Perancangan Strategi Business Intelligence Untuk Kinerja Mahasiswa di Program Studi Teknik Informatika Universitas Komputer Indonesia

Oleh Rani Susanto 57.101.12.017

TESIS

Untuk memenuhi salah satu syarat ujian guna memperoleh gelar Magister Sistem Informasi

PROGRAM STUDI MAGISTER SISTEM INFORMASI

FAKULTAS PASCASARJANA

UNIVERSITAS KOMPUTER INDONESIA

BANDUNG

vi

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... vi

DAFTAR TABEL ... ix

DAFTAR GAMBAR ... xi

DAFTAR LAMPIRAN ... xii

BAB I PENDAHULUAN ... 1

I.1. Latar Belakang Masalah ... 1

I.2. Rumusan Masalah ... 3

I.3. Tujuan Penelitian ... 3

I.4. Manfaat Penelitian ... 4

I.5. Batasan Masalah ... 4

I.6. Sistematika Penulisan ... 5

BAB II TINJAUAN PUSTAKA ... 6

II.1 Landasan Teori ... 6

II.1.1 Business Intelligence ... 6

II.1.2 Data Warehouse ... 14

II.1.3 Business Intelligence Analytics ... 22

II.1.4 Business Intelligence Dashboard ... 23

II.1.5 Business Performance Management ... 23

vii

III.1 Metodologi Penelitian ... 27

III.2 Objek Penelitian ... 30

III.2.1 Profil Program Studi Teknik Informatika ... 30

III.2.2 Identitas Program Studi ... 31

III.2.3 Sejarah Program Studi Teknik Informatika ... 32

III.2.4 Visi, Misi, Tujuan dan Sasaran Program Studi ... 33

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... 36

IV.1 Pengumpulan Data dan Kebutuhan Informasi Strategis ... 36

IV.1.1 Analisis Kebutuhan Informasi Strategis ... 39

IV.1.2 Pembuatan Skema Relasi OLTP ... 45

IV.2 Analisis Arsitektur Data Warehouse ... 58

IV.2.1 Analisis Source Layer ... 58

IV.2.2 Analisis Data Stagging ... 58

IV.2.3 Analisis Data Warehouse Layer ... 67

IV.2.4 Proses OLAP (Online Analytical Processing) ... 71

IV.3 Analisis Komponen Business Intelligence ... 83

IV.3.1 Key Performance Indicator (KPI) dan Jenis Informasi ... 83

IV.3.2 Sumber Data ... 84

IV.4 Pembangunan Strategi Business Intelligence ... 85

BAB V KESIMPULAN DAN SARAN ... 90

V.1 Kesimpulan ... 90

viii

LAMPIRAN C ... 97

LAMPIRAN D ... 98

LAMPIRAN E ... 100

LAMPIRAN F ... 102

SURAT KETERANGAN PERSETUJUAN PUBLIKASI ... 105

Nama : Rani Susanto

NPM : 57.101.12.017

Tempat dan Tanggal Lahir : Bandung, 7 Maret 1986

Jenis Kelamin : Perempuan

Agama : Islam

Alamat : Komp. Taman Cibaduyut Indah Blok D.

152 Rt. 09 Rw. 16, Bandung – 40239

Telepon : 081322829500

e-mail : rancincun@yahoo.com

Pendidikan Terakhir : S1 – Teknik Informatika – UNIKOM

RIWAYAT PENDIDIKAN

TAHUN INSTITUSI

2012 – 2014 Magister Sistem Informasi,

Universitas Komputer Indonesia, Bandung 2003 – 2007 Teknik Informatika

Universitas Komputer Indonesia, Bandung 2000 – 2003 SMU Negeri 15, Bandung

1997 – 2000 SMP Negeri 12, Bandung

iii

Alloh SWT yang telah memberikan karunia dan hidayah-Nya sehingga penulis dapat menyelesaikan tesis yang berjudul “Perancangan Strategi Business

Intelligence untuk Kinerja Mahasiswa di Program Studi Teknik Informatika

Universitas Komputer Indonesia”. Tesis ini disusun untuk memenuhi syarat untuk mendapatkan gelar Magister Komputer di Universitas Komputer Indonesia.

Penulis menyadari sepenuhnya bahwa dalam penulisan tesis ini masih terdapat kekurangan karena itu penulis terbuka untuk menerima saran dan kritik yang sifatnya membangun agar dapat digunakan sebagai bahan kajian untuk pembuatan karya ilmiah yang lebih baik. Walaupun demikian, penulis telah berusaha semaksimal mungkin untuk dapat menyelesaikan tesis ini dengan harapan dapat memberikan manfaat khususnya dalam wawasan ilmu pengetahuan. Dalam menyelesaikan tesis ini, penulis banyak sekali mendapat bantuan serta dorongan dari berbagai pihak baik moril maupun materiil. Oleh karena itu perkenankanlah penulis untuk menyampaikan terimakasih dan penghargaan sebesar-besarnya kepada :

1. Alloh SWT dan Nabi Muhammad SAW karena dengan rahmat dan kuasaNya lah tesis ini dapat terselesaikan.

2. Papah, Mamah, Nenek tercinta serta Papah dan Mamah Mertua yang tidak pernah henti-hentinya mendoakan dan mendukung sehingga tesis ini dapat terselesaikan.

iv

4. Kakak dan adik yang selalu memberikan dukungan, perhatian dan doa yang tiada henti kepada penulis.

5. Dr. Eng. Ana Hadiana dan Imelda, S.T., M.T sebagai pembimbing dalam penulisan tesis ini yang telah banyak memberikan arahan, petunjuk, bantuan dan dorongan sampai terselesaikannya tesis ini.

6. Dr. Ir. Herman S. Soegoto, MBA sebagai Direktur Fakultas Pascasarjana Universitas Komputer Indonesia yang telah menerima dan memberikan kesempatan kepada penulis sebagai mahasiswa Magister Sistem Informasi. 7. Dr. Ir. Yeffry Handoko Putra, M.T sebagai Ketua Program Studi Magister

Sistem Informasi Universitas Komputer Indonesia.

8. Irawan Afrianto, S.T., M.T sebagai Ketua Program Studi Teknik Informatika Universitas Komputer Indonesia yang mengijinkan penulis untuk melakukan penelitian.

9. Andri Heryandi, S.T., M.T sebagai Wakil Direktur Direktorat ICT yang sudah memberikan banyak data sebagai penunjang penelitian yang dilakukan.

10.Adam Mukharil Bachtiar, S.Kom.,M.T dan Chairul Habibi yang selalu bersedia membantu dari segala kebingungan penulis.

11.Semua rekan-rekan dosen dan karyawan di Program Studi Teknik Informatika Unikom

v untuk semuanya.

Penulis berharap tulisan ini dapat bermanfaat bagi semua pihak dan semoga hasil penelitian ini dapat dilanjutkan sehingga didapatkan hasil yang bisa lebih baik dari yang telah penulis susun.

Bandung, Juni 2014 Penulis,

Rani Susanto NPM. 57.101.12.017

1 I.1. Latar Belakang Masalah

Teknik Informatika merupakan salah satu Program Studi dengan jumlah mahasiswa yang besar di Universitas Komputer Indonesia (Unikom) memiliki tujuan strategi bisnis untuk meningkatkan kinerja bisnisnya. Faktor utama yang mempengaruhi kinerja bisnis dari Program Studi ini adalah dari segi mahasiswa. Hal ini dapat dilihat baik dari sisi prestasi mahasiswa dimana prestasi mahasiwa Program Studi Teknik Informatika semakin berkembang setiap tahunnya baik dari sisi akademis maupun non akademis. Selain itu terdapat beberapa faktor yang menunjang apakah mahasiswa tersebut bisa lulus tepat pada waktunya. Tentunya semua yang dilakukan berguna untuk meningkatkan kinerja bisnis dari Unikom khususnya Program Studi Teknik Informatika.

Berdasarkan observasi yang dilakukan di lingkungan Program Studi Teknik Informatika Unikom didapat fakta bahwa Program Studi ini mengalami peningkatan jumlah mahasiswa baru setiap tahunnya. Selama 2 tahun terakhir, didapat kenaikan persentasi rata-rata jumlah penerimaan mahasiswa baru sebesar 7,61%. Tetapi hal ini tidak seimbang dengan jumlah lulusan yang dihasilkan oleh Program Studi ini selama dua tahun terakhir yaitu sekitar 2,98%. Hal ini disebabkan oleh beberapa hal yaitu terjadinya mahasiswa yang mengundurkan diri setiap tahunnya dengan berbagai alasan antara lain permasalahan keuangan, keluarga hingga masalah akademik. Persentasi rata-rata jumlah mahasiswa yang

melakukan pengunduran diri selama 2 tahun terakhir yaitu 1,23% sedangkan persentase rata-rata jumlah mahasiswa yang melakukan pindah fakultas maupun pindah program studi yaitu 0,26% dan 0,025%.

Program Studi Teknik Informatika Unikom memiliki tujuan strategi bisnis untuk meningkatkan kualitas mahasiswanya agar lulusan yang dihasilkan oleh program studi ini memiliki IPK tinggi dan lulus tepat pada waktunya. Tujuan strategi ini belum bisa tercapai dikarenakan terdapat kelemahan mendasar dari sisi mahasiswa yaitu beberapa mahasiswa mampu berprestasi tinggi dan memiliki kapabilitas akademik sangat baik, setara bahkan melebihi mahasiswa dari perguruan tinggi lain yang lebih maju. Namun, sebagian terbesar mahasiswa yang diterima di Program Studi Teknik Informatika berkualitas menengah, biasa saja sehingga membuat persentasi angka kelulusan berdasarkan waktu tempuh studi tepat waktu cukup rendah. Hal ini dapat dilihat dari grade nilai yang dihasilkan pada proses penerimaan mahasiswa baru yang rata-rata berada pada grade C bahkan D. Selain itu, jumlah mahasiswa yang mengundurkan diri dari Program Studi Teknik Informatika relatif cukup banyak setiap tahunnya sehingga hal ini akan mengakibatkan tidak tercapainya tujuan strategi Program Studi Teknik Informatika dari sisi mahasiswa yaitu tidak seimbangnya jumlah mahasiswa yang diterima di Program Studi ini dengan jumlah mahasiswa yang lulus dengan IPK tinggi dan tepat pada waktunya setiap tahunnya.

Dari pemaparan tersebut diketahui belum adanya suatu model yang digunakan untuk menganalisis dan mengoptimalkan data dalam hal kinerja Program Studi Teknik Informatika dari sisi mahasiswa. Model ini juga akan

digunakan untuk mengolah informasi sebagai alternatif solusi dalam hal pemanfaatan data yang ada untuk suatu proses pengambilan keputusan mengenai mahasiswa.

I.2. Rumusan Masalah

Berdasarkan pemaparan yang telah dijelaskan sebelumnya maka dapat dirumuskan permasalahan yaitu :

1. Bagaimana menganalisis dan mengoptimalkan data serta informasi yang berkaitan dengan kinerja program studi Teknik Informatika dari sisi mahasiswa.

2. Bagaimana cara memanfaatkan dan mengolah data serta informasi sebagai alternatif solusi dan sarana untuk mengambil keputusan mengenai permasalahan mengenai mahasiswa di Program Studi Teknik Informatika.

