BAB III ANALISIS DAN RANCANGAN SISTEM 3.1. Metode Penilitian Berikut merupakan metode-metode penelitian yang digunakan dalam mengumpulkan data yang

Transkripsi

1 BAB III ANALISIS DAN RANCANGAN SISTEM 3.1. Metode Penilitian Berikut merupakan metode-metode penelitian yang digunakan dalam mengumpulkan data yang terkait dengan penelitian Metode Pengumpulan data: Wawancara Wawancara dilakukan di Perpustakaan Daerah Kabupaten Lumajang bersama dengan teknisi server perpustakaan pada tanggal 03 Oktober Pada wawancara pertama dilakukan tanya jawab mengenai permasalahan-permasalahan yang sering dijumpai teknisi, bagaimana sistem database operasional bekerja, dan meminta keseluruhan data di database terhitung hingga tanggal 03 Oktober Pada wawancara kedua pada tanggal 20 Januari 2017, dilakukan tanya jawab mengenai proses bisnis pada transaksi peminjaman, pengembalian dan bagaimana perpustakaan melakukan pengadaan buku sehingga terdapat komparasi pada pengambilan keputusan ketika adanya data warehouse dengan tidak adanya data warehouse Studi pustaka Studi pustaka dilakukan dengan membaca buku jurnal maupun penelitan yang serupa pada bidang data warehouse. Membaca buku jurnal maupun penelitan yang serupa bertujuan agar bisa mengkomparasi dan menghindari adanya plagiarisme dan bisa menjadi acuan sumber yang dapat digunakan dalam pengerjaan penelitian. Selain buku jurnal dan penelitan, dalam penelitian ini juga menggunakan buku yang berkaitan dengan data warehouse seperti buku Kimball dan buku Inmon sebagai sumber terpecaya untuk mendukung teori-teori yang ada pada penelitian ini. Buku yang berkaitan dengan perpustakaan dan informasi juga menjadi acuan studi pustaka untuk mendukung teori mengenai perpustakaan dan informasi. 18

2 3.2. CDM dan PDM database Di setiap penelitian yang berhubungan dengan database selalu menggunakan Conceptual Data Model (CDM) dan Physical Data Model (PDM). Berikut adalah CDM dan PDM mengenai database dan pada penelitan ini Database Conceptual Data Model (CDM) facultyid facultyname facultydesc faculty Relationship_5 departmentid departmentname departmentdesc Identifier_1 loanid username librarytitle loandate returndate returneddate extendedcount loantype Identifier_1 <pi> <pi> date staffaccount librarymainnumber libraryprice libraryorderdate libraryarrivedate librarylocation librarycondition Identifier_1 <pi> department <pi> <pi> loan Relationship_2 library_dataunit <pi> Relationship_3 <M> <M> <M> Relationship_7 memiliki userid usertype registertimestamp useraccount userpassword lostpasswordquestion lostpasswordanswer lastupadate lastlogin activationcode isapproved username userreligion usersex userbirthday userbirthplace useraddress userphone useraffiliation usercompany userinterest usersignature user userwebsite usericq useraim useryim usermsnm userlanguage userimage usernoktp userkec userinstansi userkel Identifier_1 <pi> user_account <pi> <pi> Integer <M> <M> library librarydate staffaccount libraryid librarymaterialtype librarycollection librarycallnumber libraryisbn libraryauthor library_nama_depan_pengarang library_nama_blk_pengarang libraryadditionalauthor librarycooperate librarytitle no_induk no_reg jml_buku price dms_buku librarylocation librarysubtitle libraryedition librarycitypublished librarypublisher libraryyearpublished libraryvolume librarydesc libraryseries libraryisreference librarysubject librarykeyword librarygain librarynotes libraryimage Identifier_1 <pi> <pi> <M> Gambar 3.1 Conceptual Data Model (CDM) database 19

