Modul Extract, Transform, Load (ETL) untuk Data Warehouse Akademik Departemen Ilmu Komputer IPB Menggunakan Kettle

MODUL EXTRACT, TRANSFORM, LOAD (ETL) UNTUK
DATA WAREHOUSE AKADEMIK DEPARTEMEN
ILMU KOMPUTER IPB MENGGUNAKAN KETTLE

NURHASNI FADILAH

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Modul Extract,
Transform, Load (ETL) untuk Data Warehouse Akademik Departemen Ilmu
Komputer IPB Menggunakan Kettle adalah benar karya saya dengan arahan dari
dosen pembimbing dan belum diajukan dalam bentuk apapun ke perguruan tinggi
mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan
maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan
dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada
Institut Pertanian Bogor.
Bogor, Desember 2014
Nurhasni Fadilah
NIM G64124015

ABSTRAK
NURHASNI FADILAH. Modul Extract, Transform, Load (ETL) untuk Data
Warehouse Akademik Departemen Ilmu Komputer IPB Menggunakan Kettle.
Dibimbing oleh RINA TRISMININGSIH.
Proses extraction, transformation, dan loading (ETL) merupakan proses
yang memiliki peranan penting untuk menentukan kualitas dari sebuah data
warehouse. ETL menjadi penghubung antara sumber data dan data warehouse.
Aktivitas proses seperti pembersihan, pengintegrasian dan pemuatan data ke data
warehouse dilakukan pada proses ETL. Pembuatan ETL secara manual terbilang
tidak efisien, selain karena jumlah data yang akan terus bertambah juga sumber
data yang berbeda-beda menjadi masalah tersendiri dalam pengintegrasian data.
Dalam penelitian ini dilakukan pembuatan ETL dengan menggunakan perangkat
khusus yang diharapkan dapat mempermudah proses ETL dan menghasilkan data
yang konsisten. Perangkat ETL yang digunakan adalah Kettle, sedangkan

pemodelan data warehouse menggunakan Pentaho Schema Workbench dan
hasilnya divisualisasikan dalam OLAP dengan Mondrian untuk menguji proses
ETL. Hasil dari penelitian ini berupa data warehouse yang memiliki ETL dinamis
dan terintegrasi.
Kata Kunci: data warehouse, ETL, kettle, mondrian, pentaho schema workbench

ABSTRACT
NURHASNI FADILAH. Extract, Transform, Load (ETL) Module for Academic
Data Warehousing at Computer Science Departement of IPB Using Kettle.
Supervised by RINA TRISMININGSIH.
Extraction, transformation, and loading (ETL) are processes which have
important role to determine data warehouse quality. ETL is bridging between data
source and data warehouse. Activities such as cleaning, integration, and data
loading at data were done in this process. Making ETL manually is inefficient,
because data that will grow and data with different sources become problematic in
data integration. This research performs ETL using special tools that are expected
to simplified the ETL process and consistently of data output. ETL tool which
used are Kettle, while designing a data warehouse using Pentaho Schema
Workbench and result are visualized in OLAP in Mondrian to test the ETL
process. The result in this research is a data warehouse having integrated and

dynamic ETL.

Keywords: data warehouse, ETL, kettle, mondrian, pentaho schema workbench

MODUL EXTRACT, TRANSFORM, LOAD (ETL) UNTUK
DATA WAREHOUSE AKADEMIK DEPARTEMEN
ILMU KOMPUTER IPB MENGGUNAKAN KETTLE

NURHASNI FADILAH

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ilmu Komputer
pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
INSTITUT PERTANIAN BOGOR
BOGOR

2014

Penguji: 1
2

Dr Imas Sukaesih Sitanggang, SSi MKom
Hari Agung Adrianto, SKom MSi

Judul Skripsi : Modul Extract, Transform, Load (ETL) untuk Data Warehouse
Akademik Departemen Ilmu Komputer IPB Menggunakan Kettle
Nama
: Nurhasni Fadilah
NIM
: G64124015

Disetujui oleh

Rina Trisminingsih, SKom MT
Pembimbing

Diketahui oleh

Dr Ir Agus Buono, MSi MKom
Ketua Departemen

Tanggal Lulus:

PRAKATA
Segala puji bagi Allah atas ketinggian ilmu-Nya, yang dengannya, Allah
memudahkan penulis untuk bisa memahami metode dan menerapkannya.
Tentunya hal tersebut diiringi dengan usaha yang optimal. Tak lupa shalawat serta
salam teruntuk Nabi Muhammad shalallahu’alaihi wa salam, para sahabat, dan
keluarganya hingga akhir zaman.
Tiada ucapan yang sangat ingin disampaikan selain “Alhamdulillah” dan
“terima kasih”. Dua kata tersebut mewakili kebahagiaan atas tercapainya
penelitian ini dengan lancar. Meskipun masih terdapat kekurangan, penulis
berharap hasil penelitian ini dapat memberikan sumbangsih kepada dunia
pengetahuan khususnya dalam bidang Ilmu Komputer dan dapat bermanfaat untuk
civitas akademika dalam mengelola data warehouse akademik.
Adapun faktor yang sangat berperan terhadap kelancaran penelitian ini

adalah bimbingan dari dosen pembimbing dan juga dukungan dari keluarga,
maka izinkan penulis untuk menyampaikan terima kasih secara khusus kepada:
1 Ibunda Sumaini dan Ayahanda Hasan Basri serta kakak juga adik yang
senantiasa memberikan doa dan dukungan baik moril maupun materiil.
2 Ibu Rina Trisminingsih, SKom MT selaku dosen pembimbing atas
bimbingan dan kesabarannya memberi arahan kepada penulis selama masa
penelitian.
3 Ibu Eliyawati selaku guru juga teman yang membantu penulis menyadari
hakikat kehidupan ini.
4 Departemen Ilmu Komputer IPB yang sudah berkenan memberikan data
yang dibutuhkan dalam penelitian.
5 Dosen Universitas Ionnina dari Yunani yaitu Panos Vassiliadis yang
memberikan kesempatan kepada penulis untuk mendiskusikan beberapa hal
yang kurang dipahami dari prosiding beliau.
6 Teman-teman dari Yayasan Rubi Indonesia yang menghibur penulis dikala
jenuh dalam mengerjakan penelitian dengan kegiatan-kegiatan yang luar
biasa.
7 Teman-teman dari Program Studi S1 Alih Jenis Ilmu Komputer yang saling
menyemangati.
Sejatinya, kesuksesan seseorang tidak berasal hanya dari dirinya sendiri

tetapi juga karena bantuan, dukungan, doa dan motivasi dari orang-orang di
sekelilingnya. Semoga penulis dapat mengamalkan ilmu yang didapat dari
universitas untuk menjadi orang yang bermanfaat di kemudian hari.