I.3. Tujuan Penelitian

Tujuan penyusunan penelitian ini yaitu :

1. Membantu Program Studi Teknik Informatika untuk menganalisis dan mengoptimalkan data serta informasi yang berkaitan dengan kinerja program studi Teknik Informatika dari sisi mahasiswa.

2. Memberikan alternatif solusi dan sarana untuk mengambil keputusan mengenai permasalahan mengenai mahasiswa di Program Studi Teknik Informatika secara efektif dan efesien.

I.4. Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah :

1. Program Studi Teknik Informatika dapat mengetahui kinerja dari sisi mahasiswa sehingga bisa meningkatkan kinerja bisnis dan mencapai tujuan strategisnya.

2. Model BI ini membantu Program Studi Teknik Informatika serta pihak atasan untuk mengetahui informasi kinerja dari sisi mahasiswa secara cepat dan efesien.

I.5. Batasan Masalah

Adapun batasan masalah yang ada di penelitian ini antara lain :

1. Tidak semua data yang berhubungan dengan kinerja bisnis digunakan untuk penelitian ini. Data yang diambil merupakan sample data yang merupakan komponen dari mahasiswa.

2. Data uji yang akan digunakan adalah data mahasiswa yang ada di lingkungan di Universitas Komputer Indonesia sehingga model Business

Intelligence yang dihasilkan hanya bisa diuji di lingkungan ini saja.

3. Kinerja bisnis yang akan diolah, dilihat dari sisi mahasiswa karena sebagai sebuah institusi pendidikan yang memegang peranan terbesar tujuan strategi bisnis adalah mahasiswa.

4. Hasil akhir yang didapatkan berupa Strategi BI untuk meningkatkan kinerja bisnis Program Studi dari sisi kemahasiswaan.

I.6. Sistematika Penulisan

Dalam penelitian ini, pembahasan akan dibagi kedalam beberapa bab untuk memperoleh gambaran yang jelas dan terstruktur. Sistematika penulisannya adalah sebagai berikut:

a. Bab I Pendahuluan

Bab ini menjelaskan mengenai latar belakang penelitian, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah, metodologi penelitian dan sistematika penulisan.

b. Bab II Tinjauan Pustaka

Bab ini menguraikan tinjauan organisasi dan deskripsi dari literature yang digunakan pada penelitian.

c. Bab III Metode dan Objek Penelitian

Bab ini menguraikan tentang metode yang digunakan dan juga penjelasan mengenai objek penelitian yang digunakan.

d. Bab IV Hasil Penelitian dan Pembahasan

Bab ini berisi tentang analisis dari hasil penelitian yang sudah dilakukan sehingga menghasilkan suatu strategi BI sesuai dengan yang diharapkan. e. Bab V Kesimpulan dan Saran

Bab ini merupakan bab penutup yang di dalamnya memuat kesimpulan dan saran dari penelitian ini.

6 II.1 Landasan Teori

II.1.1 Business Intelligence

Business Intelligence atau disingkat BI adalah aplikasi, teknologi, dan metodologi untuk mengumpulkan, menyimpan, menganalisis, dan menyediakan akses ke data untuk membantu pengguna enterprise membuat keputusan bisnis yang lebih baik (Turban, et al., 2011). BI bertujuan untuk menyajikan berbagai informasi yang disesuaikan dengan kebutuhan setiap penggunanya. Informasi tersebut bisa berasal dari mana saja kemudian data tersebut diolah dan disajikan dalam bentuk informasi yang mudah dicerna oleh penggunanya dengan tujuan yaitu untuk mencapai tujuan bisnis perusahaan. Fungsi dari BI secara global adalah sebagai sistem pendukung pengambilan keputusan dimana sistem dan aplikasi ini mengubah data-data dalam suatu perusahaan atau organisasi (data operasional, data transaksional atau yang lainnya) kedalam bentuk pengetahuan. Jenis informasi yang dihasilkan dari proses BI jauh lebih lengkap sesuai dengan gambaran yang ada pada lingkungan organisasinya.

Business Intelligence merupakan kerangka kerja konseptual untuk

mendukung keputusan bisnis, BI menggabungkan arsitektur, basis data atau data warehouse, tools analisis dan aplikasi. (Turban, et al., 2011). Business Intelligence digunakan untuk aplikasi dan teknologi dalam mengumpulkan, menyimpan, menganalisa dan menyediakan akses pada data sehingga dapat membantu

pengguna dari kalangan perusahaan atau organisasi untuk mengambil keputusan dengan lebih baik dan tepat.

Business Intelligence menjelaskan tentang suatu konsep dan metode bagaimana cara atau prosedur untuk meningkatkan kualitas pengambilan keputusan bisnis berdasarkan sistem yang berbasiskan data-data dari berbagai data sumber. Dimana dalam proses Business Intelligence melakukan kegiatan pengambilan jumlah data yang besar, kemudian melakukan proses menganalisis data, dan dilanjutkan dengan menyajikan serta melaporkan hasil dari proses Business Intelligence tersebut sebagai bahan pertimbangan tindakan manajemen bisnis, memungkinkan untuk mengambil keputusan pokok bisnis saat dibutuhkan.

Konsep BI menekankan pada penerapan 5 pendayagunaan informasi untuk keperluan spesifik bisnis, masing-masing adalah sebagai berikut.

1. Data sourcing

Dalam hal ini Business Intelligence memiliki kemampuan untuk dapat mengakses berbagai sumber data dan informasi yang berada pada sejumlah sumber yang berbeda dimana pada setiap sumber memliki format penyimpanan data yang berbeda pula. Sumber data ini berasal dari data yang terdapat pada

operational system, tetapi juga bisa berasal dari dokumen yang tidak terstruktur

seperti email dan data yang dikirimkan dari pihak luar.

2. Data analysis.

Dalam hal ini intelligence memiliki kemampuan untuk dapat menganalisis data yang didapatkan dari aktivitas perusahaan dan informasi dari perusahaan

sehingga dapat dijadikan sebuah pengetahuan yang kelak dapat digunakan perusahaan untuk meningkatkan kinerja perusahaan.

3. Situation awareness.

Berkaitan dengan kemampuan sistem untuk mencari dan menyediakan data dan informasi terkait dengan kebutuhan atau konteks bisnis pada saat tertentu, misalnya ketika perusahaan berhadapan dengan peristiwa darurat dan mendesak.

4. Risk analysis.

Berkaitan dengan kemampuan sistem untuk melakukan kalkulasi rasio yang akan dihadapi perusahaan terhadap berbagai kecenderungan atau kemungkinan yang dapat terjadi sehubungan dengan kondisi tertentu.

5. Decission support.

Berkaitan dengan kemampuan sistem untuk secara aktif membantu manajemen dalam memberikan pertimbangan keputusan-keputusan yang berkualitas berdasarkan sejumlah kalkulasi dan pengolahan terhadap data atau informasi internal maupun eksternal yang dimiliki. (Miranda, 2008)

Gambar II.1 Konsep Business Intelligence (Turban, et al., 2010)

Dalam sebuah perusahaan atau organisasi, keputusan dibuat pada tingkatan atau level yang berbeda-beda, keputusan juga harus dilakukan secepat mungkin untuk mempertahankan daya saing, sehingga dapat membuat keputusan yang benar dan menjadi dasar yang solid dalam hal data, informasi dan ketersediaan pengetahuan. Dasar ini dapat bersumber dari informasi atau data berita bisnis, konferensi, pelanggan, tenaga penjualan, dan sebagainya. Sehingga bersama-sama membentuk sebuah konsep mengenai pasar dan dunia bisnis tertentu.

Gambar II.2 menyajikan pemahaman dasar mengenai sistem business

intelligence. Sebuah sistem business intelligence dengan kata lain merupakan

kombinasi data warehouse dan sistem pendukung keputusan. Hal ini menjelaskan bagaimana data dari sumber-sumber yang berbeda dapat diekstraksi dan disimpan dan selanjutnya diambil untuk dianalisis. Kegiatan utama business intelligence

intelligence data yang digunakan harus berkualitas tinggi, dengan cara memperolehnya dari berbagai sumber data yang dikumpulkan, kemudian diubah, lalu dibersihkan, selanjutnya dimuat dan disimpan dalam basisdata data

warehouse.

Gambar II.2 Pemahaman Dasar Sistem Business Intelligence (Ranjan, 2009)

II.1.1.1 Langkah-langkah Proses Business Intelligence

Terdapat beberapa bagian dalam solusi Business Intelligence yaitu, keseluruhan proses dalam Business Intelligence dapat diterjemahkan menjadi langkah-langkah dibawah ini (Imelda, 2013) :

1. Identifikasi masalah bisnis yang perlu diselesaikan dengan gudang data dan menentukan data yang diperlukan untuk menyelesaikan masalah tersebut.

2. Identifikasi lokasi dari data-data yang diperlukan dan mengambilnya dari sumber penyimpanannya.

3. Merubah data yang diperoleh dari beragam sumber tersebut ke dalam sebuah data yang konsisten.

4. Mengambil data yang telah dirubah tersebut ke dalam lokasi yang yang tersentralisasi.

5. Membuat sebuah gudang data dengan data yang ada dalam lokasi yang tersentralisasi tersebut

6. Memasang sebuah produk atau aplikasi yang dapat memberikan akses ke data yang ada dalam cube tadi. Ada berbagai macam jalan dan cara untuk berbagai macam tipe pekerjaan ketika berurusan dengan cube.

II.1.1.2 Arsitektur Business Intelligence

Arsitektur dari sebuah sistem Business Intelligence terdiri atas enam komponen utama yaitu : (Vercellis, 2009)

1. Data Source

Pada tahap pertama ini diperlukan proses untuk mengumpulkan dan mengintegrasi data yang disimpan dalam berbagai sumber yang bervariasi yang saling berbeda baik itu asal maupun jenisnya. Sumber data ini berasal dari data yang terdapat pada operational system, tetapi juga bisa berasal dari dokumen yang tidak terstruktur seperti email dan data yang dikirimkan oleh pihak luar.

2. Data Warehouse

Pada tahap ini proses menggunakan extraction dan transformation tool yang dikenal sebagai ETL (Extract, Transform, Load), data yang berasal dari

berbagai sumber yang berbeda disimpan ke dalam basisdata yang ditujukan untuk mendukung proses analisis business intelligence.

3. Data Exploration

Pada tahap ini, tools yang berfungsi untuk keperluan analisis Business Intelligence pasif digunakan.Tools ini terdiri dari query dan reporting system, serta statistical methods. Metodologi ini bersifat pasif dikarenakan para pengambil keputusan harus mengambil keputusan berdasarkan hipotesis mereka sendiri atau mendefiniskan kriteria dari data extraction, kemudian menggunakan tools analisis untuk menemukan jawaban dan mencocokannya dengan hipotesa awal mereka.

4. Data Mining

Pada tahap ini proses terdiri sejumlah metodologi Business Intelligence

bersifat aktif yang tujuannya untuk mengekstrak informasi dan pengetahuan dari data tersebut. Metodologi ini berisi sejumlah model matematika untuk pengenalan pola (pattern), pembelajaran mesin (machine learn) dan teknik

Data Mining.

5. Optimization

Pada tahap ini menghasilkan solusi dimana solusi terbaik harus dipilih dari sekian solusis alternatif yang ada, dan biasanya sangat banyak dan beragam atau bervariasi.