3 Database Physical Data Model (PDM) Gambar 3.21 Physical Data Model (PDM) database user_account userid usertype registertimestamp useraccount departmentid userpassword lostpasswordquestion lostpasswordanswer lastupadate lastlogin activationcode isapproved username userreligion usersex userbirthday userbirthplace useraddress userphone useraffiliation usercompany userinterest usersignature user userwebsite usericq useraim useryim usermsnm userlanguage userimage usernoktp userkec userinstansi userkel integer <pk> <pk> <fk> loan loanid librarymainnumber userid useraccount username librarytitle loandate returndate returneddate extendedcount loantype integer <pk> <fk2> <fk1> <fk1> library_dataunit date staffaccount librarymainnumber libraryid libraryprice libraryorderdate libraryarrivedate librarylocation librarycondition <pk> <fk> library librarydate staffaccount libraryid librarymaterialtype librarycollection librarycallnumber libraryisbn libraryauthor library_nama_depan_pengarang library_nama_blk_pengarang libraryadditionalauthor librarycooperate librarytitle no_induk no_reg jml_buku price dms_buku librarylocation librarysubtitle libraryedition librarycitypublished librarypublisher libraryyearpublished libraryvolume librarydesc libraryseries libraryisreference librarysubject librarykeyword librarygain librarynotes libraryimage <pk> faculty facultyid facultyname facultydesc department departmentid departmentname departmentdesc <pk>

4 Berikut adalah database OLTP ( yang didapat dari Perpustakaan Daerah Kabupaten Lumajang): Gambar 3.3 Database Perpustakaan Kabupaten Daerah Lumajang Di database ini berisikan data mengenai transaksi peminjaman buku yang dilakukan oleh pengguna Perpustakaan Daerah Kabupaten Lumajang pada tanggal tertentu Metode desain data warehouse (nine step design method) Dalam perancangan data warehouse pada penelitian ini digunakan metode yang bernama nine step design method yang digagas oleh Kimball Memilih Proses Bisnis yang Bersangkutan dengan Kebutuhan Proses bisnis yang diperoleh dari hasil wawancara bisa menjadi acuan dalam pemilihan dan juga pembatasan kebutuhan sistem. Laporan yang sering kali dibutuhkan adalah laporan peminjaman dan pengembalian buku dengan proses bisnis sebagai berikut. 21

5 Proses bisnis peminjaman buku Proses bisnis pengembalian buku: Gambar 3.4 Proses bisnis peminjaman buku perpustakaan Gambar 3.5 Proses bisnis pengembalian buku perpustakaan 22

6 Setelah mengetahui kebutuhan sistem, maka database yang digunakan tidaklah semua tapi yang benar-benar berkaitan dengan kebutuhan sistem. Berikut adalah nama tabel database yang dipakai dalam perancangan sistem. No Database Keterangan 1 Faculty Tabel berisi identitas faculty perpustakaan yang bersangkutan. 2 Department Tabel berisi identitas department perpustakaan yang bersangkutan. 3 User_account Tabel berisi identitas anggota perpustakaan. 4 Loan Tabel transaksi yang berisi tanggal peminjaman dan pengembalian. 5 Library_dataunit Tabel berisi informasi mengenai tanggal buku didapat dan terletak dibagian apa buku dipajang. 6 Library Tabel berisi informasi mengenai identitas buku Tabel 3.1 Database yang dipakai Menentukan Grain Bersumberkan Proses Bisnis Beberapa data yang menjadi calon tabel fakta untuk proses bisnis dan database operasional, yaitu analisis pada proses transaksi peminjaman dan pengembalian: 1. Perbandingan persentase pengembalian buku tiap tahun. 2. Penunjang data pengadaan buku dari frekuensi tipe-tipe buku yang sering dipinjam. Analisis yang dihasilkan memiliki kedetilan data yaitu data fakta disimpan per hari, per data unit buku, per anggota perpustakaan Mengidentifikasi dan Menyesuaikan Tabel Dimensi dengan yang Lain Beberapa hal yang menjadi acuan penyesuaian dimensi adalah adanya relation diantara tabel fakta dan dimensi. 23

