PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI - core.ac.uk fileDalam hal ini, Wakil Rektor (WR) I memiliki tanggungjawab untuk memonitori performa akademik Universitas Sanata Dharma. Namun

DASHBOARD UNTUK MONITORING DATA AKADEMIK UNIVERSITAS

SANATA DHARMA YOGYAKARTA

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

Oleh:

Verena Pratita Adji

105314079

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2015

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

DASHBOARD UNTUK MONITORING DATA AKADEMIK UNIVERSITAS

SANATA DHARMA YOGYAKARTA

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer Program Studi Teknik Informatika

Oleh:

Verena Pratita Adji

105314079

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2015


iii

DASHBOARD FOR MONITORING ACADEMIC DATA SANATA

DHARMA UNIVERSITY YOGYAKARTA

A Thesis

Presented as Partial Fulfillment of the Requirements

To Obtain the Sarjana Komputer Degree In Informatics Engineering

By:

Verena Pratita Adji

105314079

INFORMATICS ENGINEERING STUDY PROGRAM

INFORMATICS ENGINEERING DEPARTMENT

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2015


iv


v


vi


vii


viii

MOTTO

“Get over the idea that only children should spend their time in study. Be a

student so long as you still have something to learn, and this will mean all your

life.”

( Henry L. Doherty )


ix

ABSTRAKSI

Sistem Informasi Akademik (SIA) Universitas Sanata Dharma (USD)

memiliki kumpulan data akademik yang dijadikan sebuah informasi yang baik

agar dapat membantu dalam pengambilan keputusan serta memonitori USD

sendiri. Informasi akan bernilai apabila informasi tersebut mudah diakses tepat

waktu sesuai dengan kebutuhan. Dalam hal ini, Wakil Rektor (WR) I memiliki

tanggungjawab untuk memonitori performa akademik Universitas Sanata Dharma.

Namun pada kenyataannya untuk mendapatkan informasi mengenai performa

akademik haruslah melalui bagian administrasi akademik, ini akan memperlambat

dalam proses pengambilan keputusan karena WR I tidak dapat memonitori

performa dan kualitas akademik setiap saat.

Oleh karena itu, pada tugas akhir ini telah dibuat sebuah

dashboardmonitoring akademik yang akan membantudalam memonitor performa

akademik Universitas Sanata Dharma. Informasi-informasi tersebut merupakan

kombinasi dari teks dan grafik.

Hasil yang ditampilkan dalam dashboard, seperti data mahasiswa

registrasi, mahasiswa tidak registrasi, mahasiswa cuti, mahasiswa DO(Dropped

Out), mahasiswa pendaftar, dan mahasiswa lulus telah sesuai dengan data yang

ditampilkan secara manual dalam file Excel.


x

ABSTRACT

Academic Information System (AIS) Sanata Dharma (USD) has the

academic data set used as a good information in order to assist in decision making

and monitor outcomes USD itself. The information will be valuable if the

information is easily accessible on time according to need. In this case, the Vice-

Rectorhas the responsibility to monitor outcomes of Sanata Dharma University's

academic performance. But in fact to obtain information about academic

performance must be through the academic administration, this will slow down

the decision making process as Vice-Rector can not monitor outcomes of

performance and academic quality at all times.

Therefore, in this final project has created an academic monitoring

dashboard that will help in monitoring the academic performance of Sanata

Dharma University. This information is a combination of text and graphics.

Results are displayed in the dashboard, such as student data registration,

the student does not register, students leave, students DO (Dropped Out), student

applicants, and graduate students in accordance with the displayed data manually

in an Excel file.


xi

KATA PENGANTAR

Puji Syukur atas kehadirat Tuhan Yang Maha Esa yang telah melimpahkan

rahmat-Nya, sehingga penulis dapat menyelesaikan skripsi yang berjudul

“Dashboard Untuk Monitoring Data Akademik Universitas Sanata Dharma

Yogyakarta”. Skripsi ini disusun sebagai salah satu syarat untuk memperoleh

gelar Sarjana Komputer Program Studi Teknik Informatika di Universitas Sanata

Dharma Yogyakarta.

Selama melakukan penyusunan dan penyelesaian skripsi, penulis ingin

mengucapkan terima kasih atas bantuan dan dukungan dari berbagai pihak.

Ucapan terima kasih penulis sampaikan diantaranya ditujukan kepada:

1. Orangtua saya tercinta, Bapak Hadrianus Tjahjono Adji dan Ibu

Anastasia Budhi Handayani yang selama ini memberikan dukungan

doa, materi, kasih sayang serta perhatiannya kepada saya.

2. Ibu Ridowati Gunawan, S.Kom., M.T., selaku Ketua Program Studi

Teknik Informatika serta dosen pembimbing skripsi yang telah

memberikan motivasi, waktu, dan solusi selama proses penyelesaian

skripsi.

3. Ibu P.H. Prima Rosa, S.Si, M.Sc., selaku Dekan Fakultas Sains dan

Teknologi Universitas Sanata Dharma Yogyakarta.

4. Seluruh dosen dan karyawan program studi Teknik Informatika yang

membimbing, berbagi pengalaman dari awal perkuliahan hingga

selesai masa studi.


xii

5. Keluarga besar Boedhiarto, yang selalu memberikan motivasi,

dorongan, serta doa kepada penulis untuk terselesainya skripsi ini.

6. B. Rahadyan P. yang begitu setia mendampingi penulis, memberikan

motivasi dan semangat sehingga skripsi ini dapat terselesaikan.

7. Yustina Ayu Ruwidati, Venti Trimuriyatin, Yohanes Advent

Arinatal, Felisitas Brillianti, Fidelis Asterina, Erlita Octaviani, atas

kebersamaan yang penuh suka-duka selama perkuliahan ini.

8. Teman-teman Teknik Informatika angkatan 2010 atas perkenalan

hingga persahabatan yang telah dilalui bersama selama studi di

Universitas Sanata Dharma.

9. Mentari, Dosi, Novita, Zita, Betha, Widi, Raka, Chrisna, Rio, Dio,

Nando dan teman-teman OMK Dominico Savio yang tidak bisa

disebutkan satu persatu, atas dukungan semangat kepada penulis.

10. Teman-teman staff PMB Universitas Sanata Dharma 2013 yang

walaupun hanya sebentar berjumpa namun sangat berkesan.

11. Fitrah Meilia P dan Florensia Dwinta atas dukungan motivasi dan

solusi selama penulisan skripsi saya.

12. Semua pihak yang telah turut membantu dan memberikan dukungan

dalam penyelesaian skripsi ini.

Penulis menyadari sepenuhnya bahwa skripsi ini masih jauh dari

sempurna. Oleh karena itu, penulis dengan senang hati bersedia menerima

sumbangan pikiran dan kritik maupun saran untuk menyempurnakan penulisan

ini.


xiii

DAFTAR ISI

HALAMAN PERSETUJUAN SKRIPSI ........................................................... iv

HALAMAN PENGESAHAN SKRIPSI .............................................................. v

PERNYATAAN KEASLIAN HASIL KARYA ................................................. vi

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH

UNTUK KEPENTINGAN PUBLIKASI .......................................................... vii

MOTTO .............................................................................................................. viii

ABSTRAKSI ......................................................................................................... ix

ABSTRACT ........................................................................................................... x

KATA PENGANTAR .......................................................................................... xi

DAFTAR ISI ....................................................................................................... xiii

DAFTAR GAMBAR .......................................................................................... xvi

BAB I PENDAHULUAN ...................................................................................... 1

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

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

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

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

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

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

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

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

2.1 Sistem Informasi Eksekutif (Executive Information System) ........................ 7

2.1.1 Pengertian Sistem Informasi Eksekutif .................................................. 7


xiv

2.1.2 Model EIS ............................................................................................... 7

2.1.3 Faktor-faktor Penentu Keberhasilan EIS ................................................ 9

2.2 Gudang Data ................................................................................................ 10

2.2.1 Pengertian Gudang Data ....................................................................... 10

2.2.2 Langkah Pembuatan Gudang Data ....................................................... 12

2.3 Multi Dimensional Modelling ..................................................................... 12

2.3.1 Cube, Dimension, Measure, and Member ............................................ 12

2.3.2 Tabel Fakta dan Dimensi (Fact and Dimension Tables) ...................... 13

2.3.3 Skema Bintang (StarSchema) ............................................................... 15

2.3.4 SurrogateKey ........................................................................................ 15

2.4Dashboard .................................................................................................... 15

2.4.1 Pengertian Dashboard .......................................................................... 15

2.5 Monitoring ................................................................................................... 16

2.5.1 KeyPerformanceIndicator .................................................................... 16

2.6 Media Penyajian Data.................................................................................. 17

2.6.1 Grafik .................................................................................................... 18

BAB III ANALISIS DAN PERANCANGAN SISTEM ................................... 22

3.1 Deskripsi Organisasi .................................................................................... 22

3.2 Analisis Sistem ............................................................................................ 24

3.2.1 Mengidentifikasi Masalah yang Ada .................................................... 24

3.2.2 Memahami Kerja dari Sistem yang Ada ............................................... 27

3.2.3 Menganalisis Masalah dalam Sistem Lama .......................................... 28

3.2.4 Menganalisis Kebutuhan dalam Sistem Baru ....................................... 29

3.3 Desain Sistem .............................................................................................. 30

3.3.1 Perancangan Proses .............................................................................. 30

3.4Membangun Gudang Data ............................................................................ 33

