HASIL DAN PEMBAHASAN Dalam pembuatan data warehouse potensi desa wilayah Bogor melalui beberapa tahap yaitu:
|
|
- Teguh Gunawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 8 memeriksa apakah masukan dari pengguna akan memberikan keluaran yang sesuai dengan tidak memperhatikan proses yang terjadi di dalamnya (Sommerville 2000). HASIL DAN PEMBAHASAN Dalam pembuatan data warehouse potensi desa wilayah Bogor melalui beberapa tahap yaitu: Analisis Data 1 Definisi Masalah Data podes tahun 1996 terdiri atas 408 atribut, tahun 1999 terdiri atas 448 atribut, tahun 2003 terdiri atas 750 atribut, dan tahun 2006 terdiri atas 437 atribut. Atribut-atribut tersebut ada yang sama untuk keempat tahun, namun ada juga yang berbeda atau tidak ada pada keempat tahun. Jumlah atribut yang sama dan ada pada keempat tahun tersebut sebanyak 257 atribut. Atribut yang digunakan pada data warehouse adalah atribut yang ada pada keempat tahun atau atribut yang ada minimal pada tiga tahun. 2 Data Praproses Sebelum masuk ke pembuatan data warehouse, data harus diproses terlebih dahulu. Tahap-tahap praproses pada data podes yaitu: a Ekstraksi Data Data podes asli yang diperoleh dari Badan Pusat Statistik berupa file dalam format file SAS (SSD). Oleh karena itu, data tersebut dikonversi ke format SAV, selanjutnya diimpor menjadi file CSV (comma delimited) untuk memudahkan dalam pemilihan atribut-atribut yang relevan yang akan digunakan dalam pembuatan data warehouse. Pemilihan atribut berdasarkan subjek utama yang akan dianalisis untuk proses pengambilan keputusan. Atribut yang digunakan dapat dilihat pada Tabel 3. Tabel 3 Atribut hasil ekstraksi data dan deskripsinya Nama Atribut Deskripsi Nama_kab Nama kabupaten Nama_kec Nama kecamatan Nama_desa Nama desa Jml_pddk Menyatakan jumlah penduduk suatu daerah Jml_pddk_wnt Menyatakan jumlah penduduk wanita Jml_pddk_pria Menyatakan jumlah penduduk pria Jml_kel Menyatakan jumlah keluarga Jml_rmh Menyatakan jumlah rumah Luas_lahan Menyatakan luas lahan Jml_sekolah Menyatakan jumlah sekolah Jns_lahan Jns_pemukiman b Transformasi Data Menyatakan jenis lahan Menyatakan jenis pemukiman Pada tahap ini data podes diubah menjadi format yang lebih umum supaya mudah dipahami saat proses analisis. Transformasi data meliputi pemberian nama atribut yang sama untuk data tahun 1996, 1999, 2003, dan Dilakukan pemisahan atribut yang pada tahun 1999 digabung, sedangkan pada tahun yang lain dipisahkan. Atribut yang mengalami penambahan yaitu atribut yang berhubungan dengan kependudukan (jumlah penduduk) pada tahun Atribut kependudukan pada tahun 1996, 2003, dan 2006 terdiri atas jumlah penduduk, jumlah penduduk wanita, dan jumlah penduduk pria, sedangkan pada tahun 1999 hanya jumlah penduduk. Oleh karena itu, atribut tahun 1999 ditambah atribut jumlah penduduk wanita dan jumlah penduduk pria yang setiap baris datanya diisi dengan nilai 0 (nol). Atribut nama desa dan nama kecamatan pada tahun 1996 tidak ada. Untuk mengatasi hal ini, maka dilakukan pengisian data pada atribut nama desa dan nama kecamatan disesuaikan dengan nama kecamatan tahun 1999 berdasarkan kode kecamatannya. Untuk nama desa disamakan urutannya dengan nama desa pada tahun Atribut yang mengalami transformasi dapat dilihat pada Tabel 4.
2 9 Tabel 4 Atribut yang mengalami transformasi pada data potensi desa (podes) Nama Keterangan Atribut Jumlah penduduk laki-laki Jumlah penduduk perempuan Nama kecamatan Nama desa Atribut jumlah penduduk laki-laki pada tahun 1999 tidak ada sehingga masingmasing row diisi 0 (nol) Atribut jumlah penduduk laki-laki pada tahun 1999 tidak ada sehingga masingmasing row diisi 0 (nol) Atribut nama kecamatan pada tahun 1996 diisi data kecamatan tahun 1999 berdasarkan kode kecamatannya. Atribut nama desa pada tahun 1996 diisi data nama desa pada tahun 1999 secara berurutan. Pada tahap ini juga dibuat atribut baru untuk memenuhi kebutuhan dalam proses analisis. Atribut baru tersebut adalah atribut tahun yang menyatakan waktu (tahun tersedianya data). Pada atribut nama kecamatan, terdapat beberapa data yang mengalami perubahan nama, mengalami pemecahan wilayah kecamatan atau perubahan nama kecamatan setiap tahun (1996, 1999, 2003, dan 2006). Untuk mengatasi hal ini, maka data kecamatan disamakan untuk masing-masing tahun. Data kecamatan yang digunakan adalah nama kecamatan yang terbaru yaitu tahun 2006 karena data kecamatan pada tahun 2006 lebih lengkap dibanding kecamatan pada tahun sebelumnya. Kecamatan yang belum ada pada tahun 1996, 1999, dan 2003 disamakan kode lokasinya dengan kecamatan pada tahun c Pembersihan Data (Cleaning) Data potensi desa (podes) sudah bersih sehingga tidak perlu dilakukan proses pembersihan data. Data yang diperlukan untuk proses analisis bebas dari missing values (data hilang), tidak terdapat noise, dan sudah konsisten. d Pemuatan Data (Loading) Data yang sudah mengalami proses ekstraksi, transformasi, dan pembersihan sudah siap digunakan untuk pembuatan data warehouse. Data yang sudah siap tersebut berupa data dengan format CSV. Selanjutnya data tersebut akan dimuat ke tabel-tabel dalam basis data oracle. e Refresh Refresh data akan dilakukan ketika terdapat data baru yang dimasukkan. Pada penelitian ini, tidak dilakukan refresh data karena selama penelitian tidak terdapat data baru yang masuk. Perancangan dan Pembuatan Data Warehouse Perancangan data warehouse pada kasus potensi desa di wilayah Bogor menggunakan tiga solusi perancangan. Solusi tersebut digunakan untuk mengatasi masalah perubahan wilayah kecamatan yang terjadi pada tahun 1996, 1999, 2003, Tahap pembuatan data warehouse meliputi: 1 Pendefinisian dimensi Dimensi yang dibentuk dalam pembuatan data warehouse terdiri atas empat tabel yaitu dimensi lokasi, dimensi tahun, dimensi lahan, dan dimensi pemukiman. Dimensi dan deskripsinya dapat dilihat pada Tabel 5. 2 Pendefinisian Kubus Data dan Perancangan Model Data Multidimensi. Perancangan model data multidimensi untuk data podes wilayah Bogor terdiri atas beberapa skema. Skema yang dirancang merupakan solusi terhadap kasus data podes wilayah Bogor yang mengalami perubahan wilayah dalam tahun 1996, 1999, 2003, dan Perubahan wilayah ini meliputi perubahan nama kecamatan dan pemisahan (pemecahan) wilayah kecamatan. Selain itu, terdapat penambahan desa baru pada tahun 2003 dan tahun Data perubahan lokasi dapat dilihat pada Lampiran 1. Perancangan kubus dijabarkan pada solusi 1, solusi 2, dan solusi 3. Perancangan kubus data pada data potensi desa terdiri atas perancangan solusi 1, solusi 2, dan solusi 3. Pada solusi 1 perubahan wilayah kecamatan tidak diperhitungkan, sehingga yang digunakan adalah kode wilayah tahun Pada solusi 2 diperhitungkan perubahan wilayah kecamatan untuk masing-masing tahun (1996, 1999, 2003, dan 2006). Solusi 3 menggunakan skema yang sama dengan solusi 1, namun digunakan kode wilayah tahun 1999 (kode tahun pertengahan).
