BAB III ANALISA DAN PERANCANGAN SISTEM
|
|
- Inge Kusnadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB III ANALISA DAN PERANCANGAN SISTEM Analisa terhadap suatu sistem merupakan suatu langkah penting dalam pemahaman permasalah yang ada, sebelum dilakukannya pengambilan keputusan atau tindakan dalam menyelesaikan permasalahan tersebut. 3.1 Analisa Sistem Eksisting Sistem employee engagement survey telah dirancang dan diterapkan terhadap unit Human Capital PT.Garuda Indonesia sejak tahun 2010, pada awalnya survey employee engagement bernama ESS (Employee Satisfaction Survey) yang dibuat oleh unit QA (Quality Assurance) berupa pertanyaan kuesioner untuk semua karyawan dalam bentuk file microsoft excel dan lembaran kertas yang akan dibagikan ke seluruh unit besar maupun unit kecil. Tahun 2011 ESS (Employee Satisfaction Survey) diganti menjadi EES (Employee Engagement Survey). Human Capital membuat aplikasi Employee Engagement Survey yang mewajibkan seluruh karyawan untuk berkontribusi mengisi survey tahunan tersebut. Aplikasi EES ditempatkan di halaman portal depan sistem ERP (Enterprise Resource Planning) dari vendor SAP. Setiap periode database aplikasi EES akan di-create. Database yang tersedia mulai periode tahun 2013, 2014 dan 2015 setiap tahun terdapat 1 database Employee Engagement Survey Arsitektur Sistem Employee Engagement Survey Implementasi aplikasi employee engagement survey yang sudah di terapkan oleh Human Capital dijelaskan pada Gambar 3.1 berikut ini. Gambar 3.1 Arsitektur Sistem EES 20
2 Berdasarkan Gambar 3.1, arsitektur sistem employee engagement survey sistem database pada unit IT (Information Technology) mendapat data kepegawaian dari server Human Capital. Vendor SAP mengelola semua data kepegawaian yang hanya bisa diakses oleh unit-unit tertentu dan tidak semua unit mendapat hak akses penuh Database Employee Engagement Survey Dalam aplikasi employee engagement survey terdapat 3 database MySQL yang digunakan untuk menyimpan hasil survey yang telah dipublish ke seluruh karyawan setiap periode atau setiap tahun. Skema relasi tabel database setiap tahun sama. Spesifikasi tabel untuk database employee engagement survey pada tahun 2013, 2014 dan 2015 dapat dilihat pada Tabel 3.1 berikut: Tabel 3.1 Spesifikasi Database Aplikasi Employee Engagement Survey No. Name Rows Th.2013 Th.2014 Th.2015 Engine 1 ess_addondata InnoDB 2 ess_answer MyISAM 3 ess_atype MyISAM 4 ess_edu_engagement InnoDB 5 ess_emp MyISAM 6 ess_emp_firm MyISAM 7 ess_group MyISAM 8 ess_log InnoDB 9 ess_map_unit InnoDB 10 ess_note InnoDB 11 ess_qtype MyISAM 12 ess_question MyISAM 13 ess_reminder InnoDB 14 ess_subscriber InnoDB 15 ess_survey MyISAM 16 log_user MyISAM Berdasarkan Tabel 3.1 terdapat 16 tabel utama dengan rows paling banyak pada tabel ess_emp sebanyak , dan baris. Engine yang digunakan adalah MyISAM dan InnoDB. Untuk skema tabel pada database employee engagement survey tahun 2013, 2014 dan 2015 dapat dilihat pada gambar dibawah ini. 21
3 Gambar 3.2 Skema Relasi Database EES 3.2 Perancangan Skema Bintang (Star) Skema bintang merupakan suatu rancangan database pada data warehouse yang menggambarkan hubungan yang jelas antara struktur tabel fakta dan tabel dimensi. Berdasarkan database pada aplikasi Employee Engagement Survey tahun 2013 sampai dengan tahun 2015 didapatkan tabel utama yang akan digunakan untuk menentukan tabel dimensi dan tabel fakta. Tabel fakta atau fact table merupakan tabel yang berisi fakta-fakta bisnis, umumnya merupakan tabel rincian transaksi yang telah terjadi. Di dalam tabel fakta (fact table) terdapat nilai-nilai terukur (measures). Selain itu terdapat beberapa foreign-key yang mengacu pada kunci pengganti (surrogate-key) ke semua tabel dimensi. Tabel dimensi berisi atribut (field) yang memberikan keterangan khusus. Skema bintang (star) dalam perancangan sistem data warehouse employee engagement survey terdapat 6 tabel dimensi dan 1 tabel fakta yang akan dijelaskan pada sub bab perancangan skema bintang (star). 22
4 3.2.1 Dimensi Time Tabel dimensi waktu adalah tabel dimensi yang umumnya selalu ada pada sebuah database multidimensional. Tidak seperti tabel dimensi lain yang memiliki hubungan langsung dengan sumber data, maka tabel dimensi waktu adalah tabel yang berdiri sendiri dan tidak memiliki hubungan langsung dengan sumber data mana pun. Karena tidak memiliki hubungan dengan sumber data, maka tabel dimensi waktu umumnya hanya dibuat sekali. Setiap baris data pada tabel dimensi waktu yang dibuat mewakili 1 hari kalender. Untuk tahun 2013 sampai dengan tahun 2017 diperlukan 1826 baris. Baris dalam dimensi waktu mewakili hari yang diperoleh dari 1 tahun = 365 hari, 1 tahun kabisat = 366 hari jadi (4x365) + (1x366) = 1826 hari. Struktur tabel dimensi waktu dapat dilihat pada tabel berikut. Tabel 3.2 Perancangan Tabel Dimensi Waktu No. Nama Field Type Size Ket 1 sk Integer 11 Primary Key 2 date Date - 3 year Integer 11 4 quarter Char 2 5 month Integer 11 6 month_name Varchar 50 7 day Integer Dimensi Question Dimensi pertanyaan (question) berfungsi untuk menyimpan pertanyaan yang ada dalam sistem employee engagement survey. Sumber data dimensi pertanyaan adalah tabel ess_qtype, ess_question, ess_group dan ess_note yang terdapat pada database EES. Tabel sumber data dimensi pertanyaan memiliki relasi sehingga untuk mendapatkan tabel dimensi pertanyaan dilakukan proses penggabungan kolom setiap tabelnya. Tabel dimensi pertanyaan adalah tabel dimensi yang diperbarui secara periodik setiap tahun dengan menggunakan perangkat penjadwalan (scheduler). Untuk pertanyaan yang ada dalam survey employee engagement dapat dilihat pada tabel berikut ini. 23