3.4.1 Membuat Data Legacy .......................................................................... 33


xv

3.4.2 Memilah field tabel pada database sistem informasi dan memindahkan

ke dalam database gudang data ...................................................................... 34

3.4.3 Memecah gudang data ke dalam facttable dan tabel dimensi .............. 36

3.5 Perancangan Antarmuka Pengguna ............................................................. 38

3.5.1 Tampilan Halaman Utama .................................................................... 38

BAB IV IMPLEMENTASI ............................................................................... 39

4.1 Implementasi ............................................................................................... 39

4.1.1 Implementasi Basis Data ...................................................................... 39

4.1.2 Implementasi Antarmuka Pengguna ..................................................... 41

4.2 Implementasi Gudang Data ......................................................................... 44

BAB V ANALISIS HASIL ................................................................................ 64

5.1 Pengujian Sistem ......................................................................................... 64

5.1.1 Hasil OLAP mahasiswa ........................................................................ 64

5.1.2 Hasil dashboardmonitoring .................................................................. 65

5.2 Kelebihan Sistem ......................................................................................... 68

5.3 Kekurangan Sistem ...................................................................................... 69

BAB VI PENUTUP ............................................................................................ 70

6.1 Kesimpulan .................................................................................................. 70

6.2 Saran ............................................................................................................ 70

DAFTAR PUSTAKA .......................................................................................... 72

LAMPIRAN


xvi

DAFTAR GAMBAR

Gambar 2.1 Model EIS ........................................................................................... 7

Gambar 2.2Star Schema ........................................................................................ 14

Gambar 2.3Snowflake Schema .............................................................................. 14

Gambar 3.1Alur sistem yang ada .......................................................................... 28

Gambar 3.2Use case .............................................................................................. 30

Gambar 3.3 Diagram Konteks............................................................................... 31

Gambar 3.4 DFD Level 0 ...................................................................................... 32

Gambar 3.5 Memecah gudang data ke dalam fact table dan tabel dimensi .......... 37

Gambar 4.1 Halaman Menu Utama ...................................................................... 41

Gambar 4.2 Untuk memilih kategori .................................................................... 42

Gambar 4.3 Untuk memilih tingkatan ................................................................... 42

Gambar 4.4 Untuk menambah file .csv ................................................................. 43

Gambar 4.5 Pembentukan tabel dim_tingkatan .................................................... 47

Gambar4.6 Langkah select data prodi ................................................................... 47

Gambar 4.7 Preview data prodi ............................................................................. 48

Gambar 4.8 Langkah select data fakultas ............................................................. 48

Gambar4.9 Preview data fakultas ......................................................................... 49

Gambar4.10 Langkah membuat surrogate key pada dim_tingkatan ..................... 49

Gambar 4.11 Langkah memilih field yang diperlukan ......................................... 50

Gambar 4.12 Menampilkan data dim_tingkatan ................................................... 50

Gambar 4.13 Pembentukan tabel dim_kategori.................................................... 53


xvii

Gambar 4.14 Langkah select data kategori……………………………………... 53

Gambar 4.15 Preview data kategori…………………………………………….. 54

Gambar 4.16 Langkah membuat surrogate key pada dim_kategori…………..... 54

Gambar 4.17 Langkah memilih field yang diperlukan…………………………. 55

Gambar 4.18 Menampilkan data dim_kategori…………………………………. 55

Gambar 4.19 Pembentukan tabel fact_mahasiswa……………………………… 56

Gambar 4.20 Langkah menyamakan dengan data dimensi kategori……………. 57

Gambar 4.21 Langkah menyamakan dengan data dimensi tingkatan…………... 58

Gambar 4.22 Langkah menyamakan dengan data dimensi waktu……………… 59

Gambar 4.23 Langkah memilih data yang diperlukan untuk membuat tabel

fakta……………………………………………………………………………... 60

Gambar 4.24 Menampilkan data fact_mahasiswa……………………………… 61

Gambar 4.25 Skema Bintang SchemaSkripsi…………………………………... 62

Gambar 4.26 OLAP mahasiswa………………………………………………… 63

Gambar 5.1 Data mahasiswa pada OLAP………………………………………. 65

Gambar 5.2 Data jumlah mahasiswa pada Excel.................................................. 66

Gambar 5.3 Tampilan data mahasiswa registrasi per-fakultas dalam Excel……. 66

Gambar 5.4 Tampilan hasil mahasiswa registrasi per-fakultas…………………. 67

Gambar 5.5 Tampilan data mahasiswa registrasi prodi TI dan TM dalam Excel. 68

Gambar 5.6 Tampilan hasil mahasiswa registrasi per-prodi……………………. 68

Gambar 5.7 Tampilan hasil mahasiswa cuti fakultas FST……………………… 69


1

BAB I

PENDAHULUAN

1.1 Latar belakang

Sistem Informasi Akademik (SIA) Universitas Sanata Dharma (USD)

memiliki kumpulan data-data akademik yang berisikan tentang data diri

mahasiswa, dosen, jadwal perkuliahan hingga rekap hasil studi yang

dimiliki oleh setiap mahasiswa. Oleh karena itu, data-data tersebut perlu

diorganisir dan dijadikan dalam sebuah informasi karena suatu informasi

yang baik dapat membantu dalam pengambilan keputusan serta memonitor

USD sendiri.

Sebuah informasi haruslah selalu uptodate, karena pengelolaan data

seharusnya tidak berhenti apabila ketika informasi/data-data telah

dikumpulkan ke dalam sebuah sistem komputer. Ketika perubahaan data

yang tidak ditempatkan pada sebuah sistem, maka data akan menjadi tidak

berguna/usang seiring berjalannya waktu. Informasi akan bernilai apabila

informasi tersebut mudah diakses tepat waktu sesuai dengan kebutuhan.

Wakil Rektor (WR) I memiliki tanggungjawab untuk memonitori

performa akademik Universitas Sanata Dharma. Pada kenyataannya untuk

mendapatkan informasi mengenai performa akademik haruslah melalui

bagian administrasi akademik, ini akan memperlambat dalam proses


2

pengambilan keputusan karena WR I tidak bisa memonitor performa dan

kualitas akademik setiap saat.

Dashboardmonitoring akademik akan membantu Wakil Rektor (WR)

I Universitas Sanata Dharma dalam memonitor performa akademik

Universitas Sanata Dharma. Informasi akademik akan ditampilkan pada

satu monitor komputer penuh, dan berisi informasi yang kritis. Informasi-

informasi akademik tersebut merupakan kombinasi dari teks dan grafik,

tetapi lebih ditekankan pada grafik dan mengandung key performa

indicator yang akan membantu user mengetahui kondisi akademik yang

ada saat ini dalam keadaan bagus, normal atau buruk.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan di atas, permasalahan

yang dapat dirumuskan adalah: Bagaimana mengimplementasikan

dashboardmonitoring akademik di Universitas Sanata Dharma.

1.3 Batasan Masalah

Batasan masalah pada penelitian ini adalah sebagai berikut:

1. Teknik gudang data digunakan dalam penyelesaian

dashboardmonitoring akademik ini.

2. Data-data yang digunakan antara lain data mahasiswa registrasi,

mahasiswa tidak registrasi, mahasiswa cuti, mahasiswa DO(Dropped

Out), mahasiswa pendaftar, dan mahasiswa lulus.


3

3. Output yang dihasilkan adalah grafik data mahasiswa registrasi,

mahasiswa tidak registrasi, mahasiswa cuti, mahasiswa DO(Dropped

Out), mahasiswa pendaftar, dan mahasiswa lulus.

1.4 Tujuan Penelitian

Tujuan dari penelitian ini adalah menerapkan

dashboardmonitoring akademik di Universitas Sanata Dharma yang berisi

data mahasiswa registrasi, mahasiswa tidak registrasi, mahasiswa cuti,

mahasiswa DO(Dropped Out), mahasiswa pendaftar, dan mahasiswa lulus.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah sebagai berikut:

Bagi penulis:

1. Dapat membuat sistem yang dapat membantu Wakil Rektor (WR) I

Bagi Wakil Rektor (WR) I:

Membantu dalam memonitor performa akademik Universitas

Sanata Dharma, yang berisi data mahasiswa registrasi, mahasiswa tidak

registrasi, mahasiswa cuti, mahasiswa DO(Dropped Out), mahasiswa

pendaftar, dan mahasiswa lulus.


4

1.6 Metodologi Penelitian

Metodologi yang digunakan dalam menyelesaikan tugas akhir ini

adalah metode Waterfall, yang meliputi antara lain:

1. Analisis sistem

Pada tahap ini, dilakukan analisis sistem yang sudah ada yaitu Sistem

Informasi Akademik (SIA) Universitas Sanata Dharma (USD).

