Pembuatan laporan berdasarkan Agama b. Halaman Pembuatan laporan berdasarkan Golongan Darah c. Halaman Pembuatan laporan berdasarkan Jenis Kelamin d. Halaman Pembuatan laporan berdasarkan Pendidikan e. Halaman Pembuatan laporan berdasarkan Penyandang Cacat f. Halaman Pembuatan laporan berdasarkan Umur g. Halaman Pembuatan laporan berdasarkan Akta Lahir 3. Halaman Lihat Data History Penduduk

7-1


1. Halaman Home

Gambar 4. 72 Halaman Home

Halaman home ini adalah halaman yang pertama kali muncul ketika user terhubung dengan sistem OLAP. Untuk kembali ke sistem sebelumnya user hanya perlu klik icon/tulisan Main site yang tertera pada kanan atas halaman home. 2.

Menu Pembuatan Laporan a. Halaman Pembuatan laporan berdasarkan Agama Halaman pembuatan laporan berdasarkan agama berisikan data analisis

penduduk sesuai agama. Tujuan halaman ini untuk dapat menunjukan data penduduk berdasarkan agama yang dianut. Gambar 4.73 merupakan tampilan halaman pembuatan laporan berdasarkan agama.

Gambar 4. 73 Halaman pembuatan laporan berdasarkan agama

Halaman pembuatan laporan berdasarkan agama mengakses halaman jsp lap_agama.jsp. Struktur lap_agama.jsp terdapat pada tabel 4.31.


Tabel 4. 31 Struktur lap_agama.jsp <%@ page session="true" contentType="text/html; charset=ISO-8859-1" %> <%@ taglib uri="http://www.tonbeller.com/jpivot" prefix="jp" %> <%@ taglib prefix="c" uri="http://java.sun.com/jstl/core" %> <jp:mondrianQuery id="query01" jdbcDriver="oracle.jdbc.OracleDriver" jdbcUrl="jdbc:oracle:thin:admin/admin@localhost:1521:olappend" catalogUri="/WEB-INF/queries/PendudukPemilu.xml"> select NON EMPTY {[Measure s].[Tag Penduduk]} ON COLUMNS, NON EMPTY Hierarchize(Union({[Agama].[Semua Agama]}, [Agama].[Semua Agama].Children)) ON ROWS from [Penduduk] Data Penduduk OLAP

b. Halaman Pembuatan laporan berdasarkan Golongan Darah Halaman pembuatan laporan berdasarkan golongan darah berisikan data analisis penduduk sesuai golongan darah. Tujuan halaman ini untuk dapat menunjukan data penduduk berdasarkan golongan darah yang dimiliki. Gambar 4.74 merupakan tampilan halaman pembuatan laporan berdasarkan golongan darah.

Gambar 4. 74 Halaman pembuatan laporan berdasarkan golongan darah.

Halaman pembuatan laporan berdasarkan golongan darah mengakses halaman jsp lap_goldrh.jsp. Struktur lap_goldrh.jsp terdapat pada tabel 4.32. Tabel 4. 32 Struktur lap_goldrh.jsp <%@ page session="true" contentType="text/html; charset=ISO-8859-1" %> <%@ taglib uri="http://www.tonbeller.com/jpivot" prefix="jp" %> <%@ taglib prefix="c" uri="http://java.sun.com/jstl/core" %>


<jp:mondrianQuery id="query01" jdbcDriver="oracle.jdbc.OracleDriver" jdbcUrl="jdbc:oracle:thin:admin/admin@localhost:1521:olappend" catalogUri="/WEB-INF/queries/PendudukPemilu.xml"> select NON EMPTY {[Measure s].[Tag Penduduk]} ON COLUMNS, NON EMPTY Hierarchize(Union({[Golongan Darah].[Semua Golongan Darah]}, [Golongan Darah].[Semua Golongan Darah].Children)) ON ROWS from [Penduduk] Data Penduduk OLAP

c. Halaman Pembuatan laporan berdasarkan Jenis Kelamin Halaman pembuatan laporan berdasarkan jenis kelamin berisikan data analisis penduduk sesuai jenis kelamin. Tujuan halaman ini untuk dapat menunjukan data penduduk berdasarkan jenis kelamin yang dimikili. Gambar 4.75 merupakan tampilan halaman pembuatan laporan berdasarkan jenis kelamin.

Gambar 4. 75 Halaman pembuatan laporan berdasarkan jenis kelamin.

