PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB WAHYU DWI SURYANTO

Transkripsi

1 PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB WAHYU DWI SURYANTO DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012

2 PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB WAHYU DWI SURYANTO Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012

3 ABSTRACT WAHYU DWI SURYANTO. Development of Data Warehouse and OLAP Applications for Data Evaluation of Teaching and Learning Process of IPB. Supervised by FIRMAN ARDIANSYAH. Evaluation of Teaching and Learning Process (EPBM) is one measure of success in a learning process. Every year IPB always holds EPBM at least twice in one academic year. Increasingly, EPBM data is getting more and more difficult to analyze and to find information, either expressed or implied. By using data warehouse technology and an application On-line Analytical Processing (OLAP), IPB s stakeholder can analyze and find information on the data. The main objective of this research is to develop a data warehouse and OLAP applications on EPBM data of IPB using Microsoft Business Intelligence as OLAP server. This study begin by collecting the data, integration and data reduction, data cleansing, data transformation, data loading, and OLAP implementations. The data warehouse schema used in this research is the galaxy scheme which has two facts (Course fact and Lecturer fact) and 9-dimensions (semester, academic year, courses, lecturers, faculty, department, lecturers education, and lecturers strata). To create a data warehouse and OLAP applications, we generate a data cube called EPBM Data. The results of the data cube can be visualized into various types of graphic models, such as bar graphs, line graphs, pie charts, and so forth. The results of the data cube is visualized using Microsoft Sharepoint Keywords: Data Cube, Data Warehouse, Evaluation of Teaching and Learning, Microsoft Business Intelligence, OLAP server, On-line Analytical Processing.

4 Judul Skripsi Nama NIM : Pengembangan Data Warehouse dan Aplikasi OLAP pada Data Evaluasi Proses Belajar Mengajar IPB : Wahyu Dwi Suryanto : G Disetujui Pembimbing Firman Ardiansyah SKom MSi NIP Diketahui Ketua Departemen Dr Ir Agus Buono MSi MKom NIP Tanggal Lulus:

5 PRAKATA Bismillahirrahmaanirrahiim, Alhamdulilahirobbil alamin, segala puji syukur penulis panjatkan ke hadirat Allah Subhanahuwa ta ala atas segala rahmat dan karunia-nya sehingga tugas akhir ini berhasil diselesaikan. Topik tugas akhir yang dipilih dalam penelitian adalah Pengembangan Data Warehouse dan Aplikasi OLAP Data Evaluasi Proses Belajar Mengajar IPB. Penulis ingin menyampaikan terima kasih kepada keluarga tercinta terutama ibunda tercinta Akidah, ayahanda tersayang Kispono Riyanto, dan Kakanda Khurniawan Fajar Purnomo serta seluruh keluarga besar atas doa, semangat, nasihat, dan kasih sayang yang diberikan kepada penulis. Terima kasih kepada Bapak Firman Ardiansyah SKom MSi selaku dosen pembimbing tugas akhir dan pembimbing akademik atas bantuan, motivasi, arahan, dan kesabarannya dalam membimbing hingga tugas akhir ini dapat diselesaikan. Penulis juga mengucapka terima kasih kepada Bapak Hari Agung Adrianto SKom MSi dan Dr Yani Nurhadryani SSi MT sebagai penguji. Terima kasih juga penulis sampaikan kepada: 1 Pimpinan dan staf Kantor Manajemen Mutu (KMM), dan Direktorat Akademik dan Pendidikan (Dit. AP) Institut Pertanian Bogor atas dukungan data dan informasinya. 2 Pimpinan dan staf Direktorat Komunikasi dan Sistem Informasi (DKSI) IPB atas dukungan jaringan, perangkat lunak, dan pengakat keras. 3 Rekan-rekan satu bimbingan: Andri Setyawan, Abdul Qifli Sangadji, dan rekan lainnnya terima kasih atas kebersamaan dan semangatnya selama ini. 4 Rekan-rekan seperjuangan di Alih Jenis angkatan 4 Ilmu Komputer IPB terima kasih atas kerjasama dan kebersamaannya selama menempuh pendidikan di kampus tercinta ini. 5 Staf dan pegawai di Departemen Ilmu Komputer atas bantuannya. 6 Priyo, Hanif, Wikhdal, Hafiz, Hana, Lina, Rika, dan rekan-rekan programmer di cyber jagung serta semua pihak yang membantu terselesaikannya penelitian ini. Semoga tulisan ini dapat memberikan banyak manfaat, Amiinn. Bogor, Juni 2012 Wahyu Dwi Suryanto

6 RIWAYAT HIDUP Penulis, Wahyu Dwi Suryanto, dilahirkan di Pulau Kangean, Sumenep, Jawa Timur pada tanggal 25 Februari Penulis merupakan anak kedua dari dua bersaudara dari pasangan Kispono Riyanto dan Akidah. Penulis diterima sebagai mahasiswa Direktorat Program Diploma, Institut Pertanian Bogor (IPB) pada tahun 2006 melalui jalur Undangan Seleksi Masuk IPB pada Program Keahlian Manajemen Informatika dan lulus pada tahun Pada tahun yang sama, penulis melanjutkan studi ke jenjang sarjana dan diterima di Alih Jenis Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor pada tahun Selama menempuh pendidikan, penulis juga bekerja di Direktorat Komunikasi dan Sistem Informasi IPB sebagai programmer dan di Direktorat Program Diploma sebagai asisten dosen Mata Kuliah Manajemen Basisdata, Basisdata Klien Server, dan Pemrograman Visual.

7 DAFTAR ISI Halaman DAFTAR TABEL... vi DAFTAR GAMBAR... vi DAFTAR LAMPIRAN... vii PENDAHULUAN... 1 Latar Belakang... 1 Tujuan... 1 Ruang Lingkup... 1 Manfaat Penelitian... 1 METODE PENELITIAN... 1 Analisis... 1 Desain Desain Konseptual Desain Logikal Desain Fisik... 2 Praproses data Integrasi dan Reduksi Data Pembersihan Data Transformasi Data... 2 Data Warehouse... 2 Pengujian Query... 3 Aplikasi OLAP dengan Business Intelligence... 3 Lingkungan Pengembangan... 3 HASIL DAN PEMBAHASAN... 3 Analisis... 3 Desain Desain Konseptual Desain Logikal Desain Fisik... 5 Praproses Data Integrasi dan Reduksi Pembersihan Data Transformasi Data Load Data... 8 Data Warehouse... 8 Pengujian Query... 8 Eksplorasi Data dan Presentasi Hasil... 8 KESIMPULAN DAN SARAN... 9 Kesimpulan... 9 Saran... 9 DAFTAR PUSTAKA LAMPIRAN... 2 v