2. Desain tampilan program

Pada tahap ini, dilakukan desain tampilan dari awal sampai selesai.

3. Implementasi

Pada tahap ini, dilakukan pengimplementasian program yang

sudahdibuat.

4. Uji coba program

Pada tahap ini, dilakukan uji coba dashboardmonitoring kepada user

yang bersangkutan.

1.7 Sistematika Penulisan

Sistematika penulisan merupakan uraian susunan penulisan Tugas

Akhir yang akan dibuat secara teratur dan sistematis yang dijalankan

dalam beberapa bab dan subbab sehingga pada akhir penulisan akan

memberikan gambaran secara menyeluruh. Sistematika penulisan disusun

dengan urutan sebagai berikut:


5

BAB I : PENDAHULUAN

Bab ini berisi latar belakang penulisan tugas akhir, rumusan

masalah, batasan masalah, tujuan penelitian, manfaat penelitian,

metodologi penelitian, dan sistematika penulisan.

BAB II : LANDASAN TEORI

Bab ini membahas mengenai dashboard untuk monitoring dan

teori-teori lainnya yang mendukung dalam penulisan tugas akhir

ini.

BAB III : ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisi analisis dan perancangan dashboard untuk

monitoring data akademik.

BAB IV : IMPLEMENTASI

Bab ini berisi tentang spesifikasi software dan hardware,

implementasi sistem yang meliputi implementasi data,

implementasi use case, dan implementasi dashboard untuk

monitoring.

BAB V : ANALISIS HASIL

Bab ini berisi tentang pembahasan dashboard untuk monitoring

data akademik yang telah dibangun.


6

BAB VI : PENUTUP

Bab ini berisi beberapa kesimpulan yang didapat serta ada

beberapa saran berdasarkan hasil dari pembuatan dashboard

untuk monitoring data akademik.


7

BAB II

LANDASAN TEORI

2.1 Sistem Informasi Eksekutif (ExecutiveInformationSystem)

2.1.1 Pengertian Sistem Informasi Eksekutif

Sistem informasi eksekutif (Excecutive Information System), atau

EIS, merupakan suatu sistem yang menyediakan informasi bagi eksekutif

mengenai kinerja keseluruhan perusahaan. Informasi dapat diambil dengan

mudah dan dalam berbagai tingkat rincian.

2.1.2 Model EIS

Gambar 2.1 Model EIS

Para eksekutif membangun EIS atas dasar konsep-konsep

manajemen. Ada 3konsep yang perlu dibahas, yaitu faktor-faktor penentu


8

keberhasilan (critical success factors), management by exception, dan

model mental.

a. Faktor-faktor penentu keberhasilan (critical success factors)

Tahun 1961 D. Donald Daniel dari McKinsey & Company menciptakan

faktor-faktor keberhasilan. Faktor-faktor ini bervariasi dari satu

perusahaan ke perusahaan lain. Untuk industri kendaraan bermotor, CSF

(critical success factors) yang diyakini adalah model, jaringan dealer yang

efisien, dan pengendalian biaya manufaktur yang efisien. CSF industri

asuransi jiwa adalah pengembangan personil manajemen agen,

pengendalian personil administratif, dan inovasi menciptakan produk-

produk asuransi.

b. Managementbyexception

Tampilan layar yang digunakan eksekutif sering menyertakan

management by exception dengan membandingkan kinerja yang

diharapkan dengan kinerja aktual. Perangkat lunak EIS dapat

mengidentifikasi perkecualian-perkecualian secara otomatis dan

membuatnya diperhatikan oleh eksekutif.

c. Model mental

Peran utama EIS adalah membuat sintesis, atau menyarikan data dan

informasi bervolume besar untuk meningkatkan kegunaannya.

Pengambilan sari ini disebut pemampatan informasi (information

compression) dan menghasilkan suatu gambaran atau model mental dari

operasi perusahaan.


9

Tahun 1973, P.N. Johnson – Lavid menciptakan istilah model mental,

yakni “memungkinkan perorangan untuk membuat penilaian dan

perkiraan, untuk memahami fenomena, untuk memutuskan tindakan yang

perlu diambil dan untuk mengendalikan pelaksanaannya dan di atas

semuanya untuk mengalami kejadian melalui pengganti (proxy)”.

2.1.3 Faktor-faktor Penentu Keberhasilan EIS

Rockart dan Delong mengidentifikasi 8 faktor penentu keberhasilan EIS,

yaitu :

1. Sponsor eksekutif yang mengerti dan berkomitmen; eksekutif tingkat

puncak, lebih baik CEO, harus berfungsi sebagai sponsor eksekutif EIS

dengan mendorong penerapannya.

2. Sponsor operasi, kalau sponsor eksekutif sibuk dapat diberikan kepada

eksekutif lebih rendah, misal wakil presiden eksekutif. Sponsor operasi

bekerjasama dengan eksekutif pemakai dan spesialis informasi untuk

memastikan pekerjaan itu terlaksana.

3. Staf jasa informasi yang sesuai; tidak saja mengerti teknologi informasi

tetapi juga mengerti cara eksekutif menggunakan sistem itu.

4. Teknologi informasi yang sesuai.

5. Manajemen data; data harus selalu mutakhir dengan mengidentifikasi

tanggal dan jam dimasukkan dalam sistem. Juga perlu analisis melalui

drill-down dengan bertanya kepada manajer data atau keduanya.


10

6. Kaitan yang jelas dengan tujuan bisnis; EIS harus berhasil memecahkan

masalah masalah spesifik/untuk memenuhi kebutuhan yang dapat

ditangani teknologi informasi.

7. Manajemen atas penolakan organisasi. Jika seorang eksekutif menolak

EIS, perlu upaya untuk mendapatkan dukungan. Untuk itu perlu

identifikasi masalah tanggal tersebut, kemudian menerapkan EIS dengan

prototypinguntuk mengatasi masalah tersebut.

8. Manajemen atas penyebaran dan evolusi sistem; jika manajemen tingkat

atas mulai menerima informasi dari EIS, manajer tingkat bawah ingin

menerima output yang sama

2.2 Gudang Data

2.2.1 Pengertian Gudang Data

Pengertian gudang data (data warehouse) sendiri dapat

bermacam-macam namun memiliki inti yang sama, seperti pendapat

beberapa ahli berikut:

Menurut W.H. Inmon dan Richard D.H., data warehouse

adalah koleksi data yang mempunyai sifat berorientasi

subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data

dalam mendukung proses pengambilan keputusan management.

Menurut Vidette Poe, data warehouse merupakan database

yang bersifat analisis dan read only yang digunakan sebagai fondasi

dari sistem penunjang keputusan.


11

Menurut Paul Lane, data warehouse merupakan database

relasional yang didesain lebih kepada query dan analisa dari pada

proses transaksi, biasanya mengandung history data dari proses

transaksi dan bisa juga data dari sumber lainnya. Data warehouse

memisahkan beban kerja analisis dari beban kerja transaksi dan

memungkinkan organisasi menggabung/konsolidasi data dari

berbagai macam sumber.

Keuntungan dari gudang data adalah sebagai berikut:

a. Meningkatkan produktifitas pengetahuan para pekerja

b. Mendukung seluruh data yang diperlukan oleh pengambil

keputusan

c. Menyediakan data yang siap diakses untuk data yang penting

d. Melindungi operasi basis data dari proses ad hoc

e. Menyediakan ringkasan informasi untuk level tingkat tinggi

f. Menyediakan kemampuan untuk penelusuran informasi lebih

dalam


12

2.2.2 Langkah Pembuatan Gudang Data

1. Membaca data legacy

Memperhatikan bagian-bagian data yang perlu untuk

dibersihkan.

2. Menggabungkan data dari berbagai sumber terpisah

Setiap jenis informasi yang diinginkan mungkin berasal dari

beberapa file yang harus digabungkan untuk digunakan pada

gudang data.

3. Memindahkan data dari sumber ke surver gudang data

Membuat standarisasi format dan copy-kan data dari sumber

sekaligus data dibuat bersih(clean).

4. Memecah gudang data dalam tabel fakta dan tabel dimensi

Tabel fakta dan tabel dimensi disusun menurut kebutuhan

subyek.

2.3 Multi Dimensional Modelling

2.3.1 Cube, Dimension, Measure, and Member

Teknologi OLAP menganut multi dimensional modeling, artinya

dapat melihat analisis pengukuran dengan pandangan berbagai

dimensi. Di dalam konsep ini perlu mengenal berbagai istilah yang

berkaitan dengan OLAP:

1. Cube adalah struktur multi dimensional konseptual, terdiri dari

dimensi dan measure dan biasanya mencakup pandangan bisnis

tertentu.


13

2. Dimension adalah struktur view atau sudut pandang yang menyusun

cube. Dimensi dapat terdiri dari berbagai level.

3. Measure adalah nilai pengukuran.

4. Member adalah isi atau anggota dari suatu dimensi atau measure

tertentu.