Bogor, Desember 2014
Nurhasni Fadilah

DAFTAR ISI
DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vi

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

2

Tujuan Penelitian

2

Manfaat Penelitian

2

Ruang Lingkup Penelitian

2

METODE

3

Lingkungan Pengembangan

3

Analisis Data

4

Pemodelan ETL

5

Implementasi ETL

7

Perancangan Data Warehouse

8

HASIL DAN PEMBAHASAN
Analisis Data

9
9

Pemodelan ETL

12

Implementasi ETL

15

Perancangan Data Warehouse

18

Pengujian

20

SIMPULAN DAN SARAN

23

Simpulan

23

Saran

23

DAFTAR PUSTAKA

23

LAMPIRAN

25

RIWAYAT HIDUP

34

DAFTAR TABEL
1
2
3
4
5
6
7
8
9
10
11
12

Atribut tabel biodata
Atribut tabel dosen
Atribut tabel bagian
Atribut fail prestasi
Atribut tabel lokasi
Atribut jalur masuk
Atribut fail tugas akhir
Atribut fail IPK
Hasil pemetaan atribut
Pencocokan fungsi transformasi
Perbandingan data pada pengujian pertama
Perbandingan data pada peng kedua

10
10
10
10
10
10
10
10
10
18
22
23

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

Diagram alir penelitian
Skema galaksi (Han et al. 2011)
Notasi pemodelan konseptual ETL (Vassiliadis et al. 2002)
Template transformasi (Vassiliadis et al. 2002)
Notasi pemodelan logical (Simitsis 2005)
Deployment diagram (Lujan-Mora dan Trujilo 2004)
Ilustrasi kubus data 3-D (time, item, dan location) dengan measures
dollars_sold (Han et al. 2011)
Skema galaksi (Fhatiyya 2014)
Perbaikan skema galaksi
Pemodelan konseptual tabel fakta akademik
Pemodelan logical tabel fakta akademik
Pemodelan fisik ETL
Modul transformation tabel fakta akademik
Hasil transformation tabel fakta akademik
Rancangan job
Skema multidimensi data warehouse akademik
Refresh skema
Visualisasi OLAP
Hasil step metrics untuk tabel fakta akademik
Hasil kueri SQL tabel fakta akademik
Hasil OLAP tabel fakta akademik
Hasil kueri SQL untuk kabupaten Ciamis
Hasil OLAP untuk kabupaten Ciamis

3
5
5
6
6
7
8
11
12
13
14
15
16
17
17
19
19
20
21
21
22
22
22

DAFTAR LAMPIRAN
1 Pemodelan konseptual tabel fakta tugas akhir
25
2 Pemodelan konseptual tabel fakta prestasi
Error! Bookmark not defined.

3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

Pemodelan logical tabel fakta tugas akhir
Pemodelan logical tabel fakta prestasi
Modul transformation tabel fakta tugas akhir
Modul transformation tabel fakta prestasi
Hasil transformation tabel fakta tugas akhir
Hasil transformation tabel fakta prestasi
Hasil step metrics tabel fakta tugas akhir
Hasil step metrics tabel fakta prestasi
Hasil kueri SQL tabel fakta tugas akhir
Hasil OLAP tabel fakta tugas akhir
Hasil kueri SQL tabel fakta prestasi
Hasil OLAP tabel fakta prestasi
Hasil kueri SQL untuk kata kunci data warehouse
Hasil OLAP untuk kata kunci data warehouse
Hasil kueri SQL untuk kategori PKM
Hasil OLAP untuk kategori PKM

26
26
26
27
28
28
29
29
30
30
30
31
31
31
32
32

PENDAHULUAN
Latar Belakang
Proses extraction, transformation, dan loading (ETL) digunakan untuk
memindahkan data dari satu atau banyak sumber data ke dalam target sistem
untuk disimpan dalam repositori data, data mart, atau data warehouse. Proses
extraction adalah tahap pertama dari serangkaian proses ETL, yakni proses
memindahkan data yang relevan ke dalam area staging. Proses selanjutnya adalah
proses transformation, proses ini disebut sebagai jantungnya ETL. Teknik
pengintegrasian, pembersihan, dan pembuangan data dilakukan pada proses ini
sehingga proses ini menjadi lebih kompleks. Proses akhir dari ETL adalah proses
loading. Proses ini memasukkan data yang terintegrasi, terkonsolidasi, dan bersih
di area staging ke dalam data warehouse (Albrecht et al. 2008).
Dalam pembuatan data warehouse, ETL memiliki peranan penting yang
tidak dapat ditinggalkan karena proses ETL akan menentukan kualitas data
warehouse. Data yang salah dan kurang relevan akan membuat keputusan bisnis
yang salah. Oleh karena itu, pemodelan proses ETL yang baik dan benar akan
meningkatkan kualitas data warehouse. Ada beberapa tugas yang harus dilakukan,
yakni mengagregasikan data, mengonversi tipe dan format data ke format yang
umum, mengecek primary dan foreign keys untuk menjamin kualitas data, dan
memberikan surrogate keys untuk data operasional yang terdapat pada data
warehouse, serta memfilter data. Tugas-tugas dalam proses ETL yang begitu
kompleks membutuhkan pemodelan untuk membantu pemodelan dan pengaturan
proses ETL (Trujilo et al. 2003).
Vasiliadis et al. (2002) telah melakukan penelitian dengan membuat pondasi
formal untuk merepresentasikan pemodelan konseptual dari sebuah proses ETL.
Dalam penelitian tersebut, dihasilkan pemodelan konseptual dengan dilengkapi
notasi-notasi grafik yang memudahkan desainer data warehouse untuk membuat
dokumentasi proyek data warehouse secara cepat. Selain itu, Simitsis (2005) telah
melakukan penelitian untuk pemetaan pemodelan konseptual ke pemodelan
logical untuk proses ETL. Penelitian tersebut menghasilkan notasi-notasi grafik
yang dapat digunakan dalam membuat pemodelan logical. Lujan-Mora et al.
(2004) melakukan penelitian terhadap pemodelan fisik untuk data warehouse
menggunakan UML. Penelitian tersebut memberikan tahapan pemodelan yang
perlu dibuat dari sumber data sampai OLAP.
Pemodelan ETL juga telah dilakukan oleh Indra dan Painem (2012) untuk
mengimplementasikan data warehouse yang mampu menyelesaikan pelaporan
Evaluasi Program Studi Berdasarkan Evaluasi Diri (EPSBED) menggunakan
Kettle dan berhasil membuat laporan EPSBED dengan cepat. Kemudian, Fhatiyya
(2014) telah mengembangkan data warehouse dan OLAP untuk memantau
akademik dan prestasi mahasiswa Ilmu Komputer IPB. Namun, pada penelitian
tersebut proses ETL yang dilakukan masih manual yaitu pemrosesan data masih
menggunakan dokumen Microsoft Excel. Hal ini akan menjadi kendala ketika
data yang diolah sangat banyak.
Penelitian ini menerapkan pemodelan ETL dan mengimplementasikan ETL
menggunakan perangkat khusus yaitu Kettle. Selain itu, penelitian ini juga