8 DAFTAR TABEL Halaman 1 Atribut pada data EPBM Atribut tabel fakta_matakuliah Atribut tabel fakta_dosen Desain fisik tabel fakta_matakuliah setelah proses integrasi dan reduksi Desain fisik tabel fakta_dosen setelah proses integrasi dan reduksi Atribut yang direduksi pada data EPBM Hasil pengujian query... 9 DAFTAR GAMBAR Halaman 1 Bagan metode penelitian Skema Galaxy dengan 2 tabel fakta dan 9 tabel dimensi Hirarki dimensi tahun akademik Hirarki dimensi semester Hirarki dimensi matakuliah berdasarkan departemen dan fakultas Hirarki dimensi dosen berdasarkan departemen dan fakultas Hirarki dimensi dosen berdasarkan jenjang pendidikan Hirarki dimensi dosen berdasarkan tahun kerja dosen Hirarki dimensi dosen berdasarkan pendidikan Data yang mengandung nilai null Data yang mengandung nilai null yang sudah diisi dengan nilai rata-rata Arsitektur three-tier data warehouse pada data EPBM (Noviandi 2010) Grafik batang jumlah responden pada fakta dosen pada Fakultas MIPA per departemen setiap semester tahun 2010/ Grafik garis jumlah responden setiap tahun per semester pada fakta dosen pada Fakultas MIPA Departemen Ilmu Komputer Grafik batang rata-rata nilai mata kuliah per fakultas pada fakta mata kuliah setiap tahun akademik vi

9 DAFTAR LAMPIRAN Halaman 1 Formulir Evaluasi Proses Belajar Mengajar Hasil pembersihan data data EPBM mata kuliah Hasil pembersihan data EPBM dosen Isi tabel fakta_dosen Isi tabel fakta_matakuliah Isi tabel dimensi semester pada hirarki semester pada fakta_dosen dan fakta_matakuliah Isi tabel dimensi strata pada hirarki dosen pada fakta_matakuliah Isi tabel dimensi pendidikan pada hirarki dosen pada fakta_matakuliah Isi tabel dimensi tahun pada hirarki dosen pada fakta_matakuliah Isi tabel matakuliah pada hirarki matakuliah pada fakta_dosen dan fakta_matakuliah Isi tabel tahunakademik pada hirarki tahunakademik pada fakta_dosen dan fakta_matakuliah Isi tabel fakultas pada hirarki departemen pada fakta_dosen dan fakta_matakuliah Isi tabel departemen pada hirarki departemen pada fakta_dosen dan fakta_matakuliah Isi tabel dosen pada hirarki dosen pada fakta_matakuliah Hasil pengujian formal dengan spesifikasi tren jumlah responden dosen pada fakultas Hasil pengujian non formal dengan spesifikasi tren jumlah responden dosen pada fakultas Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi mata kuliah pada fakultas setiap tahun Hasil pengujian non formal dengan spesifikasi tren nilai rata-rata hasil evaluasi mata kuliah pada fakultas setiap tahun Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun Hasil pengujian non formal dengan spesifikasi tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun Hasil pengujian formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir Hasil pengujian non formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir Hasil pengujian formal dengan spesifikasi Tren nilai dosen berdasarkan lokasi belajar terakhir Hasil pengujian non formal dengan spesifikasi Tren nilai dosen berdasarkan lokasi belajar vii

10 1 PENDAHULUAN Latar Belakang Beberapa tahun terakhir, Evaluasi Proses Belajar Mengajar (EPBM) selalu menjadi sorotan pada institusi pendidikan sebagai tolok ukur dalam peningkatkan mutu pendidikan dan keberhasilan suatu proses belajar mengajar (PBM). Salah satu institusi pendidikan yang melakukan EPMB adalah Institut Pertanian Bogor (IPB). IPB selalu melakukan EPBM setiap menjelang Ujian Akhir Semester (UAS). Evaluasi dilakukan pada setiap mata kuliah yang diberikan dan pada dosen pengajar yang memberikan perkuliahan dan praktikum dalam setiap semesternya. Jumlah mahasiswa IPB yang aktif pada tahun 2011 yaitu Jumlah mata kuliah yang diselenggarakan setiap tahun sebanyak 1100 mata kuliah. EPBM dilakukan dua kali dalam satu tahun, untuk setiap mata kuliah oleh mahasiswa. Jadi, setiap tahun data EPBM yang terkumpul adalah sebanyak lembar EPBM yang kemudian direkap berdasarkan dosen pada setiap mata kuliah. Rata-rata data EPBM per tahun setelah dilakukan rekap per dosen sebanyak Data yang dihasilkan dari pengisian EPBM dari tahun ke tahun disimpan dalam suatu tempat penyimpanan data dalam bentuk berkas Excel (xls dan xlsx), namun penyimpanan yang dilakukan secara rutin dari tahun ke tahun menyebabkan data yang tersimpan semakin menumpuk. Walaupun saat ini media penyimpanan sudah memiliki kapasitas yang besar (sampai terabyte), penumpukan data tetap akan menimbulkan masalah jika tidak dikelola dengan baik. Penyajian informasi yang interaktif, konklusif, cepat, dan menarik tidak akan terwujud dengan baik. Kondisi seperti ini biasa disebut dengan istilah rich of data but poor of information (Han & Kamber 2006). Untuk mengatasi masalah penumpukan data dan masalah penyajian informasi dari data EPBM tersebut, diperlukan proses pengelolaan data warehouse yang baik. Data warehouse yang disajikan memerlukan fungsi pengumpulan, persiapan, dan penyimpanan data EPBM untuk menghasilkan aplikasi yang bersifat query atau reporting sehingga dapat membantu pengelolaan data yang bertumpuk dan serta mempermudah menyajikan informasi secara visual. Oleh karena itu, perlu dibangun aplikasi On-Line Analytical Processing (OLAP) yang diintegrasikan dengan data warehouse. Microsoft Business Intelligence (BI) merupakan tool yang berbasis Windows untuk OLAP yang menyediakan tool pembantu dalam menganalisis data. Tujuan Penelitian ini bertujuan membangun data warehouse dan aplikasi OLAP berbasis web untuk data Evaluasi Proses Belajar Mengajar IPB yang dikelola oleh Kantor Manajemen Mutu (KMM) dengan menggunakan Microsoft Business Intelligence. Ruang Lingkup Ruang lingkup penelitian ini dibatasi pada pembuatan data warehouse dan pengembangan aplikasi OLAP berbasis web. Tools yang digunakan adalah Microsoft Business Intelligence yang sudah termasuk dalam paket pada Microsoft SQL Server 2008 R2. Data yang digunakan adalah data EPBM tahun akademik 2007/2008 sampai dengan tahun akademik 2010/2011 yang terdapat di Kantor Manajemen Mutu (KMM) IPB. Manfaat Penelitian Penelitian ini diharapkan dapat memberikan manfaat kepada pihak-pihak terkait yang ada di IPB, khususnya KMM selaku pengelola data dan penyelenggara kegiatan EPBM IPB, dalam memberikan dan menyajikan analisis terhadap data secara cepat, interaktif, dan menarik. Hal ini dapat berguna bagi pihak-pihak terkait untuk dapat melakukan analisis data sehingga membantu proses pengambilan keputusan secara tepat. METODE PENELITIAN Penelitian ini dilakukan dalam beberapa tahapan (Gambar 1). Analisis Pada tahap, ini dilakukan analisis spesifikasi kebutuhan data warehouse yang akan dibangun sesuai dengan keinginan pengguna. Data yang akan dianalisis adalah data yang merupakan hasil olahan dari formulir EPBM yang sudah diolah. Contoh formulir EPBM dapat dilihat pada Lampiran 1. Analisis spesifikasi kebutuhan dilakukan untuk menghasilkan desain konseptual, desain logikal, dan desain fisik. Unit kerja atau stakeholder di IPB yang terlibat dalam ketersediaan data adalah Direktorat Akademik dan Pendidikan (Dit. AP), Direktorat Sumber Daya Manusia (Dit. SDM), dan Kantor Manajemen Mutu (KMM). Pengguna sistem adalah pimpinan dan staf KMM yang akan dibagi menjadi dua bagian, yaitu administrator dan user (staf). Administrator memiliki akses langsung ke

