PENGEMBANGAN SISTEM ANALISIS AKADEMIS MENGGUNAKAN OLAP DAN DATA CLUSTERING STUDI KASUS : AKADEMIK UNIVERSITAS SEBELAS MARET SURAKARTA

Transkripsi

1 PENGEMBANGAN SISTEM ANALISIS AKADEMIS MENGGUNAKAN OLAP DAN DATA CLUSTERING STUDI KASUS : AKADEMIK UNIVERSITAS SEBELAS MARET SURAKARTA SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Jurusan Informatika Disusun Oleh : BAKHARUDIN YUSUF BAKHTIAR NIM. M HALAMAN JUDUL JURUSAN INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2015 i

2 H ALAMAN PERSETUJUAN perpustakaan.uns.ac.id ii

3 perpustakaan.uns.ac.id H ALA M ANPEN G ESA H AN iii

4 MOTTO HALAMAN MOTTO (Penulis) - (QS: Al-Baqarah ayat 282)

5 Karya ini Penulis persembahkan kepada: PERSEMBAHAN HALAMAN PERSEMBAHAN mua -teman Informatika UNS angkatan

6 KATA PENGANTAR Segala puji dan syukur penulis ucapkan kepada Allah SWT, yang hanya karena rahmat dan karunia-nya, penulis dapat menyelesaikan skripsi ini dengan judul Pengembangan Sistem Analisis Akademis Menggunakan OLAP dan Data Clustering Studi Kasus : Akademik Universitas Sebelas Maret Surakarta Penulis menyadari akan hambatan yang ditemui dalam penyusunan skripsi ini. Begitu banyak bimbingan, bantuan, saran, doa dan dukungan yang diberikan dalam penyusunan skripsi ini. Oleh karena itu, penulis mengucapkan terima kasih kepada : 1. Bapak, ibu serta kakak yang senantiasa memberikan dukungan, motivasi dan doa kepada penulis, 2. Bapak Antonius Bima Murti Wijaya S.T.,M.T Selaku Dosen Pembimbing I yang telah memberikan pengarahan selama proses penyusunan Tugas Akhir ini, 3. Bapak Hasan Dwi Cahyono, S.Kom, M.Kom. selaku Dosen Pembimbing II yang telah memberikan masukan, kritik dan saran yang membangun, 4. Team Generate Jadwal UNS yang telah memberi masukkan, dukungan dan motivasi, 5. Teman-teman yang senantiasa selalu berbagi pengetahuan, pengalaman, dan memberikan dukungan dan motivasi. Semoga skripsi ini bermanfaat bagi semua pihak yang berkepentingan. Surakarta, Februari 2015 Penulis

7 PENGEMBANGAN SISTEM ANALISIS AKADEMIS MENGGUNAKAN OLAP DAN DATA CLUSTERING STUDI KASUS : AKADEMIK UNIVERSITAS SEBELAS MARET SURAKARTA Bakharudin Yusuf Bakhtiar Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Sebelas Maret ABSTRAK Kualitas lulusan sangat penting untuk meningkatkan keberhasilan universitas, salah satu cara meningkatkan keberhasilan tersebut adalah dengan melengkapi kemanfaatan sistem informasi. Universitas Sebelas Maret merupakan universitas yang memanfaatkan sistem informasi secara departemental karena beberapa dibangun dengan menggunakan framework dan database yang berbeda. Hal ini akan menyulitkan untuk mengolah dan menganalisis data-data tersebut. Aplikasi pengembangan sistem analisis akademis menggunakan Online analytical processing (OLAP) dan data clustering dapat menjadi solusi untuk mengatasi masalah tersebut sekaligus membantu menganalisis data-data. Proses pembuatan aplikasi ini meliputi perancangan data warehouse, pengambilan data akademik dari sistem penjadwalan, sistem akademik dan sistem penerimaan mahasiswa baru, proses extraction, transformation, loading (ETL), pembangunan cube, pembuatan report, juga pengelompokkan IPK dan lama studi lulusan menggunakan K-means clustering. OLAP dapat mengurangi aktifitas query dan mempercepat respon terhadap permintaan user. Penelitian ini mengembangkan sistem OLAP dan clustering untuk memenuhi kebutuhan user. Kebutuhan user tersebut adalah sistem dapat melakukan drill up dan drill down untuk membantu merekap data akademik dari berbagai dimensi dan mengelompokkan data lulusan. Hasil dari pengelompokkan ini, setiap data lulusan mahasiswa dikelompokan berdasarkan kualitas lulusan mahasiswa yang dinilai berdasarkan IPK dan lama studi. Kata Kunci : ETL, OLAP, K-means clustering.