2
melakukan pemodelan data warehouse menggunakan Pentaho Schema
Workbench dan memvisualisasikannya dalam OLAP menggunakan Mondrian.
Ketiga perangkat lunak tersebut merupakan open source dari Pentaho Corporation.
Penelitian ini mengadopsi skema galaksi yang telah dibuat oleh Fhatiyya (2014).
Skema tersebut menjadi acuan dalam pembuatan proses ETL. Hasil dari penelitian
ini berupa data warehouse yang memiliki ETL dinamis dan terintegrasi.

Perumusan Masalah
Rumusan masalah dalam penelitian ini adalah:
1 Bagaimana menerapkan pemodelan konseptual, logical, dan fisik untuk
proses ETL pada data SIMAK IPB dengan mengacu skema multidimensi
Fhatiyya (2014)?
2 Bagaimana mengimplementasikan pemodelan ETL menggunakan Kettle?
3 Bagaimana merancang data warehouse?
4 Bagaimana cara menguji proses ETL?

Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah:
1 Membuat pemodelan dan mengimplementasikan proses ETL untuk data
warehouse akademik.
2 Merancang data warehouse dan membangun aplikasi OLAP untuk menguji
ETL.

Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat bagi para stakeholder
untuk mendukung pengambilan keputusan di Departemen Ilmu Komputer.

Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah:
1 Penelitian ini menggunakan data dari:
o Data akademik Ilmu Komputer IPB dari DIDSI IPB tahun 2006-2013.
o Data Indeks Prestasi Mahasiswa (IPK) tahun 2006-2015.
o Data jalur masuk tahun 2007-2009.
o Data prestasi mahasiswa Ilmu Komputer tahun 2012 dan 2013.
o Data tugas akhir mahasiswa tahun 2006-2008.
o Data pulau, provinsi, kabupaten di seluruh Indonesia merujuk pada data
BPS (Badan Pusat Statistik) tahun 2014.
2 Pembuatan ETL mengadopsi skema galaksi yang telah dibuat Fhatiyya
(2014).
3 Data yang diolah hanya data mahasiswa sarjana program reguler dan yang
berasal dari Indonesia.

3

METODE
Penelitian ini dikembangkan dengan beberapa tahap penelitian, diagram alir
penelitian dapat dilihat pada Gambar 1.
Mulai
Analisis Data
Identifikasi
fitur dan
atribut data

Pemetaan
atribut

Pembuatan
skema
galaksi

Pemodelan ETL
Pemodelan
Konseptual

Pemodelan
Logical

Pemodelan
Fisik

Implementasi ETL
Perancangan Data Warehouse
Implementasi OLAP

Tidak

Pengujian

Sesuai
Ya
Selesai
Gambar 1 Diagram alir penelitian

Lingkungan Pengembangan
Penelitian ini diimplementasikan menggunakan spesifikasi perangkat keras
dan lunak sebagai berikut:

4
1 Perangkat Keras
Spesifikasi perangkat keras yang digunakan adalah:
o Intel® Dual Core™ CPU 2.10GHz
o Memori 3 GB
o Harddisk 160 GB
o Keyboard dan mouse
o Monitor
2 Perangkat Lunak
o Kettle 5.0.1.A
o Java Runtime Environment (JRE) 7
o Java Development Kit (JDK) 1.7.0_67
o MySQL 5.5.32
o Microsoft Visio 2007 untuk membuat desain skema data warehouse
o Microsoft Word 2007 untuk membuat pemodelan ETL
o Pentaho Skema Workbench 3.8
o Pentaho BI Server 4.8

Analisis Data
Pada tahap ini data dianalisis dengan 3 tahap, yaitu:
1
Identifikasi fitur dan atribut data
Tahapan ini untuk mengidentifikasi data yang terlibat dalam pemodelan
ETL dan melakukan pengecekan isi data secara manual untuk mengetahui apakah
isi data sudah sesuai atau belum. Isi data dikatakan sesuai apabila data tidak
bernilai null, data bersifat tunggal dalam satu baris, dan tidak terdapat kesalahan
ejaan.
2
Pemetaan atribut
Tahapan ini untuk memetakan atribut pada data operasional ke atribut yang
ada pada data warehouse. Hal tersebut guna menghindari konflik nama pada
atribut yang biasa terjadi karena menggunakan lebih dari satu sumber data.
Konflik atribut dapat mempengaruhi konsistensi data pada saat dilakukan
pemuatan ke dalam data warehouse.
3
Pembuatan skema galaksi
Sebuah data warehouse dan OLAP bersandar pada model data multidimensi.
Model data multidimensi biasanya memiliki sebuah tabel yang menjadi pusat
untuk tabel lainnya, tabel ini dinamakan tabel fakta. Pada tabel fakta terdapat
numeric measures yang nilainya berasal dari tabel dimensi yang dipilih untuk
dianalisis keterhubungannya.
Skema yang populer ada 3 jenis, yakni skema star, skema snowflake, dan
skema fact constellation (galaksi). Skema galaksi membolehkan tabel dimensi
digunakan oleh lebih dari satu tabel fakta. Ilustrasi skema galaksi dapat dilihat
pada Gambar 2. Jenis skema ini sangat umum digunakan dalam pembuatan data
warehouse, terlebih bila modelnya banyak dan subjeknya saling berhubungan
(Han et al. 2011).