2.3.2 Tabel Fakta dan Dimensi (Fact and Dimension Tables)

Tabel fakta yaitu tabel yang berisi fakta numerik, jika semua

data disimpan pada tabel fakta tunggal, maka hasilnya adalah tabel

yang besar sekali. Tabel dimensi yaitu tabel yang berisi petunjuk ke

tabel fakta, digunakan untuk menunjukkan darimana data dapat

ditemukan dan tabel terpisah dibutuhkan untuk setiap dimensi.

Pada model multi dimensional, database terdiri dari beberapa tabel

fakta dan tabel dimensi yang saling terkait. Suatu tabel fakta berisi

berbagai nilai agregasi yang menjadi dasar pengukuran (measure)

serta beberapa key yang terkait ke tabel dimensi yang akan menjadi

sudut pandang dari measuretersebut.

Susunan fact table dan dimension table ini memiliki standar

perancangan atau schema karena terbukti meningkatkan performa

dan kemudahan dalam penerjemahan ke sistem OLAP.

Schema inilah yang menjadi dasar untuk melakukan data

warehousing. Dua schema yang paling umum digunakan oleh

berbagai OLAPengine adalah skema bintang (star schema) dan


14

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

sebagai berikut:

Gambar 2.2Star Schema

Sedangkan contoh Snowflake Schema adalah sebagai berikut:

Gambar 2.3Snowflake Schema


15

2.3.3 Skema Bintang (Star Schema)

Star Schema berpusat pada satu tabel fakta yang dikelilingi oleh

satu atau beberapa tabel dimensi sebagai cabangnya sehingga

kelihatan seperti bintang. Setiap percabangan berhenti pada satu

tabel dimensi. Atau dengan kata lain tabel dimensi dengan skema ini

semuanya berupa leaf (daun) dan tidak ada percabangan lain [1].

2.3.4 Surrogate Key

Surrogate key adalah key/kolom data di tabel dimensi yang

menjadi primary key dari tabel tersebut. Nilai ini biasanya berupa

nilai sekuensial dan tidak memiliki arti dari proses bisnis darimana

sumber data berasal [1].

2.4Dashboard

2.4.1 Pengertian Dashboard

Dashboardadalah sebuah tampilan visual dari informasi

terpenting yang dibutuhkan untuk mencapai satu atau lebih tujuan,

digabungkan dan diatur pada sebuah layar, menjadi informasi yang

dibutuhkan dan dapat dilihat secara sekilas. Tampilan visual disini

mengandung pengertian bahwa penyajian informasi harus dirancang

sebaik mungkin, sehingga mata manusia dapat menangkap informasi


16

secara cepat dan otak manusia dapat memahami maknanya secara

benar.

Information dashboard merupakan alat untuk menyajikan

informasi secara sekilas, solusi bagi kebutuhan informasi organisasi.

Information dashboard memberikan tampilan antarmuka dengan

berbagai bentuk seperti diagram, laporan, indikator visual,

mekanisme alert, yang dipadukan dengan informasi yang dinamis

dan relevan. Information dashboard mengumpulkan informasi yang

relevan dari berbagai bagian organisasi, mengkonsolidasikan, dan

menyampaikan secara aman, cepat, dengan personalisasi sesuai

dengan peran pengguna dalam organisasi. Tujuan penggunaan

informationdashboard, yaitu untuk mengukur kinerja, memonitor

proses yang sedang berjalan, dan memprediksi kondisi di masa

mendatang[2].

2.5Monitoring

2.5.1 Key Performance Indicator

Key Performance adalah indikator yang merepresentasikan

kinerja dari proses yang dilaksanakan. Key Performance Indicator

merupakan sekumpulan ukuran mengenai aspek kinerja yang paling

kritis, yang menentukan kesuksesan organisasi pada masa sekarang

dan masa yang akan datang.

Key Performance Indicator digunakan memprediksi peluang

kesuksesan atau kegagalan dari proses-proses yang dilaksanakan


17

organisasi, sehingga KPI dapat digunakan sebagai alat untuk

meningkatkan kinerja organisasi secara dramatis. Contoh dari

penjelasan diatas adalah penentuan parameter nilai dalam trend mitra

aktif. membuat user dapat dengan mudah mengetahui kondisi mitra

yang masi menjalin kemitraan[3].

2.6 Media Penyajian Data

Media penyajian data bergantung pada jenis informasi dan pesan yang

ingin disampaikan, serta kebutuhan dan selera pengguna. Perancang dapat

memilih bentuk teks, grafik, atau mengkombinasikan keduanya. Pemilihan

media penyajian yang kurang tepat akan mengurangi efektifitas penyampaian

informasi, dan menimbulkan persepsi yang salah menganai informasi yang

disajikan. Ada dua prinsip dalam memilih media penyajian informasi oleh

Few yaitu:

a. Media dapat memberikan persepsi yang benar tentang informasi yang

disajikan.

b. Media dapat menyajikan informasi sesuai dengan tujuan, tanpa memakan

banyak tempat.

Setiap jenis media memiliki kekuatan dan kelemahan tersendiri dalam

menyajikan suatu jenis informasi. Media yang paling banyak digunakan

dalam menyajikan informasi. Tabel dapat menyajikan data dengan lebih

detail, menyajikan angka-angka dengan format yang lebih presisi. Tabel dapat


18

menampilkan data kuantitatif maupun kualitatif. Namun demikian, informasi

yang disajikan dalam tabel tidak dapat dipahami secara cepat dan sekilas.

2.6.1 Grafik

Menurut Few, ada 9 tipe grafik atau diagram yang dapat

digunakan untuk menampilkan gambaran informasi supaya lebih

jelas, antara lain:

a. Bulletgraphs

Grafik ini merupakan grafik terbaru. Grafik ini ditemukan

karena sebagian besar alat pengukur dan meter yang telah

menjadi identik dengan dashboard. Alat pengukur dan

meterbiasanya menampilkan ukuran kunci tunggal, kadang-

kadang dibandingkan dengan ukuran terkait seperti target,

dankadang-kadang dalam konteks rentang kuantitatif dengan label

kualitatif yang menyatakan ukuran baik atau buruk. Grafik ini

mencapai tujuan komunikasi tanpa masalah yang biasanya

mengganggu alat pengukurdan meter. Hal ini dirancang untuk

menampilkan ukuran kunci, bersama dengan ukuran komparatif

dan kualitatifrentang untuk segera menyatakan apabila langkah

tersebut baik atau buruk.


19

b. Bargraphs (horizontalandvertical)

Grafik batang dirancang untuk menampilkan beberapa contoh,

daripada satu contoh, dari satu atau lebih langkah-langkah

kunci.Grafik batang yang besar untuk menampilkan langkah-

langkah yang berkaitan dengan item dalam kategori, seperti

daerah atau departemen

c. Stackedbargraphs (horizontalandvertical)

Jenis grafik ini berguna untuk tujuan tertentu, tetapi dapat

dengan mudah disalahgunakan. Untuk menampilkan satu

rangkaian bagian-keseluruhan data digunakan tumpukan grafik

batang. Sebuah grafik batang biasa bekerja jauh lebih baik.

d. Combinationbarandlinegraphs

Kombinasi ini harus digunakan hanya ketika beberapa data

dapat ditampilkan baik dengan menggunakan bar, dengan

penekanan pada nilai-nilai individu dan perbandingan lokal, dan

beberapa menggunakan garis, dengan penekanan pada bentuk

keseluruhandata.

e. Linegraphs

Grafik garis melakukan pekerjaan yang luar biasa

mengungkapkan bentuk data gerakannya naik dan turun dari satu

nilai ke depan terutama karena perubahan melalui waktu. Setiap

kali ingin menekankan pola dalam data,seperti tren, fluktuasi,

siklus, tingkat perubahan, dan bagaimana dua set data yang


20

berbeda-beda dalam hubungannya satu sama lain, grafik garis

menyediakan sarana terbaik.Dalam konteks dashboard, grafik

garis merupakan cara terbaik untuk menyajikan gambaran singkat

dari serangkaian waktu.

f. Sparklines

Tumpukan data menggambarkan sparklines sebagai "data

intens, desain sederhana, kata-ukuran grafis”. Dengan demikian,

sparklines ideal untuk dashboard dan hal lain yang memerlukan

bentuk-bentuk yang sangat kental menampilkan data, seperti

laporan diagnostik medis yang mencakup sejarah pasien.

g. Boxplots

Grafik ini digunakan untuk menampilkan distribusi set nilai di

seluruh rentang, dari yang terkecil sampai yang terbesar, dengan

banyak langkah-langkah yang berguna. Hal ini sering tidak

memadai untuk menggambarkan satu set nilai sebagai diringkas

ukuran tunggal seperti jumlah atau rata-rata.

h. Scatterplots

Grafik ini akan menampilkan apakah atau tidak, ke arah mana,

danuntuk apa dua tingkat set dipasangkan nilai kuantitatif

berkorelasi. Grafik ini akan tetap bekerja dengan baik jika

langkah-langkah dibagi menjadi beberapa set.

i. Treemaps


21

Grafik ini digunakan untuk menampilkan set besar atau

hierarkis kategoris data terstruktur dengan cara efisien ruang.