5 Tabel 3.3 Pertanyaan Employee Engagement Survey No. Pertanyaan (Question) 1 Tempat saya bekerja secara fisik adalah tempat yang menyenangkan. My workplace is physically comfortable place to work. 2 Orang-orang di tempat saya bekerja, bekerja sama dalam menuntaskan pekerjaan. The people where I work with, support each other in completing the jobs. 3 Saya dibayar sesuai dengan jabatan saya. I am paid in accordance with my position. 4 Saya memahami misi dan tujuan organisasi. I have a good understanding of the mission and the goals of my unit / organization. 5 Saya mendapat perlengkapan / peralatan / informasi yang saya perlukan untuk mengerjakan pekerjaan saya dengan efektif. I have the equipment / tools / information I need to do my job effectively. 6 Atasan memberikan penugasan khusus / baru untuk pengembangan ketrampilan & pengetahuan saya. My superior gives me a special / new assignment to develop my skill & knowledge. 7 Saya paham peran unit saya dalam mendukung suksesnya perusahaan. I understand how my unit / department contributes to the success of company. 8 Saya memperoleh insentif sesuai dengan kinerja saya. I receive incentive in accordance with my performance. 9 Saya tahu apa yang harus saya lakukan untuk memiliki karir yang sukses di perusahaan. I know what I should do to have a successful career in the company. 10 Semangat kerjasama tim dipraktekkan dan didukung dalam unit saya. The spirit of teamwork is practiced and supported in my unit. 11 Atasan saya berperan aktif dalam membangun kerjasama tim. My superior plays an active role in teamwork building. 12 Atasan saya mengakui / menghargai pekerjaan yang saya lakukan dengan baik. My superior acknowledges / appreciates me for a job well done. 13 Atasan saya berperan dengan baik dalam berbagi informasi. My superior communicates well in information sharing. 14 Atasan saya selalu membimbing saya untuk meningkatkan kinerja. My Superior always coaches me to improve my perfomance. 15 Atasan saya selalu memberikan kesempatan berinovasi. My Superior always gives opportunity to innovate. 16 Atasan saya berkomitmen untuk selalu memberikan dukungan dalam pekerjaan sehari-hari. My superior is always committed to providing support in daily work. 17 Secara keseluruhan, saya puas dengan kinerja Garuda Indonesia. Overall, I am satisfied with the performance of Garuda Indonesia. 24
6 Tabel dimensi pertanyaan (question) terdapat 12 kolom yang mempunyai 1 primary key yaitu kolom sk. Kolom sk disebut juga kolom surrogate-key yaitu kunci pengganti. Surrogate-key adalah field kunci unik untuk mengidentifikasi setiap baris data pada tabel dimensi. Struktur tabel dimensi pertanyaan (question) dapat dilihat pada tabel dibawah ini. Tabel 3.4 Perancangan Tabel Dimensi Question No. Nama Field Type Size Ket 1 sk Integer 11 Primary Key 2 id_question Integer 11 3 group_name Varchar group_note Text - 5 q_type Integer 11 6 question Text - 7 no Varchar 8 8 must_answer Small Int 1 9 is_structural Integer flag Varchar 8 11 nonot_structural Varchar 8 12 page Integer 10 Gambar 3.3 Tabel Sumber Data Dimensi Question Tabel dimensi yang menjadi target adalah tabel dim_question. Tabel dim_question dibentuk oleh tabel ess_qtype, ess_question, ess_group dan ess_note yang terdapat pada database sumber data EES. Tabel ess_qtype mempunyai relasi 1 ke n dengan tabel ess_question, tabel ess_group mempunyai relasi 1 ke n dengan tabel ess_question dan tabel ess_note mempunyai relasi 1 ke n dengan tabel ess_group. 25
7 3.2.3 Dimensi Unit Dimensi unit berfungsi untuk menyimpan data unit yang ada pada PT.Garuda Indonesia. Sumber data dimensi unit adalah tabel ess_map_unit dan master_orgunit yang terdapat pada database EES dan data dari sistem ERP yaitu SAP. Tabel sumber data dimensi unit memiliki relasi dengan sumber data lain sehingga diperlukan proses merger atau penggabungan kolom. Tabel dimensi unit adalah tabel dimensi yang diperbarui secara periodik setiap tahun dengan menggunakan perangkat penjadwalan (scheduler). Untuk struktur tabel dimensi unit dapat dilihat pada tabel dibawah ini. Tabel 3.5 Perancangan Tabel Dimensi Unit No. Nama Field Type Size Ket 1 sk Integer 11 Primary Key 2 org_unit Varchar 8 3 map_type Varchar short Varchar 45 5 stext Varchar 50 6 ho Varchar 60 Gambar 3.4 Tabel Sumber Data Dimensi Unit Tabel dimensi yang menjadi target adalah tabel dim_unit. Tabel dim_unit dibentuk oleh tabel ess_map_unit dan master_orgunit yang terdapat pada sumber database EES dan sistem SAP. 26
8 3.2.4 Dimensi Survey Dimensi survey berfungsi untuk menyimpan data survey yang ada dalam sistem employee engagement survey. Sumber data dimensi survey adalah tabel ess_reminder dan ess_survey yang terdapat pada database EES. Tabel sumber data dimensi survey memiliki relasi sehingga untuk mendapatkan tabel dimensi survey dilakukan proses penggabungan kolom. Tabel dimensi survey adalah tabel dimensi yang diperbarui secara periodik setiap tahun dengan menggunakan perangkat penjadwalan (scheduler). Untuk struktur tabel dimensi survey dapat dilihat pada tabel dibawah ini. Tabel 3.6 Perancangan Tabel Dimensi Survey No. Nama Field Type Size Ket 1 sk Integer 11 Primary Key 2 id_survey Integer 11 3 d_reminder Date - 4 name Varchar sdate Date - 6 edate Date - 7 header Text - 8 url Varchar 256 Gambar 3.5 Tabel Sumber Data Dimensi Survey Tabel dimensi yang menjadi target adalah tabel dim_survey. Tabel dim_survey dibentuk oleh tabel ess_reminder dan ess_survey yang terdapat pada database sumber data EES. Tabel ess_survey mempunyai relasi 1 ke n dengan tabel ess_reminder. 27
9 3.2.5 Dimensi Answer Dimensi jawaban (answer) berfungsi untuk menyimpan jenis jawaban yang digunakan dalam sistem employee engagement survey. Sumber data dimensi jawaban adalah tabel a_type dan ess_answer yang terdapat pada database EES. Tabel sumber data dimensi jawaban memiliki relasi sehingga untuk mendapatkan tabel dimensi jawaban dilakukan proses penggabungan kolom. Tabel dimensi jawaban (answer) adalah tabel dimensi yang diperbarui secara periodik setiap tahun dengan menggunakan perangkat penjadwalan (scheduler). Untuk struktur tabel dimensi jawaban (answer) dapat dilihat pada tabel dibawah ini. Tabel 3.7 Perancangan Tabel Dimensi Answer No. Nama Field Type Size Ket 1 sk Integer 11 Primary Key 2 id_answer Integer 11 3 id_question Integer 11 4 id_survey Integer 11 5 answer Varchar point Integer 11 7 a_type Varchar 32 Gambar 3.6 Tabel Sumber Data Dimensi Answer Tabel dimensi yang menjadi target adalah tabel dim_answer. Tabel dim_answer dibentuk oleh tabel a_type dan ess_answer yang terdapat pada database sumber data EES. Tabel a_type mempunyai relasi 1 ke n dengan tabel ess_answer. 28