8 DEVELOPMENT SYSTEM OF ACADEMIC ANALYSIS USING DATA OLAP AND CLUSTERING CASE STUDY : ACADEMIC SEBELAS MARET UNIVERSITY SURAKARTA Bakharudin Yusuf Bakhtiar Department of Informatics, Mathematic and Natural Science Faculty, Sebelas Maret University ABSTRACT The graduation quality is very important to improve the success of the university, one of the way is completing the utility of their information system. Sebelas Maret University is one of the university which utilizes information system departementally because it is developed by using different framework and database. This will give a difficulty to manage and analyze the data. The development of academic analysis system using online analytical processing (OLAP) and data clustering can be a solution to solve these problems and help to analyze the data. The development process of this application included data warehouse planning, gathering academic data from scheduling system, academic system, and new admissions system, extraction process, tranformation process, loading process (ETL), cube development, report making, also clustering the GPA and study term of graduation using K-means clustering method. OLAP can decrease the query activity and accelerate the response to the user request. This research develops the OLAP system and clustering to fulfill the user requirement. The user requirement is a system which can do a drill up and drill down to help recapitulating the academic data from various dimension and grouping the graduation data. This grouping result, each graduated student data grouped by graduate quality assessed by GPA and the term of study. Keywords: ETL, OLAP, K-means clustering

9 DAFTAR ISI HALAMAN JUDUL... i HALAMAN PERSETUJUAN... ii HALAMAN PENGESAHAN... iii HALAMAN MOTTO... iv HALAMAN PERSEMBAHAN... v KATA PENGANTAR... vi ABSTRAK... vii ABSTRACT... viii DAFTAR ISI... ix DAFTAR TABEL... xi DAFTAR GAMBAR... xii BAB I PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Sistematika Penulisan... 3 BAB II TINJAUAN PUSTAKA Dasar Teori Data warehouse Online Transactional Processing (OLTP) dan Online Analytical Processing K-Means Clustering Sum Square Error (SSE) Penelitian Terkait BAB III METODOLOGI PENELITIAN Tahap Pengumpulan Data Tahap Analisis Tahap Desain Tahap Implementasi Pengujian Clustering BAB IV HASIL DAN PEMBAHASAN Deskripsi Data Analisis Sistem Desain Sistem... 27

10 4.4. Implementasi Sistem Implementasi Pembersihan Data (ETL) Implementasi Pembuatan Online Analytical Processing (OLAP) Implementasi Pembuatan Report OLAP Implementasi K-means Clustering Pengujian Hasil Clustering Pembahasan BAB V PENUTUP Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN... 79

11 DAFTAR TABEL Tabel 4.1 Sumber Data Jumlah Camaba, Mahasiswa dan Lulusan Tabel 4.2 Sumber Data IPK dan Lama Studi Lulusan Tabel 4.3 Sumber Data Beban SKS Dosen Tabel 4.4 Sumber Data Nilai Mahasiswa Tabel 4.5 Sumber Data Pemakaian Ruang Tabel 4.6 Sumber Data Pengelompokkan Data Tabel 4.7 Tahapan pembangunan data warehouse Tabel 4.8 Daftar Tabel Sumber Data dan Staging Area Tabel 4.9 Daftar Tabel DB_Staging2 dan Tabel data_warehouse Tabel 4.10 Sample Data K-means Tabel 4.11 Hasil perhitungan jarak obyek ke centroid Tabel Hasil Perhitungan Pusat Cluster Baru... 70

12 DAFTAR GAMBAR Gambar 2.1 Komponen Data warehouse... 6 Gambar 2.2 Data Multidimensional... 9 Gambar 2.3 Measure dari tabel fakta Gambar 2.4 Hirarki Dimensi Mahasiswa Gambar 2.5 Star Schema Gambar 2.6 Snowflake Schema Gambar 2.7 Flowchart Algoritma K-Means Gambar 4.1 Sumber Data SPMB Gambar 4.2 Sumber Data SIGEJE Gambar 4.3 Sumber Data SIAKAD Gambar 4.4 Rancangan Snowflake Schema Gambar 4.5 Arsitektur Perangkat Lunak Gambar 4.6 Arsitektur Perangkat Keras Gambar 4.7 Desain Control Flow pada Container Gambar 4.8 Desain Data Flow Task Fakultas Gambar 4.9 Desain Data Flow Task Prodi Gambar 4.10 Desain Data Flow Task Lokasi Gambar 4.11 Desain Data Flow Task Matakuliah Gambar 4.12 Desain Data Flow Task Plot Dosen Gambar 4.13 Desain Data Flow Task TAS Gambar 4.14 Desain Data Flow Task Ruang Gambar 4.15 Desain Data Flow Task Waktu Gambar 4.16 Desain Data Flow Task Kelas Gambar 4.17 Desain Data Flow Task Ruang Waktu Gambar 4.18 Desain Data Flow Task Dosen Gambar 4.19 Desain Data Flow Task Gedung Gambar 4.20 Desain Data Flow Task Mapen Gambar 4.21 Desain Data Flow Task r_camaba Gambar 4.22 Desain Data Flow Task r_alumni Gambar 4.23 Desain Data Flow Task r_khs Gambar 4.24 Desain Data Flow Task r_mahasiswa Gambar 4.25 Desain Control Flow pada Container Gambar 4.26 Desain Data Flow Task DimFakultas Gambar 4.27 Desain Data Flow Task DimProdi... 38