Treemaps sepenuhnya mengisi ruang layar yang tersedia dengan

seperangkat persegi panjang berdekatan yang masing-masing

telah menjadi ukuran untuk mengkodekan variabel kuantitatif.

Karena dengan cara efisien ruang, Treemaps dapat digunakan

cukup efektif pada dashboard, tetapi harus disediakan untuk

keadaan-keadaan yang dikembangkan, dan, bila digunakan, harus

dirancang dengan hati-hati [2].


22

BAB III

ANALISIS DAN PERANCANGAN SISTEM

3.1 Deskripsi Organisasi

Universitas Sanata Dharma (USD) beralamatkan di Mrican, Tromol Pos

29 Yogyakarta 55002. Sama seperti universitas lain , USD memiliki struktur

organisasi yang terdiri dari rektor dan jajarannya, dosen, dan staff karyawan.

USD memiliki limakampus yang terdiri dari, kampus I di Mrican yang terdiri

dari fakultas Sastra, Ekonomi, dan FKIP, kampus II di Mrican yang

merupakan Gedung Pusat dan Perpustakaan, kampus III di Paingan

Maguwoharjo terdiri dari fakultas Sains dan Teknologi, Psikologi, Farmasi,

dan FKIP, kampus IV di Kentungan yang terdiri dari fakultas Teologi, serta

kampus V di Kotabaru yang terdri dari program studi pendidikan agama

Katolik (IPPAK). Universitas Sanata Dharma terdiri dari 8fakultas, yang

didalamnya terdapat 29 program studi, antara lain:

1. Fakultas Keguruan dan Ilmu Pendidikan

a. Bimbingan dan Konseling

b. Pendidikan Biologi

c. Pendidikan Fisika

d. Pendidikan Matematika

e. Pendidikan Ekonomi

f. Pendidikan Sejarah

g. Pendidikan Akuntansi


23

h. Pendidikan Bahasa Sastra Indonesia dan Daerah

i. Pendidikan Bahasa Inggris

j. Pendidikan Guru Sekolah Dasar

k. Ilmu Pendidikan Kekhususan Pendidikan Agama Katolik

2. Fakultas Ekonomi

a. Ekonomi Akuntansi

b. Ekonomi Manajemen

c. Pendidikan Profesi Akuntasi

d. Magister Manajemen

3. Fakultas Teologi

a. Teologi

4. Fakultas Sains dan Teknologi

a. Matematika

b. Teknik Informatika

c. Teknik Mesin

d. Teknik Elektro

5. Fakultas Farmasi

a. Farmasi

b. Profesi Apoteker

6. Fakultas Psikologi

a. Psikologi

7. Fakultas Sastra

a. Sastra Inggris


24

b. Sastra Indonesia

c. Ilmu Sejarah

8. Program Pasca Sarjana

a. S2 Teologi

b. S2 Kajian Bahasa Inggris

c. S2 Ilmu Religi dan Budaya

3.2 Analisis Sistem

3.2.1 Mengidentifikasi Masalah yang Ada

Untuk mendapatkan informasi mengenai performa

akademik Universitas Sanata Dharma haruslah melalu bagian

administrasi akademik, ini akan memperlambat dalam proses

pengambilan keputusan karena WR I tidak bisa memonitor performa

dan kualitas akademik setiap saat. Sistem yang akan dirancang

adalah dashboard untuk monitoring akademik Universitas Sanata

Dharma. Apabila sistem ini diimplementasikan, maka akan

membantu WR I dalam memonitor performa akademik Universitas

Sanata Dharma. Informasi akademik tersebut akan ditampilkan pada

satu monitor penuh dan berisi informasi yang kritis. Informasi

akademik tersebut merupakan kombinasi teks dan grafik. Data

informasi yang digunakan data mahasiswa registrasi, mahasiswa

tidak registrasi, mahasiswa cuti, mahasiswa DO(Dropped Out),

mahasiswa pendaftar, dan mahasiswa lulus.


25

Berikut adalah hasil analisa terhadap Sistem Informasi

Akademik(SIA) Universitas Sanata Dharma dengan menggunakan

analisis PIECES (Performance, Information, Economic, Control,

Effiency, Services).

Analisis Performance/Kinerja

Kinerja yang dilakukan oleh pihak administrasi untuk

mendapatkan data agar dapat diolah tidaklah mudah. Data yang ingin

diperoleh tidak serta-merta diperoleh dari pihak atasan begitu saja.

Data diproses dari pihak program studi yang kemudian dikumpulkan

atau dijadikan satu dengan fakultas yang kemudian diserahkan ke

pihak administrasi. Data yang ada di pihak administrasi tidak semua

ada, hanya beberapa saja, dan sisanya ada di bagian WR 1.

Analisis Information/Informasi

Untuk mendapatkan informasi mengenai performa

akademik setiap tahun tidak bisa secara instant tetapi harus melalui

pihak administrasi.

Analisis Economic/Ekonomi

SIA pada Universitas Sanata Dharma mempunyai biaya

yang relatif murah tetapi dapat mempunyai hasil kerja yang baik.

Contoh, biaya yang dikeluarkan untuk jaringan pemakaian peralatan

masih cukup relevan dengan hasil yang diharapkan. Jaringan


26

komputer yang menghubungkan gedung satu dengan gedung yang

lain dapat menghemat waktu untuk pengaksesan data dalam sistem.

Harga-harga yang masih cukup terjangkau untuk pembelian

peralatan, seperti komputer, switch, server, dll.

Analisis Control/Kontrol

SIA perlu dimonitor apabila ditemukan adanya kinerja yang

kurang baik. Kontrol dipasang untuk meningkatkan kinerja sistem,

mencegah atau mendeteksi penyalahgunaan atau kesalahan sistem

dan menjamin keamanan data. Setiap orang yang melakukan akses

ke SIA harus memiliki user dan password untuk menjaga keamanan.

Untuk menghindari kehilangan data apabila terjadi serangan ke

sistem oleh pihak luar, maka dilakukan backup data.

Analisis Efficiency/Efisiensi

SIA di Universitas Sanata Dharma memiliki efisiensi yang

baik, karena sistem yang ada telah dapat digunakan dengan baik dan

juga telah dapat menghasilkan output sesuai dengan yang

diharapkan. Pelayanan informasi yang cepat tanpa mengurangi hasil

yang ingin dicapai menunjukkan bahwa SIA yang ada digunakan

secara efisien.

Analisis Services/Pelayanan

SIA di Universitas Sanata Dharma telah memberikan

layanan baik kepada mahasiswa. Pelayanan yang baik dapat


27

mencerminkan universitas itu baik atau tidak baik, sehingga

pelayanan juga perlu diperhitungan secara baik.

3.2.2 Memahami Kerja dari Sistem yang Ada

Dalam memonitor performa akademik mahasiswa WR I

mendapat data yang ada melalui bagian Biro Administrasi

Akademik. Performa akademik mahasiswa terekam melalui database

universitas.


28

Gambaran secara garis besar penilaian performa

akademikmahasiswa di Universitas Sanata Dharma adalah sebagai

berikut:

Nilai performa

akademik mahasiswaSekretariat

Biro Administrasi

Akademik

Wakil Rektor I

Gambar 3.1Alur sistem yang ada

Alur WR I dalam memonitoring performa akademik

mahasiswa dimulai dari tahap data nilai performa akademik

mahasiswa dikumpulkan menjadi satu di sekretariat. Sekretariat akan

mengolah data yang telah ada. Kemudian dari sekretariat akan

diserahkan ke bagian Biro Administrasi Akademik. Wakil Rektor I

akan melihat hasilnya melalui laporan yang telah dibuat oleh Biro

Administrasi Akademik.

3.2.3 Menganalisis Masalah dalam Sistem Lama

Analisis masalah berdasarkan kerja dari proses

monitoringperforma mahasiswa adalah Wakil Rektor (WR) I

memiliki tanggungjawab untuk memonitori performa akademik

Universitas Sanata Dharma. Namun pada kenyataannya untuk

mendapatkan informasi mengenai performa akademik haruslah

melalui Biro Administrasi Akademik, ini memperlambat dalam


29

proses pengambilan keputusan karena WR I tidak bisa memonitor

performa dan kualitas akademik setiap saat.

3.2.4 Menganalisis Kebutuhan dalam Sistem Baru

Sistem yang akan dirancang nantinya akan digunakan oleh

Wakil Rektor (WR) I. WR I bertanggungjawab untuk memonitor

performa dan kualitas akademik. WR I dapat melihat performa data

mahasiswa registrasi, mahasiswa tidak registrasi, mahasiswa cuti,

mahasiswa DO(Dropped Out), mahasiswa pendaftar, dan

mahasiswa lulus. Berikut ini merupakan gambaran mengenai

skenario alur sistem yang akan dirancang.