10 3.2.6 Dimensi Subscriber Dimensi subscriber berfungsi untuk menyimpan data peserta yang mengikuti employee engagement survey. Sumber data dimensi subscriber adalah tabel ess_addondata, ess_subscriber dan ess_edu_engagement yang terdapat pada database EES. Tabel sumber data dimensi jawaban memiliki relasi sehingga untuk mendapatkan tabel dimensi jawaban dilakukan proses penggabungan kolom. Tabel dimensi jawaban (answer) adalah tabel dimensi yang diperbarui secara periodik setiap tahun dengan menggunakan perangkat penjadwalan (scheduler). Untuk struktur tabel dimensi jawaban (answer) dapat dilihat pada tabel dibawah ini. Tabel 3.8 Perancangan Tabel Dimensi Subscriber No. Nama Field Type Size Ket 1 sk Integer 11 Primary Key 2 id_survey Integer 10 3 nopeg Varchar 6 4 edu Varchar 32 5 key Varchar 32 6 value Varchar 32 Gambar 3.7 Tabel Sumber Data Dimensi Subscriber Tabel dimensi yang menjadi target adalah tabel dim_subscriber. Tabel dim_subscriber dibentuk oleh tabel ess_addondata, ess_subscriber dan ess_edu_engagement yang terdapat pada database sumber data EES. Tabel ess_addondata mempunyai relasi 1 ke n dengan tabel ess_subscriber, tabel ess_edu_engagement mempunyai relasi 1 ke n dengan tabel ess_subscriber. 29
11 3.2.7 Fakta Survey Tabel fakta sesuai dengan namanya, merupakan tabel yang berisi fakta-fakta bisnis, umumnya merupakan tabel rincian transaksi yang telah terjadi. Di dalam tabel fakta terdapat nilai-nilai terukur (measures). Didalam tabel fakta survey, nilai yang dijadikan ukuran adalah nilai survey yang diberikan oleh setiap responden dalam setiap pertanyaan. Selain itu, terdapat beberapa foreign-key yang mengacu pada surrogate-key ke semua tabel dimensi. Tabel fakta survey merupakan tabel yang memiliki hubungan langsung dengan tabel ess_emp pada database EES. Satu baris data pada tabel ess_emp membentuk satu baris data pada tabel fakta survey. Untuk struktur tabel fakta survey dapat dilihat pada tabel dibawah ini. Tabel 3.9 Perancangan Tabel Fakta Survey No. Nama Field Type Size Ket 1 id Varchar 100 Primary Key 2 sk_answer Integer 11 3 sk_question Integer 11 4 sk_unit Integer 11 5 sk_survey Integer 11 6 sk_subscriber Integer 11 7 sk_time Integer 11 8 id_question Integer 11 9 id_answer Integer t_answer Datetime - 11 unit Varchar 8 12 answer Integer 6 13 nopeg Varchar 6 14 parent Varchar flag Integer 11 Pada Tabel 3.9 dapat dilihat terdapat field sk untuk mengacu ke semua tabel dimensi. Kolom sk_answer untuk tabel dimensi answer, sk_question untuk tabel dimensi question, sk_unit untuk tabel dimensi unit, sk_survey untuk tabel dimensi survey, sk_subscriber untuk tabel dimensi subscriber, sk_time untuk tabel dimensi waktu (time). Tabel fakta survey adalah tabel fakta yang diperbarui secara periodik setiap tahun dengan menggunakan perangkat penjadwalan (scheduler). Untuk skema tabel fakta survey dapat dilihat pada gambar dibawah ini. 30
12 Gambar 3.8 Tabel Sumber Data Fakta Survey Tabel fakta yang menjadi target adalah tabel fact_survey. Tabel fact_survey dibentuk oleh tabel ess_emp yang terdapat pada database sumber data EES dan dibentuk juga oleh tabel dim_question, dim_unit, dim_survey, dim_answer, dim_subscriber dan dim_time yang terdapat pada database datawarehouse. Untuk masing-masing tabel dimensi hanya field sk yang di gunakan oleh tabel fakta untuk mengacu ke semua tabel dimensi. Tabel ess_emp field yang digunakan oleh tabel fakta yaitu kolom id_question, id_answer, t_answer, unit, answer, nopeg, parent dan flag. 31
13 3.2.8 Skema Bintang (Star Schema) Berdasarkan tabel dimensi dan tabel fakta yang sudah terbentuk dibuatlah sebuah skema bintang (star) untuk keperluan proses dalam OLAP (Online Analytical Processing). Skema star tersusun dari 6 tabel dimensi dan 1 tabel fakta. Skema star berfungsi untuk menentukan tren hasil survey setiap tahun. Struktur tabel yang diperlukan skema star dapat dilihat pada tabel dibawah ini. Tabel 3.10 Struktur Tabel Skema Star No. Nama Tabel Jumlah Kolom Jenis tabel 1 dim_question 12 Dimensi 2 dim_subscriber 6 Dimensi 3 dim_survey 8 Dimensi 4 dim_unit 6 Dimensi 5 dim_answer 7 Dimensi 6 dim_time 7 Dimensi 7 fact_survey 15 Fakta Gambar 3.9 Skema Bintang (Star) 32
14 3.3 Arsitektur Pembangunan Data Warehouse Arsitektur yang akan digunakan adalah Two-Layer Architecture, Arsitektur Two-Layer Architecture terdiri dari 4 lapisan aliran data yang digambarkan dibawah ini. Gambar 3.10 Two-Layer Architecture Source Layer Pada lapisan Source Layer, model data masih berupa operasional data. Data operasional yang akan digunakan pada perancangan data warehouse sudah berupa data logic yang ada di database server. Skema relasi database yang ada dalam sistem employee engagement survey ditunjukan pada Gambar 3.2 Skema relasi database EES Data Staging Pada lapisan ini, data operasional akan diekstrak atau lebih dikenal dengan istilah proses ETL (Extract, Transform and Load). ETL terdiri dari 3 langkah yang akan dijelaskan oleh gambar dibawah ini. 33
15 Gambar 3.11 Langkah - Langkah ETL Langkah pertama adalah Extraction. Pada proses ini, data operasional yang diperlukan pada data warehouse akan dibaca untuk kemudian masuk ke proses cleansing. Data yang akan diambil nantinya adalah data unit, data pertanyaan, data jawaban (answer), data subscriber, data waktu dan data survey. Data-data akan diambil dari database operasional EES. Contoh proses ekstraksi data operasional EES dapat dilihat pada gambar dibawah ini. Gambar 3.12 Contoh Ekstrasi Data Group Question 34