6. Decisions

Pada tahap ini yang menjadi persoalan utama merupakan bagaimana menentukan keputusan akhir yang akan diambil yang dikenal sebagai

decision making process. Walaupun metodologi Business Intelligence

berhasil diterapkan, pilihan untuk mengambil sebuah keputusan tetap ada ditangan para pengambil keputusan tersebut.

Gambar II.3 Arsitektur Business Intelligence (Turban, et al., 2010)

II.1.1.3 Jenis Business Intelligence

Business Intelligence terbagi kedalam lima jenis atau kategori, yaitu :

1. Enterprise Reporting yakni digunakan untuk menghasilkan laporan-laporan

statis yang didistribusikan ke banyak orang. Jenis laporan ini sangat sesuai untuk laporan operasional dan dashboard.

2. Cube Analysis yakni digunakan untuk menyediakan analisis OLTP

multidimensional yang ditujukan untuk manajer bisnis dalam lingkungan terbatas.

3. Ad Hoc Query and Analysis yakni digunakan untuk memberikan akses kepada user agar dapat melakukan query pada basis data, dan menggali informasi sampai pada tingkat paling dasar dari informasi transaksional.

Query ini berfungsi untuk mengeksplor informasi yang dilakukan oleh user.

4. Statistical Analysis and Data Mining yakni digunakan untuk melakukan

analisis prediksi atau menentukan korelasi sebab akibat diantara dua matrik.

5. Delivery Report and Alert yakni digunakan secara proaktif untuk

mengirimkan laporan secara lengkap atau memberikan peringatan kepada populasi user yang besar atau banyak.

II.1.2 Data Warehouse

Business Intelligence dan data warehouse adalah dua hal yang berbeda

namun hampir tidak bisa dipisahkan. Data warehouse bicara mengenai bagaimana data-data yang besar dan beragam disimpan dalam satu repository dan disusun sedemikian sehingga memudahkan pencarian, sedangkan Business Intelligence

adalah suatu teknologi yang digunakan untuk menyajikan data-data tersebut sehingga memudahkan analisa dan pengambilan keputusan berdasakan informasi yang akurat dari sumber data. Suatu solusi Business Intelligence yang baik memerlukan sumber data yaitu data warehouse.

Data warehouse merupakan koleksi data yang mempunyai sifat

berorientasi subyek, terintegrasi, time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management, proses ini

Tujuan utama dari pembuatan data warehouse merupakan untuk menyatukan data yang beragam ke dalam sebuah tempat penyimpanan dimana pengguna dapat dengan mudah menjalankan query, menghasilkan laporan, dan melakukan analisis. Salah satu keuntungan yang diperoleh dari keberadaan data

warehouse adalah dapat meningkatkan efektifitas pembuatan keputusan.

II.1.2.1 Online Transaction Processing (OLTP)

Online Transaction Processing (OLAP) merupakan sebuah sistem yang

mengatur aplikasi berorientasi pada transaksi, umumnya untuk entry dan pengambilan pada transaksi online. Karena itu, sebuah database OLTP hanya akan memproses database transaksi, dan tentunya terpisah dari data warehouse. Sistem OLTP harus mampu melakukan respon dengan segera terhadap permintaan user. Tujuan OLTP adalah memelihara basis data dalam bentuk yang akurat dan terkini. Karakteristik aplikasi OLTP yaitu :

1. Transaksi singkat dan sederhana 2. Pemutakhiran relatif sering dilakukan

3. Transaksi hanya mengakses sebagian kecil basis data

II.1.2.2 Karakteristik Data Warehouse

Beberapa karakteristik data warehouse (Inmon, 2002), yaitu :

1. Berorientasi Subyek (Subject Oriented) yaitu data warehouse didesain untuk menganalisa data berdasarkan subyek tertentu dalam perusahaan atau organisasi, bukan pada proses atau fungsi aplikasi tertentu. Hal ini dikarenakan kebutuhan dari data warehouse untuk menyimpan data yang bersifat sebagai penunjang suatu keputusan, dari pada aplikasi yang

berorientasi terhadap data. Jadi dengan kata lain, data yang disimpan merupakan berorientasi kepada subyek bukan terhadap proses. Secara garis besar perbedaan antara data operasional dan data warehouse yakni :

Tabel II.1 Perbandingan Fungsi Data Operasional dan Data Warehouse

Data Operasional Data Warehouse

Dirancang berorientasi hanya pada aplikasi dan fungsi tertentu

Dirancang berdasar pada subyek-subyek tertentu (utama)

Fokusnya pada desain basisdata dan proses Fokusnya pada pemodelan data dan desain data

Berisi rincian atau detail data Berisi data history yang akan dipakai dalam proses analisis

Relasi antar tabel berdasar aturan terkini (selalu mengikuti rule(aturan) terbaru)

Banyak aturan bisnis dapat tersaji antara tabel-tabel

Sumber : (Inmon, 2002).

2. Terintegrasi (Integrated) yaitu data warehouse dapat menyimpan data yang berasal dari sumber-sumber yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya. Dengan demikian data tidak bisa dipecah-pecah karena data yang ada merupakan suatu kesatuan yang menunjang keseluruhan konsep data warehouse itu sendiri. Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara sepeti konsisten dalam penamaan variabel, konsisten dalam ukuran variabel, konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari data.

3. Rentang Waktu (Time-Variant) yaitu seluruh data pada data warehouse dapat dikatakan akurat atau valid pada rentang waktu tertentu. Untuk melihat interval waktu yang digunakan dalam mengukur keakuratan suatu data

warehouse, dapat menggunakan cara antara lain yakni :

- Cara yang paling sederhana merupakan menyajikan data warehouse pada rentang waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan.

- Cara yang kedua, dengan menggunakan variasi/perbedaan waktu yang disajikan dalam data warehouse baik implisit maupun secara eksplisit dengan unsur waktu dalam hari, minggu, bulan. Secara implisit misalnya pada saat data tersebut diduplikasi pada setiap akhir bulan, atau per tiga bulan. Unsur waktu akan tetap ada secara implisit didalam data tersebut. - Cara yang ketiga,variasi waktu yang disajikan data warehouse melalui

serangkaian snapshot yang panjang. Snapshot merupakan tampilan dari sebagian data tertentu sesuai keinginan pemakai dari keseluruhan data yang ada bersifat read-only.

4. Non Volatile yaitu data pada data warehouse tidak di update secara real

timetetapi di refresh dari sistem operasional secara rutin. Data yang baru selalu ditambahkan sebagai suplemen bagi basisdata itu sendiri dari pada sebagai sebuah perubahan. Basisdata tersebut secara kontinyu menyerap data baru ini, kemudian secara incremental disatukan dengan data sebelumnya.

Berikut ini merupakan hal-hal yang berkaitan dengan data warehouse

dalam penerapan pada sistem business intelligence (Inmon, 2002) yaitu :

1. Data Mart yakni merupakan suatu bagian pada data warehouse yang

mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan.

2. On-Line Analytical Processing yakni merupakan suatu pemrosesan basisdata

yang menggunakan tabel fakta dan dimensi untuk dapat menampilkan berbagai macam bentuk laporan, analisis, query dari data yang berukuran besar.

3. On-Line Transaction Processing yakni merupakan suatu pemrosesan yang menyimpan data mengenai kegiatan operasional transaksi sehari-hari.

4. Dimension Table yakni merupakan tabel yang berisikan kategori dengan

ringkasan data detail yang dapat dilaporkan. Seperti laporan laba pada tabel fakta dapat dilaporkan sebagai dimensi waktu yang berupa perbulan, perkwartal dan pertahun.

5. Fact Table yakni merupakan tabel yang umumnya mengandung angka dan

data history dimana key (kunci) yang dihasilkan sangat unik, karena key

tersebut terdiri dari foreign key (kunci asing) yang merupakan primary key

(kunci utama) dari beberapa dimensi tabel yang berhubungan.

6. Decision Support System yakni merupakan sistem yang menyediakan

informasi kepada pengguna yang menjelaskan bagaimana sistem ini dapat menganalisa situasi dan mendukung suatu keputusan yang baik.

II.1.2.3 Arsitektur Data Warehouse

Terdapat beberapa jenis arsitektur data warehouse yang dapat digunakan dalam pembangunan data warehouse. Salah satunya yaitu two layer architecture

Gambar II.4 Arsitektur Data Warehouse (Golfarelli, et al.)

Lapisan pertama adalah source layer. Pada lapisan ini, data masih berupa operasional data. Data operasional yang akan digunakan pada pembangunan data warehouse kali ini sudah berupa data logic yang ada di database.

Lapisan kedua adalah data staging. Pada lapisan ini, data operasional akan

di-ekstract (proses ETL) ke dalam data warehouse.

Lapisan ketiga adalah data warehouse layer. Informasi akan disimpan pada sebuah penyimpanan logic yang tersentralisasi yaitu data warehouse. Data warehouse dapat diakses secara langsung.

Lapisan keempat adalah analysis. Analisis disini nantinya akan menggunakan OLAP sebelum disajikan sebuah laporan khusus.

II.1.2.4 Extract, Transform, Loading (ETL)

Fungsi ETL membentuk kembali data yang relevan dari sumber sistem kedalam informasi yang berguna untuk disimpan didalam data warehouse. Tanpa fungsi ini, tidak akan ada informasi strategis dalam data warehouse. Jika sumber data tidak di ekstrak dengan benar, dibersihkan dan diintegrasikan ke dalam format yang benar, proses query sebagai tulang punggung data warehouse tidak akan terbentuk.

Langkah pertama adalah extraction. Pada proses ini, data operasional yang diperlukan pada data warehouse akan dibaca untuk kemudian masuk dalam proses

cleaning.

Langkah kedua adalah cleaning. Pada poses ini data operasional yang telah dibaca akan diperbaiki dari kesalahan-kesalahan pada proses input data. Misalnya terjadi redudansi dari data, record yang salah satu field-nya memiliki null value

akan dibersihkan.

Langkah ketiga adalah transform. Pada proses ini data yang sudah dibersihkan diubah dari format data opersional menjadi format data warehouse.

Langkah ke empat adalah loading. Pada proses ini, data yang sudah dibaca, dibersihkan, dan dirubah formatnya akan disimpan pada data warehouse. Ada dua teknik dalam proses loading ini. Pertama adalah refresh, teknik ini akan mengganti data lama di data warehouse dengan data yang baru jika diperlukan. Teknik kedua adalah update, teknik ini tidak mengganti data yang sudah ada di data warehouse, tapi terus menambahkan data yang baru ke dalam data warehouse.

II.1.2.5 OLAP (On-Line Analytical Processing)

OLAP (On-Line Analytical Processing) adalah salah satu cara untuk

mengolah data yang ada pada sebuah data warehouse. OLAP memberikan jawaban terhadap query analytic untuk data yang bersifat multidimensional. OLAP menyediakan cara untuk menampilkan data multidimensional yang ada dalam data mart atau data warehouse, dengan OLAP dapat dibuat cube yang mengorganisasikan data dan membuat summary data untuk query yang efisien.

Teknik dalam OLAP ini ada berbagai macam. Dalam pengembangan kali ini, teknik yang akan digunakan adalah roll-up and drill-down dan slice and dice.