30

3.3 Desain Sistem

3.3.1 Perancangan Proses

3.3.1.1 Use Case Diagram

Login

Logout

<< Depends on >>

<< Depends on >>

Melihat grafik

performa akademik

mahasiswa

Menganalisa

performa akademik

mahasiswa

WR I

Gambar 3.2Use case

Penjelasan use case:

Sebelum masuk ke dalam sistem, WR I melakukan login.

Kemudian WR I dapat melihat dan mencetak laporan, serta

dapat menganalisis performansi kinerja dosen dan mahasiswa

yang meliputi data mahasiswa registrasi, mahasiswa tidak

registrasi, mahasiswa cuti, mahasiswa DO(Dropped Out),

mahasiswa pendaftar, dan mahasiswa lulus sehingga

didapatkan kinerja yang normal, bagus, atau buruk.


31

3.3.1.2 Data Flow Diagram

3.3.1.2.1 Diagram Konteks

Gambaran sistem pada diagram konteks

(context diagram) merupakan subsistem dari sistem

informasi akademik yang telah berjalan di

Universitas Sanata Dharma. Diagram konteks dari

sistem dashboard akademik ini terdiri dari dua yaitu

user dan sistem informasi akademik. User

merupakan pengguna akhir, sedangkan sistem

informasi akademik merupakan sistem yang data-

data akademiknya akan digunakan dalam pembuatan

sistem dashboard akademik ini.

Sistem

Informasi

Akademik

User

Data mahasiswa registrasi

Data mahasiswa cuti

Data mahasiswa DO

Data mahasiswa tdk registrasi

Data mahasiswa lulus

Data mahasiswa pendaftar

Jmlh data mhs tdk reg

Jmlh data mhs lulus

Jmlh data mhs pendaftar

Jmlh data mhs DO

Jmlh data mhs cuti

Jmlh data mhs registrasi

Data nilai parameter

Nilai parameter indikator

Menampilkan

data-data

akademik

Gambar 3.1 Diagram Konteks


32

3.3.1.2.2 DFD Level 0

Setelah membuat diagram konteks,

dilanjutkan dengan membagi diagram konteks

menjadi proses-proses yang lebih kecil. Gambar

3.3.1.2.2 merupakan gambar DFD level 0 sistem

dashboard akademik. DFD level 0 sistem akademik

memiliki dua subproses utama dan dua eksternal

entity. Eksternal entitynya yaitu user dan sistem

informasi akademik, sedangkan subproses utamanya

yaitu proses nilai parameter indikator dan proses

menampilkan data-data akademik.

Sistem

Informasi

Akademik

User

Data mahasiswa registrasi

Data mahasiswa cuti

Data mahasiswa DO

Data mahasiswa tdk registrasi

Data mahasiswa lulus

Data mahasiswa pendaftar

Jmlh data mhs tdk reg

Jmlh data mhs lulus

Jmlh data mhs pendaftar

Jmlh data mhs DO

Jmlh data mhs cuti

Jmlh data mhs registrasi

Data nilai parameter

Nilai parameter indikator

Menampilkan

data-data

akademik

Mengelola

nilai parameter

indikator

Gambar 3.3.1.2.2 DFD Level 0

Gambar 3.4 DFD Level 0


33

3.4 Membangun Gudang Data

Tahap ini merupakan tahapan dalam membangun gudang data dari

membaca data legacy sampai membuat fact table. Tabel berikut ini berisi

gambaran mengenai tahapan yang dilakukan.

No Langkah yang dilakukan Penjelasan

3.4.1 Membaca data legacy Merupakan tahapan untuk

memperhatikan bagian-bagian

data yang akan dianalisa

3.4.2 Memilah field tabel pada

database sistem

informasi dan

memindahkan ke dalam

database gudang data

Merupakan tahapan untuk

memilah field yang berada dalam

tabel sistem informasi akademik

yang dibutuhkan serta pembuatan

tabel dimensi

3.4.3 Memecah gudang data ke

dalam fact table dan tabel

dimensi

Berdasarkan data dari tabel yang

sudah ada di proses pada tahapan

sebelumnya (3.4.2) maka

digunakan untuk membuat skema.

3.4.1 Membuat Data Legacy

Pada tahapan ini dilakukan analisa data yang akan digunakan.

Kemudian melakukan pembersihan data, menghapus, atau

menambah kolom yang dirasa perlu. Tujuan dari tahapan ini adalah


34

memudahkan ketika memindahkan data-data tersebut ke dalam basis

data.

3.4.2 Memilah field tabel pada database sistem informasi dan

memindahkan ke dalam database gudang data

Merupakan tahapan untuk memilah field yang berada dalam

tabel sistem informasi akademik yang dibutuhkan serta pembuatan

tabel dimensi yang dibutuhkan.

1. Membuat dimensi kategori

Tabel diatas merupakan proses dari pembuatan dimensi

kategori dimana sumber data berasal dari tabel Kategori. Tabel

kategori tersebut berisi field id_kategori untuk menyimpan id

kategori, dan nama_kategori untuk menyimpan nama kategori.

Kemudian dibuat dimensi kategori yang berisi id_kategori,

nama_kategori, dan menambahkan surrogate key untuk

dimensi kategori yaitu sk_kategori.

dim_kategori

PK sk_kategori

id_kategori

nama_kategori

Kategori

id_kategori

nama_kategori


35

2. Membuat dimensi tingkatan

Fakultas

id_fakultas

nama_fakultas

Tabel diatas merupakan proses dari pembuatan dimensi

tingkatan dimana sumber data berasal dari tiga tabel yaitu tabel

Tingkatan, Fakultas, dan Prodi. Pada tabel Tingkatan terdapat

field id_tingkat untuk menyimpan id tingkatan, fakultas untuk

menyimpan nama fakultas, dan prodi untuk menyimpan nama

prodi. Tabel Fakultas terdapat field id_fakultas untuk menyimpan

Tingkatan

id_tingkat

fakultas

prodi

dim_tingkatan

PK sk_tingkatan

id_prodi

nama_prodi

id_fakultas

nama_fakultas

Prodi

id_prodi

nama_prodi

id_fakultas


36

id fakultas dan nama_fakultas untuk menyimpan nama fakultas.

Sedangkan pada tabel Prodi terdapat field id_prodi untuk

menyimpan id prodi, nama_prodi untuk menyimpan nama_prodi,

dan fakultas digunakan untuk menyimpan nama fakultas yang

sesuai dengan prodi yang bersangkutan. Kemudian dibuat dimensi

tingkatan yang terdiri dari field id_prodi, nama_prodi, id_fakultas,

dan nama_fakultas, disertai pula surrogate key yaitu sk_tingkatan.

3.4.3 Memecah gudang data ke dalam fact table dan tabel dimensi

Tahap ini merupakan pembuatan rancangan gudang data dengan

menggunakan skema bintang (star schema). Pada tahapan ini

terdapat tiga dimensi yaitu dimensi kategori, dimensi tingkatan,

dan dimensi waktu. Diantara ketiga dimensi tersebut terdapat tabel

fakta (fact table) yang memiliki surrogate key dari masing-masing

dimensi dan sebuah measure.


37

dim_kategori

sk_kategori

id_kategori

nama_kategori

Gambar 3.5 Memecah gudang data ke dalam fact table dan tabel dimensi

dimensi_waktu

year

sk_waktu

fact_mahasiswa

sk_kategori

sk_tingkatan

sk_waktu

jumlahmahasiswa (measure)

dim_tingkatan

sk_tingkatan

id_prodi

nama_prodi

id_fakultas

nama_fakultas


38

3.5 Perancangan Antarmuka Pengguna

3.5.1 Tampilan Halaman Utama

Halaman ini adalah tampilan utama dari dashboardmonitoring,

dimana terdiri dari header yang berisi judul, kategori untuk memilih

kategori yang akan dipilih, fakultas untuk memilih fakultas yang datanya

akan ditampilkan, dan grafik untuk menampilkan perbandingan data

antar fakultas maupun prodi yang dipilih berdasarkan tahun ke tahun.

Header

Grafik

Kategori Fakultas


39

BAB IV

IMPLEMENTASI

4.1 Implementasi

Pada bab ini akan menjelaskan tentang implementasi pembuatan gudang

data dan pembahasannya.