5

Gambar 2 Skema galaksi (Han et al. 2011)

Pemodelan ETL
Pemodelan ETL terbagi menjadi 3 tahap, yaitu:
1
Pemodelan Konseptual
Menurut Vassiliadis et al. (2002), tujuan tahap ini adalah membuat
pemodelan konseptual untuk aktivitas yang terjadi pada proses ETL yaitu
membuat spesifikasi tingkat tinggi pada entitas yang berorientasi subjek yang
digunakan untuk mengambil semantik dari proses ETL. Pemodelan ini
direpresentasikan dengan notasi grafik dan metamodel sesuai dengan tujuan
penelitian. Notasi-notasi yang digunakan dalam pemodelan konseptual dapat
dilihat pada Gambar 3.

Gambar 3 Notasi pemodelan konseptual ETL (Vassiliadis et al. 2002)
Keterangan notasi:
o Attribute: modul informasi. Aturan atribut sama dengan standar model entity
relationship (ER) yaitu berbentuk oval.
o Concept: representasi sebuah entitas dalam database atau data warehouse.

6
o Transformation: representasi sebagian atau seluruh dari kode modul yang
mengeksekusi tugas tunggal.
o ETL Constraints: atribut konsep yang memenuhi banyak syarat.
o Note: tags informal yang dibuat desainer data warehouse.
o Part of Relationship: konsep dibentuk dari kumpulan atribut.
o Candidate relationship: konsep memiliki lebih dari satu sumber data yang
dapat dimuat ke target.
o Active candidate relationship: candidate relationship yang memiliki kesamaan
struktur dan penyaringan semantik.
Untuk notasi transformasi terdapat template yang dapat digunakan untuk
melengkapi pemodelan konseptual. Template dapat dilihat pada Gambar 4.

Gambar 4 Template transformasi (Vassiliadis et al. 2002)
Pemodelan Logical
Menurut Simitsis (2005), tujuan pemodelan logical adalah untuk
menyingkat aliran data dari aktivitas data warehouse dan penyimpanan data.
Notasi grafik pemodelan logical dapat dilihat pada Gambar 5.
2

Gambar 5 Notasi pemodelan logical (Simitsis 2005)
Keterangan notasi:
o Attributes: karakteristik nama dan tipe data.

7
o Recordset: karakteristik berdasarkan nama (kumpulan record dalam skema
recordset).
o Elementary Activites: abstraksi logical untuk sebagian atau seluruh modul kode.
o Provider relationship: menghubungkan activities dari atribut dengan recordset.
o Part-of relationship: menghubungkan atribut dan parameter ke activities,
recordset, atau fungsi.
3

Pemodelan Fisik
Menurut Lujan-Mora dan Trujilo (2004), pemodelan fisik untuk proses ETL
dapat didefinisikan dengan Integration Transportation Diagram (ITD). ITD
adalah struktur fisik dari proses ETL yang digunakan untuk memuat data dari
sumber data ke data warehouse. Diagram yang dimaksud adalah deployment
diagram. Deployment diagram merupakan sebuah diagram yang menggambarkan
konfigurasi waktu dalam memproses elemen dan komponen perangkat lunak,
proses dan objek yang dieksekusi. Ilustrasi deployment diagram dapat dilihat pada
Gambar 6.

Gambar 6 Deployment diagram (Lujan-Mora dan Trujilo 2004)

Implementasi ETL
Tahap ketiga dari penelitian ini adalah implementasi ETL. Menurut Caster
et al. (2010), terdapat 3 tahap dalam implementasi ETL, yaitu:
1
Ekstraksi
Pada tahap ini, ektraksi memproses penyimpanan data yang beragam,
kemudian mengekstrak data dari penyimpanan tersebut dan menghasilkan
data yang siap digunakan.

8
2

3

Transformasi
Tahap transformasi memproses hasil ekstraksi data dengan operasi-operasi
transformasi. Beberapa operasi yang dapat dilakukan pada tahapan ini
sebagai berikut:
o Memindahkan data.
o Melakukan validasi data.
o Melakukan modifikasi isi atau struktur data.
o Mengintegrasikan data dengan data lainnya.
o Menghitung nilai pembagian atau agregasi berdasarkan proses data.
Loading
Tahapan ini adalah tahapan akhir dari implementasi ETL. Pada tahapan ini
dilakukan proses pemuatan data ke sistem yang menjadi target. Proses yang
terjadi adalah mengelola surrogate keys dan mengelola tabel dimensi.

Perancangan Data Warehouse
Perancangan data warehouse merupakan tahapan setelah implementasi ETL.
Perancangan ini dilakukan untuk mengubah bentuk data relasional ke data
multidimensi. Memetakan seluruh tabel fakta dan dimensi ke kubus-kubus data
multidimensi. Sebuah kubus data dapat memodelkan dan menampilkan banyak
dimensi. Sebuah kubus di dalam struktur geometri biasanya merepresentasikan
data 3-D, namun di dalam data warehouse, kubus dapat merepresentasikan ndimensi (Han et al 2011). Ilustrasi kubus data dapat dilihat pada Gambar 7.

Gambar 7 Ilustrasi kubus data 3-D (time, item, dan location) dengan measures
dollars_sold (Han et al. 2011)

9
Pengujian ETL
Pada tahap ini, terdapat dua tahap pengujian, yaitu:
1
Pengujian ETL
Pengujian ini dilakukan dengan melihat step metrics dari tab hasil eksekusi
pada Kettle saat menjalankan modul transformation. Pada step metrics terdapat
kolom active yang menjadi acuan untuk menentukan keberhasilan proses ETL.
Kolom tersebut memiliki beberapa status, yakni halting, stopped, dan finished.
Status halting menandakan pengeksekusian proses terhambat, stopped
menandakan proses terhenti karena error, dan finished menandakan proses
berhasil dieksekusi.
2
Pengujian data warehouse
Tahap pengujian ini adalah menguji data warehouse dari hasil yang
divisualisasikan oleh OLAP dengan hasil kueri pada basis data. Kemudian hasil
tersebut dibandingkan untuk mengetahui perhitungan keduanya sesuai.