Karakteristik OLAP:

1. Menggunakan teknik analisis data multidimensional. 2. Menyediakan dukungan database tingkat lanjut.

3. Menyediakan cara pakai yang mudah dan user interface yang mudah dipahami.

4. Mendukung arsitektur client-server.

II.1.2.5.1 Roll-up and Drill-down

Drill-down and roll-up adalah operasi untuk melihat data global atau detail

di sepanjang level hirarki dimensi. Roll-up untuk melihat data secara global atau rangkuman (summary). Drill-down memandu pengguna untuk memperoleh data yang lebih detail. Drill-down ini biasa digunakan untuk menjawab pertanyaan atas suatu kasus tertentu. Misalnya untuk menjawab pertanyaan ketika sebuah

II.1.2.5.2 Slice and Dice

Slice and dice adalah operasi untuk melihat data sebagai visualisasi dari kubus. Dengan slice dan dice pengguna dapat melihat data dari beberapa perspektif. Pengguna dapat mengekstrak bagian dari data agregrated dan dapat memeriksa dengan detail berdasarkan dimensi-dimensi yang diinginkan. Data

Agregrated merupakan data pra-perhitungan (precalculated) dalam bentuk

rangkuman data (data summarized) sehingga query pada kubus (cube) lebih cepat.

Slice memotong kubus sehingga dapat memfokuskan pada perspektif yang

spesifik (pada suatu dimensi). Sedangkan dice memberikan kemampuan untuk melihat pemilihan data pada dua dimensi atau lebih, yaitu dengan merotasi cube

pada perspektif yang lain sehingga pengguna dapat melihat lebih spesifik terhadap data yang di analisis.

II.1.3 Business Intelligence Analytics

Aplikasi analitik adalah suatu aplikasi yang menyediakan proses pengambilan keputusan dengan akses berbasis waktu dari berbagai sumber data. Pengguna dapat menggunakan Business Intelligence untuk mengakses suatu dimensional data warehouse yang interaktif dengan memanfaatkan OLAP untuk proses slice dan dice, drilling up serta drilling down. Slicing dan dicing adalah operasi untuk melihat data sebagai visualisasi dari kubus. Dengan slicing dan dicing pengguna dapat melihat data dari beberapa perspektif. Pengguna dapat mengekstrak bagian dari data agregrated dan dapat memeriksa dengan detail berdasarkan dimensi-dimensi yang diinginkan.

II.1.3.1 Data Mining

Data Mining adalah sebuah proses untuk mengidentifikasi pola baru dan

cara pandang baru terhadap data (Kohavi, 2000). Bersamaan dengan berkembangnya data yang disimpan maka semakin berkembang pulalah kebutuhan untuk men-summary data (salah satu caranya adalah dengan visualisasi). Data Mining sering dikenal sebagai knowledge discovery yang menjangkau seluruh area termasuk machine learning, statisktik, pengenalan pola, database, dan visualisasi. Ada dua tujuan dari Data Mining, yaitu:

a. Wawasan

Mengidentifikasi pola yang komprehensif dan dijadikan wawasan untuk mengambil langkah selanjutnya.

b. Prediksi

Model dibuat untuk memprediksi suatu input data berdasarkan pola yang ada.

II.1.4 Business Intelligence Dashboard

Dashboard adalah satu kategori dari aplikasi Business Intelligence yang

secara real time akan memonitoring berbagai informasi yang dibutuhkan oleh suatu organisasi atau perusahaan dengan berbagai macam format seperti graphical

gadgets, typically gauges, charts, indicators, dan color-coded maps yang

memungkinkan mereka membuat keputusan pintar secara cepat.

II.1.5 Business Performance Management

Business Performance Management (BPM) adalah suatu framework untuk

proses dan sistem yang mengatur keseluruhan performansi perusahaan. BPM juga membantu perusahaan untuk menterjemahkan sekumpulan objektif kedalam suatu perencanaan, memonitor pengeksekusian dan mengirimkan hal-hal yang penting untuk peningkatan keuangan dan performansi operasionalnya.

II.1.6 Key Performance Indicators (KPI)

Key Performance Indicators atau disingkat KPI adalah metrik finansial

ataupun non-finansial yang digunakan untuk membantu suatu organisasi atau perusahaan untuk menentukan dan mengukur kemajuan terhadap sasaran organisasi atau perusahaan tersebut. KPI digunakan dalam business intelligence untuk menilai keadaan terkini suatu bisnis dan dapat menentukan suatu tindakan terhadap keadaan tersebut. (Parmenter, 2007)

KPI merupakan bagian dari performance indicators atau indikator kinerja organisasi. Keunggulan KPI dibandingkan dengan indikator kinerja lainnya, adalah bahwa KPI merupakan indikator kunci yang benar-benar mampu mempresentasikan kinerja organisasi secara keseluruhan.Jumlah indikator kinerja yang dipilih sebagai KPI ini biasanya tidak banyak, namun demikian hasil pengukuran melalui indikator tersebut dapat digunakan untuk menilai tingkat keberhasilan organisasi dalam mencapai tujuan dan sasaran yang telah ditetapkan.

KPI sebagai ukuran atau indikator yang akan memberikan informasi sejauh mana organisasi atau perusahaan telah berhasil mewujudkan sasaran strategis yang telah tetapkan. Dalam menyusun KPI sebuah organisasi atau perusahaan sebaiknya menentapkan indikator kinerja yang jelas, spesifik dan terukur (measurable).

II.1.7 Tools pembuatan OLTP dan Data Warehouse

Dalam pembangunan skema OLTP dan Data warehouse maka dibutuhkan alat bantu yang digunakan yaitu :

1. SQL Server Management Studio yang digunakan untuk mendesain dan

membangun skema relasi OLTP dan melakukan proses ETL.

2. Business Analysist Studio yang merupakan bagian dari Microsoft Visual

Studio dan digunakan untuk membangun data warehouse.

II.2 Penelitian Terkait

Penelitian mengenai model Business Intelligence untuk kinerja mahasiswa di Teknik Informatika ini belum pernah dilakukan, tetapi ada beberapa penelitian terkait yang berhubungan dengan tema ini, antara lain :

Zainal Arifin (2012), melakukan sebuah penelitian tentang sistem Business

Intelligence Universitas sebagai pendukung pengambilan keputusan akademik di

Universitas Mulawarman berbasis web dengan OLAP menggunakan perangkat lunak Microsoft Business Intelligence Development Studio, Microsoft SQL Server

2008R2 dan Microsoft Visual Studio 2008 sebagai solusi untuk

mempertimbangkan proses dalam pengambilan keputusan pada manajemen akademik universitas dan solusi untuk peningkatan kinerja pengelolaan akademik dalam mencapai keunggulan akademik atau academic excellent. (Arifin, 2012)

Henderi dan Edi Winarko (2013), melakukan penelitian tentang perancangan framework Business Intelligence pada perguruan tinggi yang digunakan sebagai referensi dalam membangun BI di sekolah tinggi dan perguruan tinggi secara umum yang berfungsi untuk menyimpan data,

mengkonsulidasikan data, mengolah dan menganalisis data, mengakses dan mendeliver informasi. (Henderi, 2013)

Penelitian yang dilakukan ini memiliki perbedaan dengan penelitian sebelumnya yaitu penelitian ini akan menjelaskan dan menyajikan informasi serta memberikan alternatif solusi mengenai permasalahan mahasiswa sehingga dapat meningkatkan kinerja program studi Teknik Informatika Unikom secara efektif dan efesien. Sumber data yang akan digunakan berupa data sample yang berkaitan dengan mahasiswa di Program Studi Teknik Informatika dari tahun 2008 sampai dengan tahun 2013.

27 III.1 Metodologi Penelitian

Metodologi penelitian yang digunakan pada penelitian ini terlihat pada Gambar III.1.

Pengumpulan Data dan Kebutuhan Informasi Strategis

Identifikasi dan Penentuan Stakeholder

Pembuatan Skema Relasi OLTP

Analisis Data Warehouse

Proses ETL (Extract, Transform, Loading)

Pembentukan Skema Relasi Data Warehouse

Analisis Komponen Business Inteliigence

Penentuan KPI (Key Performance Indicator)

Penentuan Jenis Informasi dan Sumber Data

Penentuan Strategi Business Intelligence

Keterangan dari Gambar III. 1 yaitu :

a. Pengumpulan Data dan Kebutuhan Informasi Strategis

Tahap ini digunakan untuk mengumpulkan seluruh data dan kebutuhan Informasi strategis yang dibutuhkan untuk penelitian ini dengan melakukan wawancara dan observasi langsung di tempat studi kasus.

b. Identifikasi dan Penentuan Stakeholder

Tahapan ini digunakan untuk mengidentifikasi dan menentukan siapa saja

stakeholder yang terlibat pada penelitian ini berdasarkan kebutuhan informasi

strategis yang sudah ditentukan sebelumnya. c. Pembuatan Skema Relasi OLTP

OLTP atau Online Transaction Processing adalah suatu konsep database yang berisi tentang proses data untuk merekam transaksi operasional sehari-hari. Pada tahapan ini dilakukan proses pengumpulan data-data transaksi operasional yang dibutuhkan untuk penelitian. Hasil pengumpulan data tersebut disimpan dalam konsep table di database lalu dihubungkan dalam bentuk skema relasi OLTP untuk melihat keterkaitan antara satu data dengan data lainnya.

d. Analisis Data Warehouse

Tahapan ini digunakan untuk menyimpan data-data yang besar dan beragam dalam satu repository dan disusun sedemikian rupa untuk mempermudah pencarian dan hasil dari penyimpanan ini digunakan untuk menentukan informasi dalam pembangunan strategi BI selanjutnya. Tahapan ini melalui beberapa proses yaitu :

1. Proses ETL (Extract, Transform, Load)

Proses extract yaitu proses penarikan data yang diambil dari sistem OLTP yang sudah ditentukan sebelumnya lalu data tersebut dibersihkan dan diekstrak untuk mendapatkan pola dan struktur data yang diinginkan. Proses transfer yaitu proses pembersihan data yang telah diambil pada proses extract agar sesuai dengan struktur data warehouse.

Proses load yaitu tahapan yang berfungsi untuk memasukkan data ke dalam data warehouse

2. Pembentukan Skema Relasi Data warehouse

Tahapan ini digunakan untuk menentukan relasi antar tabel atau data yang sudah melalui proses ETL dan hasil dari skema ini akan dipetakan sesuai dengan kebutuhan stakeholder. Hasil dari data warehouse ini juga berupa informasi yang sesuai dengan kebutuhan strategis dan menjadi acuan untuk penentuan strategi BI selanjutnya.

e. Analisis Komponen Business Intelligence

Tahapan ini digunakan untuk menentukan untuk menganalisis komponen-komponen yang terlibat didalam penelitian ini. Komponen tersebut antara lain: 1. Penentuan KPI (Key Performance Indicator)

Tahapan ini digunakan untuk menentukan indikator atau kunci utama yang dibutuhkan untuk penentuan strategi BI.

Tahapan ini digunakan untuk menentukan apa saja informasi dan berasal dari mana sumber data dari data warehouse yang dibutuhkan untuk penentuan strategi BI

f. Penentuan Strategi Business Intelligence

Berdasarkan tahapan sebelumnya maka tahapan ini menjelaskan mengenai strategi business intelligence yang digunakan untuk mendapatkan nilai lebih dari kebutuhan tersebut.

III.2 Objek Penelitian

Tempat studi kasus yang akan dijadikan objek penelitian adalah Program Studi Teknik Informatika Universitas Komputer Indonesia (Unikom).