11 2 tempat database yang digunakan, sedangkan user dapat berinteraksi langsung dengan antarmuka aplikasi. Adapun fasilitas yang dapat diterima pengguna adalah sebagai berikut: 1 memilih dimensi atau atribut melalui kotak drop-down list, 2 menampilkan data secara drill down dan drill up, dan 3 menampilkan data dalam bentuk grafik (box, pie, dan line). Desain Gambar 1 Bagan metode penelitian. 1 Desain Konseptual Pada tahap ini, dilakukan desain skema dalam pembuatan data warehouse, analisis measure dan dimensi-dimensi apa yang akan digunakan. Measure adalah suatu ukuran untuk mengukur tingkat analisis data warehouse dari dimensidimensi yang ada. 2 Desain Logikal Pada tahapan ini, dilakukan perencanaan dan pembuatan database dengan membuat relasirelasi data dan menentukan hubungan satu atribut dangan atribut lainnya. Penyimpanan data pada database terdapat dua pilihan, yaitu dengan penyimpanan multidimensional atau menggunakan penyimpanan dengan basis relasional. 3 Desain Fisik Tahapan desain fisik adalah tahapan terakhir sebelum ke tahapan praproses data. Tahapan ini menjelaskan kubus data yang sudah siap digunakan dalam data warehouse. Pada tahapan ini, skema sudah dapat diimplementasikan ke dalam data warehouse yang akan dibangun. Praproses data Sebelum masuk ke implementasi data warehouse, data harus melalui tahap praproses data terlebih dahulu (Han & Kamber 2006). Tahapan praproses data pada data EPBM IPB meliputi: 1 Integrasi dan Reduksi Data KMM IPB menggunakan Microsoft Excel untuk mengelola hasil EPBM. Hasil ekspor data dosen dari Sistem Kepegawaian yang ada di Dit. SDM juga dalam format Excel (.xls). Data mata kuliah yang diberikan oleh Dit. AP berupa file dengan format Ms. Word (.doc). Sebelum diimpor ke Microsoft SQL Server 2008, atributatribut data yang relevan dipilih. Pemilihan atribut ini berdasarkan tujuan pembuatan data warehouse. Integrasi dilakukan dengan menggabungkan atribut-atribut yang menarik dari tabel yang dianalisis. Reduksi dilakukan bersamaan dengan proses integrasi, yaitu dengan membuang atribut-atribut yang kurang menarik dari tabel yang dianalisis. 2 Pembersihan Data Pembersihan data dilakukan terhadap record-record yang mengandung nilai null, dan nilai yang tidak konsisten. Kondisi tersebut dapat diatasi dengan membuang atau menyeragamkan nilainya dengan menggunakan nilai rataan untuk atribut yang bernilai angka. 3 Transformasi Data Tranformasi ke bentuk data yang tepat dilakukan agar data dapat digunakan untuk proses selanjutnya. Tranformasi meliputi penyeragaman nama atribut, generalisasi, agregasi, dan konstruksi atribut. Akhir dari tahapan transformasi ini ialah terbentuknya sebuah data warehouse. Data Warehouse Metode yang digunakan dalam pengembangan data warehouse ini mengacu pada arsitektur three-tier data warehouse yang meliputi: 1 Lapisan bawah (bottom tier) Lapisan ini merupakan suatu sistem basisdata relasional (SQL Server 2008 R2) yang berfungsi sebagai tempat pengolahan data. 2 Lapisan tengah (middle tier) Lapisan ini merupakan lapisan tempat menyimpan stuktur kubus data yang biasa disebut dengan OLAP server. Dalam penelitian ini, digunakan Microsoft Business Intelligence (BI) sebagai OLAP server. Microsoft SQL Server 2008 R2 merupakan salah satu platform untuk melakukan data warehouse maupun data mart. Perbedaan data