HASIL DAN PEMBAHASAN
Analisis Data
Data yang digunakan berasal dari 6 sumber data yaitu basis data simak.sql,
kumpulan data prestasi.xls, data tugas akhir.xls, kumpulan data index prestasi
mahasiswa.xls, data kota/kabupaten.xls, dan data jalur masuk.xls.
1

Identifikasi Fitur dan Atribut
Tahap analisis pertama adalah mengidentifikasi fitur dan atribut.
Pengidentifikasian ini menggunakan cara manual. Pada basis data ditemukan
kesalahan ejaan yakni pada tabel biodata dengan kolom jenis kelamin. Pada
umumnya, data jenis kelamin diisikan dengan notasi biner antara 0 atau 1. Namun,
sebanyak 60 baris dari 1111 baris data terisi dengan notasi 2. Pada 60 baris
tersebut seluruhnya adalah perempuan, sehingga data tersebut perlu diganti
dengan notasi yang seharusnya.
Pada data kata kunci skripsi terdapat beberapa kesalahan ejaan sehingga perlu
dipetakan ke kata yang benar, misalkan: Belief Revison diganti ke Belief Revision.
Kemudian, untuk data prestasi, atribut yang dibutuhkan dari data prestasi, yakni
kategori, tingkat, bidang. Namun, 3 atribut tersebut tidak ada didalam fail
sehingga harus menambahkannya sendiri. Pada data prestasi juga, terdapat
merging pada kolom prestasi sehingga perlu diuraikan menjadi baris-baris tunggal.
Selain itu, data kota yang terdapat pada tabel biodata, ada beberapa kota yang
mengalami perubahan sehingga tidak lagi menjadi kota/kabupaten, seperti Bekasi
Barat. Kabupaten Bekasi Barat sudah berubah menjadi kecamatan dan kini
termasuk dalam Kabupaten Bekasi berdasarkan data yang didapat dari BPS.
Pada data jalur masuk, data yang tersedia hanya dari tahun 2007-2009,
sedangkan data biodata dari tahun 2006-2013, sehingga ketika data tersebut di
join akan menyebabkan terbuangnya data lebih banyak dari yang terseleksi. Selain

10
itu, pada data IPK ada beberapa fail di mana kolom IPK berisi banyak nilai (tidak
hanya nilai IPK, tetapi juga predikat). Hal tersebut akan menyulitkan proses
pengekstrakan data sehingga perlu dilakukan pemisahan data antara IPK dan
predikat.
2

Pemetaan Atribut
Tahap analisis selanjutnya dilakukan pemetaan atribut terhadap data yang
telah dipilih, yakni menyeleksi dan memetakan nama atribut. Atribut yang terlibat
dalam setiap fail dapat dilihat pada Tabel 1-8. Untuk Tabel 1, 2, dan 3 atribut
diambil dari basis data akademik. Untuk Tabel 4 atribut diambil dari fail prestasi.
Untuk Tabel 5 atribut diambil dari fail kabupaten/kota. Untuk Tabel 6 atribut
diambil dari fail jalur masuk. Untuk Tabel 7 atribut diambil dari fail tugas akhir.
Untuk Tabel 8 atribut diambil dari fail IPK. Penyeleksian dan pemetaan nama
atribut dilakukan untuk menghindari konflik nama pada atribut. Hasil pemetaan
atribut dapat dilihat pada Tabel 9.
Tabel 1 Atribut tabel biodata
No
1
2
3
4

Nama Atribut
Nim
Tahunmasuk
Jeniskelamin
Kotaortu

Tabel 5 Atribut tabel lokasi
No
1
2
3

Nama Atribut
Pulau
Provinsi
kabupaten/kota
Tabel 6 Atribut jalur masuk

Tabel 2 Atribut tabel dosen
No
1
2

Nama Atribut
Nip
Nama

No
1
2

Nama Atribut
NRP
Jalur

Tabel 7 Atribut fail tugas akhir
Tabel 3 Atribut tabel bagian
No
1
2

Nama Atribut
Kodebagian
Namabagian

No
1
2
3

Tabel 4 Atribut fail prestasi
No
1
2
3

Nama Atribut
Kategori
Bidang
Tingkat

Nama Atribut
kata_kunci
sub_lab
in_dosen
Tabel 8 Atribut fail IPK

No
1
2

Nama Atribut
NRP
IPK

Tabel 9 Hasil pemetaan atribut
Atribut Data Pemetaan Atribut
tahunmasuk tahun_masuk
jeniskelamin id_jk

Deskripsi
Tahun masuk mahasiswa
Jenis kelamin mahasiswa

11
Jalur
kodebagian
sub_lab
Namabagian
Nip
in_dosen
Nama
kata_kunci
Kategori
Bidang
Tingkat
Pulau
Provinsi
Kabupaten
IPK

jalur_masuk
id_lab
id_lab
lab_keilmuan
id_dosen_ps
id_dosen_ps
dosen_ps
kata_kunci_skripsi
kategori_kompetensi
bidang_komp
tingkat_kompetensi
Pulau
Provinsi
Kabupaten
rataan_ipk

Jalur masuk mahasiswa
Kode lab keilmuan
Kode lab keilmuan
Lab keilmuan
Nomor induk pegawai (dosen)
Nomor induk pegawai (dosen)
Nama dosen
Kata kunci skripsi mahasiswa
Kategori kompetensi prestasi
Bidang kompetensi prestasi
Tingkat kompetensi prestasi
Nama pulau
Nama provinsi
Nama kabupaten
Rataan ipk mahasiswa

Untuk atribut nim/nrp tidak dilakukan pemetaaan karena atribut tersebut
tidak akan dimasukkan ke dalam skema galaksi. Atribut tersebut hanya akan
digunakan untuk menggabungkan data yang di dalamnya memiliki atribut nim/nrp.
3

Pembuatan Skema Galaksi
Pada tahapan ini dilakukan perbaikan skema multidimensi yang telah dibuat
Fhatiyya (2014) dengan menghapus beberapa dimensi, yakni dimensi topik,
dimensi nim, dimensi lama studi, dan dimensi IPK. Skema Fhatiyya (2014) dapat
dilihat pada Gambar 8. Dimensi yang terhapus dan berubah ditandai dengan kotak
warna merah.

Gambar 8 Skema galaksi (Fhatiyya 2014)
Penghapusan dimensi topik dikarenakan data yang berkaitan tidak
didapatkan dan penghapusan dimensi nim dilakukan karena measures yang ingin
dicari adalah jumlah mahasiswa sehingga kurang tepat jika terdapat dimensi nim.