3 10 Berikut ini penjelasan secara rinci untuk solusi 1, solusi 2, dan solusi 3. Solusi 1 Skema yang digunakan adalah skema galaksi. Pada skema galaksi beberapa tabel fakta berbagi tabel dimensi. Skema pada solusi 1 terdiri atas empat kubus data dengan empat tabel fakta dan empat tabel dimensi. Tabel dimensi yang digunakan dapat dilihat pada Tabel 5, sedangkan tabel fakta dapat dilihat pada Tabel 6. Skema solusi 1 dapat dilihat pada Lampiran 2. Tabel 5 Dimensi pada solusi 1 Nama Tabel Deskripsi Dimensi D_lokasi Berisi identitas lokasi, identitas kabupaten, nama kabupaten, nama desa D_ pemukiman Berisi identitas dan jenis pemukiman. D_ tahun Berisi identitas dan tahun D_lahan Berisi identitas dan jenis lahan Tabel 6 Fakta pada solusi 1 Nama tabel Deskripsi fakta F_pemukiman Berisi nilai numerik (jumlah keluarga dan jumlah rumah), identitas lokasi, dan identitas tahun, serta identitas pemukiman yang berasal dari dimensi lokasi, tahun, dan pemukiman. F_penduduk Berisi nilai numerik (jumlah penduduk, jumlah penduduk pria, dan jumlah penduduk wanita), identitas lokasi, dan identitas tahun F_lahan Berisi nilai numerik (luas lahan), identitas lokasi, identitas tahun, dan identitas lahan. F_srn pendidikan Berisi nilai numerik (jumlah TK, jumlah SD, jumlah SLTP, dan jumlah SMU), identitas lokasi, dan identitas tahun. Solusi 2 Pada solusi 2 terdiri atas delapan tabel dimensi dan dua puluh tabel fakta yang berbagi dimensi membentuk dua puluh kubus data. Skema ini dirancang dengan mempertimbangkan aspek perubahan spasial/lokasi (Miquel et al 2002). Dalam kasus potensi desa yaitu terjadinya perubahan kecamatan dan pemecahan kecamatan. Tabel 7 menunjukkan tabel dimensi dan Lampiran 3 merupakan fakta yang digunakan dalam solusi 2. Skema solusi 2 dapat dilihat pada Lampiran 4. Tabel 7 Dimensi yang digunakan pada solusi 2 Nama Tabel Deskripsi Dimensi D_lokasi Berisi identitas lokasi, nama kabupaten, nama desa D_ pemukiman Berisi identitas dan jenis pemukiman. D_ tahun Berisi identitas dan tahun D_lahan Berisi identitas dan jenis lahan D_lokasi96 Berisi identitas lokasi, desa pada tahun 1996 D_lokasi99 Berisi identitas lokasi, desa pada tahun 1999 D_lokasi03 Berisi identitas lokasi, desa pada tahun 2003 D_lokasi06 Berisi identitas lokasi, desa pada tahun 2006
4 11 Solusi 3 Skema pada solusi 3 terdiri atas empat kubus data dengan empat tabel fakta dan empat tabel dimensi. Tabel dimensi yang digunakan adalah dimensi lokasi, dimensi tahun, dimensi lahan, dan dimensi pemukiman. Tabel fakta yang digunakan adalah fakta penduduk, fakta pemukiman, fakta lahan, dan fakta sarana pendidikan. Pada dasarnya solusi 3 sama dengan solusi 1 untuk dimensi, fakta, dan skemanya, yang membedakan adalah pada solusi 1 digunakan kode lokasi pada tahun 2006, sedangkan pada solusi 3 digunakan kode lokasi pada tahun Pendefinisian Level Dimensi atau Hirarki Untuk masing-masing dimensi ditentukan tingkat perincian yang diperlukan berserta hirarki yang membentuknya. Dimensi lokasi dapat disusun dalam tiga level yaitu kabupaten/kota > kecamatan > desa, sedangkan dimensi waktu hanya memiliki satu level yaitu level tahun (tahun : 1996, 1999, 2003, 2006). Dimensi lahan memiliki satu level yaitu jenis lahan. Dimensi pemukiman memiliki satu level yaitu jenis pemukiman. 4 Pendefinisian Measure Pada tahap ini ditentukan measure yang akan dianalisis pada data podes wilayah Bogor. Measure yang dipilih yaitu: Jumlah penduduk, dipilih sebagai penduduk suatu daerah pada tahun tertentu. Jumlah penduduk pria, dipilih sebagai measure untuk mengetahui jumlah penduduk pria di suatu Jumlah penduduk wanita, dipilih sebagai measure untuk mengetahui jumlah penduduk wanita di suatu Jumlah TK, dipilih sebagai measure untuk mengetahui jumlah gedung sekolah TK di suatu daerah pada tahun tertentu. Jumlah SD, dipilih sebagai measure untuk mengetahui jumlah gedung sekolah SD di suatu daerah pada tahun tertentu Jumlah SLTP, dipilih sebagai gedung sekolah SLTP di suatu Jumlah SMU, dipilih sebagai gedung sekolah SMU di suatu Luas lahan, dipilih sebagai measure untuk mengetahui luas lahan suatu wilayah. Jumlah rumah, dipilih sebagai measure untuk mengetahui banyak rumah di suatu pemukiman atau wilayah Jumlah keluarga, dipilih sebagai keluarga di wilayah atau pemukiman tertentu. 5 Pendefinisian Fungsi Agregat.Fungsi agregat yang digunakan dalam data warehouse potensi desa adalah SUM (penjumlahan) untuk semua measure. Sum untuk jumlah penduduk, jumlah penduduk pria, jumlah penduduk wanita, luas lahan, jumlah rumah, jumlah keluarga, jumlah TK, jumlah SD, jumlah SLTP, dan jumlah SMU pada tiap tahun. 6 Pembangunan Data Warehouse Data warehouse diimplementasikan menggunakan skema galaksi pada solusi 1. Pada solusi 1 digunakan kode lokasi yang sama dengan kode lokasi tahun 2006 sehingga semua data lokasi setiap tahun dapat dilihat dan dianalisis untuk proses pengambilan keputusan, tanpa mempertimbangkan perubahan wilayah. Solusi 2 belum dapat diterapkan dalam kasus data potensi desa, namun secara konsep dapat diterapkan. Pada solusi 2, belum ditemukan penghubung antara tabel dimensi lokasi masing-masing tahun dengan tabel dimensi lokasi gabungan. Solusi 3 diimplementasikan menggunakan kode lokasi 1999 tanpa mempertimbangkan aspek perubahan wilayah. Hal ini menyebabkan beberapa data lokasi tidak dapat dianalisis. Oleh karena itu, dalam penelitian ini solusi 3 tidak digunakan. Pembuatan data warehouse menggunakan Oracle 10g Database, dan Oracle Data Warehouse.