12 3 warehouse dan data mart memiliki batasan yang sangat tipis, namun perbedaan ini tidak perlu dikhawatirkan karena secara subtansi tujuan dari pembuatannya memiliki kesamaan (Noviandi 2010). Konsep data warehouse sudah dikenal sebagai platform yang fundamental dari setiap solusi BI yang dikembangkan. Keberhasilan dalam merancang dan memasukkan data ke dalam data warehouse akan sangat berpengaruh terhadap berhasil atau tidaknya solusi BI yang dikembangkan dalam sebuah organisasi (Noviandi 2010). 3 Lapisan atas (top tier) Lapisan ini merupakan lapisan untuk end user yang berfungsi menampilkan ringkasan dari isi data warehouse yang merupakan hasil dari operasi OLAP (SharePoint 2010). Pengujian Query Tahap pengujian query ini dilakukan setelah pemuatan dan pembuatan data warehouse selesai. Pengujian ini dilakukan untuk melihat apakah operasi OLAP yang dibangun sudah berhasil diimplementasikan dan sesuai dengan informasi yang akan ditampilkan. Pengujian query dibantu dengan memvisualisasikan kubus-kubus data dengan grafik-grafik dan tabel-tabel untuk akurasi hasil. Aplikasi OLAP dengan Business Intelligence Business Intelligence adalah serangkaian kegiatan untuk memahami situasi bisnis dengan melakukan berbagai jenis analisis pada data yang dimiliki oleh organisasi serta data eksternal dari pihak ketiga untuk membantu menentukan strategi, keputusan bisnis yang taktis, dan operasional dan mengambil yang diperlukan tindakan untuk meningkatkan kinerja bisnis (Rainardi 2010). Langkah awal pembangunan aplikasi OLAP adalah dengan membentuk struktur kubus data dalam OLAP server. Sebelum tahap pembangunan kubus data, analisis data dilakukan untuk menentukan dimensi dan measure yang akan digunakan. Setelah menganalisis dimensi dan measure yang akan digunakan, dilakukan pembentukan struktur kubus data. Pembentukan bisa dilakukan secara manual ataupun otomatis. Pada penelitian ini, pembentukan kubus data secara otomatis dilakukan. Selanjutnya dilakukan perancangan antarmuka. Rancangan antarmuka terbagi menjadi dua bagian, yaitu tampilan screen dengan resolusi 1024 x 768 piksel dan tampilan hasil query. Fungsi dirancang untuk operasi-operasi OLAP dengan crosstab dan grafik. Implementasi aplikasi dilakukan dengan menggunakan Microsoft SharePoint Lingkungan Pengembangan Aplikasi OLAP ini dibangun dengan menggunakan perangkat sebagai berikut: Perangkat keras server dengan spesifikasi: Prosesor Intel Core i5650. Memory 10GB DDR III. Hard disk 500GB. Perangkat keras client dengan spesifikasi: Prosesor Intel Core i3 2.27GHz. Memory 3GB DDR III. Hard disk 320GB. Monitor 14 (1366 x 768 piksel) Keyboard. Mouse. Perangkat lunak yang terpasang di server: Windows Server 2008 R2. Internet Explorer 8. Internet Information Services 7. Microsoft SQL Server Microsoft Sharepoint Microsoft.Net Framework 4.0. Perangkat lunak yang digunakan untuk membuat sistem: Windows 7 Ultimate Edition. Internet Explorer 9. Internet Information Services 7. Microsoft SQL Server Microsoft Sharepoint Microsoft.Net Framework 4.0. HASIL DAN PEMBAHASAN Analisis Data EPBM IPB yang diperoleh dalam format Excel 2007 (.xlsx) berisi data EPBM mata kuliah dan dosen masing-masing sebanyak record. Data mata kuliah diperoleh dari Dit. AP dalam format Ms. Word (.doc). Data dosen diunduh langsung dari Sistem Informasi Kepegawaian IPB yang dikelola oleh Dit. SDM dalam format Excel 2003 (.xls). Dari seluruh data tersebut, selanjutnya proses analisis data dilakukan. Proses ini dilakukan untuk menemukan atribut-atribut yang tepat untuk pembangunan data warehouse. Atribut-atribut pada data EPBM sebelum dianalisis dapat dilihat pada Tabel 1. Atribut yang akan digunakan dipilih berdasarkan kreteria berikut: 1 atribut yang dipilih menarik (atribut yang berkaitan dengan EPBM secara spesifik) untuk dianalisis,

13 4 2 atribut yang dapat direlasikan dengan atribut (foreign key) pada tabel lainnya, serta 3 data tidak mengandung nilai null > 10 (atribut maupun record). Spesifikasi kebutuhan yang ditentukan pada tahap ini adalah sebagai berikut: 1 Tren jumlah responden dosen pada fakultas setiap tahun: Jumlah responden dosen yang mengisi EPBM pada mata kuliah yang diajar oleh dosen pada masing-masing fakultas setiap tahun akademik yang telah berjalan. 2 Tren nilai rata-rata hasil evaluasi mata kuliah pada fakultas setiap tahun: Jumlah nilai rata-rata dari seluruh (m1-m9) poin pertanyaan setiap mata kuliah yang diajarkan pada masing-masing fakultas setiap tahun akademik yang telah berjalan. 3 Tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun: Jumlah nilai rata-rata dari seluruh (p1-p9) poin pertanyaan setiap dosen yang diajarkan pada masing-masing fakultas setiap tahun akademik yang berjalan. 4 Tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir: Rata-rata nilai yang diperoleh dosen dari seluruh poin pertanyaan (p1-p9) berdasarkan jenjang pendidikan terakhir dosen setiap tahun akademik yang telah berjalan. 5 Tren nilai dosen berdasarkan lokasi belajar terakhir: Rata-rata nilai yang diperoleh dosen dari seluruh poin pertanyaan (p1-p9) berdasarkan lokasi (dalam atau luar) belajar terakhir setiap tahun akademik yang telah berjalan. Tabel 1 Atribut pada data EPBM. No Atribut No Atribut 1 Tahun 17 DSN 2 Semester 18 NIPlama 3 MK 19 NIP Baru 4 NMMK 20 Nama 5 M1 21 Namacek 6 M2 22 P1 7 M3 23 P2 8 M4 24 P3 9 M5 25 P4 10 M6 26 P5 11 M7 27 P6 12 M8 28 P7 13 M9 29 P8 14 RATA2mk 30 P9 15 JMLmk 31 RATA2ds 16 DEPTDOS 32 JMLds Desain 1 Desain Konseptual Tahap desain diawali dengan menentukan dan memilih atribut-atribut yang bisa dijadikan sebagai measure dan dimensi. Dimensi yang terbentuk adalah dimensi tahun akademik, dimensi semester, dimensi matakuliah, dimensi departemen, dimensi fakultas, dimensi dosen, dimensi pendidikan, dimensi tahun, dan dimensi strata. Atribut pada tabel-tabel fakta terdiri atas foreign key dari dimensi-dimensi dan measure. 2 Desain Logikal Pada tahap ini, dihasilkan 2 tabel fakta dan 9 tabel dimensi. Kedua tabel fakta tersebut diberi nama fakta_matakuliah yang memiliki 12 atribut dan fakta_dosen yang memiliki 15 atribut. Atribut pada tabel fakta_matakuliah dan tabel fakta_dosen berturut-turut dapat dilihat pada Tabel 2 dan Tabel 3. Tabel 2 Atribut tabel fakta_matakuliah Atribut Deskripsi Id tahun idtahunakademik sebagai akademik penciri tahun diselenggarakannya mata kuliah idsemester idsemester sebagai penciri semester diselenggarakannya mata kuliah idmatakuliah idmatakuliah sebagai penciri mata kuliah p1 garis-garis besar perkuliahan disampaikan pada pertemuan pertama p2 kuliah dilaksanakan sesuai dengan jadwal yang ditetapkan oleh Dit. AP p3 kuliah dilaksanakan sesuai dengan jumlah yang telah ditentukan (14 pertemuan / semester) p4 pokok bahasan kuliah sesuai dengan tujuan kuliah p5 pokok bahasan kuliah menambah pengetahuan dan wawasan baru p6 tugas mandiri yang diberikan meningkatkan materi p7 sarana / prasarana mendukung pelaksanaan kuliah p8 ujian tengah semester atau tugas mandiri diberikan sesuai dengan pokok bahasan dan tujuan kuliah p9 hasil ujian tengah semester diumumkan 2 minggu setelah periode ujian Ratap rata-rata nilai dari p1-p9