II.2.1 Profil Program Studi Teknik Informatika

Teknik Informatika yang merupakan salah satu disiplin ilmu pada bidang Teknologi Informasi, dikembangkan untuk memberikan pengetahuan tentang pemanfaatan Teknologi Informasi tersebut guna memenuhi kebutuhan-kebutuhan manusia yang semakin beragam dan kompleks.

Program Studi Teknik Informatika Universitas Komputer Indonesia akan diarahkan untuk menghasilkan seorang analis berlandaskan pada pengetahuan informatika teoretik dengan memaksimalkan pemanfaatan teknologi on-line yang diharapkan mempunyai kemampuan untuk memecahkan berbagai masalah dalam dunia nyata. Lulusan Teknik Informatika diharapkan tidak hanya sekedar mampu menggunakan program-program aplikasi komputer (user) atau membuat program aplikasi komputer (programmer), tetapi menjembatani kebutuhan-kebutuhan user

dan programmer yang kemudian diterjemahkan dalam sebuah dokumen spesifikasi formal.

II.2.2 Identitas Program Studi

Nama Perguruan Tinggi : Universitas Komputer Indonesia

Alamat Perguruan Tinggi : Jl. Dipati Ukur No. 112-114-116 Bandung 40132.

Program Studi : Teknik Informatika

Fakultas : Teknik dan Ilmu Komputer (FTIK) Alamat Program Studi : Kampus V Lt 3

Jl. Dipati Ukur 114 Bandung 40132

Telp. (022) 253 3825 Fax. (022) 253 3754

Website : http://if.unikom.ac.id

E-mail : if@unikom.ac.id

SK Pendirian Program Studi

: SK Mendiknas No. 126/D/O/2000, Tanggal 8 Agustus 2000

Peringkat Akreditasi : B (Baik)

SK. Badan Akreditasi Nasional - Perguruan Tinggi (BAN-PT)

No. 195/SK/BAN-PT/Ak-SURV/S/IX/2013 Berlaku mulai dari tanggal 31 Januari 2013 s/d 31 Januari 2018

Ketua Program Studi : Irawan Afrianto, S.T., M.T. Sekretaris Program Studi : Dian Dharmayanti, S.T., M.Kom.

II.2.3 Sejarah Program Studi Teknik Informatika

Pada tahun 1994, Ir. Eddy Suryanto Soegoto, M.Sc mendirikan Lembaga Pendidikan Komputer Indonesia Jerman (LPKIG) untuk program pendidikan 1 tahun, menempati kampus Jl. Dipati Ukur No. 102. Di tahun ketiga, nama Lembaga Pendidikan Komputer Indonesia Jerman (LPKIG) diubah menjadi Indonesian Germany Institute (IGI). Pada tanggal 24 Desember 1998 dibentuk Yayasan Science dan Teknologi yang dilanjutkan dengan Pengajuan ke Kopertis IV Jabar untuk pendirian STIE IGI dan STMIK IGI.

Pada bulan Agustus 1999 keluar SK Mendiknas No. 143/D/O/1999 atas STIMK IGI dengan 5 Program Studi yaitu Teknik Informatika S1, Manajemen Informatika D3 & D1, Teknik Komputer D3 & D1, Teknik Informatika D3 & D1, Komputerisasi Akuntansi D3 & D1.

Mengantisipasi pesatnya perkembangan Teknologi Informasi, IPTEK, Era Globaliasi dan Milenium ke-3 serta untuk memberikan yang terbaik bagi masa depan mahasiswa/i nya, Yayasan Science dan Teknologi kemudian mengajukan usulan ke DIKTI melalui Kopertis Wilayah IV Jabar untuk melakukan merger atas kedua Sekolah Tinggi diatas untuk menjadi Universitas Komputer Indonesia.

Pada hari selasa, tanggal 8 Agustus 2000 keluar SK Mendiknas No. 126/D/O/2000 atas nama Akreditasi Universitas Komputer Indonesia, disingkat UNIKOM. Akreditasi Mendiknas atas UNIKOM disertai menetapkan kembali

status Terdaftar kepada Program Studi Teknik Informatika jenjang pendidikan program S1 (Sarjana).

II.2.4 Visi, Misi, Tujuan dan Sasaran Program Studi

Program Studi Teknik Informatika sebagai salah satu program studi di UNIKOM memiliki Visi, Misi, Tujuan dan Sasaran utama.

II.2.4.1 Visi

Visi program studi Teknik Informatika adalah :

1. Menjadi Program Studi Teknik Informatika yang unggul dan terdepan yang dapat menjawab tantangan perkembangan Teknologi Informasi dan Komputer yang berkembang sangat pesat,

2. Mampu menyediakan tenaga ahli kompeten, memiliki integritas kepribadian tinggi, dan

3. Tanggap terhadap perkembangan ilmu pengetahuan dan teknologi secara global serta berwawasan enterpreneur.

II.2.4.2 Misi

Misi program studi adalah :

1. Menyelenggarakan Pendidikan Tinggi yang dapat menghasilkan lulusan berkualitas bidang Teknologi Informasi dan Komunikasi yang berwawasan Teknologi Informasi dan Komunikasi dan enterpreunership, serta siap bersaing secara global.

2. Melakukan kegiatan Penelitian dan pengembangan bidang Teknologi Informasi dan Komunikasi terkini berdasarkan suatu roadmap yang jelas dan berujung pada publikasi ilmiah dan/atau produk nyata.

3. Melakukan berbagai kegiatan pengabdian kepada masyarakat /industri sebagai upaya untuk berkontribusi menyelesaikan problem nyata di masyarakat/industri

II.2.4.3 Tujuan

Tujuan program studi adalah :

1. Menghasilkan Sarjana yang memiliki pengetahuan dan kompetensi dalam bidang Teknologi Informasi dan Komputer,

2. Menghasilkan karya yang sesuai dengan kebutuhan, serta 3. Beriman dan bertakwa kepada Tuhan Yang Maha Kuasa.

II.2.4.4 Struktur Organisasi

Program studi teknik informatika memiliki struktur organisasi yang menggambarkan hierarki jabatan yang terlibat didalamnya. Struktur organisasi Program Studi Teknik Informatika dapat dilihat pada gambar III.2.

36

BAB IV

HASIL PENELITIAN DAN PEMBAHASAN

IV.1 Pengumpulan Data dan Kebutuhan Informasi Strategis

Program Studi Teknik Informatika atau IF memiliki tujuan strategi bisnis untuk meningkatkan kinerja bisnisnya. Faktor utama yang mempengaruhi kinerja bisnis dari program studi ini adalah dari sisi mahasiswa. Berdasarkan observasi terhadap fenomena yang terjadi di program studi ini terjadi berbagai masalah yang menghambat kinerja bisnis dari sisi mahasiswa. Masalah utama yang terjadi disini adalah tidak sebandingnya jumlah mahasiswa yang lulus dengan jumlah mahasiswa yang masuk setiap tahunnya. Masalah lain yang terjadi di program studi ini berkaitan dengan kinerja bisnis dari sisi mahasiswa dapat dilihat pada tabel IV.1.

Tabel IV.1. Masalah dari sisi mahasiswa berdasarkan data dan fakta

Data Fakta

Nilai Mahasiswa Baru

Jumlah Mhs dengan Grade C hampir 50% setiap tahunnya Jumlah Mhs dengan Grade A hanya sedikit setiap tahunnya bahkan tidak ada

Kelulusan Mahasiswa

Mhs Lulus 4 tahun mengalami penurunan setiap tahunnya Mhs Lulus > 4 tahun mengalami penaikan setiap tahunnya Mhs Lulus dengan IPK >=3,5 (Cum Laude) menurun setiap tahunnya

Mhs Lulus dengan IPK >2,75 tidak konstan

Mhs Lulus dengan IPK <2,75 mengalami penaikan setiap tahunnya

Mahasiswa Keluar

Jumlah Mhs yang mengundurkan diri semakin meningkat setiap tahunnya

Jumlah Mhs yang pindah fakultas semakin meningkat setiap tahunnya

Jumlah Mhs yang pindah Program Studi semakin meningkat setiap tahunnya

Dari permasalahan yang terjadi terdapat data-data yang berkaitan langsung dan memiliki nilai pencapaian lebih dari yang diinginkan. Permasalahan yang terjadi dengan data yang ada adalah karena jumlah data yang dimiliki sangat banyak dan data-data tersebut tersebar ke beberapa sistem yang berbeda sehingga muncul permasalahan yaitu sulitnya pengaksesan jika dibutuhkan pemanfaatan terhadap data tersebut.

Berdasarkan informasi yang diberikan oleh pihak program studi, jumlah data-data yang digunakan dapat dilihat pada Tabel IV.2

Tabel IV.2 Data yang digunakan oleh Program studi IF

No Jenis Data Tahun Jumlah

1 Mahasiswa Baru

2009 806

2010 839

2011 845

2012 902

2013 588

2 Mahasiswa Aktif

2010 - Ganjil 3155

2010 - Genap 2884

2011 - Ganjil 3260

2011 - Genap 2964

2012 - Ganjil 3404

2012 - Genap 3052

2013 - Ganjil 3119

3 Mahasiswa Lulus

2010 332

2011 332

2012 399

4 Mahasiswa Mengundurkan

diri & Pindah

2012 97

2011 54

2010 88

Tabel IV.3 menampilkan informasi data-data operasional yang terlibat langsung serta perbandingan antara pemanfaatan data saat ini dengan pencapaiannya jika memiliki nilai lebih.

Tabel IV.3. Data operasional yang digunakan dan Pemanfaatannya Jenis Data Tempat

Penyimpanan

Sumber Data User Pemanfaatan data

Nilai Mahasiswa baru - Database (Direktorat ICT) - Database (Prodi IF) Sistem Penerimaan Mahasiswa Baru - Petugas Direktorat ICT - Sekretariat IF

- Melihat data mhs baru beserta data diri lengkap dan nilai masuk.

- Data tersebut bisa terlihat

jumlah mhs baru

sehingga bisa dijadikan target berapa jumlah mhs yang bisa lulus tepat waktu

Kelulusan Mahasiswa

Database (Prodi IF – Sistem Informasi Tugas Akhir/Sistem Informasi Akademik IF) Sistem Informasi Tugas Akhir/Skripsi (Data Yudisium) Sekretariat IF

- Melihat data mahasiswa lulus tiap tahunnya berdasarkan lama lulus dan IPK yang didapat

- Data tersebut

memperlihatkan target mahasiswa yang dapat lulus tepat waktu dengan IPK sesuai ketentuan yang diinginkan Mahasiswa Keluar Database Sistem Informasi Akademik prodi IF Sistem Informasi Akademik IF Sekretariat IF

- Melihat dan merekap jumlah data mahasiswa yang keluar baik mengundurkan diri, pindah fakultas maupun pindah jurusan

- Data tersebut dapat memperlihatkan

kecenderungan pada

semester berapa

mahasiswa tersebut keluar

Nilai Mahasiswa

Database (Prodi IF – Sistem Informasi Akademik) Sistem Informasi Akademik IF Sekretariat IF

- Melihat dan memantau nilai mahasiswa prodi IF

- Data tersebut

memperlihatkan

perkembangan maupun penurunan prestasi akademik mahasiswa IF - Data nilai diharapkan

bisa digunakan untuk pemantauan langsung orang tua terhadap nilai mahasiswanya.