5 12 Pengembangan Sistem OLAP (Online Analytical Processing) Tahap pengembangan OLAP meliputi: 1 Analisis Fungsi yang digunakan dalam OLAP disesuaikan dengan kebutuhan pengguna. Fungsi-fungsi yang diperlukan yaitu: fungsi melihat data pada data warehouse, menampilkan data pada kubus data, dan dapat melakukan operasi OLAP serta memiliki visualisasi yang mudah untuk melihat data dalam bentuk diagram batang, diagram garis, dan grafik pie. OLAP yang digunakan adalah multidimensional OLAP (MOLAP). Database Management System (DBMS) yang digunakan adalah oracle. Oracle mampu menangani data dengan volume yang besar. Hal tersebut sesuai untuk data potensi desa yang memiliki volume yang besar. 2 Desain Desain sistem OLAP meliputi: Perancangan Input Input pada OLAP adalah data dimensi dan fakta yang akan dilihat hubungannya dan measure yang ingin dianalisis nilainya. Perancangan Proses Proses pada OLAP adalah operasioperasi OLAP. Operasi OLAP akan dilakukan berdasarkan dimensi dan measure yang diinputkan. Operasi OLAP yang dijalankan adalah roll-up, drilldown, slice, dan dice. Hasil dari operasi ini akan ditampilkan pada window. Perancangan Output Output ditampilkan dalam tabel pivot dan diagram batang, diagram garis atau grafik pie untuk menganalisis data numerik dan operasi roll-up, drill-down, slice, dan dice, dengan fungsi penyimpulan summary. 3 Implementasi OLAP dibangun menggunakan tools Analytic Workspace Manager , Oracle Data Warehouse 10g, dan TOAD versi 8.0. Oracle Data Warehouse 10g sebagai tempat penyimpanan data, TOAD versi 8.0 sebagai tools untuk proses loading data, Analytic Workspace Manager sebagai OLAP yang mendukung OLAP pada Oracle. Perangkat keras yang digunakan yaitu: Processor Intel Celeron 1.7 GHz, Memory 1 GB, Harddisk 120 GB, keyboard dan mouse. OLAP yang digunakan untuk data warehouse potensi desa di wilayah Bogor merupakan multidimensional OLAP (MOLAP). Pada implementasi OLAP tersebut, tools Analytic Workspace Manager secara otomatis menentukan jenis OLAP (MOLAP, ROLAP, atau HOLAP) berdasarkan skema kubus data yang dibuat. Tools Analytic Workspace Manager tidak menyediakan fasilitas pemilihan jenis OLAP. Pemilihan jenis OLAP dilakukan oleh tools tersebut dengan memberikan pilihan yang terbaik. Implementasi operasi-operasi OLAP yaitu: Operasi roll up pada lokasi, yaitu desa (roll up) ke kecamatan, selanjutnya ke kabupaten. Contoh roll up untuk mengetahui jumlah penduduk tiap kecamatan. Roll up dimensi lokasi dari tingkat desa menjadi tingkat kecamatan untuk mengetahui jumlah penduduk tiap kecamatan. Implementasi roll up dapat dilihat pada Lampiran 5. Operasi drill down dilakukan untuk mengetahui jumlah penduduk, jumlah penduduk pria, wanita, jumlah TK, jumlah SD, jumlah SLTP, jumlah SMU, luas lahan, jumlah keluarga, atau jumlah rumah suatu daerah yang lebih rinci. Misalnya untuk mengetahui jumlah SD pada masing-masing kecamatan, drill down pada dimensi lokasi dari tingkat kabupaten menjadi tingkat kecamatan. Implementasi operasi drill down dapat dilihat pada Lampiran 6. Operasi pivot untuk memudahkan dalam visualisasi data. Contoh pivot dapat dilihat pada Lampiran 7. Pada Lampiran 7 dapat dilihat untuk mempermudah melihat data luas lahan, maka pivot pada dimensi lokasi dan dimensi lahan. Operasi Slice dan dice dilakukan melihat keadaan jumlah penduduk, jumlah penduduk pria, wanita, jumlah TK, jumlah SD, jumlah SLTP, jumlah SMU, luas lahan, jumlah keluarga, dan jumlah rumah di wilayah tertentu, tahun tertentu, dan jenis lahan atau pemukiman tertentu. Contoh slice dapat dilihat pada Lampiran 8. Pada Lampiran
6 13 8, jumlah keluarga setiap kecamatan pada tahun Contoh dice dapat dilihat pada Lampiran 9. Pada Lampiran 9, jumlah keluarga di kecamatan Nanggung dan Megamendung pada tahun 1999 dan 2003 di pemukiman bantaran sungai. Selain itu, implementasi pada beberapa contoh kasus yang diberikan untuk melakukan analisis. Hal ini dilakukan untuk menyesuaikan implementasi visualisasi OLAP dengan kebutuhan informasi. Diberikan contoh kasus sebagai berikut: a Mengetahui jumlah penduduk pada tahun 1996, 1999, 2003, dan 2006 di kecamatan Ciawi, Cisarua, dan Megamendung. Pada kasus ini ingin dilihat pertambahan jumlah penduduk masing-masing kecamatan pada setiap tahun. Pola pertambahan penduduknya dapat divisualisasikan menggunakan diagram batang (bar graph) atau diagram garis (line graph) Visualisasi hasil dapat dilihat pada Lampiran 10. b Mengetahui persentase jumlah penduduk pria dan jumlah penduduk wanita pada tahun 2006 di kabupaten Bogor. Pada kasus ini, visualisasi menggunakan grafik pie sesuai dengan kebutuhan informasi yang akan dianalisis yaitu persentase jumlah penduduk. Visualisasi hasilnya dapat dilihat pada Lampiran Pengujian Pengujian merupakan tahap untuk menguji OLAP apakah telah sesuai dengan kebutuhan dan berfungsi dengan baik. Pengujian dilakukan pada kubus data yang divisualisasikan dengan OLAP. Pengujian dilakukan pada dua tahap, yaitu pengujian kubus data dan visualisasi OLAP dengan OLAP Analytic workspace manager oracle Pengujian pada tahap pertama, yaitu melakukan pengecekan validasi nilai data yang ditampilkan untuk masing-masing measure di keempat kubus data. Pengecekan ini menunjukkan bahwa nilai-nilai data adalah valid atau sama dengan nilai data yang terdapat pada data asli dan setiap dimensinya dapat merepresentasikan aspekaspek data dengan baik. Hal