14 5 3 Desain Fisik Pada tahap ini, measure dan dimensi yang akan digunakan ditentukan. Measure yang dipilih pada fakta mata kuliah adalah m1 yang merepresentasikan pertanyaan pertama pada kuesioner, m2 juga merepresentasikan pertanyaan kedua pada kuesioner, m3, m4, dan m5 sampai dengan m9 merepresentasikan urutan pertanyaan yang ada pada kuesioner dan ratam merepresentasikan rata-rata dari seluruh nilai (m1 m9). Tabel 3 Atribut tabel fakta_dosen Atribut Deskripsi Id tahun idtahunakademik sebagai akademik penciri tahun diselenggarakannya mata kuliah Idsemester idsemester sebagai penciri semester diselenggarakannya mata kuliah idmatakuliah idmatakuliah sebagai penciri mata kuliah Nip nip sebagai penciri dosen m1 dosen menyampaikan materi pengajaran dengan baik m2 dosen memberikan penekanan tentang aspek-aspek penting yang terkait dengan materi yang diberikan m3 dosen menyampaikan materi pengajaran yang meningkatkan minat mahasiswa terhadap m4 mata kuliah ini dosen memberikan ilustrasi yang mencakup keterkinian perkembangan ilmu / aplikasi / hasil penelitian m5 dosen menggunakan bahan / alat bantu / alat peraga yang sesuai dengan materi pembelajaran m6 m7 m8 m9 dosen memberikan kesempatan kepada mahasiswa untuk bertanya / menyampaikan pendapat dosen memperlihatkan sikap dan penampilan yang baik dosen menghormati dan menghargai mahasiswa sesuai dengan hak dan kewajibannya dosen menyampaikan pesanpesan moral, etika, dan disiplin Ratam rata-rata nilai dari m1-m9 Begitu juga untuk fakta dosen, p1 sampai dengan p9 merepresentasikan urutan pertanyaan yang ada pada kuisioner. Ratap juga merepresentasikan rata-rata dari seluruh nilai (p1 p9). Desain fisik dan atribut-atribut pada tabel fakta_matakuliah dapat dilihat pada Tabel 4 dan Tabel fakta_dosen dapat dilihat pada Tabel 5. Selanjutnya, dibuat skema model data multidimensi. Skema yang terbentuk adalah skema galaxy. Terbentuknya skema ini karena terdapat 3 tabel dimensi yang berbagi pakai antara fakta matakuliah dan fakta dosen. Ketiga tabel dimensi tersebut adalah dimensi matakuliah, dimensi tahunakademik, dan dimensi semester. Skema model data multidimensi yang terbentuk dapat dilihat pada Gambar 2. Tabel 4 Desain fisik tabel fakta_matakuliah setelah proses integrasi dan reduksi. No Atribut Keterangan 1 idmatakuliah Varchar 2 idtahunakademik int 3 Idsemester int 4 m1 float 5 m2 float 6 m3 float 7 m4 float 8 m5 float 9 m6 float 10 m7 float 11 m8 float 12 m9 float 13 ratam float Tabel 5 Desain fisik tabel fakta_dosen setelah proses integrasi dan reduksi No Atribut Tipe Data 1 idmatakuliah varchar 2 Nip varchar 3 idsemester int 4 idtahunakademik int 5 p1 float 6 p2 float 7 p3 float 8 p4 float 9 p5 float 10 p6 float 11 p7 float 12 p8 float 13 p9 float 14 jumlahresponden Int 15 Ratap float

15 6 Gambar 2 Skema Galaxy dengan 2 tabel fakta dan 9 tabel dimensi. Dari dimensi-dimensi yang ada, terbentuk struktur hirarki pada masing-masing fakta. Setiap dimensi memiliki level hirarki yang berbeda-beda. Beberapa hirarki yang terbentuk ialah: hirarki tahun akademik, hirarki semester, hirarki mata kuliah, dan hirarki dosen. Hirarki adalah satu bagian dimensi. Dimensi merupakan hirarki berupa jenjang atau tingkatan dari dimensi tersebut. Dengan adanya hirarki tersebut, dimensi dapat menunjukkan tingkatannya (Han & Kamber 2006). Hirarki tahun akademik adalah hirarki dari tahun ajaran atau tahun akademik yang dilaksanakan oleh IPB. Struktur hirarki dimensi tahun akademik dapat dilihat pada Gambar 3. Gambar 3 Hirarki dimensi tahun akademik. Hirarki semester adalah hirarki dari semester yang diberlakukan di IPB. Struktur hirarki dimensi semester dapat dilihat pada Gambar 4. Hirarki mata kuliah adalah hirarki dari mata kuliah yang diajarkan di IPB. Hirarki ini mencakup hirarki berdasarkan departemen dan fakultas. Struktur hirarki dimensi mata kuliah dapat dilihat pada Gambar 5. Gambar 4 Hirarki dimensi semester. Gambar 5 Hirarki dimensi matakuliah berdasarkan departemen dan fakultas. Hirarki dosen adalah hirarki dari dosen yang ada di IPB. Hirarki dosen mencakup hirarki berdasarkan fakultas departemen, strata, tahun kerja dosen, dan pendidikan terakhir. Struktur hirarki dimensi dosen berdasarkan fakultas dan departemen dapat dilihat pada Gambar 6. Struktur hirarki dimensi dosen berdasarkan strata dapat dilihat pada Gambar 7. Struktur hirarki dimensi dosen berdasarkan tahun kerja dosen dapat dilihat pada Gambar 8. Struktur