7 Pada kasus ini bisa ditemukan bahwa tabel fakta (loan) memiliki foreign key dari tabel dimensi-dimensi yang berelasi dengan tabel fakta. Berikut merupakan primary key dan foreign key yang berelasi: Untuk dimensi user_account memiliki primary key bernama useraccount dan terdapat juga foreign key di tabel fakta dengan nama yang sama. Untuk dimensi time_dim terdapat primary key bernama tanggal yang berelasi dengan loandate di tabel loan. Untuk dimensi lib_dataunit terdapat relasi terhadap attribute bernama librarymainnumber. Bisa juga dilihat kembali di gambar 3.5 untuk relasi antar dimensi dan fakta. Dengan adanya relasi antar tabel menunjukkan bahwa yang berelasi dengan tabel fakta merupakan tabel dimensi pendukung tabel fakta Memilih data-data fakta Pada proses ini akan ditampilkan record data yang ada pada tabel fakta. Pada umumnya berisikan agregasi dan foreign key dari tabel dimensi. Berikut adalah record tabel fakta. 1. loanid 2. librarymainnumber 3. useraccount 4. loandate 5. returndate 6. returneddate Menyimpan Kalkulasi Awal dalam Tabel Fakta. Pada tahap ini dilakukan penentuan rumus (pre-kalkulasi) dari grain. Biasanya dibuat untuk agregasi di tabel fakta ataupun dilakukan ketika pivot tabel atau chart dibentuk. 1. Perbandingan persentase pengembalian buku yang sesuai dengan tanggal pengembalian dengan yang tidak sesuai setiap tahun dilakukan dengan membandingkan ([COUNT (loanid)] berdasarkan row returndate) (tanggal pengembalian yang ditentukan oleh perpustakaan) dengan banyaknya peminjaman keseluruhan [COUNT (loanid)] berdasarkan row returneddate. (returneddate merupakan tanggal buku dikembalikan oleh peminjam). 24

8 2. Penunjang data pengadaan buku ditentukan dari banyaknya peminjaman keseluruhan [COUNT (loanid)] berdasarkan row librarymaterialtype (tipetipe buku) Melihat Kembali Tabel Dimensi Pada tahap ini akan dijelaskan detail setiap tabel pada database OLAP. Dimensi yang pertama adalah lib_dataunit dengan primary key librarymainnumber berfungsi sebagai dimensi yang menjelaskan tentang data-data mengenai buku yang ada pada transaksi. Dimensi selanjutnya adalah time_dim dengan primary key bernama tanggal yang berelasi dengan yang menjelaskan tentang waktu transaksi terjadi. Dimensi waktu adalah dimensi penting yang dibuat berdasarkan waktu transaksi terjadi. Dimensi selanjutnya adalah useraccount yang berisikan data tentang anggota perpustakaan yang melakukan transaksi peminjaman buku. Semua dimensi yang dipilih memiliki keterkaitan dan memiliki fungsi untuk menunjang tabel fakta. Berikut adalah star schema dari database perpustakaan dengan tabel dimensi berupa useraccount, time_dim, dan lib_dataunit dengan tabel fakta berupa loan. Gambar 3.6 Star schema database Perpustakaan Daerah Kabupaten Lumajang 25

9 Untuk masalah normalisasi data, di penelitian ini tidak mengalami normalisasi baik di tabel dimensi maupun tabel fakta karena skema yang dipakai adalah star schema. Berbeda jika skema yang dipakai adalah snowflake schema, jika memakai snowflake schema mengharuskan normalisasi pada tabel dimensi namun di tabel fakta tetap dalam keadaan denormalisasi. Star schema tidak dilakukan normalisasi karena memang dibiarkan redundan datanya. Meskipun datanya redundan query yang dipakai tidak terlalu kompleks dan mudah dimengerti. Selain itu juga cocok dengan corak database perpustakaan. Untuk mengatasi data yang redundan, star schema cenderung menghiraukan data yang redundan karena efeknya tidak terlalu besar untuk hasil analisisnya. Dampak negatif dari menggunakan star skema adalah semakin banyak data yang redundan maka semakin besar ukuran databasenya. Jika ingin database yang sedikit lebih ringan, bisa dilakukan normalisasi pada tabel dimensi sehingga mengurangi data yang redundan dan membuat ukuran database tidak membengkak namun memiliki dampak negatif yaitu query yang rumit dan susah dimengerti Memilih Durasi Database Durasi database terhitung dari tahun Menelusuri Perubahan-Perubahan yang Terjadi pada Dimensi Perubahan dari dimensi yang berupa manipulasi data update dari database OLTP-nya akan ikut berubah pada load data selanjutnya. Jika berupa manipulasi data delete maka data OLAP tidak akan berubah pada load selanjutnya. Jika berupa manipulasi data berupa insert maka akan melakukan load data yang baru ke database OLAP Memutuskan Prioritas Query dan Tipe Query Untuk data warehouse, pekerjaan query dan tipe query terjadi pada proses ETL (extract, transform, dan load) menggunakan aplikasi: a. Talend sebagai aplikasi proses ETL dan pembentukan aplikasi.bat. b. MySQL sebagai pengolahan dan pemrosesan database yang berlangsung. c. Microsoft Excel sebagai tempat keluaran dari hasil OLAP menjadi hasil analisis berbentuk pivot chart. d. ODBC sebagai konektor antara Microsoft Excel dan MySQL. 26