13 Gambar 4.28 Desain Data Flow Task DimDosen Gambar 4.29 Desain Data Flow Task DimSMTA Gambar 4.30 Desain Data Flow Task DimProvinsi Gambar 4.31 Desain Data Flow Task DimKabupaten Gambar 4.32 Desain Data Flow Task DimMahasiswa Gambar 4.33 Desain Data Flow Task DimMakul Gambar 4.34 Desain Data Flow Task DimTahunAjar Gambar 4.35 Desain Data Flow Task DimCamaba Gambar 4.36 Desain Data Flow Task DimLulusan Gambar 4.37 Desain Data Flow Task DimKelas Gambar 4.38 Desain Data Flow Task DimLokasi Gambar 4.39 Desain Data Flow Task DimGedung Gambar 4.40 Desain Data Flow Task DimRuang Gambar 4.41 Desain Data Flow Task FactCamaba Gambar 4.42 Desain Data Flow Task FactBebanDosen Gambar 4.43 Desain Data Flow Task FactNilai Gambar 4.44 Desain Data Flow Task FactRuang Gambar 4.45 Data Source View Gambar 4.46 Hasil Pembuatan Cube Gambar 4.47 Hirarki Angkatan, Provinsi, Kabupaten Gambar 4.48 Hirarki Angkatan, SMTA Gambar 4.49 Hirarki Angkatan Gender Gambar 4.50 Hirarki Fakultas, Prodi, Angkatan Gambar 4.51 Hirarki Fakultas, Prodi Gambar 4.52 Hirarki Tahun Wisuda, Provinsi, Kabupaten Gambar 4.53 Hirarki tahun Wisuda, SMTA Gambar 4.54 Hirarki Fakultas, Prodi, Angkatan Gambar 4.55 Hirarki Tahun Wisuda, Gender Gambar 4.56 Hirarki Tahun Wisuda, Status Gambar 4.57 Hirarki Tahun Akademik, Semester Gambar 4.58 Hirarki Fakultas, Prodi, Dosen Gambar 4.59 Hirarki Angkatan, SMTA Gambar 4.60 Hirarki Angkatan, Agama Gambar 4.61 Hirarki Angkatan, Gender Gambar 4.62 Dimension Usage Cube Gambar 4.63 Penggunaan OLAP Dalam Sharepoint Gambar 4.64 Dashboard Laporan Alamat Mahasiswa... 62

14 Gambar 4.65 Dashboard Laporan Asal SMTA Mahasiswa Gambar 4.66 Dashboard Laporan Gender Mahasiswa Gambar 4.67 Dashboard Laporan Alamat Lulusan Gambar 4.68 Dashboard Laporan asal SMTA Lulusan Gambar 4.69 Dashboard Laporan Gender Lulusan Gambar 4.70 Dashboard Laporan Status Lulusan Gambar 4.71 Dashboard Laporan Profil IPK Gambar 4.72 Dashboard Laporan Profil Lama Studi Gambar 4.73 Dashboard Laporan asal SMTA Camaba Gambar 4.74 Dashboard Laporan Gender Camaba Gambar 4.75 Dashboard Laporan Agama Camaba Gambar 4.76 Dashboard Laporan Pilihan Camaba Gambar 4.77 Dashboard Laporan Beban SKS Dosen Gambar 4.78 Dashboard Laporan Pemakaian Ruang Gambar 4.79 Dashboard Laporan Nilai IP Mahasiswa Gambar 4.80 Chart hasil K-means Clustering Gambar 4.81 Hasil Pusat Cluster Gambar 4.82 Dimensi IPK Hasil Clustering Gambar 4.83 Dimensi Lama Studi Hasil Clustering Gambar 4.84 Dimensi Gender Hasil Clustering Gambar 4.85 Dimensi SMTA Hasil Clustering Gambar 4.86 Dimensi Provinsi Hasil Clustering Gambar 4.87 Dimensi Kabupaten Hasil Clustering Gambar 4.88 Hasil Pengujian SSE... 75