16 7 Gambar 6 Hirarki dimensi dosen berdasarkan departemen dan fakultas. Gambar 7 Hirarki dimensi dosen berdasarkan jenjang pendidikan. Gambar 8 Hirarki dimensi dosen berdasarkan tahun kerja dosen. Proses integrasi dan reduksi data membentuk tabel baru, antara lain tabel fakta_matakuliah dan fakta_dosen yang selanjutnya dijadikan tabel fakta. Proses integrasi menghasilkan desain fisik final. Setelah melakukan proses integrasi dan reduksi, data yang tersimpan dalam format Excel (xlsx) dikonversi menjadi format Ms. SQLServer 2008 (mdf). 2 Pembersihan Data Pembersihan data pada tabel fakta_dosen dan fakta_matakuliah untuk field yang sama yaitu: idmatakuliah yang mengandung nilai null dihapus dari daftar record dan idtahunakademik yang bersisi nilai null diisi dengan nilai yang paling banyak muncul. Data pertanyaan (m1, m2..., p1, p2...) yang mengandung nilai null diperbaharui dengan menggunakan nilai ratarata. Contoh pembersihan data dengan memperbaharui nilainya dengan nilai rata-rata pada tabel fakta_matakuliah dapat dilihat pada Gambar 10 dan Gambar 11. Gambar 9 Hirarki dimensi dosen berdasarkan pendidikan. hirarki dimensi dosen berdasarkan pendidikan terakhir dapat dilihat pada Gambar 9. Praproses Data 1 Integrasi dan Reduksi Tahap ini diawali dengan menggabungkan semua data yang terbagi dalam beberapa format file (.doc,.xls, dan.xlsx) menjadi format Excel (.xlsx). Berikutnya, dilakukan penggabungan record dari atribut-atribut tabel yang dianalisis menjadi satu tabel besar untuk dijadikan tabel fakta. Reduksi data dilakukan dengan membuang atribut-atribut yang tidak terpilih berdasarkan kriteria dari hasil analisis. Hanya terdapat 5 atribut yang dibuang berdasarkan kriteria atau sebanyak % dari 32 atribut. Atribut-atribut yang direduksi dapat dilihat pada Tabel 6. Tabel 6 Atribut yang direduksi pada data EPBM No Atribut 1 NMMK 2 JMLmk 3 DEPTDOS 4 DSN 5 NIPlama Gambar 10 Data yang mengandung nilai null. Gambar 11 Data yang mengandung nilai null yang sudah diisi dengan nilai rata-rata. Data yang tidak konsisten pada tabel departemen dengan atribut nama departemen diperbaharui dengan menyeragamkan nama departemen dengan nama atribut yang sesuai dengan nama departemen aslinya. Contoh: Departemen Statistik diubah menjadi Departemen Statistika, Departemen Ilkom diubah menjadi Departemen Ilmu Komputer, dan Departemen Ekonomi Sumber Daya Lingkungan diubah menjadi Departemen Sumberdaya Lingkungan. Penyeragaman ini dilakukan dengan mengambil nama baku departemen yang sesuai dengan nama unit yang ada di IPB saat ini. Setelah dilakukan pembersihan data, jumlah record data EPBM mata kuliah menyusut dari menjadi 2934, sementara data EPBM dosen yang tersisa ialah record dari record. Hal ini disebabkan pengambilan record hanya dilakukan pada data yang memenuhi kriteria dan adanya penghapusan record yang tidak sesuai dengan ketentuan data yang akan dianalisis. Hasil pembersihan data

17 8 pada EPBM mata kuliah dan dosen dapat dilihat pada Lampiran 2 dan Lampiran 3. 3 Transformasi Data Transformasi data meliputi penyeragaman nama atribut dan agregasi atribut. Proses ini dilakukan dengan berpedoman pada skema data warehouse yang sudah ada. Langkah awal transformasi dilakukan dengan mengubah nama atribut pada tabel. Nama atribut dimensi disesuaikan pada skema yang terbentuk. Generalisasi data tidak dilakukan karena tidak ditemukan data yang perlu digeneralisasi. Langkah selanjutnya ialah menentukan nilai agregasi atribut-atribut yang menjadi ukuran (measure). Data tabel fakta_dosen ditentukan nilai agregasinya untuk menentukan ukuran responden. Proses transformasi juga dilakukan dengan mengontruksi atribut baru menggunakan data dari atribut yang sudah ada. Selanjutnya, tabel-tabel fakta tersebut diberi nama fakta_matakuliah dan fakta_dosen. Tahap terakhir transformasi adalah mengkontruksi tabel-tabel dimensi dengan penaaman ulang antara lain: matakuliah, semester, tahunakademik, tahun, dosen, pendidikan, departemen, fakultas, dan strata. Detail isi dari tabel fakta_dosen dapat dilihat pada Lampiran 4, tabel fakta_matakuliah pada Lampiran 5, tabel dimensi semester pada Lampiran 6, tabel strata pada Lampiran 7, tabel pendidikan pada Lampiran 8, tabel tahun pada Lampiran 9, tabel matakuliah pada Lampiran 10, tabel tahunakademik pada Lampiran 11, tabel fakultas pada Lampiran 12, tabel departemen pada Lampiran 13, dan tabel dosen pada Lampiran Load Data Setelah data warehouse berhasil dibuat, langkah berikutnya adalah pemuatan data (loading) dari data warehouse ke kubus data. Sebelum pemuatan data dilakukan, skema data warehouse dimodelkan dalam OLAP server SQL Server Analisys Services (SSAS). Proses ini menentukan dimensi, elemen dari dimensi, ukuran, dan kubus data. Kubus data yang dibuat diberi nama OlapEpbm.cube yang berisi kubus data fakta dosen dan fakta mata kuliah. Kubus data dosen dibuat untuk tabel fakta fakta_dosen dan kubus data mata kuliah dibuat untuk tabel fakta fakta_matakuliah. Data Warehouse Arsitektur penelitian ini mengadopsi arsitektur three-tier yaitu lapisan bawah, tengah, dan atas. Lapisan bawah adalah pemrosesan data pembuatan skema data warehouse dengan DBMS SQL Server Lapisan tengah terdapat OLAP server SSAS yang menyimpan data dalam kubus data. Lapisan atas yang merupakan visualisasi dari aplikasi OLAP dilakukan oleh web browser. Pada lapisan ini, pengguna dapat melakukan pencarian data, mengevaluasi pola, dan mendapatkan representasi informasi dalam bentuk grafik yang mudah dipahami. Arsitektur three-tier data warehouse pada penelitian ini dapat dilihat pada Gambar 12. Gambar 12 Arsitektur three-tier data warehouse pada data EPBM (Noviandi 2010). Aplikasi OLAP pada penelitian ini menyediakan fasilitas-fasilitas berikut: 1 Menu OLAP yang memungkinkan pengguna menentukan kubus data, ukuran, dan dimensi-dimensi yang akan ditampilkan untuk dianalisis. 2 Filter dimensi yang menyaring dimensi yang ditampilkan pada sumbu x dan sumbu y untuk menampilkan elemen-elemen tertentu dari dimensi. Dimensi lainnya dapat dipilih salah satu elemen dari tiap-tiap dimensi. 3 Visualisasi grafik yang menampilkan data hasil operasi OLAP dalam bentuk grafik kepada pengguna. Pengujian Query Pengujian query dibantu dengan menggunakan grafik dan tabel dari kubus data. Hasil pengujian dapat dilihat pada Tabel 7. Eksplorasi Data dan Presentasi Hasil Eksplorasi data dilakukan dengan menggunakan operasi OLAP untuk menggali beberapa informasi yang diinginkan. Operasi OLAP yang dapat dijalankan dapat dilihat pada tiap kubus yang terbentuk. Pada OLAP, dapat dilakukan beberapa operasi misalnya drill down, drill up, dan slice. Contoh operasi drill up pada kubus data fakta dosen dapat menunjukkan jumlah responden tiap departemen tiap fakultas. Gambar 13 merupakan grafik batang hasil dari operasi drill up dengan jumlah responden per