ini menunjukkan tidak ada masalah dalam pengaksesan keempat kubus data tersebut. Pengujian tahap kedua adalah melakukan pengecekan terhadap fungsifungsi yang terdapat pada OLAP Analytic Workspace Manager. Pengecekan ini menunjukkan keempat kubus data dapat diakses dengan baik dan fungsi-fungsi yang terdapat pada OLAP Analytic Workspace Manager berjalan dengan baik. Pengujian menggunakan metode black box. Skenario pengujian dan hasilnya dapat dilihat pada Lampiran 12 sampai Lampiran 15. Hasil pengujian menunjukkan bahwa keempat kubus data dapat merepresentasikan nilai-nilai data yang akurat sehingga OLAP browser dapat memvisualisasikan data tersebut secara tepat dan cepat, baik dalam bentuk diagram batang, diagram garis, maupun diagram pie. Pembangunan data warehouse potensi desa dan visualisasi kubus data dengan OLAP Analytic Workspace Manager ini sudah dapat memenuhi kebutuhan pengguna untuk melakukan berbagai kegiatan analisis untuk mendukung proses pengambilan keputusan. KESIMPULAN DAN SARAN Kesimpulan Penelitian ini menghasilkan model data multidimensi untuk data potensi desa di wilayah Bogor sehingga terbentuk data warehouse potensi desa. Data warehouse tersebut divisualisasikan menggunakan OLAP (Online Analytical Processing) Analytic Workspace Manager. Dalam penelitian ini, dibuat tiga solusi untuk mengatasi masalah perubahan wilayah kecamatan pada tahun 1996, 1999, 2003, dan 2006 untuk data potensi desa di wilayah Bogor. Solusi 1 terdiri atas empat tabel fakta dan empat tabel dimensi, solusi 2 terdiri atas dua puluh tabel fakta dan delapan tabel dimensi, sedangkan solusi 3 sama dengan solusi 1 dengan perbedaan data kode lokasi yang digunakan. Pembuatan data warehouse potensi desa wilayah Bogor menggunakan skema galaksi pada solusi 1 dengan kubus data yang dirancang tanpa mempertimbangkan aspek perubahan wilayah kecamatan. Data warehouse ini menghasilkan empat kubus data yaitu kubus data penduduk, lahan,
Leuwiliang Leuwisadeng 050 Ciampea 050 Ciampea 050 Ciampea 050 Tenjolaya 070 Ciomas 070 Ciomas
LAMPIRAN 16 Lampiran 1 Daftar Kecamatan yang mengalami pemecahan dan perubahan wilayah Tahun 1996 Tahun 1999 Tahun 2003 Tahun 2006 Kode Kecamatan Kode Kecamatan Kod Kecamatan Kode Kecamatan e 020 Leuwiliang
Lebih terperinciPEMBUATAN DATA WAREHOUSE POTENSI DESA DI WILAYAH BOGOR MENGGUNAKAN ORACLE DATA WAREHOUSE DINA WISUDAWAN KUSUMANINGTIAS G
PEMBUATAN DATA WAREHOUSE POTENSI DESA DI WILAYAH BOGOR MENGGUNAKAN ORACLE DATA WAREHOUSE DINA WISUDAWAN KUSUMANINGTIAS G64103018 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperincijumlah keluarga, dan jumlah rumah. Data diambil dari hasil sensus potensi desa yang dilakukan BPS tahun 1996, 1999, 2003, dan 2006.
1 Latar Belakang PENDAHULUAN Kemajuan teknologi komputer semakin memudahkan proses penyimpanan dan pengolahan data berukuran besar. Namun demikian, seringkali data yang sudah tersimpan belum dimanfaatkan
Lebih terperinciPENGEMBANGAN DATA WAREHOUSE PROGRAM TRACKING STASIUN TV DI INDONESIA ABSTRAK
1 PENGEMBANGAN DATA WAREHOUSE PROGRAM TRACKING STASIUN TV DI INDONESIA Arsanda Prawisda, Wisnu Ananta Kusuma, Hari Agung Adrianto 1 Staf Departemen Ilmu Komputer, Fakultas Matematika dan IPA, Institut
Lebih terperinciBAB III METODE PENELITIAN
15 BAB III METODE PENELITIAN Sistem informasi geografis persebaran hotspot di Indonesia merupakan suatu sistem yang bertujuan untuk memantau dan memberikan informasi mengenai persebaran hotspot yang ada
Lebih terperinciHASIL DAN PEMBAHASAN. Studi pustaka. Analisis data. Versi struktur dan fungsi transformasi. Pemuatan data. Implementasi operasi OLAP
Uji Query Uji query adalah tahap untuk menguji temporal data warehouse apakah telah sesuai dengan kebutuhan dan berfungsi dengan baik serta memeriksa apakah operasi dasar data warehouse dan fungsi agregat
Lebih terperinci4 Web server mengakses kubus data Palo server melalui Palo PHP API. Aplikasi OLAP menggunakan library JpGraph untuk menampilkan grafik.
5 4 Web server mengakses kubus data Palo server melalui Palo PHP API. Aplikasi OLAP menggunakan library JpGraph untuk menampilkan grafik. Lapis atas: Web browser Grafik Laptop JpGraph Line Plot Presentasi
Lebih terperinciTUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP
TUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP OLEH: VIVIAN WIJAYA (15 62 003) JURUSAN SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP, OPERASI OLAP
Lebih terperinciWeb browser Mozilla Firefox 2.0 dan Internet Explorer 7 HASIL DAN PEMBAHASAN. Analisis Data
6 Web browser Mozilla Firefox 2.0 dan Internet Explorer 7 Analisis Data HASIL DAN PEMBAHASAN Data hotspot yang digunakan adalah data dari tahun 2000 sampai dengan tahun 2004. Hal ini disebabkan data hotspot
Lebih terperinciIMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 2003 DAN 2006 SOFIYANTI INDRIASARI G
IMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 2003 DAN 2006 SOFIYANTI INDRIASARI G64103046 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciHASIL DAN PEMBAHASAN. Nama dan deskripsi atribut tabel tempfact_indeksprestasi
Uji Query Tahap ini dilakukan setelah pembuatan data warehouse selesai. Pengujian ini dilakukan untuk melihat apakah operasi dasar OLAP berhasil diimplementasikan dan sesuai dengan informasi yang ditampilkan.
Lebih terperinciHASIL DAN PEMBAHASAN. Microsoft SQL Server Microsoft Sharepoint Microsoft.Net Framework 4.0.