10 3.4. Perancangan Sistem Data Warehouse Deskripsi Penelitan Tools yang dipakai: a. Talend sebagai aplikasi proses ETL dan pembentukan aplikasi.bat. b. MySQL sebagai pengolahan dan pemrosesan database yang berlangsung. c. Microsoft Excel sebagai tempat keluaran dari hasil OLAP menjadi hasil analisis berbentuk pivot chart. d. ODBC sebagai konektor antara Microsoft Excel dan MySQL. Pengimplementasian sistem dilakukan pada tempat penelitian, yaitu Perpustakaan Daerah Kabupaten Lumajang. Hal-hal yang diimplementasikan adalah proses ETL yang dikonversi menjadi sebuah aplikasi.bat yang bisa bekerja secara periodik ke dalam komputer server perpustakaan secara remote. Sesuai dengan yang dibahas di bab sebelumnya, berikut adalah proses pembentukan hingga hasil ETL yang akan diimplementasikan di perpustakaan Proses Pembentukan ETL Proses ETL adalah proses pengintegrasian database-database operasional menjadi satu jenis database dengan tipe data yang sama. Proses ETL terdiri dari extract dimana dilakukan pengambilan data-data dari database operasional. Setelah itu dilakukan proses transform agar database-database operasional terintegrasi menjadi sama dan satu bentuk database yang biasa disebut database OLAP. Setelah itu di load kembali ke database menjadi sebuah database yang terintegrasi. Pada penelitian ini digunakan software bernama talend. Berikut adalah perancangan ETL yang telah dilakukan. Gambar 3.7 Pembangunan ETL 27

11 Pertama klik DB Connection lalu klik Create connection, Isi kolom Name dan klik next Gambar 3.8 Pembangunan ETL Gambar 3.9 Pembangunan ETL Selanjutnya pilih DB Type sesuai dengan software database yang dipakai, pada kasus ini yang dipakai adalah MySQL. Setelah itu klik check dan tunggu hingga muncul notifikasi sebagai berikut. 28

12 Gambar 3.10 Pembangunan ETL Jika koneksi telah berhasil klik OK dan klik Finish. Lakukan hal yang sama untuk menambahkan koneksi OLAP. Setelah itu buat job baru bernama ETL_dim_user_account. Setelah itu tambahkan tmysqlinput pada tabel berikut: Gambar 3.11 Pembangunan ETL 29

13 Setelah itu akan muncul gambar sebagai berikut: Gambar 3.12 Pembangunan ETL Klik dua kali pada komponen tmysqlinput dan lakukan konfigurasi hingga seperti berikut: Gambar 3.13 Pembangunan ETL Pada tahap ini dilakukan input sql dari tabel user_account. Untuk tabel faculty dan tabel department lakukan hal yang sama pada job yang sama hingga terbentuk tiga tmysqlinput dengan konfigurasi tiap-tiap tabel. Setelah itu tambahkan Tmap sehingga menjadi seperti gambar berikut: 30

14 Gambar 3.14 Pembangunan ETL Hubungkan semua tmysqlinput ke tmap. Keterangan tmysqlinput: tmysqlinput_1: tabel user_account tmysqlinput_2: tabel department tmysqlinput_3: tabel faculty Pertama hubungkan tabel user_account karena tabel user_account adalah inti tabel dimensi yang berhubungan langsung dengan tabel fakta dan tabel lain menjadi lookup row. Setelah dihubungkan maka akan terbentuk menjadi seperti berikut. Gambar 3.15 Pembangunan ETL 31

15 Tambahkan komponen tmysqloutput dan hubungkan terlebih dahulu tmap dengan tmysqloutput Setelah selesai menghubungkan, dobel klik pada tmap. Gambar 3.16 Pembangunan ETL Hubungkan foreign key departmentid di row 1 ke primary key departmentid di row 2 Gambar 3.17 Pembangunan ETL 32

16 Setelah itu dilakukan penghubungan yang selanjutnya dari foreign key facultyid di row2 ke primary key departmentid di row 3. Lalu tambahkan output Gambar 3.18 Pembangunan ETL Gambar 3.19 Pembangunan ETL Masukkan setiap field di row yang akan ditampilkan pada hasil output. 33