16 Gambar 3.13 Contoh Ekstrasi Data ess_emp Gambar 3.14 Contoh Ekstrasi Data Map Unit Langkah selanjutnya adalah cleansing dan filtering. Pada proses ini, data operasional yang telah dibaca akan diperbaiki dari kesalahan-kesalahan pada proses input data. Misalnya terjadi redudansi data, nilai suatu field yang tidak sesuai, ketidak konsistenan dari data, dan lain-lain. Disini juga record pada tabel fakta yang salah satu fieldnya memiliki null value akan dibersihkan. Langkah kedua adalah transformation. Pada proses ini, data yang sudah dibersihkan, dirubah dari format data operasional menjadi format data warehouse. Dalam proses transformasi memerlukan standarisasi field dan tipe data karena data yang diambil dari berbagai sumber data. 35
17 Gambar 3.15 Contoh Transform Tabel Group Question Gambar 3.16 Contoh Transform Tabel ess_emp 36
18 Gambar 3.17 Contoh Transform Data Map Unit Langkah ketiga adalah Loading. Pada proses ini, data yang sudah dibaca, dibersihkan dan dirubah formatnya, akan disimpan pada data warehouse. Teknik yang akan digunakan adalah insert dan update. Data yang sudah ada tidak akan dihapus atau dirubah karena data akan diupdate secara berkala setiap tahunnya. Pada akhirnya data yang sudah melalui proses extraction dan transform akan langsung dimasukkan ke data warehouse tanpa merubah data yang sudah ada. Tabel 3.11 Contoh Data Hasil ETL Question 37
19 Tabel 3.12 Contoh Data Hasil ETL Unit Tabel 3.13 Contoh Data Hasil ETL Dimensi Waktu Data Warehouse Pada lapisan ini, informasi akan disimpan pada sebuah penyimpanan logic yang tersentralisasi, yaitu data warehouse. Data warehouse dapat diakses secara langsung, dan juga bisa digunakan sebagai sumber untuk membuat data marts yang merupakan sebagian dari duplikasi data warehouse dan dirancang khusus bagian khusus. Terdapat 2 jenis laporan yang dibutuhkan oleh pihak human capital. Laporan pertama adalah laporan survey. Data survey harus dapat memberikan informasi tentang berapa jumlah jawaban yang menjawab range 1 sampai dengan 4. Laporan kedua adalah laporan engagement. Data survey harus dapat memberikan 38
20 informasi tentang berapa jumlah nilai engaged, disengaged, unsupported dan highlyengaged setiap responden yang ikut serta dalam pelaksanaan survey tiap unit. Dari ulasan diatas, maka akan diperlukan 1 tabel fakta. Tabel fakta yang terdiri dari tabel ess_emp dari sumber data EES dan tabel dimensi pada data warehouse. Dari data tersebut, maka jawaban survey dan nilai engagement tiap unit dapat diketahui oleh pihak human capital PT.Garuda Indonesia. pihak human capital juga akan dapat melihat tren yang terjadi setiap tahunya, sehingga human capital dapat menentukan langkah strategis perusahaan untuk menentukan kebijakan tanpa memberatkan stakeholder atau karyawannya. Melihat dari kebutuhan tersebut, maka akan ada tabel dimensi yang akan digunakan bersama dalam beberapa tabel fakta dan juga tabel dimensi tersebut akan dipecah untuk menghasilkan data yang lebih detail dan rinci. Dari ulasan tersebut, maka skema data warehouse yang digunakan adalah skema star. Tabel 3.14 Tabel-tabel pada skema star No. Nama Tabel Jenis Tabel 1 dim_time Dimensi 2 dim_subscriber Dimensi 3 dim_question Dimensi 4 dim_survey Dimensi 5 dim_unit Dimensi 6 dim_answer Dimensi 8 fact_survey Fakta OLAP (Online Analytical Processing) Setelah data warehouse terbentuk, langkah terakhir adalah melakukan pengambilan data dari data warehouse. Dalam perancangan data warehouse hasil output dari data warehouse berupa laporan dan juga digunakan untuk analisis data dengan OLAP. Untuk proses OLAP, teknik analisis yang akan digunakan adalah slicing dan dicing. Kedua teknik tersebut dipilih karena sangat membantu dalam proses filtering data berdasarkan tiap dimensi maupun turunan dari masing-masing dimensi. Filtering data tersebut tidak hanya berdasarkan satu dimensi saja, tetapi bisa juga dari beberapa atau semua dimensi. Selain itu, dengan teknik slicing dan dicing kebutuhan informasi di PT.Garuda Indonesia untuk laporan survey engagement sudah terpenuhi yaitu data jawaban survey, unit, pertanyaan (question), 39
21 subscriber dan answer yang nantinya dapat difilter berdasarkan tanggal, question dan jawaban survey Slicing & Dicing Slicing dan dicing adalah proses mengambil potongan kubus berdasarkan nilai tertentu pada satu dimensi atau beberapa dimensinya. Kubus (Cube) yang terbentuk dari skema relasi data warehouse atau skema star dapat dilihat pada gambar dibawah ini. Gambar 3.18 Ilustrasi Cube Tabel 3.15 menunjukkan contoh data yang ada dalam datawarehouse. Tabel 3.15 Contoh Data Cube 40
22 Selanjutnya adalah contoh dari slicing. Jika Tabel 3.15 diatas, kita ingin melihat data question dengan id_question 2 atau bisa juga diartikan pertanyaan (question) nomor 2, maka lakukan seleksi pada data diatas berdasarkan dimensi question. Hasil dari proses seleksi dapat dilihat pada gambar dibawah ini. Gambar 3.19 Ilustrasi Slicing Tabel 3.16 menunjukkan contoh hasil dari proses slicing. Tabel 3.16 Contoh Data Sesudah Slicing Selanjutnya adalah contoh dari dicing. Jika dari Tabel 3.16 diatas, kita ingin melihat data jawaban survey pertanyaan (question) nomor 2 pada tahun 2014 yang diikuti oleh unit JKTMXM, maka lakukan pengelompokan dan seleksi berdasarkan turunan dari dimensi question, dimensi unit dan dimensi tanggal (date). Hasil dari proses seleksi dapat dilihat pada gambar dibawah ini. 41
23 Gambar 3.20 Ilustrasi Dicing Tabel 3.17 menunjukkan contoh data sesudah proses dicing. Tabel 3.17 Contoh Data Sesudah Dicing 42
BAB 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perusahaan sebagai organisasi memiliki ketergantungan yang saling terkait dengan individu dalam perusahaan itu sendiri. Karyawan sebagai individu dalam perusahaan merupakan
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 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 terperinciBAB 4 PERANCANGAN SISTEM. menggunakan data warehouse terpusat (centralized data warehouse). Adapun
BAB 4 PERANCANGAN SISTEM 4.1 Arsitektur Data Warehouse Dalam perancangan data warehouse pada Mandiri Tabungan Rencana menggunakan data warehouse terpusat (centralized data warehouse). Adapun beberapa alasan
Lebih terperinciBAB 4 PERANCANGAN DAN IMPLEMENTASI. memproyeksikan hal hal berikut: 1. Jalannya investasi dari proses bisnis yang berjalan pada perusahaan