Mata Kuliah

Database (Prodi IF – Sistem Informasi Akademik) Sistem Informasi Akademik IF Sekretariat IF

- Data ini berkaitan dengan nilai yang didapat oleh mahasiswa

- Data ini diharapkan bisa memperlihatkan mata kuliah apa saja yang sering dan banyak diulang.

IV.1.1 Analisis Kebutuhan Informasi Strategis

Analisis Kebutuhan Informasi adalah tahap menganalisis informasi apa saja yang dibutuhkan oleh program studi teknik informatika untuk meningkatkan kinerja bisnisnya dari sisi mahasiswa. Jika data dan informasi tersebut di explorasi, Business intelligence diharapkan dapat memberikan nilai lebih dari informasi yang tersedia dan yang diinginkan. Dari hasil wawancara dengan Ketua Program Studi IF dan berdasarkan fenomena yang terlihat, maka diinginkan informasi dan nilai lebih yang diinginkan antara lain :

1. Prodi IF ingin mengetahui jumlah data mahasiswa baru IF setiap tahun akademiknya.

2. Prodi IF ingin mengetahui status mahasiswa yang dapat menginformasikan : a. Jumlah Data Mahasiswa Aktif setiap semesternya

b. Jumlah Data Mahasiswa Cuti/Tidak Aktif setiap semesternya.

3. Prodi IF ingin mengetahui jumlah mahasiswa yang mengundurkan diri dan pindah jurusan setiap semesternya.

Nilai lebih yang diinginkan :

Alasan mahasiswa mengundurkan diri dari Unikom maupun pindah jurusan dari Teknik Informatika

4. Prodi IF ingin mengetahui jumlah mahasiswa lulus setiap tahun akademiknya dan juga dapat menginformasikan :

a. Jumlah Data Mahasiswa yang lulus dalam waktu 4 tahun

b. Jumlah Data Mahasiswa yang lulus dalam waktu lebih dari 4 tahun c. Jumlah Data Mahasiswa yang lulus dengan predikat IPK Cum Laude

d. Jumlah Data Mahasiswa yang lulus dengan predikat IPK Sangat Memuaskan

e. Jumlah Data Mahasiswa yang lulus dengan predikat IPK Memuaskan Berdasarkan fenomena dan wawancara yang telah dilakukan kepada Dosen, Mahasiswa IF Aktif dan Alumni IF terdapat beberapa hal yang menyebabkan jumlah mahasiswa yang masuk dengan mahasiswa yang lulus tidak seimbang. Hal ini juga menyebabkan jumlah mahasiswa yang lulus secara tepat waktu dengan IPK yang cukup baik tidak sesuai dengan target. Hal-hal yang menghambat kelulusan mahasiswa tersebut antara lain :

1. Mata kuliah yang diulang

Dari hasil wawancara dengan Mahasiswa Aktif dan Alumni IF, adanya mata kuliah yang diulang mengakibatkan bertambahnya lama waktu kuliah yang diinginkan. Hasil eksplorasi data dari model BI yang akan dihasilkan maka akan didapatkan nilai lebih yaitu :

a. Mata kuliah yang sering diulang

b. Jumlah mahasiswa yang mengulang mata kuliah tersebut c. Dosen pengampu mata kuliah yang banyak diulang 2. Beban Nilai Prasyarat dan Nilai Minimum Mata kuliah

Hal ini menjadi salah satu peranan cukup besar yang mengakibatkan banyaknya mahasiswa tidak lulus mata kuliah bahkan mengundurkan diri. Banyak mahasiswa yang merasa keberatan dengan aturan ini sehingga mahasiswa kurang mampu mengikuti dan mencapai nilai prasyarat lainnya.

Dari hasil analisis yang sudah dilakukan mata kuliah dengan beban prasyarat yang cukup memberatkan yaitu :

- Algoritma dan Pemrograman

Mata kuliah ini menjadi prasyarat dari beberapa mata kuliah wajib di IF dan bila nilai prasyaratnya tidak memenuhi maka akan menghambat mata kuliah yang lain. Mata kuliah yang terpengaruh dengan mata kuliah ini yaitu : (Sumber. Mata Kuliah & Prasyarat IF Kurikulum 2010)

a. Struktur Data b. Analisis Algoritma c. Metode Numerik d. Teknik Kompilasi e. Pemodelan dan Simulasi - Kalkulus

Mata Kuliah ini juga menjadi prasyarat utama yang harus dipenuhi jika ingin mengambil mata kuliah yang lain yang saling berhubungan. Mata kuliah tersebut antara lain :

a. Matematika Diskrit b. Metode Numerik

c. Pemodelan dan Simulasi 3. Beban Tugas Akhir dan Skripsi

Banyak mahasiswa yang merasa terpengaruh dan terbebani dengan proses ini. Dimulai dari proses pengajuan proposal hingga syarat kelulusan seminar dan

sidang. Bagi mahasiswa yang tidak bisa mengikuti, mahasiswa tersebut memilih untuk mengundurkan diri karena tidak sanggup mengikuti proses ini

Selain kebutuhan dari sisi Prodi, informasi ini dibutuhkan oleh pihak-pihak lain yang terkait. Tabel IV.4 menjelaskan tentang siapa saja stakeholder yang terkait terhadap kebutuhan informasi ini.

Tabel IV.4Analisis Stakeholder dan Kebutuhannya

No Stakeholder Kebutuhan

1 Rektorat Dengan mengetahui kondisi lulusan dan kondisi existing dari prodi IF, maka akan memudahkan pihak rektorat untuk mengambil keputusan dari level top management.

2 Fakultas Pihak fakultas dalam hal ini Dekan Fakultas Teknik dan Ilmu Komputer membutuhkan informasi strategis dari sisi mahasiswa agar dapat memudahkan proses pengambilan keputusan dari sisi fakultas

3 Mahasiswa Mahasiswa sebagai sumber data utama membutuhkan

informasi mengenai nilai yang didapatkan selama perkuliahan.

4 Orang tua Mahasiswa Orang tua mahasiswa membutuhkan informasi berupa history

nilai yang didapatkan oleh anaknya agar biasa memantau proses dan nilai akademik yang didapat.

5 Penyedia Lapangan Pekerjaan Dengan disediakannya persentase dan jumlah lulusan yang baik dan memenuhi prasyarat di lapangan pekerjaan, pihak penyedia lapangan pekerjaan akan lebih dimudahkan untuk mencari calon pelamar dari prodi IF sesuai dengan kriteria yang ditentukan.

Berdasarkan data operasional dan sumber daya yang digunakannya, maka proses yang harus dilakukan untuk memenuhi kebutuhan stakeholder mengikuti alur arsitektur OLTP dan Data Warehouse yang dapat dilihat pada gambar IV. 1

43

Pengguna Proses OLTP

Sistem Penerimaan Mahasiswa Baru

Sistem Informasi Akademik (SIAKAD)

Sistem Informasi Tugas Akhir/Skripsi

Sistem Informasi X . . .

Kaprodi IF

Sekprodi IF

Sekretariat IF

Dosen IF Interface Data OLTP

Data Source Layer Data Stagging

ETL

Data Warehouse

Dim X

Dim Y Fact Z

Fact A Dim B

Dim C

OLAP & Reporting Tools

Slice & Dice

Roll Up/Drill Down

Pivot

Stakeholder

Kaprodi IF

Dekan FTIK

Rektorat

Mahasiswa

Orang tua Mahasiswa

Penyedia Lapangan Pekerjaan

Penjelasan dari gambar IV.1 Arsitektur OLTP dan Data Warehouse yaitu : 1. Program studi teknik informatika memiliki berbagai sumber data sebagai data

operasional yang digunakan sehari-hari. Data operasional tersebut dipergunakan oleh beberapa pengguna antara lain Ketua Program Studi Teknik Informatika (Kaprodi IF), Sekretaris Program Studi Teknik Informatika (Sekprodi IF), Sekretariat Program Studi IF dan Dosen IF.

2. Sumber data operasional tersebut berasal dari berbagai interface data berupa sebaran sistem informasi antara lain Sistem Penerimaan Mahasiswa Baru, Sistem Informasi Akademik, Sistem Informasi Tugas Akhir/Skripsi dan sistem yang lainnya. Data-data tersebut tersimpan dalam penyimpanan yang terpisah sehingga memerlukan proses OLTP (Online Transaction Process) dan dibangun skema OLTP nya.

3. Semua data yang berasal dari skema OLTP tersebut nantinya akan tersimpan dalam suatu data source layer menjadi sebuah penyimpanan yang lebih baik dan tidak terpisah lagi.

4. Data yang terdapat di data source layer tersebut masih belum bisa menampilkan informasi yang dibutuhkan oleh prodi secara maksimal karena terdapat banyak data yang masih memiliki kekurangan atau terdapat data yang belum bersih. Oleh karena itu diperlukan proses ETL (Extract,

Transformation, Loading) agar data operasional tersebut menjadi lebih baik.

5. Hasil proses ETL nantinya akan terkumpul dalam suatu data warehouse dan data-data tersebut akan dibuat dalam beberapa tabel fakta dan dimensi sesuai dengan kebutuhan fungsi strategis prodi IF dan tabel-tabel tersebut akan

dirancang dalam bentuk skema relasi data warehouse untuk melihat keterkaitan antara setiap tabelnya.

6. Untuk mendapatkan informasi yang dibutuhkan, hasil skema relasi tersebut akan melalui proses OLAP (Online Analytic Processing) menggunakan OLAP dan Reporting tools seperti slicing & dicing, roll up & drop down.

7. Hasil pengolahan OLAP tersebut akan diberikan kepada setiap stakeholder

yang membutuhkan informasi tersebut.

Dari penjelasan gambar IV.1 sebelumnya terdapat kelemahan dari proses transaksi operasional yang masih berasal dari berbagai interface system sehingga data operasional yang dibutuhkan tidak tersaji dengan baik. Untuk itulah dibutuhkan pengelolaan data yang baik dengan cara mengolahnya ke dalam bentuk skema OLTP dan data warehouse.

IV.1.2 Pembuatan Skema Relasi OLTP

Berdasarkan permasalahan, data operasional dan kebutuhan stakeholder

yang digunakan di Program Studi IF maka perlu dirancang suatu strategi business

intelligence (BI) dalam hal pemanfaatan strategi BI nya. Kebutuhan strategis yang

sudah dibahas pada bagian sebelumnya menyatakan bahwa kebutuhan utama prodi IF berasal dari data transaksi operasional yang dilakukan setiap harinya.

Dari hasil analisis dapat diketahui bahwa terdapat kelemahan yang berasal dari data operasional yang digunakan. Data-data tersebut berasal dari berbagai sumber interface data sehingga data-data tersebut saling terpisah dan terkadang bersifat ambigu pada saat proses perekamannya seperti terlihat pada gambar IV.2.

Proses OLTP

Sistem Penerimaan Mahasiswa Baru

Sistem Informasi Akademik (SIAKAD)

Sistem Informasi Tugas Akhir/Skripsi

Sistem Informasi X

. . .