4.1.1 Implementasi Basis Data

Pada tahap ini akan menjelaskan pembuatan database untuk sistem

dengan menggunakan MySQL. Database pada sistem ini bernama

„skripsi_‟ yang memiliki tabel antara lain tabel „prodi‟, tabel „fakultas‟,

tabel „tingkatan‟, tabel „kategori‟, dan tabel „mahasiswa‟. Berikut ini

akan dijabarkan query yang terdapat dalam setiap tabel:

a) Tabel „prodi‟

CREATE TABLE `prodi` (

ìd_prodi` varchar(20) NOT NULL,

`nama_prodi` varchar(25) default NULL,

ìd_fakultas` varchar(25) NOT NULL,

PRIMARY KEY (ìd_prodi`)

) ENGINE=MyISAM DEFAULT CHARSET=latin1;


40

b) Tabel „fakultas‟

c) Tabel „tingkatan‟

d) Tabel „kategori‟

e) Tabel „mahasiswa‟

CREATE TABLE `fakultas` (

ìd_fakultas` varchar(50) NOT NULL,

`nama_fakultas` varchar(50) default NULL,

PRIMARY KEY (ìd_fakultas`)


CREATE TABLE `tingkatan` (

ìd_tingkat` varchar(20) NOT NULL,

`fakultas` varchar(25) default NULL,

`prodi` varchar(25) default NULL,

PRIMARY KEY (ìd_tingkat`)


CREATE TABLE `kategori` (

ìd_kategori` varchar(10) NOT NULL,

`nama_kategori` varchar(25) default NULL,

PRIMARY KEY (ìd_kategori`)



41

4.1.2 Implementasi Antarmuka Pengguna

4.1.2.1 Halaman Menu Utama

Halaman menu utama berisi header, button untuk

memilih kategori, button untuk memilih fakultas, dan

menampilkan grafik dari apa yang dipilih.

Gambar 4.1 Halaman Menu Utama

CREATE TABLE `mahasiswa` (

`nama_kategori` varchar(50) default NULL,

`tahun` year(4) default NULL,

`prodi` varchar(10) default NULL,

`jumlah` int(3) default NULL



42

Gambar 4.2 Untuk memilih kategori

Gambar 4.3 Untuk memilih tingkatan


43

4.1.2.2 Halaman Tampilan Update

Halaman tampilan update berisi button untuk menambah

data file .csv dan button upload untuk mengupload file yang

sudah ditambahkan.

Gambar 4.4 Untuk menambah file .csv


44

4.2 Implementasi Gudang Data

4.2.1 Membaca Data Legacy

Pada tahap ini menganalisa tabel-tabel database sistem informasi

akademik yang dipakai dalam membangun tabel fakta dan tabel dimensi

dalam database gudang data. Tabel-tabel tersebut adalah sebagai

berikut:

1. Tabel tingkatan

tingkatan Tabel yang berisi daftar tingkatan

PK id_tingkat Berisi nomor id tingkat yang bertindak

sebagai primary key

fakultas Berisi nama fakultas

prodi Berisi nama prodi

Tabel diatas merupakan struktur tabel tingkatan yang menyimpan

data-data tingkatan yang terdiri dari field id_tingkat sebagai primary

key, field fakultas, dan field prodi. Contoh data kategori adalah sebagai

berikut:


45

PK id_tingkat fst01

fakultas FST

prodi TI

2. Tabel fakultas

Fakultas Tabel yang berisi daftar fakultas

PK id_fakultas Berisi nomor id fakultas yang bertindak

sebagai primary key

nama_fakultas Berisi nama fakultas

Tabel diatas merupakan struktur tabel fakultas yang menyimpan

data-data fakultas yang terdiri dari fieldid_fakultas sebagai primary key

dan field nama_fakultas. Contoh data fakultas adalah sebagai berikut:

PK id_fakultas 111

nama_fakultas FST

3. Tabel prodi

Prodi Tabel yang berisi daftar prodi

PK id_prodi Berisi nomor id prodi yang bertindak

sebagai primary key

nama_prodi Berisi nama prodi

id_fakultas Berisi id fakultas


46

Tabel diatas merupakan struktur tabel prodi yang menyimpan data-

data prodi yang terdiri dari field id_prodi sebagai primary key, field

nama_prodi, dan field id_fakultas. Contoh data prodi adalah sebagai

berikut:

PK id_prodi fst01

nama_prodi TI

id_fakultas 111

4. Tabel kategori

Kategori Tabel yang berisi daftar kategori

mahasiswa

PK id_kategori Berisi nomor id kategori yang bertindak

sebagai primary key

nama_kategori Berisi nama kategori

Tabel diatas merupakan struktur tabel kategori yang menyimpan

data-data kategori yang terdiri dari field id_kategori sebagai primary key

dan field nama_kategori. Contoh data kategori adalah sebagai berikut:

PK id_kategori k01

nama_kategori mhs registrasi


47

4.2.2 Memilah field tabel pada database sistem informasi dan

memindahkan ke dalam database gudang data

4.2.2.1 Tabel dimensi ‘dim_tingkatan’

Gambar 4.5 Pembentukan tabel dim_tingkatan

Gambar 4.5 merupakan proses pembentukan tabel dim_tingkatan

yang bertujuan sebagai pembentukan tabel dimensi dalam OLAP.

Memasukkan data dari tabel prodi dan fakultas yang ada di

database, menyamakan dengan tabel prodi dan fakultas,

menambah field baru, memilih data, memasukkan data ke dalam

tabel dim_tingkatan, dan script pembentukan tabel

dim_tingkatan.

Gambar4.6 Langkah select data prodi


48

Jika preview data maka data yang ditampilkan sesuai dengan

yang ada pada tabel prodi. Berikut adalah preview data tabel

prodi:

Gambar 4.7 Preview data prodi

Gambar 4.8 Langkah select data fakultas


49


yang ada pada tabel fakultas. Berikut adalah preview data tabel

fakultas:

Gambar4.9 Preview data fakultas

Langkah selanjutnya adalah menambah field baru, yang artinya

menambah field untuk membuat surrogate key pada

dim_tingkatan. Isi dari menambah field baru tersebut adalah

sebagai berikut:

Gambar4.10 Langkah membuat surrogate key pada dim_tingkatan


50

Langkah berikutnya untuk membuat dim_tingkatan adalah

memilih field yang diperlukan. Sehingga dilakukan langkah

berikut ini:

Gambar 4.11 Langkah memilih field yang diperlukan

Langkah terakhiradalah memasukan ke dalam tabel

dim_tingkatan. Pada tahap ini digunakan untuk membuat tabel

dimensi dan memasukan data ke dalam tabel dimensi tersebut.

Hasil dari proses pembentukan tabel dim_tingkatan adalah

sebagai berikut.

Gambar 4.12 Menampilkan data dim_tingkatan

Gambar 4.12 merupakan hasil dari tabel dim_tingkatan.


51

Terdapat field id_prodi, nama_prodi, id_fakultas, nama_fakultas,

dan sk_tingkatan.


52

4.2.1.2 Tabel dim_kategori

Gambar 4.13merupakan proses pembentukan tabel dim_kategori

yang bertujuan sebagai pembentukan tabel dimensi dalam OLAP.

Memasukkan data dari tabel kategori yang ada di database,

menambah field baru, memilih data, memasukkan data ke dalam

tabel dim_kategori, dan script pembentukan tabel dim_kategori.


yang ada pada tabel kategori. Berikut adalah preview data tabel

kategori:

Gambar 4.13 Pembentukan tabel dim_kategori

Gambar 4.14 Langkah select data kategori


53

Langkah selanjutnya adalah menambah field baru, yang artinya

menambah field untuk membuat surrogate key pada

dim_kategori. Isi dari menambah field baru tersebut adalah

sebagai berikut:

Gambar 4.15Preview data kategori

Gambar 4.16 Langkah membuat surrogate key pada dim_kategori


54

Langkah berikutnya untuk membuat dim_kategori adalah

memilih field yang diperlukan. Sehingga dilakukan langkah

berikut ini:

Langkah terakhir adalah memasukan ke dalam

tabeldim_kategori. Pada tahap ini digunakan untuk membuat

tabel dimensi dan memasukan data ke dalam tabel dimensi

tersebut. Hasil dari proses pembentukan tabel dim_kategori

adalah sebagai berikut.

Gambar 4.18 merupakan hasil dari tabel dim_kategori. Terdapat

field id_kategori, nama_kategori, dan sk_kategori.

Gambar 4.18 Menampilkan data dim_kategori

Gambar 4.17Langkah memilih field yang diperlukan


55

4.2.3 Memecah Gudang Data ke Dalam Tabel Fakta dan Dimensi

4.2.3.1 Tabel fakta fact_mahasiswa

Gambar 4.19 merupakan pembentukan tabel fact_mahasiswa yang

bertujuan untuk pembentukan tabel fakta dalam proses OLAP,

diawali oleh memasukan data dari table input untuk selanjutnya

disamakan, kemudian menyamakan dengan tabel dim_kategori,

dim_tingkatan dan dim_waktu, memilih data, dan memasukkan

data ke dalam tabel fact_mahasiswa.

Menyamakan data berturut-turut dari tabel dim_kategori hingga

dim_waktu karena tabel fakta hanya berisi data-daya numerik atau

data yang dapat diukur dan surrogate key dari masing-masing

dimensi maka data yang diambil hanya surrogate key.

Gambar 4.19Pembentukan tabel fact_mahasiswa


56

Pada gambar 4.20 menunjukkan bahwa data yang diambil hanya

sk_kategori yang bertindak sebagai surrogate key pada dimensi

kategori.

Gambar 4.20 Langkah menyamakan dengan data dimensi kategori


57


sk_prodi (sk_tingkatan) yang bertindak sebagai surrogate key pada

dimensi tingkatan.