BAB 4 PERANCANGAN DAN IMPLEMENTASI 4.1. Identifikasi Kebutuhan Informasi Kebutuhan informasi dari PT. Corfina Capital adalah untuk dapat memproyeksikan hal hal berikut: 1. Jalannya investasi dari proses
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 III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1. Analisis Sistem Pada bagian ini akan dijelaskan lebih detail tentang proses bisnis perusahaan saat ini, permasalahan-permasalahan yang sering muncul serta kebutuhan-kebutuhan
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 terperinciIMPLEMENTASI DATA WAREHOUSE PENJUALAN DI PT XYZ MENGGUNAKAN PENTAHO
IMPLEMENTASI DATA WAREHOUSE PENJUALAN DI PT XYZ MENGGUNAKAN PENTAHO Rika Juniarti 41505120102 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2013 IMPLEMENTASI DATA
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 II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Pembuatan data warehouse telah banyak dilakukan oleh perusahaanperusahaan industri yang berorientasi profit. Data warehouse diharapkan mampu
Lebih terperinci1. Merancang arsitektur data warehouse. 2. Merancang data warehouse. 3. Merancang skema bintang. yang ada di dalam data warehouse.
BAB 4 PERANCANGAN SISTEM YANG DIUSULKAN 4.1 Perancangan Data Warehouse Berdasarkan hasil analisa yang telah dilakukan pada bab sebelumnya mengenai permasalahan yang dihadapi dan informasi yang dibutuhkan
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 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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab pendahuluan ini penulis akan membahas tentang latar belakang, perumusan masalah, batasan masalah, metodogi penelitian, tujuan dan manfaat serta sistematika penulisan dalam tugas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Data Data adalah sebuah rekaman dari fakta-fakta, konsep-konsep, atau instruksiinstruksi pada media penyimpanan untuk komunikasi perolehan, dan pemrosesan dengan cara otomatis
Lebih terperinciBusiness Intelligence. Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization
Business Intelligence Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization DEFINISI DATA WAREHOUSE Data warehouse adalah database yang saling bereaksi yang dapat digunakan
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 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 terperinciPERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE MENGGUNAKAN SCHEMA SNOWFLAKE UNTUK MENGETAHUI TREND PRODUKSI DAN PEMASARAN PRODUK
PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE MENGGUNAKAN SCHEMA SNOWFLAKE UNTUK MENGETAHUI TREND PRODUKSI DAN PEMASARAN PRODUK Novia Busiarli 1), Mardhiya Hayati 2) 1), 2,)3) Teknik Informatika STMIK AMIKOM
Lebih terperinciANALISIS MASALAH DAN PERANCANGAN SISTEM
62 BAB 3 ANALISIS MASALAH DAN PERANCANGAN SISTEM 3.1 Latar Belakang Permasalahan Perkembangan teknologi database terjadi dengan sangat cepat. Penemuan teknologi On Line Transaction Processing (OLTP) memungkinkan
Lebih terperinciLAMPIRAN. 2) Membuat tabel-tabel dimensi dan fakta yang sesuai dengan skema bintang yang. if exists (select * from dbo.sysobjects where id = object_id
LAMPIRAN Langkah-langkah pembuatan data warehouse : 1) Membuat database baru untuk menampung data warehouse, yang bernama OLAP_mobs. 2) Membuat tabel-tabel dimensi dan fakta yang sesuai dengan skema bintang
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 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 terperinciPERANCANGAN DATA MART BAGIAN PENJUALAN MOTOR BEKAS(USED MOTOR CYCLE ) PADA CV. ATLAS MOTOR
PERANCANGAN DATA MART BAGIAN PENJUALAN MOTOR BEKAS(USED MOTOR CYCLE ) PADA CV. ATLAS MOTOR Randy Permana, S. Kom, M. Kom, Fakultas Ilmu Komputer Universitas Putra Indonesia YPTK Padang e-mail : randy.permana@rocketmail.com
Lebih terperinciBAB 4 RANCANGAN DATA WAREHOUSE YANG DIUSULKAN. Pada perancangan Data Warehouse Kementerian Dalam Negeri Bagian
180 BAB 4 RANCANGAN DATA WAREHOUSE YANG DIUSULKAN 4.1 Arsitektur Data Warehouse Pada perancangan Data Warehouse Kementerian Dalam Negeri Bagian Kependudukan, kami mengusulkan sebuah Data Warehouse terpusat
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Sistem Informasi Sistem Informasi adalah suatu kumpulan dari komponen yang berinteraksi untuk menyelesaikan tugas bisnis. pendapat ini didukung dengan pendapat Satzinger, Jackson,
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1. Tinjauan Organisasi 3.1.1. Sejarah dan Profil Perusahaan PT. Kurnia Ciptamoda Gemilang adalah sebuah perusahaan yang bergerak di bidang retail. Berdiri pada tahun 2008,
Lebih terperinciPERANCANGAN DATA WAREHOUSE E-PROCUREMENT PADA INSTANSI PEMERINTAHAN
PERANCANGAN DATA WAREHOUSE E-PROCUREMENT PADA INSTANSI PEMERINTAHAN Luky Hidayat 1), Adhistya Erna Permanasari 2), Igi Ardiyanto 3) 1),2),3 ) Departemen Teknik Elektro dan Teknologi Informasi, Fakultas
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 terperinciBAB III METODOLOGI PENELITIAN. permasalahan yang diambil dalam penelitian. Dibagian ini juga dijelaskan alat dan
BAB III METODOLOGI PENELITIAN Pada bab ini akan dipaparkan langkah-langkah yang digunakan untuk membahas permasalahan yang diambil dalam penelitian. Dibagian ini juga dijelaskan alat dan metoda yang digunakan
Lebih terperinciPROSES EXTRACT, TRANSFORM DAN LOAD PADA DATA WAREHOUSE
PROSES EXTRACT, TRANSFORM DAN LOAD PADA DATA WAREHOUSE Oktavian Abraham Lantang ABSTRAK Saat ini seiring dengan perkembangan teknologi informasi yang semakin pesat, ketergantungan proses bisnis suatu perusahaan
Lebih terperinciBusiness Intelligence dengan SQL Server 2008 R2
INDONESIA Agus Suparno, S.Si., M.Eng. IT - Profesional Business Intelligence dengan SQL Server 2008 R2 Business Intelligence The power full self service Apa itu Business Intelligence? Business Intelligence
Lebih terperinciBAB 4 PERANCANGAN DATA WAREHOUSE
BAB 4 PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data warehouse Rancangan data warehouse yang diusulkan untuk PT. Antar Mitra Prakarsa ialah rancangan yang menggunakan arsitektur data warehouse terpusat.