17 Gambar 3.20 Pembangunan ETL Setelah selesai, klik ok dan run hingga data OLTP di transfer ke data OLAP. Perlu diketahui bahwa sistem ini adalah sistem yang digunakan secara universal oleh pembuat sistem untuk perpustakaan sekolah, kampus, maupun perpustakaan daerah. Jadi fungsi sebenarnya dari tabel faculty dan department adalah jika sistem digunakan dalam lingkup kampus atau universitas karena isinya untuk membedakan jurusan dan fakultas dari user peminjam, karena sistem digunakan dalam lingkup perpustakaan umum maka nilai dari departmentid dan facultyid adalah 0 atau tidak ada relasi karena tidak ada primary key departmentid dan facultyid yang bernilai 0. 34

18 Gambar 3.21 Pembangunan ETL Untuk dimensi library_dataunit dilakukan hal yang serupa. Kemudian dilanjutkan dengan penambahan dimensi waktu yang harus ada pada OLAP meskipun tidak ada di database OLTP. Pada dimensi waktu yang dibuat pada penelitan ini memiliki logika yaitu setiap adanya peminjaman, maka dimensi waktu akan mencatat tanggal peminjaman yang pernah terjadi. Setelah itu dipecah menjadi bulan, hari, dan tahun untuk mendapatkan data OLAP secara periodik dalam harian, bulanan, maupun tahunan. Berikut gambaran ETL pada dimensi waktu. Job design Gambar 3.22 Pembangunan ETL 35

19 Komponen tmysqlinput_1 pada tabel dimensi time_dim Gambar 3.23 Pembangunan ETL Di tmysqlinput_1 yang ada pada job time_dim ini berfungsi untuk mengekstrak data dari database OLTP dengan tabel loan dan atribut yang diekstrak hanya loandate saja. Format tmap_2 dan query yang terjadi di dalamnya Gambar 3.24 Pembangunan ETL Query yang terjadi di dalamnya adalah pemisahan hari, bulan, dan tahun menjadi atribut tabel tersendiri. 36

20 Komponen tmysqloutput_1 pada tabel dimensi time_dim Di tmysqloutput_1 dilakukan load ke database olap dengan nama tabel time_dim dengan batasan aksi yaitu insert or update on duplicate key or unique key yang berarti melakukan penimpaan data pada data yang duplicate. Setelah terbentuk semua dimensi, dilakukan perancangan dan pembentukan tabel fakta bernama loan. Berikut adalah penjelasan dan gambaran perancangan dan pembentukan tabel loan. Job Design Tabel Fakta loan Gambar 3.25 Pembangunan ETL 37

21 Komponen tmysqlinput_1 (main) Tabel Fakta loan Gambar 3.26 Pembangunan ETL Di tmysqlimput_1 (main) ini dilakukan ekstrak semua data dari database OLTP yang bernama loan (calon tabel fakta). Komponen tmysqlinput_2, tmysqlinput_3, tmysqlinput_5 (lookup) pada Tabel Fakta loan Pada komponen ini dilakukan ekstrak pada primary key setiap tabel dimensi dari tabel OLAP untuk dijadikan acuan relasi yang terjadi antara tabel fakta dan tabel dimensi. Komponen tmysqlinput_4 pada Tabel Fakta loan Pada komponen ini dilakukan ekstrak pada primary key loan (tabel fakta) yang berada pada database OLAP sebagai acuan incremental load data. Incremental load data adalah sebuah proses load data yang dilakukan tidak secara keseluruhan, namun hanya melakukan load data yang belum pernah di load sebelumnya. Untuk penjelasan query bisa dilihat pada tmap berikut. Query tmap pada Tabel Fakta loan Disini tabel loan akan di join-kan dengan tabel-tabel lookup namun perbedaanya pada row4. 38

22 Gambar 3.27 Pembangunan ETL Pada row 4 (berisikan data primary key yang ada pada tabel loan database OLAP) untuk dijadikan pembatas load data karena memakai metode load incremental load data. Di join model row 4 diganti dengan inner join dan pada output diubah value catch lookup inner join reject menjadi true sehingga terbentuk batasan load dimana nantinya load data akan dilakukan pada primary key loan yang belum ada pada OLAP. Komponen tmysqloutput_1 pada Tabel Fakta loan Gambar 3.28 Pembangunan ETL Di komponen tmysqloutput_1 dilakukan load data ke tabel loan yang berada pada database OLAP. Disinilah hasil tabel fakta yang telah mengalami proses ETL Penampilan dalam Bentuk Pivot Chart. Setelah pembentukan data warehouse selesai, dilakukan pengambilan data mart. Data mart bisa didapatkan dari berbagai macam bentuk dan dari berbagai 39