Halaman pembuatan laporan berdasarkan jenis kelamin mengakses halaman jsp lap_jeniskel.jsp. Struktur lap_jeniskel.jsp terdapat pada tabel 4.33. Tabel 4. 33 Struktur lap_jeniskel.jsp <%@ page session="true" contentType="text/html; charset=ISO-8859-1" %> <%@ taglib uri="http://www.tonbeller.com/jpivot" prefix="jp" %> <%@ taglib prefix="c" uri="http://java.sun.com/jstl/core" %> <jp:mondrianQuery id="query01" jdbcDriver="oracle.jdbc.OracleDriver" jdbcUrl="jdbc:oracle:thin:admin/admin@localhost:1521:olappend" catalogUri="/WEB-INF/queries/PendudukPemilu.xml"> select NON EMPTY {[Measure s].[Tag Penduduk]} ON COLUMNS, NON EMPTY Hierarchize(Union({[Jenis Kelamin].[Semua Jenis Kelamin]}, [Jenis Kelamin].[Semua Jenis Kelamin].Children)) ON ROWS from [Penduduk] Data Penduduk OLAP


d. Halaman Pembuatan laporan berdasarkan Pendidikan Halaman pembuatan laporan berdasarkan pendidikan berisikan data analisis penduduk sesuai pendidikan. Tujuan halaman ini untuk dapat menunjukan data penduduk berdasarkan pendidikan terakhir yang telah ditempuh. Gambar 4.76 merupakan tampilan halaman pembuatan laporan berdasarkan pendidikan.

Gambar 4. 76 Halaman pembuatan laporan berdasarkan pendidikan.

Halaman pembuatan laporan berdasarkan pendidikan mengakses halaman jsp lap_pendidikan.jsp. Struktur lap_pendidikan.jsp terdapat pada tabel 4.34. Tabel 4. 34 Struktur lap_pendidikan.jsp <%@ page session="true" contentType="text/html; charset=ISO-8859-1" %> <%@ taglib uri="http://www.tonbeller.com/jpivot" prefix="jp" %> <%@ taglib prefix="c" uri="http://java.sun.com/jstl/core" %> <jp:mondrianQuery id="query01" jdbcDriver="oracle.jdbc.OracleDriver" jdbcUrl="jdbc:oracle:thin:admin/admin@localhost:1521:olappend" catalogUri="/WEB-INF/queries/PendudukPemilu.xml"> select NON EMPTY {[Measure s].[Tag Penduduk]} ON COLUMNS, NON EMPTY Hierarchize(Union({[Pendidikan].[Semua Pendidikan]}, [Pendidikan].[Semua Pendidikan].Children)) ON ROWS from [Penduduk] Data Penduduk OLAP

e. Halaman Pembuatan laporan berdasarkan Penyandang Cacat Halaman pembuatan laporan berdasarkan penyandang cacat berisikan data analisis penduduk sesuai cacat yang diderita. Tujuan halaman ini untuk dapat


menunjukan data penduduk berdasarkan cacat yang diderita. Gambar 4.77 merupakan tampilan halaman pembuatan laporan berdasarkan penyandang cacat.

Gambar 4. 77 Halaman pembuatan laporan berdasarkan penyandang cacat.

Halaman pembuatan laporan berdasarkan penyandang cacat mengakses halaman jsp lap_penyandangcacat.jsp. Struktur lap_penyandangcacat.jsp terdapat pada tabel 4.35. Tabel 4. 35 Struktur lap_penyandangcacat.jsp <%@ page session="true" contentType="text/html; charset=ISO-8859-1" %> <%@ taglib uri="http://www.tonbeller.com/jpivot" prefix="jp" %> <%@ taglib prefix="c" uri="http://java.sun.com/jstl/core" %> <jp:mondrianQuery id="query01" jdbcDriver="oracle.jdbc.OracleDriver" jdbcUrl="jdbc:oracle:thin:admin/admin@localhost:1521:olappend" catalogUri="/WEB-INF/queries/PendudukPemilu.xml"> select NON EMPTY {[Measure s].[Tag Penduduk]} ON COLUMNS, NON EMPTY {[Penyandang Cacat].[Semua Penyandang Cacat].[Cacat Fisik], [Penyandang Cacat].[Semua Penyandang Cacat].[Cacat Netra/Buta], [Penyandang Cacat].[Semua Penyandang Cacat].[Cacat Rungu/Wicara], [Penyandang Cacat].[Semua Penyandang Cacat].[Cacat Mental/Jiwa], [Penyandang Cacat].[Semua Penyandang Cacat].[Cacat Fisik dan Mental], [Penyandang Cacat].[Semua Penyandang Cacat].[Cacat Lainnya]} ON ROWS from [Penduduk] Data Penduduk OLAP

f. Halaman Pembuatan laporan berdasarkan Umur Halaman pembuatan laporan berdasarkan umur berisikan data analisis penduduk sesuai umur. Tujuan halaman ini untuk dapat menunjukan data penduduk berdasarkan golongan umur. Gambar 4.78 merupakan tampilan halaman pembuatan laporan berdasarkan umur.