12
Penghapusan dimensi lama studi dikarenakan data lama studi tidak dibutuhkan
dalam penelitian ini. Selain itu, dimensi IPK pada skema terdapat dua sehingga
perlu dihapus salah satunya.
Pada skema juga dilakukan penyatuan beberapa dimensi, yakni dimensi
kabupaten, provinsi, dan pulau. Hal tersebut dikarenakan operasi OLAP seperti
roll up dapat dilakukan lebih dari 1 kali sehingga akan lebih baik disatukan dalam
dimensi yang sama.
Untuk dimensi kabupaten, provinsi, dan pulau pada penelitian ini dijadikan
satu dimensi, yaitu dimensi lokasi. Untuk data status studi dan rataan IPK tidak
terdapat pada 6 sumber data di atas sehingga akan dilakukan generate rows saat
implementasi ETL.
Setelah dilakukan penghapusan dan perbaikan skema, maka pada skema
yang baru terdapat 12 tabel dimensi dengan 3 tabel fakta. Skema perbaikan dapat
dilihat pada Gambar 9.
kata_kunci_skripsi
PK

status_studi

id_kata_kunci
PK

lokasi

id_status_studi

kata_kunci
id_lab

PK

kabupaten
provinsi
pulau

lab_keilmuan
PK

id_lab

ipk
tugas_akhir

PK

lab_keilmuan

PK

id_rataanIPK

id_kata_kunci (FK)
id_dosen_ps (FK)
id_lab (FK)
id_tahun (FK)
jml_mhs

dosen_ps
id_dosen_ps

id_lokasi

status_studi

rataanIPK
id_status_studi

jenis_kelamin

nama_dosen

PK

akademik
id_kota (FK)
id_jalur_masuk (FK)
id_rataanIPK (FK)
id_jk (FK)
id_tahun (FK)
jml_mhs

jalur_masuk
PK

id_jalur_masuk
jalur_masuk

id_jk
jenis_kelamin

tahun_masuk
PK

id_tahun
tahun_masuk

kategori_kompetensi
PK

id_kat_komp
kategori_kompetisi

tingkat_kompetensi
PK

id_tkt_komp

bidang_kompetensi
prestasi
id_kat_komp (FK)
id_bid_komp (FK)
id_tkt_komp (FK)
id_tahun (FK)
jmlh_mhs

PK

id_bid_komp
bidang_komp

tingkat_kompetensi

Gambar 9 Perbaikan skema galaksi

Pemodelan ETL
1

Pemodelan Konseptual
Pada tahapan ini, setiap tabel fakta akan dibuatkan model konseptual yang
memodelkan hubungan antara entitas, atribut dan transformasi yang terlibat dalam
pembuatan data warehouse. Pemodelan konseptual untuk tabel fakta akademik
dapat dilihat pada Gambar 10. Dalam pemodelan tersebut melibatkan 3 sumber
data yaitu biodata, jalur masuk, dan IPK. Sumber data IPK memerlukan sebuah
fungsi union untuk menggabungkan seluruh data IPK dari tahun 2006-2015.
Selain itu, data IPK juga membutuhkan fungsi agregasi avg untuk mencari ratarata nilai IPK dan juga fungsi range untuk mendapatkan range IPK.

Gambar 10 Pemodelan konseptual tabel fakta akademik

13

14
Pada data biodata diperlukan fungsi value mapper untuk memetakan nama
kota yang sesuai dengan data BPS dan untuk mengubah angka 2 pada kolom jenis
kelamin menjadi angka 1. Selain itu, data biodata juga memerlukan fungsi split
rows untuk membuang baris yang kosong. Sebuah fungsi lookup dimensions
diperlukan oleh seluruh sumber data karena untuk mendapatkan seluruh id dari
atribut yang terlibat di dalam pemodelan ini.
Pemodelan konseptual untuk tabel fakta tugas akhir dan prestasi dapat
dilihat pada Lampiran 1 dan 2.
Pemodelan Logical
Pada tahapan ini dilakukan pemodelan logical, yakni model yang
mengadaptasi fungsi transformasi dari pemodelan konseptual kemudian
mengubah notasi transformasi tersebut dengan notasi yang berlaku pada
pemodelan logical. Dengan rancangan ini, dapat terlihat dengan jelas semua
fungsi transformasi yang dilakukan per tahapan sebelum dimuat ke dalam data
warehouse. Pemodelan logical untuk tabel fakta akademik dapat dilihat pada
Gambar 11. Pemodelan logical untuk tabel fakta tugas akhir dan prestasi dapat
dilihat pada Lampiran 3 dan 4.
2

Gambar 11 Pemodelan logical tabel fakta akademik
Pada pemodelan logical di atas, notasi concept yang terdapat dalam
pemodelan konseptual diadaptasi menjadi notasi recordset, sedangkan notasi
transformation diadaptasi menjadi notasi activities.
3

Pemodelan Fisik
Pada tahapan ini, dilakukan pemodelan fisik pada proses ETL berupa
deployment diagram. Pemodelan fisik utuk proses ETL yang terjadi dapat dilihat
pada Gambar 12.

15


SIMAK

*


«file»
Penelitian Mahasiswa

*

*




«file»
IPK Mahasiswa

*

*

*

*

*

*

SIMAK_SCHEMA_DWH

*


«file»
Prestasi Mahasiswa

*


«file»
Mahasiswa TPB

*

Gambar 12 Pemodelan fisik ETL

Implementasi ETL
Pada tahapan ini, proses ETL diimplementasikan dengan menggunakan
perangkat ETL yaitu Kettle. Dalam Kettle, ETL dapat dibungkus dalam satu
transformation dan dapat dijalankan secara bersamaan. Kettle memiliki GUI yaitu
Spoon. Pada Spoon inilah, pemodelan modul transformation dan job dilakukan
dengan menarik ikon yang diperlukan ke dalam kanvas yang tersedia. Modul
transformation yang dihasilkan sebanyak 12 modul untuk tabel dimensi dan 3
modul untuk tabel fakta serta 1 modul job.
Modul transformation untuk tabel fakta akademik membentuk 78 buah
langkah dari proses ekstrak data sampai pemuatan data ke target. Proses ekstrak
memakai 21 fungsi ekstrak data, proses transformasi memakai 56 fungsi
transformasi dan proses loading memakai 1 fungsi untuk memuat data ke target.
Modul transformation tersebut dapat dilihat pada Gambar 13.
Modul transformation untuk tabel fakta tugas akhir dan prestasi dapat
dilihat pada Lampiran 5 dan 6. Semua fungsi transformasi utama yang terdapat
dalam pemodelan konseptual, telah berhasil diimplementasikan. Meskipun dalam
penerapannya ada fungsi transformasi tambahan yang dilakukan sebelum
menjalankan fungsi utama.
Modul transformation yang berhasil dieksekusi akan menampilkan data
dalam bentuk baris dan kolom. Hasil transformation tabel fakta akademik dapat
dilihat pada Gambar 14. Hasil transformation tabel fakta tugas akhir dan prestasi
dapat dilihat pada Lampiran 7 dan 8.