18 9 fakultas per semester pada tahun 2010/2011 dengan semester sebagai legend fields. Gambar 14 merupakan grafik garis jumlah responden setiap tahun per semester pada fakta dosen pada Fakultas MIPA Departemen Ilmu Komputer dengan tahun akademik sebagai legend fields. Gambar 15 merupakan grafik batang hasil ratarata nilai mata kuliah per fakultas pada fakta mata kuliah setiap tahun akademik mulai tahun 2007/2008 sampai dengan 2010/2011 dengan departemen-departemen pada Fakultas MIPA sebagai legend fields. Tabel 7 Hasil pengujian query Spesifikasi Formal Non formal Tren jumlah responden dosen pada fakultas setiap tahun Tren nilai ratarata hasil evaluasi mata kuliah pada setiap fakultas Tren nilai ratarata hasil evaluasi dosen pada fakultas setiap tahun Tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir Tren nilai dosen berdasarkan lokasi belajar terakhir Lampiran 15 Lampiran 17 Lampiran 19 Lampiran 21 Lampiran 23 Lampiran 16 Lampiran 18 Lampiran 20 Lampiran 22 Lampiran 24 Status Berhasil Berhasil Berhasil Berhasil Berhasil Gambar 13 Grafik batang jumlah responden pada fakta dosen pada Fakultas MIPA per departemen setiap semester tahun 2010/2011. Gambar 14 Grafik garis jumlah responden setiap tahun per semester pada fakta dosen pada Fakultas MIPA Departemen Ilmu Komputer. Gambar 15 Grafik batang rata-rata nilai mata kuliah per fakultas pada fakta mata kuliah setiap tahun akademik. KESIMPULAN DAN SARAN Kesimpulan Hasil penelitian ini menyimpulkan bahwa pembangunan data warehouse dan aplikasi OLAP pada data evaluasi proses belajar mengajar menghasilkan dua kubus data, yaitu kubus data dosen dan kubus data mata kuliah. Kubus data yang telah terbentuk dapat divisualisasikan dengan tepat, cepat, dan akurat. Bentuk penyajian gambar dapat dilihat dalam bentuk grafik dengan menggunakan Microsoft Business Intelligence sebagai OLAP server. Hasil penelitian ini dapat memberikan manfaat kepada IPB umumnya dan Kantor Manajemen Mutu (KMM) khususnya sebagai penyelenggara EPBM dan pengelolanya. Hasil penelitian ini juga bisa digunakan untuk menganalisis data EPBM yang ukurannya tidak kecil sehingga memudahkan proses pembuatan laporan dan pengambilan keputusan. Saran Saran untuk penelitian data warehouse dan pembuatan OLAP selanjutnya adalah sebagai berikut: 1 Pembuatan aplikasi untuk proses extract, transform, dan load (ETL) untuk akurasi yang lebih baik.

19 10 2 Penambahan fasilitas login ke aplikasi sehingga tidak bisa diakses oleh orang yang tidak berkepentingan. DAFTAR PUSTAKA Han J, Kamber M Data Mining: Concepts and Techniques. San Francisco: Morgan Kaufmann Publ. Noviandi KR Microsoft Business Intelligence dengan Ms. SQL Server 2008 dan Share Point [12 Okt 2011]. Rainardi V Building a Data warehouse With Examples in SQL Server. New York. Apress.

20 LAMPIRAN

21 Lampiran 1 Formulir Evaluasi Proses Belajar Mengajar 12

22 13 Lampiran 2 Hasil pembersihan data EPBM mata kuliah Fakultas R Null Null(%) R1 Redu Redu(%) R2 FEM % % 310 TPB % % 192 FPIK % % 377 Fateta % % 403 FMIPA % % 482 Fahutan % % 262 Fapet % % 40 Fema % % 185 Faperta % % 442 FKH % % 241 Tidak Diketahui % % 0 Total % % 2934 Lampiran 3 Hasil pembersihan data EPBM dosen Fakultas R Null Null(%) R1 Redu Redu(%) R2 FEM % % 908 TPB % % 411 FPIK % % 1401 Fateta % % 1051 FMIPA % % 1724 Fahutan % % 1146 Fapet % % 220 Fema % % 977 Faperta % % 1612 FKH % % 801 Tidak Diketahui % % 0 TOTAL % % Catatan Lampiran 2 dan Lampiran 3 1 R = jumlah data awal 2 Null = jumlah data mata kuliah bernilai null 3 Null (%) = jumlah data mata kuliah bernilai null dalam persen 4 R1 = hasil cleaning null 5 Redu = jumlah data redudansi 6 Redu (%) = jumlah data redudansi dalam persen 7 R2 = hasil cleaning redudansi

23 14 Lampiran 4 Isi tabel fakta_dosen id matakuliah nip id semester idtahun akademik p1 p2 p3 p4 p5 p6 p7 p8 p9 ratap jumlah AGB AGB AGB AGB ARL ARL ARL ARL ARL KOM KOM KPM KPM KPM

24 15 Lampiran 5 Isi tabel fakta_matakuliah idmatakuliah idtahunakademik idsemester m1 m2 m3 m4 m5 m6 m7 m8 m9 ratam GIZ MSP FIS KRP ITP BIO NTP BDP TIN TIN ITK TIN TIN MAT