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 terperinciBAB III METODOLOGI PENELITIAN
44 BAB III METODOLOGI PENELITIAN Metodologi yang digunakan dalam penelitian terbagi dalam beberapa tahap, yaitu: Pengumpulan Data, Menelaah Kebutuhan Bisnis dan Informasi, Menelaah Data dan Perancangan
Lebih terperinciDESAIN DATAWAREHOUSE AKADEMIK UNTUK MENDUKUNG SISTEM ADMINISTRASI DATA AKADEMIK DI UNIVERSITAS TADULAKO. Mohammad Yazdi 1
DESAIN DATAWAREHOUSE AKADEMIK UNTUK MENDUKUNG SISTEM ADMINISTRASI DATA AKADEMIK DI UNIVERSITAS TADULAKO Mohammad Yazdi 1 1 Jurusan Matematika FMIPA Universitas Tadulako Jl. Soekarno-Hatta Palu, Indonesia
Lebih terperinciBasis Data Spasial Modul 2
Basis Data Spasial Modul 2 Modul 2 Arsitektur DBMS Tabel Data Manipulation Language (DML) Data Definition Language (DDL) LATIHAN Data Base Management System (DBMS) Perangkat lunak (software) untuk mengelola
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 terperinciPERANCANGAN DATA WAREHOUSE AKADEMIK STMIK KADIRI. Abstract. Keywords: Database, DataWarehouse, ETL, PowerPivot, Star Schema.
PERANCANGAN DATA WAREHOUSE AKADEMIK STMIK KADIRI Umi Fadilah 1, Wing Wahyu Winarno 2, Armadyah Amborowati 3 1,2 Magister Teknik Informatika STMIK AMIKOM Yogyakarta farilah_07@yahoo.co.id 1, wing@amikom.ac.id
Lebih terperinciDATAMULTIDIMENSI. DATAWAREHOUSE vs DATAMART FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO
DATAMULTIDIMENSI FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO DATAWAREHOUSE vs DATAMART DATAWAREHOUSE Perusahaan, melingkupi semua proses Gabungan datamart Data didapat dari proses Staging Merepresentasikan data
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 4 PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE
84 BAB 4 PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE 4.1 Perancangan Data warehouse 4.1.1 Arsitektur Data warehouse Berdasarkan hasil dari penelitian yang dilakukan pada PT. Mega Solusi Teknologi, maka
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 terperinciBAB 4 RANCANGAN DATA WAREHOUSE YANG DIUSULKAN. patokan yang menjadi pedoman dalam merancang data warehouse yang dibutuhkan
BAB 4 RANCANGAN DATA WAREHOUSE YANG DIUSULKAN 4.1 Rencana Perancangan Data Warehouse Berdasarkan analisis yang telah dilakukan sebelumnya, diperoleh suatu patokan yang menjadi pedoman dalam merancang data
Lebih terperinciDESAIN DATA WAREHOUSE PADA SISTEM INFORMASI SUMBER DAYA MANUSIA SUB-SISTEM REKRUTMEN
DESAIN DATA WAREHOUSE PADA SISTEM INFORMASI SUMBER DAYA MANUSIA SUB-SISTEM REKRUTMEN Eka Miranda Information Systems Department, School of Information Systems, Binus University Jln. K.H. Syahdan No. 9,
Lebih terperinciBUSINESS INTELLIGENCE
OVERVIEW BUSINESS INTELLIGENCE Business Intelligence (BI) merupakan perkembangan dari aplikasi Knowlegde Management (KM), dengan menambahkan proses data analytics, yaitu dengan memanfaatkan data yang ada
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 terperinciMembangun Prototipe Pembelajaran Studi Data Warehouse Dengan Sampel Explore Sistem di Jurusan Teknik Informatika Universitas Dr.