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
Lebih terperinciIMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 2003 DAN 2006 ABSTRAK
IMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 003 DAN 006 Imas S Sitanggang, Sri Nurdiati, Sofiyanti Indriasari Staf Departemen Ilmu Komputer, Fakultas Matematika dan IPA,
Lebih terperinciAnggota Kelompok 3 :
Anggota Kelompok 3 : Customer relationship management (CRM) Adalah manajemen hubungan antara perusahaan dengan pelanggan sehingga baik perusahaan maupun pelanggannya akan menerima nilai maksimum dari hubungan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Analisis data historis dan pengolahan data multidimensi bukan merupakan hal yang baru untuk mendukung suatu pengambilan keputusan. Namun perubahan objek data yang dicatat, membuat
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belakang PENDAHULUAN Teknologi basis data saat ini berkembang sangat pesat. Data disimpan dalam basis data, diolah kemudian disajikan sebagai informasi yang bernilai bagi pengguna. Penyimpanan
Lebih terperinciHASIL DAN PEMBAHASAN Kondisi Awal Lingkungan Pengembangan
6 proses updating lokasi untuk basis data dailyhotspot importime.php merupakan modul yang berguna untuk melakukan proses updating elemen dimensi waktu untuk basis data monthlyhotspot importimedaily.php
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. dirancang maka langkah selanjutnya adalah mengimplementasikan data. tahapan implementasi dan waktu yang dibutuhkan:
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Setelah informasi perusahaan telah dikumpulkan dan data warehouse telah dirancang maka langkah selanjutnya adalah mengimplementasikan data warehouse pada
Lebih terperinciBAB I PENDAHULUAN. I.1 Pendahuluan
BAB I PENDAHULUAN I.1 Pendahuluan Dalam kegiatan manusia sehari-hari, terutama dalam kegiatan transaksi, seperti transaksi perbankan, rekam medis, transaksi jual beli dan transaksi lainnya harus dicatat
Lebih terperinciHASIL DAN PEMBAHASAN. Analisis Data
atribut tahun akademik dan atribut. Selain generalisasi, pada proses ini juga dilakukan dengan mengkonstruksi atribut baru menggunakan data dari atribut yang sudah ada. 4 Pemuatan Data Pada tahap ini,
Lebih terperincihttp://www.brigidaarie.com Apa itu database? tempat penyimpanan data yang saling berhubungan secara logika Untuk apa database itu?? untuk mendapatkan suatu informasi yang diperlukan oleh suatu organisasi
Lebih terperinciPEMBANGUNAN DATA WAREHOUSE DAN APLIKASI OLAP UNTUK MEMANTAU PRESTASI MAHASISWA PROGRAM STUDI S1 ILMU KOMPUTER IPB SUCI REZKY FHATTIYA
PEMBANGUNAN DATA WAREHOUSE DAN APLIKASI OLAP UNTUK MEMANTAU PRESTASI MAHASISWA PROGRAM STUDI S1 ILMU KOMPUTER IPB SUCI REZKY FHATTIYA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciJurnoltlrnloh ilmn kompnter
Jurnoltlrnloh ilmn kompnter ISSN 1693-1629 Edisi 11 1 PembandinganStabilitas Algoritma Seleksi Fitur menggunakan Transformasi Ranking Normal Taufik Djatna, Yasuhiko Morimoto 7 Pengembangan Data Warehouse
Lebih terperinciONLINE ANALYTICAL PROCESSING (OLAP) BERBASIS WEB UNTUK TANAMAN HORTIKULTURA MENGGUNAKAN PALO FEBRIANI DWIPRIANTI
ONLINE ANALYTICAL PROCESSING (OLAP) BERBASIS WEB UNTUK TANAMAN HORTIKULTURA MENGGUNAKAN PALO FEBRIANI DWIPRIANTI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciOLAP - PERTEMUAN 8 OLAP
OLAP - PERTEMUAN 8 OLAP OLTP & OLAP (1) OLTP adalah singkatan dari On Line Transaction Processing. OLTP sering kita jumpai di sekitar kita seperti toko atau swalayan contohnya database pada sistem informasi
Lebih terperinciPerancangan Data Warehouse
Perancangan Data Warehouse Data yang disimpan dalam data warehouse adalah data historis berorientasi subjek yang dapat mendukung proses pengambilan keputusan bagi manajemen. Artinya data tersebut harus
Lebih terperinciHASIL DAN PEMBAHASAN Praproses Data Clustering
Perangkat lunak: Sistem operasi: Windows XP Home Edition, WEKA versi 3.5.7, ArcView GIS 3.3, Map Server For Windows (ms4w) 2.3.1 Chameleon 2.4.1 Perangkat keras: Prosessor intel Pentium 4 ~2GHz Memory
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini kesadaran masyarakat akan arti pentingnya informasi statistik semakin meningkat. Mulai dari pemerintah, kalangan dunia usaha swasta, perguruan tinggi sampai
Lebih terperinciFAST berarti sistem ditargetkan untuk memberikan response terhadap user dengan secepat mungkin, sesuai dengan analisis yang dilakukan.
OLAP OLAP (Online Analytical Processing), merupakan metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat. Pengertian OLAP itu sendiri dapat
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Kebutuhan Program Untuk menjalankan aplikasi ini ada beberapa kebutuhan yang harus dipenuhi oleh pengguna. Spesifikasi kebutuhan berikut ini merupakan spesifikasi
Lebih terperinci6/26/2011. Menurut W.H. Inmon dan Richard D.H. Menurut Vidette Poe
Menurut W.H. Inmon dan Richard D.H. koleksi data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management
Lebih terperinciBAB 4 PERANCANGAN DAN IMPLEMENTASI
BAB 4 PERANCANGAN DAN IMPLEMENTASI 4.1 Arsitektur Data Warehouse Pelaksanaan perancangan data warehouse dimulai dari perumusan permasalahan yang dihadapi oleh perusahaan kemudian dilanjutkan dengan pencarian
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
20 BAB IV HASIL DAN PEMBAHASAN 4.1. Analisis Data Pada penelitian ini digunakan data satelit NOAA pada tahun 1997 sampai dengan 2005 serta data satelit TERRA dan AQUA dari tahun 2000 sampai dengan 2009.