Gambar 4.21 Langkah menyamakan dengan data dimensi tingkatan


58


sk_waktu yang bertindak sebagai surrogate key pada dimensi

waktu.

Gambar 4.22 Langkah menyamakan dengan data dimensi waktu


59

Langkah berikutnya adalah memilih data yang akan digunakan

untuk membangun tabel fakta dengan menggunakan select values.

Terdapat field jumlah yang bertindak sebagai measure,

sk_kategori, sk_tingkatan, dan sk_waktu. Maka hasil yang

diperoleh dalam memasukkan data ke dalam tabel fakta

fact_mahasiswa ditunjukkan pada gambar berikut.

Gambar 4.23 Langkah memilih data yang diperlukan untuk membuat tabel fakta


60

Gambar 4.24 Menampilkan data fact_mahasiswa


61

4.2.4 Pembahasan Skema Bintang (Star Schema)

4.2.2.1Cube Mahasiswa

Gambar 4.25 merupakan skema bintang SchemaSkripsi

menggunakan Mondrian sebagai OLAPserver. Skema ini yang nantinya

cube mahasiswa

dimensi kategori

measure

JumlahMahasiswa

dimensi tingkatan

dimensi waktu

Gambar 4.25 Skema Bintang SchemaSkripsi


62

akan membaca data dari database. Cube dengan nama mahasiswa,

memiliki tabel fakta fact_mahasiswa. Dimensi yang dipakai adalah

dimensi Kategori yang memiliki tabel tabel dim_kategori, dimensi

Tingkatan yang memiliki tabel dim_tingkatan, dan dimensi Waktu yang

memiliki tabel dim_waktu. Pada dimensi Kategori terdapat urutan atau

hierarki field dari tabel dim_kategori, yaitu field Nama Kategori,

sedangkan urutan dari dimensi Tingkatan adalah field Fakultas dan

Prodi, serta urutan dari dimensi Waktu adalah filed Tahun. Nilai

pengukuran atau measure dari skema bintang mahasiswa adalah

JumlahMahasiswa.

Cube mahasiswa

Gambar 4.26OLAP mahasiswa


63

Pada gambar 4.26 merupakan OLAP mahasiswa. Fact_mahasiswa

mengeluarkan informasi jumlah mahasiswa ditiap prodi maupun fakultas

pada setiap kategori di universitas.


64

BAB V

ANALISIS HASIL

Setelah melakukan pembentukan gudang data dan OLAP . Dapat diperoleh

hasil sebagai berikut:

5.1 Pengujian Sistem

5.1.1 Hasil OLAP mahasiswa

Mahasiswa

Gambar 5.1 : Data mahasiswa pada OLAP


65

Pada gambar 5.1 merupakan hasil fact_mahasiswa pada OLAP yang

merupakan jumlah mahasiswa ditiap kategori, missal untuk fakultas FST

pada prodi TI dalam kategori mahasiswa DO. Sedangkan pada gambar

5.2 merupakan data mahasiswa yang sama. Terlihat pada gambar 5.1

untuk jumlah dengan gambar 5.2 sama.

5.1.2 Hasil dashboardmonitoring

5.1.2.1 Menampilkan perbandingan kategori per-fakultas

Gambar 5.2 : Data jumlah mahasiswa pada Excel

Gambar 5.3 Tampilan data mahasiswa registrasi per-fakultas

dalam Excel


66

Pada gambar 5.3 merupakan tampilan data mahasiswa registrasi

setiap fakultas dalam file Excel. Sedangkan pada gambar 5.4

menampilkan hasil perbandingan jumlah mahasiswa registrasi

disetiap fakultas yang ada di universitas dalam dashboard yang

terbukti cocok dengan data sebenarnya ( data pada file Excel ).

Gambar 5.4 Tampilan hasil mahasiswa registrasi per-fakultas


67

5.1.2.2 Menampilkan perbandingan kategori per-prodi dalam

fakultas tertentu

Pada gambar 5.5 merupakan tampilan data mahasiswa registrasi

prodi TI dan TM dalam file Excel. Sedangkan pada gambar 5.6

menampilkan hasil perbandingan jumlah mahasiswa registrasi

prodi yang berada di FST yaitu TI dan TM dalam bentuk

dashboard yang terbukti sesuai dengan data sebenarnya ( data pada

file Excel ).

Gambar 5.6 Tampilan hasil mahasiswa registrasi per-prodi

Gambar 5.5Tampilan data mahasiswa registrasi prodi TI dan

TM dalam Excel


68

5.1.2.3 Menampilkan data yang telah ditambahkan setiap

tahun

Pada gambar 5.7 menampilkan hasil perbandingan jumlah

mahasiswa cuti yang berada di FST yaitu prodi TI dan TM dari

tahun 2008-2013.

5.2 Kelebihan Sistem

Gudang data dapat menampung data dalam jumlah yang banyak, atau dengan

kata lain Big Data, serta dapat menghitung jumlah mahasiswa dalam setiap

kategorinya. Selain itu ditampilkan pula grafik jumlah mahasiswa di setiap

kategori dalam kurun waktu tertentu.

Gambar 5.7 Tampilan hasil mahasiswa cuti fakultas FST


69

5.3 Kekurangan Sistem

1. Pengguna hanya diasumsikan WR 1 yang hanya bisa mengakses,

sedangkan pengguna yang lain hanya sebagai pengunjung, hanya bisa

melihat.

2. Saat mengakses pentaho memakan waktu yang tidak sebentar.


70

BAB VI

PENUTUP

6.1 Kesimpulan

Berdasarkan dari hasil analisis, desain, dan implementasi dashboard untuk

monitoring data akademik, maka dapat disimpulkan bahwa:

1. Implementasi dashboard untuk monitoring data akademik Universitas

Sanata Dharma Yogyakarta telah berhasil dibuat dengan menggunakan

Kettle ( Pentaho Data Integration ).

2. Hasil perhitungan OLAP tentang jumlah mahasiswa berdasarkan kategori

yang ada sama dengan hasil perhitungan pada laporan manual dalam

excel.

3. Dashboard untuk monitoring data akademik Universitas Sanata Dharma

ini akan memudahkan WR1 dalam menganalisa setiap kategori dalam

kurun waktu tertentu karena dengan adanya bantuan grafik bar.

6.2 Saran

Saran yang dapat diberikan penulis dalam pengembangan sistem ini adalah:

1. Dashboard untuk monitoring data akademik ini bisa dikembangkan

dengan dijadikan fitur halaman website Universitas Sanata Dharma,

sehingga masyarakat non-Universitas Sanata Dharma bisa melihat

bagaimana progress perkembangan mahasiswa tiap tahunnya.


71

2. Dalam dashboard ini bisa dikembangkan pula dengan grafik-grafik yang

lebih bervariasi.

3. Data yang digunakan bisa dilengkapi lagi baik dalam lingkup fakultas

maupun program studi.


72

DAFTAR PUSTAKA

[1] Modul Pelatihan, “Data Warehouse with Kettle (Pentaho Data

Integration)”.

[2] Few, Stephen. (2006), Information Dashboard

[3] Gonzales, Tom. (2006), Dashboard Design: Key Performance Indicators

& Metrics - Choosing the Right Data to Display, BrightPoint Consulting,

Inc.

[4] Novell. (2004), SecureEnterpriseDashboard: aKeyto Bussiness Agility,

Novell White Paper.

[5] Eckerson, Wayne (2005), DeployingDashboardandScorecards, TDWI

Best Practices Report.

[6] Hariyanti, Eva, 2008, Metedologi Pembangunan Dashboard sebagai Alat

Monitoring Kinerja Organisasi Studi Kasus Institut Teknologi Bandung


73

LAMPIRAN


74

FORM KUISIONER

DASHBOARD UNTUK MONITORING DATA AKADEMIK

UNIVERSITAS SANATA DHARMA YOGYAKARTA

Nama :

Jabatan :

Petunjuk:

1. Pilihlah jawaban yang paling sesuai dengan pendapat Anda.

2. Berikan tanda contreng () pada jawaban yang Anda pilih.

Keterangan:

1. SS = Sangat Setuju

2. S = Setuju

3. R = Ragu

4. TS = Tidak Setuju

5. STS = Sangat Tidak Setuju

No Pernyataan SS S R TS STS

1. Dashboard monitoring akademik

membantu saya untuk mengetahui

informasi perbandingan jumlah

mahasiswa di setiap kategori dalam

tingkat fakultas/prodi dalam kurun

waktu tertentu.

2. Dasshboard monitoring akademik

membantu saya untuk mengetahui

jumlah mahasiswa terbanyak dan

terendah.

3. Adanya menu untuk menampilkan


75

grafik yang disediakan dashboard

monitoring akademik sangat

membantu untuk melihat dengan

tampilan yang berbeda

4. Secara keseluruhan dashboard

monitoring sangat mendukung

system informasi akademik

mahasiswa.

Saran:


Documents

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI - core.ac.uk fileDalam hal ini, Wakil Rektor (WR) I memiliki tanggungjawab untuk memonitori performa akademik Universitas Sanata Dharma. Namun