Gambar 4. 78 Halaman pembuatan laporan berdasarkan umur

Halaman pembuatan laporan berdasarkan umur mengakses halaman jsp lap_umur.jsp. Struktur lap_umur.jsp terdapat pada tabel 4.36. Tabel 4. 36 Struktur lap_umur.jsp <%@ page session="true" contentType="text/html; charset=ISO-8859-1" %> <%@ taglib uri="http://www.tonbeller.com/jpivot" prefix="jp" %> <%@ taglib prefix="c" uri="http://java.sun.com/jstl/core" %> <jp:mondrianQuery id="query01" jdbcDriver="oracle.jdbc.OracleDriver" jdbcUrl="jdbc:oracle:thin:admin/admin@localhost:1521:olappend" catalogUri="/WEB-INF/queries/PendudukPemilu.xml"> select NON EMPTY {[Measure s].[Tag Penduduk]} ON COLUMNS, NON EMPTY Hierarchize(Union({[Umur].[Semua Umur]}, [Umur].[Semua Umur].Children)) ON ROWS from [Penduduk] Data Penduduk OLAP

g. Halaman Pembuatan laporan berdasarkan Akta Lahir Halaman pembuatan laporan berdasarkan akta lahir berisikan data analisis penduduk sesuai akta lahir, jenis kelamin dan umur. Tujuan halaman ini untuk dapat menunjukan data penduduk berdasarkan akta lahir, jenis kelamin dan umur yang dimiliki. Gambar 4.79 merupakan tampilan halaman pembuatan laporan berdasarkan akta lahir.


Gambar 4. 79 Halaman pembuatan laporan berdasarkan umur,kelamin dan akta lahir.

Halaman pembuatan laporan berdasarkan agama mengakses halaman jsp lap_aktalhtjeniskelumur.jsp. Struktur lap_aktalhtjeniskelumur.jsp terdapat pada tabel 4.37. Tabel 4. 37 Struktur lap_aktalhtjeniskelumur.jsp <%@ page session="true" contentType="text/html; charset=ISO-8859-1" %> <%@ taglib uri="http://www.tonbeller.com/jpivot" prefix="jp" %> <%@ taglib prefix="c" uri="http://java.sun.com/jstl/core" %> <jp:mondrianQuery id="query01" jdbcDriver="oracle.jdbc.OracleDriver" jdbcUrl="jdbc:oracle:thin:admin/admin@localhost:1521:olappend" catalogUri="/WEB-INF/queries/PendudukPemilu.xml"> select NON EMPTY Crossjoin({[Jenis Kelamin].[Semua Jenis Kelamin].[Laki-Laki], [Jenis Kelamin].[Semua Jenis Kelamin].[Perempuan]}, {[Akta Lahir].[Semua Akta Lahir].[Tidak Ada], [Akta Lahir].[Semua Akta Lahir].[Ada]}) ON COLUMNS, NON EMPTY {[Umur].[Semua Umur].[0-4], [Umur].[Semua Umur].[5-9], [Umur].[Semua Umur].[10-14], [Umur].[Semua Umur].[15-19], [Umur].[Semua Umur].[20-24], [Umur].[Semua Umur].[25-29], [Umur].[Semua Umur].[30-34], [Umur].[Semua Umur].[35-39], [Umur].[Semua Umur].[40-44], [Umur].[Semua Umur].[45-49], [Umur].[Semua Umur].[50-54], [Umur].[Semua Umur].[55-59], [Umur].[Semua Umur].[60-64], [Umur].[Semua Umur].[65-69], [Umur].[Semua Umur].[70-74], [Umur].[Semua Umur].[>74]} ON ROWS from [Penduduk] Data Penduduk OLAP

3. Halaman Lihat Data History Penduduk

Gambar 4. 80 Halaman Lihat Data History Penduduk


8

LAMPIRAN 8

UJI UPDATE DATA

1. View data yang akan diupdate 2. Update data transaksi 3. View data yang telah diupdate

8-1


1. View data yang akan diupdate

Gambar 5. 7 View data yang akan diupdate

2. Update data transaksi

Gambar 5. 8 Update data transaksi

3. View data yang telah diupdate

Gambar 5. 9 View data yang telah diupdate

Skripsi. Diajukan untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

Recommend Documents