Interface Data OLTP

Kelemahan pada Data Operasional sehari-hari

Gambar IV.2 Gambaran Proses OLTP

Untuk merekam semua data transaksi operasional kedalam konsep yang lebih dipahami dan sebelum penentuan strategi BI yang diinginkan maka dibutuhkan suatu konsep database yang berisi tentang proses data yang digunakan untuk merekam transaksi sehari-hari yang disebut dengan OLTP atau Online

Transaction Processing. Tools yang digunakan sebagai alat bantu proses OLTP

yaitu SQL Server Management Studio. Dari data yang ada maka dibuatlah skema relasi untuk OLTP. Skema relasi OLTP terdiri dari 4 tabel yaitu :

1. Tabel Mahasiswa 2. Tabel Nilai

3. Tabel Mata Kuliah 4. Tabel Kelulusan

Tabel-tabel tersebut ditentukan berdasarkan transaksi operasional sehari-hari yang digunakan pihak Prodi IF sesuai dengan interface datanya. Penjelasan struktur tabel dari masing-masing tabel yang tersimpan di skema relasi OLTP adalah sebagai berikut :

1. Tabel Mahasiswa

Tabel Mahasiswa digunakan untuk menampung data mahasiswa, primary key dari tabel ini adalah NIM. Struktur tabel yang lebih lengkap dapat dilihat di tabel IV.5. Tabel Mahasiswa

Tabel IV.5 Tabel Mahasiswa

Nama Field Tipe Data Ukuran Kunci Keterangan

NIM Varchar 10 PK NOT NULL

Nama Varchar 30 NOT NULL

Status Char 5 NOT NULL

ProgramStudi Varchar 5 NOT NULL

Tahun Integer NOT NULL

KDKLS Varchar 10 FK, reference Tabel

Kelas (‘KDKLS’) NOT NULL

TempatLahir Varchar 20 NOT NULL

TglLahir Date NOT NULL

Alamat Text NOT NULL

Sex Varchar 5 NOT NULL

Agama Varchar 15 NOT NULL

Foto Image NOT NULL

KDWali Varchar 10 FK, reference Tabel

DosenWali

(‘KDWali’)

NOT NULL

Asal Varchar 20 NOT NULL

Provinsi Varchar 20 NOT NULL

2. Tabel Mata_Kuliah

Tabel Mata_Kuliah digunakan untuk menampung data mata kuliah yang terdapat di prodi IF, primary key dari tabel ini adalah KDMK. Struktur tabel yang lebih lengkap dapat dilihat di tabel IV.6. Tabel Mata_Kuliah

Tabel IV.6 Tabel Mata_Kuliah

Nama Field Tipe Data Ukuran Kunci Keterangan

KDMK Varchar 10 PK NOT NULL

Nama_MK Varchar 30 NOT NULL

SKS Integer NOT NULL

Semester Integer NOT NULL

Sifat Varchar 20 NOT NULL

Prasyarat Varchar 50

3. Tabel Nilai

Tabel Nilai digunakan untuk menyimpan data nilai dari setiap mahasiswa di prodi IF. Struktur Tabel Nilai dapat dilihat lebih jelas pada tabel IV.7. Tabel Nilai

Tabel IV.7 Tabel Nilai

Nama Field Tipe Data Ukuran Kunci Keterangan

NIM Varchar 10 PK, FK reference

Tabel Mahasiswa

(‘NIM’)

NOT NULL

KDMK Varchar 10 PK, FK reference

Tabel Mata_Kuliah

(‘KDMK’)

NOT NULL

Semester Varchar 10 PK NOT NULL

Tahun_Akademik Varchar 10 PK NOT NULL

Nama Varchar 30 NOT NULL

Nama_MK Varchar 30 NOT NULL

Nilai Float NOT NULL

4. Tabel Kelulusan

Tabel kelulusan digunakan untuk menyimpan data kelulusan mahasiswa. Struktur Tabel Nilai dapat dilihat lebih jelas pada tabel IV.8 Tabel Kelulusan

Tabel IV.8 Tabel Kelulusan

Nama Field Tipe Data Ukuran Kunci Keterangan

NIM Varchar 10 PK, FK reference

Tabel Mahasiswa

(‘NIM’)

NOT NULL

Tahun_Akademik Varchar 10 PK NOT NULL

Nama Varchar 30 NOT NULL

TempatLahir Varchar 20 NOT NULL

TglLahir Date NOT NULL

Alamat(Ortu) Varchar 50 NOT NULL

Telepon(Ortu) Varchar 15

Alamat(Bandung) Varchar 50

Telepon(Bandung) Varchar 15

AlamatE-Mail Varchar 20

ProgramStudi Varchar 5 NOT NULL

Judul(Indonesia) Varchar 50 NOT NULL

Judul(Inggris) Varchar 50 NOT NULL

IPK Float NOT NULL

Predikat Varchar 20 NOT NULL

Berdasarkan tabel OLTP yang sudah ditentukan maka dibangun skema OLTP untuk menjelaskan relasi antar tabel tersebut. Skema Relasi OLTP dapat dilihat pada gambar IV.3.

Mahasiswa PK NIM Nama Status ProgramStudi Tahun KdKls TempatLahir TglLahir Alamat Sex Agama Foto KdWali Asal Provinsi Jenis Mata_Kuliah PK KDMK Nama_MK SKS Semester Sifat Prasyarat Nilai PK,FK1 NIM PK,FK2 KDMK PK Semester PK Tahun_Akademik Nama Nama_MK Nilai Kelulusan PK,FK1 NIM PK Tahun_Akademik Nama TempatLahir TglLahir Alamat(Ortu) Telepon(Ortu) Alamat(Bandung) Telepon(Ortu) AlamatE-mail ProgramStudi Judul(Indonesia) Judul(inggris) IPK Predikat

51

Tabel IV.9 menampilkan contoh data operasional yang digunakan untuk proses OLTP di program studi Teknik Informatika.

Tabel IV.9 Contoh Data Mahasiswa

NIM NAMA PROG

STUD TAHUN JALUR STATUS KDKLS TMPLHR TGLLHR ALAMAT SEX AGAMA FOTO KDWALI ASAL

PROFIN SI JENIS

10108868 ELVIN

ISKANDAR S1 2008 N A 30606 BANDUNG 14/08/1981

KOMP. CIJERAH II BLOK 5 GG. DELIMA II RT03/13

L 1 \N ANH BANDUNG \N R

10108730 FAJAR

RAMADHAN S1 2008 N A 30816 SERANG 22/04/1989 \N L 1 \N IRM KUNINGAN \N R

10108085

ILHAM EINRICO EKA PUTRA

S1 2008 N A 30802 BDG 13/09/1990

IR H JUANDA NO 245 RT2 RW9

\N \N \N \N BDG \N R

10108084

RENDY PRAMUDYA DIPUTRO

S1 2008 N A 30802 BANDAR

LAMPUNG 31/10/1990

LEMBONG

NO. 24 \N \N \N \N

BANDAR

LAMPUNG \N R

10108083

CHINDY VERHANAZ RANGKUTI

S1 2008 N A 30802 BANDUNG 15/03/1991

MERKURI UTARA 8 NO. 12

\N \N \N \N BANDUNG \N R

10108082 MUHAMAD

IQBAL S1 2008 N A 30802 BEKASI 02/06/3018 \N \N \N \N \N BEKASI \N R

10108081 AGUS

SETIAWAN S1 2008 N A 30802 BDG 30/05/1990

SILIWANGI DIM 3 RT8 /01 NO54

\N \N \N \N BDG \N R

10108080 YUDA

YUDISTIRA S1 2008 N A 30802 BANDUNG 30/03/1991

JL H BASUKI

NO 128 \N \N \N \N BANDUNG \N R

10108079

LOAN RIFKI AL CASDY SON

S1 2008 N A 30802 KAB

CIAMIS 03/11/1989

JL

ALAMANDA NO 90A RT2 RW14

\N \N \N \N KAB

CIAMIS \N R

10108078 REZA MAULANA HANDINATA

S1 2008 N A 30802 BANDUNG 20/12/1990

JL. RAYA PACET 186 RT1 RW17 CIPARAY

\N \N \N \N KAB

Tabel IV.10 menampilkan sebagian data Nilai yang digunakan untuk proses OLTP

Tabel IV.10 Contoh Data Nilai

NIM KDMK Mata Kuliah Thn_Akademik Semester Nilai

10108798 IF33219 Sistem Berkas 2008 Ganjil C

10108730 IF33217 Organisasi Komputer 2008 Ganjil B

10108730 IF31206L Software Terapan I 2008 GANJIL A

10108730 IF31203L Praktikum Fisika Dasar I 2008 GANJIL E

10108730 IF31102 Pancasila 2008 GANJIL B

10108730 IF31201 Kalkulus I 2008 GANJIL C

10108730 IF31205 Pengantar Ilmu Komputer 2008 Ganjil D

10108313 IF32213L Software Terapan II 2008 GENAP A

10108313 IF32212 Statistika 2008 GENAP C

10108313 IF32211L Praktikum Fisika Dasar II 2008 GENAP B

10108313 IF32210 Fisika Dasar II 2008 GENAP A

10108313 IF32209 Kalkulus II 2008 GENAP B

10108313 IF32208 Algoritma dan Pemrograman II 2008 GENAP C

10108313 IF32101 Agama Dan Etika 2008 GENAP C

10108797 IF33218 Aljabar Linier dan Matriks 2008 Ganjil A

10108797 IF37321 Kecerdasan Buatan 2008 Ganjil B

10108793 IF31203L Praktikum Fisika Dasar I 2008 Ganjil B

10108795 IF35333 Sistem Basis Data 2008 Ganjil B

10108792 IF33216 Logika Matematika 2008 Ganjil C

10108976 IF33217 Organisasi Komputer 2008 Ganjil D

10108701 IF32208 Algoritma dan Pemrograman II 2008 GENAP D

10108701 IF32210 Fisika Dasar II 2008 GENAP D

10108701 IF32211L Praktikum Fisika Dasar II 2008 GENAP C

10108701 IF32213L Software Terapan II 2008 GENAP B

10108701 IF32301 Konsep Teknologi 2008 GENAP B

10108701 IF34220 Matematika Diskrit 2008 GENAP C

10108701 IF34221 Metode Numerik 2008 GENAP B

10108701 IF36312L Praktikum Jaringan Komputer 2008 GENAP A

10108704 IF32210 Fisika Dasar II 2008 GENAP E

10108704 IF32211L Praktikum Fisika Dasar II 2008 GENAP E

10108704 IF32301 Konsep Teknologi 2008 GENAP C

10108704 IF34220 Matematika Diskrit 2008 GENAP E

10108704 IF34304 Pemrograman II 2008 GENAP E

10108704 IF34305L Praktikum Pemrograman II 2008 GENAP E

10108704 IF36103 Pendidikan Kewarganegaraan 2008 GENAP E

10108855 IF31204 Algoritma dan Pemrograman I 2008 Ganjil A

10108471 IF32214L Aplikasi IT II 2008 GENAP D

10108706 IF31102 Pancasila 2008 GANJIL B

10108791 IF33219 Sistem Berkas 2008 Ganjil A

Tabel IV.11 menampilkan sebagian data kelulusan yang digunakan untuk proses OLTP

Tabel IV.11 Contoh Tabel Kelulusan

NIM NAMA TEMPAT LAHIR TANGG AL LAHIR ALAMAT (ORTU) TELEPO N ALAMAT (BANDUNG ) TELEPO N ALAMAT E-MAIL PROGR AM STUDI JUDUL (INDONESIA) JUDUL

(INGGRIS) IPK PREDIKAT

101031 29

NANA SUPRIATN

A

BEKASI 3 MARET

1985

KP. CIBITUNG BABAKAN NO. 38 RT 004/002 CIKARANG BARAT BEKASI 17520 (021) 88323654 KUBANG SARI IV NO.