Membangun Prototipe Pembelajaran Studi Data Warehouse Dengan Sampel Explore Sistem di Jurusan Teknik Informatika Universitas Dr. Soetomo Surabaya Tjatursari Widiartin, Taufik Universitas Dr.Soetomo Surabaya
Lebih terperinciTUGAS DATA WAREHOUSE
TUGAS DATA WAREHOUSE PERANCANGAN DAN PEMBUATAN DATA WAREHOUSE DAN APLIKASI ONLINE ANALYTICAL PROCESSING UNTUK BANK X Oleh : Nama : Fitri Wahyu Apriliani Nim : 011.01.106 Kelas : Teknik Informatika VI A
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 terperinciBAB IV ANALISA DAN DESAIN
26 BAB IV ANALISA DAN DESAIN 4.1 Identifikasi Masalah Sebelum proses analisa dilakukan, tahapan yang terlebih dahulu dilakukan adalah identifikasi permasalahan yang terdiri dari survey, wawancara kepada
Lebih terperinciContoh SQL Constraint
Contoh SQL Constraint Anda dapat menggunakan constraint untuk membatasi tipe data yang disimpan ke dalam tabel. Constraint dapat digunakan pada saat pertama kali membuat table dengan statement CREATE TABLE
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Informasi merupakan sebuah elemen penting dalam kehidupan manusia yang semakin lama semakin maju. Dengan adanya informasi, kita bisa mengetahui beberapa hal
Lebih terperinciBAB II TINJAUAN PUSTAKA. yang akan dibuat adalah sebagai berikut : Sistem Monitoring Pertumbuhan Balita Berbasis Web. Wahyuningsih
BAB II TINJAUAN PUSTAKA A. Telaah Penelitian Penelitian sebelumnya yang berhubungan dengan sistem informasi yang akan dibuat adalah sebagai berikut : Wahyuningsih (2011) telah melakukan penelitian 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 terperinciPEMBANGUNAN BUSINESS INTELLIGENCE SUPRA DESA DAN KAWASAN PERDESAAN UNTUK PERENCANAAN PEMBANGUNAN TUGAS AKHIR
PEMBANGUNAN BUSINESS INTELLIGENCE SUPRA DESA DAN KAWASAN PERDESAAN UNTUK PERENCANAAN PEMBANGUNAN TUGAS AKHIR Diajukan untuk Memenuhi Sebagian Prasyarat Mencapai Derajat Sarjana Teknik Informatika Oleh
Lebih terperinciAdapun karakteristik umum yang dimiliki datawarehouse adalah :
1 Data Warehouse Data Warehouse adalah database yang didesain khusus untuk mengerjakan proses query, membuat laporan dan analisa. Data yang di simpan adalah data business history dari sebuah organisasi
Lebih terperinciData Warehouse dan Decision Support System. Arif Basofi
Data Warehouse dan Decision Support System Arif Basofi Referensi Data Warehouse, STMIK Global Informatika MDP. M. Syukri Mustafa,S.Si., MMSI, Sistem Basis Data II (Data Warehouse), 2008. Hanim MA, Data
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 terperincisekali maka user dapat memberikan tanda check pada checkbox bertulisan Do
121 mapping pada field tertentu maka user dapat memberikan tanda check pada checkbox bertulisan Promotion Name, Start Date, End Date, Min Quantity, dan Max Quantity. Namun bila user merasa tidak membutuhkan
Lebih terperinciGambar 4.57 Rancangan Pivot Tabel Total Purchase Return Dalam Quantity
123 Gambar 4.57 Rancangan Pivot Tabel Total Purchase Return Dalam Quantity Gambar 4.58 Rancangan Pivot Tabel Total Purchase Return Berdasarkan Vendor Area Dalam Rupiah 124 Gambar 4.59 Rancangan Pivot Tabel
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 terperinciPraktikum Basis Data (Database Server MySQL) Bekerja Dengan Tabel
Bekerja Dengan Tabel 1 Oleh : Andri Heryandi, S.T., M.T., Teknik Informatika Universitas Komputer Indonesia Table Digunakan untuk menyimpan data. Terdiri dari kolom dan baris. Setiap kolom mendefinisikan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Pada bab ini dijabarkan tentang latar belakang, rumusan masalah, batasan masalah, tujuan dan manfaat penelitian, metode penelitian, serta sistematika penulisan laporan dari tugas akhir
Lebih terperinciLAPORAN PRAKTIKUM PENGANTAR TEKNOLOGI INFORMASI DATABASE
LAPORAN PRAKTIKUM PENGANTAR TEKNOLOGI INFORMASI DATABASE Disusun oleh : Cephi Prasintasari KOMSI E (12/332452/DPA/01167) Fakultas SV MIPA Universitas Gadjah Mada Yogyakarta 2012 TABLE OF CONTENT I. PENDAHULUAN
Lebih terperinciDATAWAREHOUSE. Sukarsa:Pasca Elektro Unud. I Made Sukarsa
DATAWAREHOUSE I Made Sukarsa Evolusi Sistem Informasi Decision Support System database Database (I,U,D,R) ETL DW (Read) Masalah : integrasi /konsistensi OLTP Normalisasi/Den ormalisasi OLAP Denormalisasi
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. Berkembangnya teknologi dan informasi saat ini telah menghasilkan kumpulan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Berkembangnya teknologi dan informasi saat ini telah menghasilkan kumpulan data diberbagai bidang ilmu pengetahuan, bisnis ataupun pemerintahan. Pada proses penyediaan
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 terperinciBAB 4 DATA WAREHOUSE YANG DIUSULKAN. KTL adalah menggunakan anatomi data warehouse terpusat (centralized data
BAB 4 DATA WAREHOUSE YANG DIUSULKAN 4.1 Arsitektur Data Warehouse Jenis perancangan arsitektur data warehouse yang akan dibangun untuk PT KTL adalah menggunakan anatomi data warehouse terpusat (centralized
Lebih terperinciRANCANG BANGUN DATA WAREHOUSE UNTUK ANALISIS STRATEGI PRODUKSI PENJUALAN USULAN : PT.XYZ
RANCANG BANGUN DATA WAREHOUSE UNTUK ANALISIS STRATEGI PRODUKSI PENJUALAN USULAN : PT.XYZ Rahmad Syah * Abstract Some companies convection that is often experienced by the owner of XYZ lies in the lack
Lebih terperinciBAB III ANALISA DAN PERANCANGAN SISTEM
27 BAB III ANALISA DAN PERANCANGAN SISTEM 3.1 Tinjauan Organisasi 3.1.1 Sejarah PT. Matahari Putra Prima, Tbk PT. Matahari Putra Prima, Tbk merupakan perusahaan yang bergerak dibidang retail, baik department
Lebih terperinciThe Design of Warehouse Data Structure to Support Product Marketing Plan Using Star Schema
Jurnal Ilmiah ESAI Volume 6, No.3, Juli 2012 ISSN No. 1978-6034 The Design of Warehouse Data Structure to Support Product Marketing Plan Using Star Schema Perancangan Struktur Data Warehouse Untuk Mendukung
Lebih terperinciPenggantian Judul (1) Data tersimpan dalam bentuk hardcopy 2
PENGEMBANGAN DATA WAREHOUSE KLINIK (STUDI KASUS RSUD Dr. SOEDONO MADIUN) MENGGUNAKAN METODE ATOS ORIGIN METADATA FRAME Fadhil Rizqinanda (5109100104) Pembimbing I Isye Arieshanti, S.Kom., M.Phil. Pembimbing
Lebih terperinciBAB II LANDASAN TEORI. Dasar-dasar teori tersebut akan digunakan sebagai landasan berpikir dalam
BAB II LANDASAN TEORI Dalam merancang dan membangun suatu sistem informasi, dasar-dasar teori yang akan digunakan sangatlah penting untuk diketahui terlebih dahulu. Dasar-dasar teori tersebut akan digunakan
Lebih terperinciBAB 4 PERANCANGAN APLIKASI DATA MINING
BAB 4 PERANCANGAN APLIKASI DATA MINING 4.1 Kebutuhan Data PROSES UTAMA KEBUTUHAN ANALISA FAKTA / INFORMASI YANG DIANALISIS Proses Pengendalian resiko Gagal serah dana Tipe sekuritas yang beresiko Member
Lebih terperinciData Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6
1 Data Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6 Data Warehouse 2 Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional
Lebih terperinciKapitaSelekta. (KBKI82127, 2 sks) Materi : Pengenalan MySQL
KapitaSelekta KapitaSelekta (KBKI82127, 2 sks) Materi : Pengenalan MySQL Mohon Perhatian TUGAS DIKUMPULKAN PROGRAM AKAN DIPERIKSA DI KOMPUTER MASING- MASING Sub Materi : 1. Pengenalan MySQL (Part-1) 1.