Gambar 13 Modul transformation tabel fakta akademik

16

17

Gambar 14 Hasil transformation tabel fakta akademik
Setelah modul transformation dibuat, maka diperlukan sebuah modul job
untuk menjalankan seluruh modul transformation yang ada. Selain itu, modul job
digunakan untuk memuat data bila terjadi perubahan pada data sumber, rancangan
modul job dapat dilihat pada Gambar 15.
Pada rancangan job, apabila transformation berhasil diperbaharui maka
dilaporkan sukses melalui ikon success, jika tidak berhasil maka transformation
yang gagal akan dilaporkan melalui ikon mail failure.

Gambar 15 Rancangan job

18
Pencocokan fungsi transformasi yang ada pada pemodelan konseptual
dengan yang ada pada implementasi ETL untuk tabel fakta akademik dapat dilihat
pada Tabel 10.
Tabel 10 Pencocokan fungsi transformasi
Fungsi Transformasi
Pemodelan Konseptual Implementasi ETL (Kettle)
(append stream 17)
(group by)
(number range)
(dimension lookup)
(split field to rows)
(value mapper)
(inner join)

Perancangan Data Warehouse
Pada tahapan ini dilakukan perancangan untuk data warehouse dengan
menggunakan Pentaho Skema Workbench 3.8. Pada pemodelan ini, dilakukan
pembuatan kubus data untuk tabel fakta. Pada penelitian ini, terdapat tiga tabel
fakta maka kubus yang terbentuk sebanyak tiga, yakni kubus akademik, kubus
prestasi, dan kubus tugas akhir. Hasil skema multidimensi dapat dilihat pada
Gambar 17.
Tabel dimensi tahun dikategorikan sebagai dimension usage karena dimensi
tersebut digunakan oleh seluruh tabel fakta. Untuk tabel dimensi yang memiliki
relasi dengan tabel dimensi lainnya, yaitu seperti dimensi lab dan dimensi kata
kunci skripsi dilakukan pendeskripsian fungsi join dalam perancangan. Hal
tersebut dilakukan agar konsistensi data tetap terjaga.

19

Gambar 16 Skema multidimensi data warehouse akademik

Implementasi Data Warehouse
Pada tahapan ini rancangan data warehouse di publish ke dalam folder
Pentaho BI Server. Setelah itu, dilakukan refresh skema pada Pentaho User
Console. Refresh skema dapat dilihat pada Gambar 17.

Gambar 17 Refresh skema
Setelah selesai di refresh maka skema dapat divisualisasikan dalam OLAP
dengan Mondrian. Hasil OLAP dapat dilihat pada Gambar 18.

20

Gambar 18 Visualisasi OLAP

Pengujian
Setelah tahapan implementasi ETL dan pemodelan data warehouse selesai,
maka tahap selanjutnya adalah pengujian. Pengujian ini dilakukan dengan 2 tahap
yaitu menguji ETL dan menguji data warehouse.
1
Pengujian ETL
Pada tahap ini dilakukan pengujian pada ETL untuk seluruh modul
transformation tabel fakta. Hasil pengujian ETL untuk tabel fakta akademik dapat
dilihat pada Gambar 19. Pada step metrics tersebut, pada bagian kolom active,
proses ETL untuk tabel fakta akademik adalah finished atau berhasil dijalankan
dengan menghasilkan 169 baris data. Hasil step metrics untuk tabel fakta tugas
akhir dan prestasi dapat dilihat pada Lampiran 9 dan 10.

21

Gambar 19 Hasil step metrics untuk tabel fakta akademik
Pengujian data warehouse
Pada tahap ini dilakukan dua kali perngujian. Pengujian pertama dilakukan
dengan membandingkan total jumlah mahasiswa per tabel fakta dan pengujian
kedua dilakukan dengan membandingkan jumlah mahasiswa pada level terbawah
dari sebuah dimensi.
o Pengujian pertama
Pengujian untuk tabel fakta akademik dapat dilihat pada Gambar 20 dan
Gambar 21. Total jumlah mahasiswa yang dihasilkan dari kueri SQL dan
OLAP adalah sesuai yaitu 208 mahasiswa. Total tersebut adalah total jumlah
mahasiswa yang terdapat pada tabel fakta akademik. Pengujian untuk tabel
fakta tugas akhir dapat dilihat pada Lampiran 11 dan 12. Pengujian untuk
tabel fakta prestasi dapat dilihat pada Lampiran 13 dan 14.
2

Gambar 20 Hasil kueri SQL tabel fakta akademik

22

Gambar 21 Hasil OLAP tabel fakta akademik
o Pengujian kedua
Pengujian kedua untuk tabel fakta akademik dapat dilihat pada Gambar 22 dan
Gambar 23 Jumlah mahasiswa dari kabupaten Ciamis yang dihasilkan dari
kueri SQL dan OLAP adalah sesuai yaitu 4 mahasiswa. Pengujian kedua untuk
tabel fakta tugas akhir dapat dilihat pada Lampiran 15 dan 16. Pengujian kedua
untuk tabel fakta prestasi dapat dilihat pada Lampiran 17 dan 18.

Gambar 22 Hasil kueri SQL untuk kabupaten Ciamis

Gambar 23 Hasil OLAP untuk kabupaten Ciamis

Hasil perbandingan data pada pengujian pertama dapat dilihat pada Tabel 11
dan hasil perbandingan data pada pengujian kedua dapat dilihat pada Tabel 12.
Tabel 11 Perbandingan data pada pengujian pertama
Tabel Fakta Kueri SQL Mondrian Hasil
Akademik
208 data
208 data Sesuai
Tugas Akhir 197 data
197 data Sesuai
Prestasi
86 data
86 data Sesuai

23
Tabel 12 Perbandingan data pada pengujian kedua
Tabel Fakta
Tabel Dimensi
Kueri SQL Mondrian Hasil
Akademik
Kabupaten Ciamis
4 data
4 data
Sesuai
Tugas Akhir Kata kunci data warehouse
5 data
5 data
Sesuai
Prestasi
Kategori PKM
49 data
49 data Sesuai