8

085620101 00

napriatnana@y

ahoo.com S1

Sistem Informasi Perhotelan Berbasis Web (Studi Kasus Pada

Hotel Astria Graha Bandung)

Web-Based Hotel Information System (Case Study In Astria Graha Hotel

Bandung)

2,67 MEMUASK

AN 101031 71 HERRY KURNIAW AN JAKARTA 23 SEPTEM BER 1985 JL. KASUARI BLOK-B NO.

123 RT 02 RW 09 KELURAHAN JAKA SETIA -

BEKASI SELATAN (021) 8227524 JL.SEROJA 4 NO.163 BLOK 13 BUMI RANCAEKE K KENCANA

- portalizer@yah

oo.com S1

APLIKASI PENYELESAIAN GAME PUZZLE HASHIWOKAKERO DENGAN METODE SOLVING HASHI DAN BREATH FIRST SEARCH (BFS) ATAU

DEPTH FIRST SEARCH (DFS) THE COMPLETION APPLICATION GANE FUZZLE HASHIWOKA KERO WITH SOLVING HASHI METHOD AND BREATH FIRST SEARCH (BFS) OR DEPTH FIRST SEARCH (DFS)

2,34 MEMUASK

AN 101041 60 DICKY EKO SUSILO CIMAHI 12 AGUSTU S 1985 JALAN BALOPER NO. 234 PADALARAN G BANDUNG 40553 JAWABARAT (022) 69074911 JALAN BALOPER NO. 234 PADALARA NG BANDUNG 40553 JAWABARA T (022) 69074911 dicky.1010416

0@yahoo.co.id S1

Pembangunan Aplikasi Penjualan Pada PT.

Kertas Padalarang Berbasis Web

Application Development

Sales Web-Based On PT.

Kertas Padalarang

2,28 MEMUASK

NIM NAMA TEMPAT LAHIR TANGG AL LAHIR ALAMAT (ORTU) TELEPO N ALAMAT (BANDUNG ) TELEPO N ALAMAT E-MAIL PROGR AM STUDI JUDUL (INDONESIA) JUDUL

(INGGRIS) IPK PREDIKAT

101042 00 ANDRIYA NO RAFERINO BARRY P

JAKARTA 4 MARET

1985

JALAN BABAKAN JERUK III B

NO. 1 BANDUNG (022) 95059502 JALAN BABAKAN JERUK III B

NO. 1 BANDUNG

(022) 95059502

bey_0209@ya

hoo.com S1

Otomatisasi Sistem Inventory Dan Penembakan Voucher Elektrik Mkios Automation Inventory And Transfering System Of MKios Electronic Voucher 3,37 SANGAT MEMUASK AN 101042 20 RADEN ARIF ARFIANTO BANDUN G 15 DESEMB ER 1986 PONDOK GIRI MANDE

B7 NO. 5

(022) 95577465 PONDOK GIRI MANDE B7 NO. 5 (022) 95577465 rarifarfianto@

yahoo.com S1

PEMBANGUNAN WEB MANAJEMEN

PELAKSANAAN PROYEK SURVEY PT. TNS (TAYLOR NELSON SOFRE) BANDUNG WEB DEVELOPME NT IMPLEMENTA TION PROJECT MANAGEMEN T SURVEY PT. TNS (TAYLOR

NELSO SOFRE) BANDUNG

2,43 MEMUASK

AN

101042 33

EKO

PRIYATNO CIREBON

14 DESEMB

ER 1984

JL. MANGGA 6 RT. 04/11,

BTN ARJAWINAN GUN PERMAI, CIREBON 45162 - JL. TUBAGUS ISMAIL DALAM NO. 54E RT. 02/01 COBLONG, BANDUNG 40132

- eckopriyanto@

hotmail.com S1

APLIKASI E-LEARNING DENGAN METODE LEARNING

MANAJEMEN SYSTEM DI SMA NEGERI 1 ARJAWINANGUN E-LEARNING APPLICATION OF LEARNING MANAGEMEN T SYSTEM METHOD IN SMA NEGERI 1 ARJAWINAN GUN 3,02 SANGAT MEMUASK AN 101043 24 ASEP JAMALUDI N BANDUN G 7 DESEMB ER 1984 JALAN KOPO GG SUKALEUEU

R 08 NO. 341 RT 07/RW 02 BANDUNG 40232 (022) 6128033 JALAN KOPO GG SUKALEUE UR 08 NO. 341 RT 07/RW 02 BANDUNG 40232 (022) 6128033 zzero_degrees

@yahoo.com S1

Pembangunan Aplikasi Untuk Pemantauan Pergerakan Kendaraan Pada Sistem Perjejakan

Berbasis GPS Development Of Application For The Monitoring Vehicle Movement At GPS Tracking System 3,20 SANGAT MEMUASK AN 101043 76 TAHAN JUNED SITUMOR ANG PANGUR URAN 20 JUNI 1984 JL. BESAR TELE NO. 115 KEC. HARIAN BOHO, KAB. SAMOSIR, SUMATERA UTARA - JL. TUBAGUS ISMAIL DALAM GG. KUBANGSA

RI I NO. 36

856207757 5

jun.situmorang

@yahoo.com S1

MEMBANGUN APLIKASI DATA WAREHOUSE PADA

PT. KACA PATRI

BUILDING DATA WAREHOUSE APPLICATION AT PT. KACA

PATRI

2,64 MEMUASK

87

a. Memperbaiki kurikulum yang disesuaikan dengan kebutuhan stakeholder pengguna lulusan.

b. Menyediakan fasilitas-fasilitas yang bisa dipakai untuk pengerjaan tugas-tugas kampus (seperti perpustakaan dan bahan pustaka secara offline dan online) dan kegiatan ektsrakurikuler mahasiswa.

c. Meningkatkan kompetensi mahasiswa dengan cara bekerja sama dengan lembaga sertifikasi untuk calon lulusan.

d. Menyesuaikan standar mutu kualifikasi mahasiswa berdasarkan standar mutu keprofesian

e. Memberikan cara pembelajaran yang lebih interaktif

f. Meningkatkan kualitas dosen di prodi IF agar lebih berkompetensi dalam bidang informatik atau matematika

g. Meningkatkan kualitas infrastruktur prodi agar lebih menunjang proses perkuliahan

Nilai lebih lain yang diharapkan adalah meningkatkan kualitas mahasiswa IF dihadapan para penyedia pekerjaan, dengan kualitas yang baik maka para penyedia pekerjaan akan lebih mudah dalam mencari calon pekerja yang sesuai dengan kriteria yang diharapkan.

Tabel IV.44 menyajikan informasi mengenai strategi BI untuk mendapatkan nilai lebih dari data yang sudah ada berdasarkan kebutuhan stakeholder

88

Tabel IV.44 Strategi Business Intelligence untuk meningkatkan kinerja Program Studi dari sisi mahasiswa

No Data Awal Peningkatan Nilai Rencana Strategi Stakeholder

1 Jumlah Mahasiswa baru IF

- Meningkatkan jumlah mahasiswa baru IF sesuai dengan kriteria prodi

- Menjadi acuan bagi pihak universitas untuk melakukan proses pengambilan keputusan dalam hal penerimaan mahasiswa baru

-Pihak universitas mengkaji prosedur Penyaringan Mahasiswa baru yang lebih selektif -Pemberian opsi pemilihan lebih dari satu program studi ketika mendaftar masuk ke Unikom

- Prodi IF - Pihak

Universitas

2 Jumlah Mahasiswa Mengundurkan diri

- Menurunkan jumlah mahasiswa yang mengundurkan diri

- Mengetahui alasan mahasiswa mengundurkan diri - Menjadi acuan bagi pihak prodi untuk memperbaiki

faktor-faktor yang menyebabkan mahasiswa mengundurkan diri

Pihak prodi melakukan proses konseling terhadap mahasiswa yang akan mengundurkan diri

- Prodi IF - Mahasiswa - Pihak

Universitas

3 Jumlah Mahasiswa Lulus

- Mhs lulus tepat waktu

- Mhs lulus tidak tepat waktu - Mhs lulus

CumLaude - Mhs Lulus sangat

memuaskan - Mhs Lulus

memuaskan

- Meningkatkan jumlah mahasiswa lulus tepat waktu - Mengurangi jumlah mahasiswa lulus tidak tepat

waktu

- Meningkatkan jumlah mahasiswa lulus dengan predikat cumlaude dan sangat memuaskan

Dari Sisi Kurikulum

-Memperbaiki kurikulum yang disesuaikan dengan kebutuhan stakeholder pengguna lulusan

Dari Sisi Infrastrukur

-Menyediakan fasilitas-fasilitas yang bisa dipakai untuk pengerjaan tugas-tugas kampus (seperti perpustakaan dan bahan pustaka secara offline dan online) dan kegiatan ektsrakurikuler mahasiswa.

-Meningkatkan kualitas infrastruktur prodi agar lebih menunjang proses perkuliahan

Dari Sisi Mahasiswa

-Meningkatkan kompetensi mahasiswa dengan cara bekerja sama dengan lembaga sertifikasi untuk calon lulusan.

-Menyesuaikan standar mutu kualifikasi mahasiswa berdasarkan standar mutu keprofesian

-Memberikan cara pembelajaran yang lebih

- Prodi IF - Dekan - Rektorat - Mahasiswa - Orang tua - Penyedia

lapangan pekerjaan

89

No Data Awal Peningkatan Nilai Rencana Strategi Stakeholder

interaktif 4 Jumlah Mata Kuliah

yang diulang

- Mengetahui mata kuliah apa saja yang paling banyak diulang

- Mengetahui faktor yang menyebabkan mata kuliah tersebut banyak diulang dari sisi dosen dan mahasiswa

-Meningkatkan interaksi antara dosen dan mahasiswa untuk mengetahui alasan mata kuliah tersebut diulang

-Meningkatkan kualitas mahasiswa agar bisa memenuhi bobot mata kuliah yang diulang

- Prodi IF - Mahasiswa

90

BAB V

KESIMPULAN DAN SARAN

V.1 Kesimpulan

Berdasarkan hasil analisis yang telah dilakukan dan mengacu kepada tujuan penyusunan tesis ini, maka dapat ditarik kesimpulan sebagai berikut :

1. Hasil yang didapatkan dari penelitian ini merupakan rencana strategi business intelligene yang digunakan untuk kinerja bisnis dari sisi kemahasiswaan di program studi Teknik Informatika Unikom.

2. Pengolahan data yang digunakan pada penelitian ini membantu proses penyajian informasi yang sesuai dengan kinerja bisnis dari sisi kemahasiswaan di program studi Teknik Informatika Unikom.

3. Rencana Strategi yang dihasilkan dapat membantu memberikan alternatif solusi dan sarana untuk mengambil keputusan mengenai permasalahan mengenai mahasiswa di program studi Teknik Informatika Unikom.

V.2 Saran

Berdasarkan hasil analisis yang telah dilakukan dan mengacu kepada tujuan penyusunan tesis ini, maka terdapat saran yang bisa disampaikan untuk lebih memperbaiki hasil yang didapatkan. Untuk penelitian selanjutnya hasil penelitian yang sudah ada bisa dikembangkan sampai tahap implementasi dengan cara menentukan kembali KPI, pembangunan blueprint, penentuan roadmap BI hingga penggunaan tools pembangunan business intelligence.