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 Edisi...Volume..., Bulan 20..ISSN : PEMBANGUNAN INDEPENDENT DATA MART PADA OPTIK YUDA
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 PEMBANGUNAN INDEPENDENT DATA MART PADA OPTIK YUDA Dinar Priskawati 1, Dian Dharmayanti 2 Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur
Lebih terperinciBab 3. Metode Penelitian dan Perancangan Sistem
Bab 3 Metode Penelitian dan Perancangan Sistem Dalam penelitian ini akan dilakukan representasi informasi demografi kependudukan di Provinsi Jawa Tengah, dari mulai data mentah yang dibukukan menjadi output
Lebih terperinciDATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP)
DATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP) Overview Data Warehouse dan OLAP merupakan elemen penting yang mendukung decision support. Terutama bagi perusahaan perusahaan besar dengan database
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi yang semakin pesat ditunjukkan dengan munculnya beragam perangkat teknologi yang mempermudah manusia dalam memonitor perkembangan usahanya
Lebih terperinciTugas. Data Warehouse. OLAP, Operasi OLAP, dan Jenis Rolap
Tugas Data Warehouse OLAP, Operasi OLAP, dan Jenis Rolap Renhard Soemargono 1562001 PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP (On-Line Analytical
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belakang PENDAHULUAN Saat ini sudah banyak organisasi yang telah mengadopsi teknologi data warehouse. Penerapan teknologi ini sangat membantu sekali bagi suatu organisasi yang memiliki data yang
Lebih terperinciBab 4 Hasil dan Pembahasan
Bab 4 Hasil dan Pembahasan Bahasan ini berisi pemaparan mengenai hasil dari perancangan sistem dalam bentuk pembahasan hasil dan pengujian efektivitas data dalam sistem. Pengujian atas hasil penjualan
Lebih terperinciMAKALAH SEMINAR PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB BERBASIS WEB
MAKALAH SEMINAR PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB BERBASIS WEB Oleh: Wahyu Dwi Suryanto G64096065 Pembimbing: Firman Ardiansyah, S.Kom., M.Si.
Lebih terperinciBasis Data Oracle - Business Intelligence System. Ramos Somya, M.Cs.
Basis Data Oracle - Business Intelligence System Ramos Somya, M.Cs. Menurut W.H. Inmon dan Richard D.H., data warehousing adalah koleksi data yang mempunyai sifat berorientasi subjek, terintegrasi, time-variant,
Lebih terperinciData Warehousing dan Decision Support
Bab 9 Data Warehousing dan Decision Support POKOK BAHASAN: Hubungan antara Data Warehouse dan Decision Support Model Data Multidimensi Online Analytical Processing (OLAP) Arsitektur Data Warehouse Implementasi
Lebih terperinciBAB I PENDAHULUAN. didukung dengan pernyataan dari Poe (1998) yang menyatakan bahwa banyak
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Di dalam sebuah instansi, sebuah ketersediaan informasi yang akurat, berintegrasi, dan berkualitas tinggi menjadi hal sangat vital pada saat ini. Hal ini didukung
Lebih terperinciBAB IV TESTING DAN IMPLEMENTASI. Dalam menjalankan sistem ini maka diperlukan perangkat keras dan
52 BAB IV TESTING DAN IMPLEMENTASI 4.1 Kebutuhan Sistem Dalam menjalankan sistem ini maka diperlukan perangkat keras dan perangkat lunak yang dengan kondisi dan persyaratan tertentu agar sistem dapat berjalan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kebutuhan masyarakat akan rumah sakit sudah berkembang semakin besar, mulai dari proses kelahiran, pengobatan untuk anak maupun dewasa, keadaan yang membutuhkan rawat
Lebih terperinciPERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE
PERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE Nanang Prihatin 1 1 Dosen Politeknik Negeri Lhokseumawe ABSTRAK Bagi sebuah perguruan tinggi, penerimaan calon mahasiswa merupakan
Lebih terperinci3.5 Arsitektur Data Warehouse Data Source Data Warehouse Surveilans Terpadu Penyakit (STP) kabupatenbantul
DAFTAR ISI aman Judul... i aman Pengesahan... ii aman Pernyataan... iii aman Persembahan dan Motto... iv Kata Pengantar... v Abstrak... vi Abstract... vii Daftar Isi... viii Daftar Gambar... x Daftar Tabel...
Lebih terperinciPENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP DATA TRACER STUDY ALUMNI IPB BERBASIS WEB MENGGUNAKAN MICROSOFT BUSINESS INTELLIGENCE
PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP DATA TRACER STUDY ALUMNI IPB BERBASIS WEB MENGGUNAKAN MICROSOFT BUSINESS INTELLIGENCE Oleh: Wahyu Dwi Suryanto G64096065 Pembimbing: Firman Ardiansyah, S.Kom.,
Lebih terperinciWaktu. id_waktu. Jalur propinsi pulau Pelamar. tahun_masuk Mahasiswa. JenisKelamin. lelaki_perempuan. Studi. id_studi
8 Palo Server 1.0c (berfungsi sebagai OLAP server yang melakukan fungsi agregasi dan tempat penyimpanan struktur dan data kubus data multidimensi) Palo Excel Add-In 1.0c (tempat pembuatan/pemodelan struktur
Lebih terperinciJurnal Ilmiah Widya Teknik Volume 15 Nomor
Jurnal Ilmiah Widya Teknik Volume 15 Nomor 2 2016 PEMBANGUNAN ONLINE ANALYTICAL PROCESSING YANG TERINTEGRASI DENGAN SISTEM INFORMASI HARGA BAHAN POKOK KOTA YOGYAKARTA C. Hutomo Suryolaksono 1, Paulina
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Warehouse Mohammed (2014) mengatakan bahwa data warehouse merupakan database relasional yang dirancang untuk melakukan query dan analisis. Data warehouse biasanya berisi
Lebih terperinciMATERI : OLAP DAN ANALISIS DATA MULTIDIMENSIONAL
MATERI : OLAP DAN ANALISIS DATA MULTIDIMENSIONAL O L A P - Singkatan dari : On line Analytical Processing - Konsep OLAP pertama diusulkan oleh E.F Codd, bapak dari basis data relasional - Pada basis data
Lebih terperinciIMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 2003 DAN 2006 SOFIYANTI INDRIASARI G
IMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 2003 DAN 2006 SOFIYANTI INDRIASARI G64103046 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciDAFTAR ISI BAB II LANDASAN TEORI... 6
DAFTAR ISI BAB I PENDAHULUAN... 1 1.1. Latar Belakang Masalah... 1 1.2. Perumusan Masalah... 3 1.3. Pembatasan Masalah... 3 1.4. Tujuan... 4 1.5. Sistematika Penulisan... 4 BAB II LANDASAN TEORI... 6 2.1.
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
141 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Perancangan Aplikasi 1. Form Login Form Login ini muncul pertama kali saat aplikasi dijalankan. Untuk menjaga keamanan pengaksesan informasi, hanya mereka yang memiliki
Lebih terperinciIMPLEMENTASI OLAP PADA DATA PENJUALAN BBM MENGGUNAKAN PENTAHO TRIYONO
IMPLEMENTASI OLAP PADA DATA PENJUALAN BBM MENGGUNAKAN PENTAHO TRIYONO 41507120014 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2013 IMPLEMENTASI OLAP PADA DATA
Lebih terperinciPERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR
PERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR Erick A. Lisangan 1, N. Tri Suswanto Saptadi 2 1 erick_lisangan@yahoo.com 2 ntsaptadi@yahoo.com Abstrak Proses dan
Lebih terperinciData Mining. Tidak. Mulai. Data transaksi. Pembersihan data. Seleksi data. Transformasi data. Pemberian nilai minimum support
6 Representasi Pengetahuan Tahap ini merupakan tahap akhir dari proses KDD. Sederetan aturan atau rule disajikan kepada pengguna dengan menggunakan algoritme Rule Generation. Mulai Data transaksi Pembersihan
Lebih terperinciyang ingin ditampilkan.