23 macam aplikasi, namun pada penelitian ini data mart didapatkan dengan menggunakan aplikasi microsoft excel dengan dibantu dengan aplikasi konektor bernama ODBC. Berikut merupakan cara pembentukan koneksi antara mysql (database) dengan excel. Lakukan penginstalan ODBC dengan sesuai platform komputer. Setelah penginstalan selesai, buka aplikasi excel dan mulai membuat hubungan antar aplikasi. Klik data pada kolom menu excel. Gambar 3.29 Pembangunan pivot tabel dan chart Setelah itu klik pada from other sources dan pilih from Microsoft query Terbuka menu baru Gambar 3.30 Pembangunan pivot tabel dan chart Gambar 3.31 Pembangunan pivot tabel dan chart 40

24 Pilih new data sources lalu klik OK. Setelah itu akan muncul tampilan baru yang mengharuskan input nama koneksi dan tipe koneksi. Gambar 3.32 Pembangunan pivot tabel dan chart Setelah selesai mengisi, klik connect untuk melakukan koneksi dengan database OLAP yang diinginkan Gambar 3.33 Pembangunan pivot tabel dan chart 41

25 Klik test untuk mengecek keberhasilan koneksi, lalu klik OK. Setelah selesai mengkoneksikan, masuk ke koneksi yang telah dibuat. Gambar 3.34 Pembangunan pivot tabel dan chart Klik OK untuk masuk. Perlu diingat bahwa di Microsoft Excel, semua query bisa dilakukan dengan aplikasi dari excel itu sendiri bernama microsoft query. Menggunakan microsoft query sendiri memiliki kelemahan tersendiri yaitu untuk menampilkan semua data dari tabel dimensi dan tabel fakta (berbeda tabel) harus digabungkan (join) terlebih dahulu. Namun penggabungan (join) menggunakan Microsoft query membuat komputer berhenti bekerja. Maka dari itu dilakukan join dengan fungsi tabel view pada Mysql terlebih dahulu untuk menghindari penggunaan microsoft query. Dari keterbatasan excel ini dibuatlah tabel view di mysql dengan query sebagai berikut: CREATE VIEW Hasil_olap_inner AS SELECT lib_dataunit.*, time_dim.*, useraccount.*, loan.loanid, loan.loandate, loan.returndate, loan.returneddate, loan.extendedcount, loan.loantype FROM loan INNER JOIN lib_dataunit ON loan.librarymainnumber = lib_dataunit.librarymainnumber INNER JOIN time_dim ON loan.loandate = time_dim.tanggal INNER JOIN useraccount ON loan.useraccount = useraccount.useraccount Create View ini sendiri berfungsi untuk menampilkan tabel yang telah dilakukan proses join untuk bisa ditampilkan ke dalam Microsoft excel tanpa melalui Microsoft query. Setelah terbentuk create view buka lagi excel dan load semua data yang ada pada tabel view. Setelah load yang dilakukan selesai, mulailah query dalam pembuatan data mart. Sesuai dengan grain dan pre-kalkulasi pada nine design method 42

26 sebelumnya, query bisa dilakukan dengan melakukan drag and drop pada pivottable fields yang ada pada excel. Persentase Pengembalian Tiap Tahun. Gambar 3.35 Pembangunan pivot tabel dan chart Drag and drop loanid di field Values dan returneddate di field Rows. 43

27 Perbandingan persentase pengembalian buku yang sesuai dengan tanggal pengembalian dengan yang tidak sesuai setiap tahun. Gambar 3.36 Pembangunan pivot tabel dan chart Drag and drop loanid di field Values dan returneddate di field Rows dan juga tambahkan returndate di field rows pada pivottable fields yang berbeda untuk melihat perbandingannya. 44

28 Penunjang data pengadaan buku. Gambar 3.37 Pembangunan pivot tabel dan chart Drag and drop loanid di field Values dan librarymaterialtype di field Rows. Setelah ketiga grain sudah terbuat pivot tabel dan chart, maka data mart akan terbentuk. 45