Lebih terperinciPerancangan Sistem Informasi Eksekutif
Perancangan Sistem Informasi Eksekutif (Studi Kasus di UGM) Arif Nurwidyantoro Jurusan Ilmu Komputer dan Elektronika, FMIPA arifn@mail.ugm.ac.id Burhanudin Hakim Pusat Sumber Daya Informasi (PSDI) udnpico@gmail.com
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 terperinciPentingnya Data Warehouse dalam Dunia Bisnis. By : Feris Thia PT. Putera Handal Indotama
Pentingnya Data Warehouse dalam Dunia Bisnis By : Feris Thia PT. Putera Handal Indotama Agenda Apa itu Data Warehouse? Pemanfaatan Data Warehouse oleh Stakeholder Perusahaan / Business Entity. Apa saja
Lebih terperinciModul 3 : Query Penggabungan Tabel
Modul 3 : Query Penggabungan Tabel Tujuan Praktikum - Mahasiswa dapat membedakan perbedaan macam-macam join tabel. - Mahasiswa mampu melakukan query untuk join tabel. - Mahasiswa dapat membedakan union,
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
III.1 BAB III ANALISA DAN DESAIN SISTEM III.1 Analisis Sistem yang Berjalan Sistem yang sedang berjalan belum tersedia sistem informasi yang berbasis komputer atau dengan kata lain masih dengan cara manual.
Lebih terperinciBab 4 ANALISIS DAN PERANCANGAN DATA WAREHOUSE
67 Bab 4 ANALISIS DAN PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data Warehouse Perancangan Data Warehouse pada PT. Fujiyama menggunakan arsitektur Data Warehouse terpusat atau Centralized. Pada arsitektur
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 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 terperinciMODUL III STRUCTURED QUERY ANGUAGE (SQL)
MODUL III STRUCTURED QUERY ANGUAGE (SQL) Tujuan : 1. Memahami tentang sistem database 2. Memahami instalasi MySQL di lingkungan Windows 3. Memahami dasar-dasar MySQL. Tugas Pendahuluan 1. Apa yang anda
Lebih terperinciBAB I LATAR BELAKANG
1 BAB I LATAR BELAKANG Dewasa ini penggunaan Intelegensi Bisnis dalam suatu perusahaan adalah salah satu hal penting yang harus dimiliki suatu perusahaan jika ingin mendapatkan keputusan strategis dari
Lebih terperinciMODUL EXTRACT, TRANSFORM, LOAD UNTUK DATA WAREHOUSE KOMODITAS PERTANIAN INDONESIA MENGGUNAKAN TALEND
MODUL EXTRACT, TRANSFORM, LOAD UNTUK DATA WAREHOUSE KOMODITAS PERTANIAN INDONESIA MENGGUNAKAN TALEND Rina Trisminingsih 1), Intan Yuli Kiswari 2) 1,2 Departemen Ilmu Komputer, Institut Pertanian Bogor
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 terperinciBAB IV HASIL PRAKTEK KERJA DAN ANALISIS
BAB IV HASIL PRAKTEK KERJA DAN ANALISIS 4.1 Analisis Sistem Pencatatan Penjualan Kredit Selama ini aplikasi untuk kegiatan operasional yang digunakan oleh Unit Warungan Primer Koperasi Karyawan Manunggal
Lebih terperinciBAB III ANALISA DAN DESAIN SISTEM
BAB III ANALISA DAN DESAIN SISTEM III.1. Analisis Masalah Dalam pemilihan KPR masyarakat haruslah jeli, namun untuk menentukan KPR masyarakat umum memiliki kendala di saat memiliki minat untuk membeli
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PROSES ETL PADA DATA WAREHOUSE
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PROSES ETL PADA DATA WAREHOUSE Armadyah Amborowati STMIK AMIKOM Yogyakarta Jl. Ring Road Utara, Condong Catur, Yogyakarta Telp (0274) 884201 e-mail : armagauthama@yahoo.com
Lebih terperinciBAB III ANALISIS DAN RANCANGAN SISTEM 3.1. Metode Penilitian Berikut merupakan metode-metode penelitian yang digunakan dalam mengumpulkan data yang
BAB III ANALISIS DAN RANCANGAN SISTEM 3.1. Metode Penilitian Berikut merupakan metode-metode penelitian yang digunakan dalam mengumpulkan data yang terkait dengan penelitian. 3.1.1. Metode Pengumpulan
Lebih terperinciDESAIN DATA WAREHOUSE UNTUK MENGINTEGRASIKAN DATA KEPOLISIAN DI WILAYAH JAWA TIMUR
DESAIN DATA WAREHOUSE UNTUK MENGINTEGRASIKAN DATA KEPOLISIAN DI WILAYAH JAWA TIMUR Aryanto Aribowo 1) dan Joko Lianto Buliali 2) Program Studi Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember
Lebih terperinciDatabase dan DBMS DBMS adalah perangkat lunak sistem yang memungkinkan para pemakai membuat, memelihara, mengontrol, dan mengakses basis data dengan
Database dan DBMS Database adalah : suatu pengorganisasian sekumpulan data yang saling terkait sehingga memudahkan aktifitas untuk memperoleh informasi. semua data yang disimpan pada sumberdaya berbasis
Lebih terperinci