SIMPULAN DAN SARAN
Simpulan
Penelitian ini berhasil membuat tiga pemodelan ETL yaitu pemodelan
konseptual, pemodelan logical, dan pemodelan fisik. Pemodelan ETL tersebut
berhasil diimplementasikan dengan Kettle dan menghasilkan 12 jenis
transformation untuk tabel dimensi dan 3 transformation untuk tabel fakta serta 1
jenis job sebagai model yang dapat menjalankan seluruh transformation yang ada
secara sekuensial. Selain itu, penelitian ini juga berhasil membuat pemodelan data
warehouse dengan menghasilkan 3 kubus data multidimensi yaitu kubus
akademik, kubus prestasi, dan kubus tugas akhir menggunakan Pentaho Schema
Workbench. Kubus data tersebut berhasil divisualisasikan dalam aplikasi OLAP
untuk menguji proses ETL.
Saran
Saran untuk penelitian tentang ETL selanjutnya adalah pemodelan ETL
perlu disempurnakan lagi agar tercapai model yang optimal. Data yang berkaitan
juga perlu dilengkapi mencakup seluruh mahasiswa yang ada di Departemen Ilmu
Komputer, agar ketika digabungkan data yang terbuang tidak terlalu banyak.
Selain itu, perlu dibangun sebuah modul program pada sistem informasi akademik
yang terhubung dengan tombol start di fail job supaya data dapat terubah dapat
diproses oleh ETL secara otomatis.

DAFTAR PUSTAKA
Albrecht A, Naumann F. 2008. Managing ETL Processes. VLDB ’08; 24-30
Agustus; Auckland, New Zealand. Auckland (NZ): ACM.
Caster C, Bouman R, Dongen JV. 2010. Pentaho Kettle Solutions: Building Open
Source ETL Solutions With Pentaho Data Integration. Indianapolis (IN):
Wiley.
Fhattiya SR. 2014. Pemodelan Data Warehouse dan Aplikasi OLAP untuk
Memantau Prestasi Mahasiswa Program Studi Ilmu Komputer IPB
[skripsi]. Bogor (ID): Institut Pertanian Bogor.

24
Han J, Kamber M, Pei J. 2011. Data Mining: Concepts and Techniques. 3rd Ed.
United Stated of America (USA): Morgan Kaufmann Publisher.
Indra, Painem. 2012. Model Extract, Transform, Load (ETL) Pada Data
Warehouse Untuk Pelaporan Evaluasi Program Studi Berdasarkan
Evaluasi Diri (EPSBED) Menggunakan Model Data Warehouse EPSBED
Studi Kasus: Universitas Budi Luhur. 9 (1): 54-60.
Kimball R, Ross M. 2013. The Data Warehouse Toolkit: The definitive guide to
Dimensional Modelling. Indianapolis (IN): Wiley.
Lujan-Mora S, Trujilo J. 2004. Physical Modeling of Data Warehouses using
UML. DOLAP 2004; 12-13 November; Washington, DC, USA.
Washington (USA): ACM. hlm 48-57.
Rahm E, Do HH. 2000. Data Cleaning: Problems and Current Approaches.
Jerman (DE): University of Leipzeig.
Simitsis A. 2005. Mapping Conceptual to Logical Model for ETL Processes.
DOLAP 2005; 4-5 November; Bremen, Jerman. Bremen (DU): ACM. hlm
67-76.
Trujilo J, Lujan-Mora S. 2003. UML Based Aproach for Modelling ETL Processes
in Data Warehouse. Spain (ES): Universidad de Alicante.
Vassiliadis P, Simitsis A, Skiadopoulos S. 2002. Conceptual Modelling for ETL
Processes. 5th ACM International Workshop on Data Warehousing and
OLAP (DOLAP 2002); 8 November; McLean, Virginia, USA. McLean
(USA): ACM. hlm 14-21.

25
Lampiran 1 Pemodelan konseptual tabel fakta tugas akhir

Lampiran 2 Pemodelan konseptual tabel fakta prestasi

26
Lampiran 3 Pemodelan logical tabel fakta tugas akhir

Lampiran 4 Pemodelan logical tabel fakta prestasi

Lampiran 5 Modul transformation tabel fakta tugas akhir

Lampiran 6 Modul transformation tabel fakta prestasi

27

28
Lampiran 7 Hasil transformation tabel fakta tugas akhir

Lampiran 8 Hasil transformation tabel fakta prestasi

29
Lampiran 9 Hasil step metrics tabel fakta tugas akhir

Lampiran 10 Hasil step metrics tabel fakta prestasi

30
Lampiran 11 Hasil kueri SQL tabel fakta tugas akhir

Lampiran 12 Hasil OLAP tabel fakta tugas akhir

Lampiran 13 Hasil kueri SQL tabel fakta prestasi

31
Lampiran 14 Hasil OLAP tabel fakta prestasi

Lampiran 15 Hasil kueri SQL untuk kata kunci data warehouse

Lampiran 16 Hasil OLAP untuk kata kunci data warehouse

32
Lampiran 17 Hasil kueri SQL untuk kategori PKM

Lampiran 18 Hasil OLAP untuk kategori PKM

33

RIWAYAT HIDUP
Penulis dilahirkan di Serang pada tanggal 04 Februari 1992 dari Ayah
Hasan Basri dan Ibu Sumaini. Penulis adalah putri ketiga dari tujuh bersaudara.
Tahun 2009 penulis lulus dari SMA Negeri 4 Bandar Lampung dan pada tahun
yang sama penulis diterima di Jurusan Manajemen Informatika Program Diploma
Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB. Tahun
2012 penulis lulus dari Diploma IPB dan pada tahun yang sama penulis diterima
di Program Alih Jenis S1 Ilmu Komputer IPB melalui tes seleksi masuk.
Selama mengikuti perkuliahan, penulis menjadi asisten dosen di Diploma
IPB sebagai asisten mata kuliah Aplikasi Komputer, Basis Data, Rekayasa
Perangkat Lunak, Pemrograman Berorientasi Objek dan Algoritma Pemrograman.
Penulis bersama kolega juga aktif mengajarkan pelajaran dasar sepekan sekali
untuk anak-anak tingkat Sekolah Dasar di Malabar, Bogor Tengah. Selain itu,
penulis juga aktif dalam kegiatan-kegiatan sosial yang dinaungi oleh Yayasan
Rubi Indonesia.
Dalam tahap penyelesaian penelitian ini, penulis lulus seleksi dokumen
dan menjadi pemakalah dalam Seminar Ilmiah Ilmu Komputer yang
diselenggarakan oleh Departemen Ilmu Komputer IPB pada November tahun
2014.