130 Gambar 4.38 Tampilan Grafik Batang Laporan Penjualan Dalam halaman grafik ini terdapat drop down menu untuk melihat jenis laporan penjualan. Jenis laporan penjualan dibagi menjadi empat, yaitu total
Lebih terperinciPenambahan Modul Updating Data pada OLAP Berbasis Web untuk Persebaran Hotspot di Wilayah Indonesia Menggunakan Palo 2.5
Penambahan Modul Updating Data pada OLAP Berbasis Web untuk Persebaran Hotspot di Wilayah Indonesia Menggunakan Palo 2.5 Riza Mahendra, Annisa, Imas S. Sitanggang Departemen Ilmu Komputer, Institut Pertanian
Lebih terperinciDATA WAREHOUSE KONSEP Konsep dasar data warehouse adalah perbedaan antara data dan informasi. Data terdiri dari fakta-fakta yang dapat diamati dan
DATA WAREHOUSE KONSEP Konsep dasar data warehouse adalah perbedaan antara data dan informasi. Data terdiri dari fakta-fakta yang dapat diamati dan direkam yang sering ditemukan dalam sistem operasional
Lebih terperinciDATA WAREHOUSE DAN APLIKASI OLAP DATA AKADEMIK ILMU KOMPUTER IPB BERBASIS WEB MENGGUNAKAN PALO 2.0 YAGHI AMANDA PERMANA
DATA WAREHOUSE DAN APLIKASI OLAP DATA AKADEMIK ILMU KOMPUTER IPB BERBASIS WEB MENGGUNAKAN PALO 2.0 YAGHI AMANDA PERMANA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Rekapitulasi Laporan Rekapitulasi laporan sangat penting artinya bagi seorang pimpinan karena merupakan salah satu alat untuk melaksanakan kegiatan-kegiatan dalam perencanaan,
Lebih terperinciKARAKTERISTIK DATA WAREHOUSE
KARAKTERISTIK DATA WAREHOUSE Karakteristik data warehouse menurut Inmon, yaitu : 1. Subject Oriented (Berorientasi subject) Data warehouse berorientasi subject artinya data warehouse didesain untuk menganalisa
Lebih terperinciSIE/nts/TIUAJMks 9/26/2013
N. Tri Suswanto Saptadi 1 Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber eksternal) yang menjadi
Lebih terperinciMETODE PENELITIAN HASIL DAN PEMBAHASAN
METODE PENELITIAN Proses Dasar Sistem Proses dasar pengembangan sistem secara umum terdiri dari tahapan sebagai berikut: 1 Praproses. Pada tahap ini dilakukan persiapan yang meliputi seleksi data, transformasi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi selalu dituntut untuk dapat memenuhi berbagai kebutuhan di segala bidang kehidupan yang semakin lama semakin meningkat dan
Lebih terperincilaporan dari fakta Biaya Operasi dalam bentuk Tabel pivot. User juga dapat mengekspor laporan tersebut ke dalam format excel.layar Tabel pivot ini
229 Layar Pivot Biaya Operasi Gambar 5.17 Layar Pivot Biaya Operasi Seperti terlihat pada gambar 5.17, pada layar ini user dapat melihat laporan dari fakta Biaya Operasi dalam bentuk Tabel pivot. User
Lebih terperinciKegunaan Data Warehouse
Kegunaan Data Warehouse Dengan adanya data warehouse, akan mempermudah pembuatan aplikasi-aplikasi DSS dan EIS karena memang kegunaan dari data warehouse adalah khusus untuk membuat suatu database yang
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI
BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Kebutuhan Sistem Tahap implementasi sistem adalah tahap yang mengubah hasil analisis dan perancangan ke dalam bahasa pemrograman yang dimengerti oleh komputer sehingga
Lebih terperinciUniversitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika. Knowledge Discovery in Databases (KDD)
Universitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika Knowledge Discovery in Databases (KDD) Knowledge Discovery in Databases (KDD) Definisi Knowledge Discovery
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. IMPLEMENTASI Prosedur yang dilakukan untuk menyelesaikan desain yang ada dalam dokumen desain sistem yang disetujui dan menguji, menginstal, memulai, serta menggunakan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Proses analisis dan perancangan sistem merupakan suatu prosedur yang dilakukan untuk pemeriksaan masalah dan penyusunan alternatif pemecahan masalah yang timbul
Lebih terperinciLecture s Structure. Desain Data Warehouse (I): Dimensional Modelling. Mendisain Sebuah Data Warehouse
Desain Data Warehouse (I): Dimensional Modelling Yudi Agusta, PhD Data Warehouse and Data Mining, Lecture 3 Copyright Yudi Agusta, PhD 2006 Lecture s Structure Merancang Sebuah Data Warehouse Skema Perancangan
Lebih terperinciSISTEM TRACER STUDY ALUMNI FAKULTAS ILMU KOMPUTER UNIVERSITAS MUSLIM INDONESIA MENGGUNAKAN METODE ON-LINE ANALITYCAL PROCESSING (OLAP)
SISTEM TRACER STUDY ALUMNI FAKULTAS ILMU KOMPUTER UNIVERSITAS MUSLIM INDONESIA MENGGUNAKAN METODE ON-LINE ANALITYCAL PROCESSING (OLAP) Aminurlah Syam 1, Abdul Rachman Manga 2 aminurlahsyam20051995@gmail.com
Lebih terperinciIMPLEMENTASI DAN EVALUASI. tugas-tugas yang akan dilakukan dalam tahap implementasi. Berikut penjadwalan. Gambar 4.1 Gambar Jadwal Implementasi
88 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi 4.1.1 Jadwal Implementasi Untuk menghasilkan implementasi yang baik dibutuhkan penjadwalan tugas-tugas yang akan dilakukan dalam tahap implementasi.
Lebih terperinciTugas Akhir (KI091391) Muhamad Adi Prasetyo
Tugas Akhir (KI091391) Muhamad Adi Prasetyo 5105100159 Prolog Sebuah Program Aplikasi Web yang dibuat untuk melaporkan kuantitas Proses Produksi Menggunakan Metode OLAP pada PT. Aneka Tuna Indonesia (ATI).
Lebih terperinciPEMANFAATAN DATA WAREHOUSE SEBAGAI SARANA PENUNJANG PENYUSUNAN BORANG AKREDITASI STANDAR 3 PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS BUDI LUHUR
PEMANFAATAN DATA WAREHOUSE SEBAGAI SARANA PENUNJANG PENYUSUNAN BORANG AKREDITASI STANDAR 3 PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS BUDI LUHUR Windarto Program Pascasarjana Magister Ilmu Komputer
Lebih terperincixiii Forecasting BAB VI KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA...
xi DAFTAR ISI HALAMAN JUDUL...i LEMBAR PENGESAHAN PEMBIMBING.....ii LEMBAR PENGESAHAN PENGUJI....iii LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR..iv HALAMAN PERSEMBAHAN... v MOTTO... vi KATA PENGANTAR...