25 16 Lampiran 6 Isi tabel dimensi semester pada hirarki semester pada fakta_dosen dan fakta_matakuliah Idsemester Semester 1 Genap 2 Ganjil Lampiran 7 Isi tabel dimensi strata pada hirarki dosen pada fakta_matakuliah idstrata strata S1 Sarjana S2 Master S3 Doktor Lampiran 8 Isi tabel dimensi pendidikan pada hirarki dosen pada fakta_matakuliah idpendidikan namapendidikan ket A04 Cornell University Luar A05 Iowa State University Luar A06 North Carolina State Univ. Luar A07 University of Wisconsin Luar A09 University of Missouri Luar B00 Tidak di ketahui Dalam B01 Universitas Indonesia Dalam B02 Institut Pertanian Bogor Dalam B03 Universitas Gadjah Mada Dalam B04 Universitas Padjadjaran Dalam B06 Universitas Airlangga Dalam B07 Institut Teknologi Bandung Dalam V01 Seoul National University Luar V02 International Islamic University Malaysia Luar W01 Vienna University of Technology Luar Z001 Yuan Ze University Luar

26 17 Lampiran 9 Isi tabel dimensi tahun pada hirarki dosen pada fakta_matakuliah idtahun tahun Lampiran 10 Isi tabel matakuliah pada hirarki matakuliah pada fakta_dosen dan fakta_matakuliah idmatakuliah namamatakuliah iddepartemen Economic Crops Z Instrument and Process Control Z KOM208 Teori Bahasa dan Otomata G6 KOM251 Penerapan Komputer G6 KOM301 Komputer Grafik G TSL460 Perencanaan Tata ruang dan Penatagunaan Lahan A1 TSL490 Kuliah Kerja Profesi A1 TSL498 Seminar A1 TSL499 Skripsi A1 Lampiran 11 Isi tabel tahunakademik pada hirarki tahunakademik pada fakta_dosen dan fakta_matakuliah idtahunakademik tahunakademik / / / / / / / /2013

27 18 Lampiran 12 Isi tabel fakultas pada hirarki departemen pada fakta_dosen dan fakta_matakuliah idfakultas namafakultas inisial A Fakultas Pertanian FAPERTA B Fakultas Kedokteran Hewan FKH C Fakultas Perikanan dan Ilmu Kelautan FPIK D Fakultas Peternakan FAPET E Fakultas Kehutanan FAHUTAN F Fakultas Teknologi Pertanian FATETA G Fakultas Matematika dan Ilmu Pengetahuan Alam FMIPA H Fakultas Ekonomi dan Manajemen FEM I Fakultas Ekologi Manusia FEMA Z Tingkat Persiapan Bersama TPB Lampiran 13 Isi tabel departemen pada hirarki departemen pada fakta_dosen dan fakta_matakuliah iddepartemen idfakultas namadepartemen inisial A1 A Ilmu Tanah dan Sumberdaya Lahan TSL A2 A Agronomi dan Hortikultura AGH A3 A Proteksi Tanaman PTN A4 A Arsitektur Lanskap ARL B0 B Kedokteran Hewan FKH B1 B Anatomi, Fisiologi dan Farmakologi AFF B2 B lmu Penyakit Hewan dan Kesehatan Masyarakat Veteri IPH B3 B Klinik, Reproduksi dan Patologi KRP C1 C Budidaya Perairan BDP C2 C Manajemen Sumberdaya MSP C3 C Teknologi Hasil Perairan THP C4 C Pemanfaatan Sumberdaya Perikanan PSP C5 C Ilmu dan Teknologi Kelautan ITK D0 D Fakultas Peternakan D D1 D Ilmu Produksi dan Teknologi Peternakan PTP D2 D Ilmu Nutrisi dan Teknologi Pakan NTP E1 E Manajemen Hutan MNH E2 E Hasil Hutan HHT E3 E Konservasi Sumberdaya Hutan dan Ekowisata KSH E4 E Silvikultur SVK F1 F Teknik Mesin dan Biosistem TMB F2 F Ilmu dan Teknologi Pangan ITP F3 F Teknologi Industri Pertanian TIN F4 F Teknik Sipil dan Lingkungan SIL G1 G Statistika STK G2 G Geofisika dan Meteorologi GFM G3 G Biologi BIO G4 G Kimia KIM G5 G Matematika MAT

28 19 Lajutan iddepartemen idfakultas namadepartemen inisial G6 G Ilmu Komputer KOM G7 G Fisika FIS G8 G Biokimia BIK G9 G MKDU MKU H1 H Ilmu Ekonomi EKO H2 H Manajemen MAN H3 H Agribisnis ESL H4 H Ekonomi Sumberdaya dan Lingkungan AGB I1 I Gizi Masyarakat GIZ I2 I Ilmu Keluarga dan Konsumen IKK I3 I Komunikasi dan Pengembangan Masyarakat KPM Z1 Z Tingkat Persiapan Bersama TPB Lampiran 14 Isi tabel dosen pada hirarki dosen pada fakta_matakuliah nip namagelar idtahun idstrata Id pendidikan Ir. Hidayat Wiranegara 7 S1 B02 A drh. Abadi Sutisna, M.Si 5 S2 B02 B Ir. Eman Kustaman 3 S1 ID002 G Azis Boing Sitanggang, S.TP, M.Si 41 S2 Z001 F dr. Karina Rahmadia Ekawidyani 41 S1 B01 I Fengky Satria Yoresta, S.T, M.T 41 S2 B08 E2 Id departemen Lampiran 15 Hasil pengujian formal dengan spesifikasi tren jumlah responden dosen pada fakultas setiap tahun

29 20 Lanjutan Lampiran 16 Hasil pengujian non formal dengan spesifikasi tren jumlah responden dosen pada fakultas setiap tahun

30 21 Lampiran 17 Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi mata kuliah pada fakultas setiap tahun Lampiran 18 Hasil pengujian non formal dengan spesifikasi tren nilai rata-rata hasil evaluasi mata kuliah pada fakultas setiap tahun

31 22 Lampiran 19 Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun Lampiran 20 Hasil pengujian non formal dengan spesifikasi tren nilai rata-rata hasil evaluasi dosen pada fakultas setiap tahun

32 23 Lampiran 21 Hasil pengujian formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir Lampiran 22 Hasil pengujian non formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau jenjang pendidikan terakhir Lampiran 23 Hasil pengujian formal dengan spesifikasi Tren nilai dosen berdasarkan lokasi belajar terakhir

33 24 Lanjutan Lampiran 24 Hasil pengujian non formal dengan spesifikasi tren nilai dosen berdasarkan lokasi belajar terakhir