Lebih terperinciBAB IV HASIL DAN UJI COBA
BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari perancangan Sistem Pendukung Keputusan Penentuan Jumlah Produksi Keramik Menggunakan Metode SAW (Simple
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN. dan memudahkan dalam pengembangan sistem selanjutnya. Tujuan dari analisa
BAB III ANALISIS DAN PERANCANGAN.1. Analisis Sistem Dalam perancangan sebuah sistem diperlukan analisis untuk keperluan sistem. Dengan adanya analisis sistem, sistem yang dirancang diharapkan akan lebih
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Uji kompetensi adalah proses penilaian baik teknis maupun non teknis melalui pengumpulan bukti yang relevan untuk menentukan apakah seseorang kompeten atau belum pada
Lebih terperinciANALISA DATA TRANSAKSIONAL PADA E-COMMERCE DENGAN TEKNOLOGI OLAP (ON-LINE ANALYTICAL PROCESS)
ANALISA DATA TRANSAKSIONAL PADA E-COMMERCE DENGAN TEKNOLOGI OLAP (ON-LINE ANALYTICAL PROCESS) Budi Santosa 1), Dessyanto Boedi P 2), Markus Priharjanto 3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran"
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Untuk mencapai tujuan dalam rangka mewujudkan Visi dan Misi perguruan tinggi perlu dimanfaatkan secara optimal seluruh sumber daya yang dimiliki oleh perguruan tinggi
Lebih terperinciBAB V IMPLEMENTASI SISTEM
BAB V IMPLEMENTASI SISTEM Sistem setelah dianalisa dan dirancang, maka sistem tersebut siap diterapkan atau diimplementasikan. Tahap implementasi sistem ini merupakan tahap meletakkan perancangan sistem
Lebih terperinciPerancangan Dan Implementasi Aplikasi Olap Dengan Metode Pengembangan Waterfall Dan Evolutionary Untuk Analisis Data Pada Perguruan Tinggi
Perancangan Dan Implementasi Aplikasi Olap Dengan Metode Pengembangan Waterfall Dan Evolutionary Untuk Analisis Data Pada Perguruan Tinggi I Nyoman Mahayasa Adiputra, J. Wahyu Nugroho Joshua Sekolah Tinggi
Lebih terperinciOnline Analytical Processing (OLAP)
Online Analytical Processing (OLAP) OLAP 1/16 Outline Keuntungan OLAP Penyajian Data Multidimensi Peralatan OLAP dan Kategorinya Penerapan SQL pada OLAP OLAP 2/16 OLAP : Sintesa dinamis, analisis, dan
Lebih terperinciBAB IV PERANCANGAN SISTEM
BAB IV PERANCANGAN SISTEM Pembahasan BAB IV mengenai proses perancangan data warehouse meliputi proses integrasi, pemodelan database dan dashboard interface. 4.1 Perencanaan Tahap perencanaan penelitian
Lebih terperinciPengembangan Sistem Analisis Visual Untuk Meningkatkan Kualitas Informasi dan Pengambilan Keputusan dengan Tools BI TABLEAU
Pengembangan Sistem Analisis Visual Untuk Meningkatkan Kualitas Informasi dan Pengambilan Keputusan dengan Tools BI TABLEAU 1. Latar Belakang Permasalahan Banyak kendala yang semakin sering muncul dalam
Lebih terperinciBAB IV HASIL DAN UJI COBA
61 BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Berikut ini dijelaskan tentang tampilan hasil dari Sistem Informasi Akuntansi Kendaraan Dan Gedung Berdasarkan Persentase Rata-Rata Pada UPT. Kesehatan
Lebih terperinciBAB IV HASIL DAN UJICOBA
BAB IV HASIL DAN UJICOBA IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari Sistem Pendukung Keputusan Pemberian Bonus Berdasarkan Kinerja Pegawai dengan Menggunakan Metode Naive
Lebih terperinciAbstrak. Kata kunci: Data Warehouse, Database, preprocesssing, OLAP. v Universitas Kristen Maranatha
Abstrak Data transaksi Eureka Foodcourt U.K. Maranatha menjadi kesempatan bagi pihak manajemen untuk dimanfaatkan. Pembuatan data warehouse merupakan suatu tahapan bagus bagi Eureka Foodcourt Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Pengertian Data Menurut (Inmon, 2005, p. 493) data merupakan kumpulan faktafakta, konsep-konsep dan instruksi-instruksi yang disimpan dalam media penyimpanan yang
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Dalam bab ini akan dijelaskan tentang beberapa konsep tentang supra desa, business intelligence, data warehouse, staging area, ETL, OLAP, ROLAP, Pentaho Data Integration, dan PHP.
Lebih terperinciBAB IV HASIL DAN UJI COBA
28 BAB IV HASIL DAN UJI COBA IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari perancangan Penentuan Tempat Pembuangan Akhir Sampah (TPA) Menggunakan Metode SAW Pada Dinas Kebersihan
Lebih terperinciBAB III ANALISIS DAN METODE PENELITIAN. Perangkat keras yang dibutuhkan pada penelitian ini adalah : Laptop Dell Inspiron N4030 dengan spesifikasi
BAB III ANALISIS DAN METODE PENELITIAN 3.1 TEMPAT DAN WAKTU Penelitian dilakukan di Jakarta dan dilakukan dari Mei 2011 hingga September 2011 3.2 ALAT DAN BAHAN 1. Perangkat Keras Yang Digunakan Perangkat
Lebih terperinciBAB 5 IMPLEMENTASI DAN EVALUASI
BAB 5 IMPLEMENTASI DAN EVALUASI 5.1. Jadwal Implementasi Minggu Ke Aktivitas 1 2 3 4 5 6 7 8 9 10 11 12 Pengumpulan data X Analisa Kebutuhan X X Perancangan data warehouse X X X X Perancangan aplikasi
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN Pada bagian ini penulis akan menganalisis kebutuhan-kebutuhan dalam membuat aplikasi ini, karena dengan melakukan analisis akan membuat lebih terarah dan jelas alur aplikasinya.
Lebih terperinciPENGELOLAAN SISTEM INFORMASI TATA PAMONG DAN KEMAHASISWAAN MENGGUNAKAN OLAP UNTUK PENYUSUNAN LAPORAN BORANG AKREDITASI
PENGELOLAAN SISTEM INFORMASI TATA PAMONG DAN KEMAHASISWAAN MENGGUNAKAN OLAP UNTUK PENYUSUNAN LAPORAN BORANG AKREDITASI Masfulatul Lailiyah, Umi Laili Yuhana, Dini Adni Navastara Jurusan Teknik Informatika,
Lebih terperinci