Pembangunan Data Warehouse Pada Institusi Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat
PEMBANGUNAN DATA WAREHOUSE
PADA INSTITUSI BALAI PENGKAJIAN TEKNOLOGI
PERTANIAN (BPTP) JAWA BARAT
SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sarjana
HENGKY SAPUTRA
10110649
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
2015
(2)
iii
KATA PENGANTAR
Puji syukur alhamdulillah penulis panjatkan kehadirat Allah SWT atas berkat,
rahmat, taufik dan hidayah-Nya sehingga penyusunan skripsi yang berjudul
“
Pembangunan Data Warehouse Pada Institusi Balai Pengkajian Teknologi
Pertanian (Bptp) Jawa Barat
” dapat diselesaikan dengan bai
k. Serta shalawat dan
salam tak lupa kita semoga senantiasa terlimpah dan dicurahkan kepada Nabi
Muhammad SAW, kepada keluarga, para sahabat dan kepada seluruh umat hingga
akhir zaman. Amin.
Penulisan skripsi ini merupakan salah satu syarat dalam menyelesaikan studi
jenjang strata satu (S1) pada Program Studi Teknik Informatika, Universitas
Komputer Indonesia.
Penulis menyadari bahwa dalam penyelesaian skripsi ini bukanlah dari hasil
kerja keras penulis sendiri, melainkan berkat bantuan, dukungan dan bimbingan
dari berbagai pihak sehingga skripsi ini dapat selesai tepat pada waktunya. Oleh
karena itu pada kesempatan ini, penulis ingin mengucapkan terima kasih kepada:
1.
Kedua orang tua, kakak, dan seluruh keluarga. yang telah membesarkan dan
mendidik penulis dengan penuh kasih sayang telah mengajarkan arti dari
perjuangan dan pengorbanan serta menanamkan arti dari kehidupan kepada
penulis.
2.
Bapak Adam Mukharil Bachtiar, S.Kom., M.T. selaku dosen pembimbing
dan penguji 2 yang telah banyak meluangkan waktu dan membimbing
penulis serta memberikan petunjuk, saran, dan kemudahan kepada penulis
untuk menyelesaikan skripsi ini.
3.
Ibu Dian Dharmayanti, S.T., M.Kom. selaku dosen reviewer dan penguji 1
yang memberikan petunjuk, saran, dan kemudahan kepada penulis.
4.
Galih Hermawan, S.Kom, M.T. selaku dosen penguji 3 yang memberikan
arahan dan kemudahan kepada penulis.
5.
Bapak Irawan Afrianto, S.T., M.T. selaku ketua jurusan Teknik Informatika
Universitas Komputer Indonesia.
(3)
iv
6.
Bapak dan Ibu dosen serta seluruh staff pegawai Program Studi Teknik
Informatika Universitas Komputer Indonesia yang telah memberikan ilmu
untuk menyelesaikan skripsi ini serta telah banyak membantu kepada
penulis.
7.
Kepala Balai dan seluruh staff BPTP Jawa barat yang telah bersedia
mengijinkan penulis untuk melakukan penelitian di BPTP Jawa barat
sehingga penulis dapat menyelesaikan tugas akhir ini.
8.
Andrew Tooy, Tiara Anggraini putri dan Desti Tammimy yang telah
memberikan semangat, nasihat, bantuan dan motivasi kepada penulis.
9.
Semua Teman Seperjuangan Ricky Azhari, Handy Dannu, Ikhsan Mukhlis
dan Hamdan yang selalu membantu, memberikan dorongan dan motivasi
kepada penulis.
10.
Teman
–
Teman IF 15 2010 yang senantiasa selalu berbagi semangat serta
waktu nya selama ini.
11.
Serta semua pihak yang telah membantu dalam penyusunan tugas akhir ini
yang tidak dapat penulis cantumkan satu per satu.
Semoga segala bantuan yang telah diberikan, sebagai amal soleh senantiasa
mendapat Ridho Allah SWT. Sehingga pada akhirnya skripsi ini dapat bermanfaat.
Bandung, 01 Agustus 2015
(4)
v
DAFTAR ISI
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR GAMBAR ... viii
DAFTAR TABEL ... xii
DAFTAR SIMBOL ... xv
DAFTAR LAMPIRAN ... xvii
BAB 1
PENDAHULUAN ... 1
1.1
Latar Belakang Masalah ... 1
1.2
Rumusan Masalah ... 2
1.3
Maksud Dan Tujuan ... 2
1.4
Batasan Masalah... 3
1.5
Metodologi Penelitian ... 3
1.5.1
Metode Pengumpulan Data ... 4
1.5.2
Metode Pembangunan Perangkat Lunak ... 4
1.5.3
Metode Pembangunan Data Warehouse ... 6
1.6
Sistematika Penulisan ... 7
BAB 2
LANDASAN TEORI ... 9
2.1
Profil BPTP Jawa Barat ... 9
2.1.1
Visi dan Misi BPTP Jawa Barat ... 9
2.1.2
Logo BPTP Jawa Barat ... 10
2.1.3
Tugas Pokok dan Fungsi ... 11
(5)
vi
2.1.5
Struktur Organisasi di BPTP Jawa Barat ... 12
2.2
Landasan Teori ... 13
2.2.1
Konsep Basis Data ... 13
2.2.2
Data Warehouse ... 14
2.2.3
Object-Oriented Analysis & Design (OOAD) ... 29
BAB 3
ANALISIS DAN PERANCANGAN DATA WAREHOUSE ... 31
3.1
Analisis Data Warehouse ... 31
3.1.1
Analisis Masalah ... 31
3.1.2
Analisis Sumber Data ... 32
3.1.3
Skema Relasi ... 35
3.1.4
Analisis Kebutuhan Informasi Strategis ... 40
3.1.5
Analisis Dimensi dan Fakta Bisnis ... 41
3.1.6
Analisis Data Staging ... 55
3.1.7
Analisis OLAP & Reporting Tools ... 67
3.1.8
Analisis OLAP (On-Line Analytical Processing) ... 67
3.1.9
Analisis Reporting Tools ... 67
3.1.10
Analisis Kebutuhan ... 67
3.1.11
Analisis Kebutuhan Non-Fungsional ... 68
3.1.12
Analisis Kebutuhan Fungsional ... 72
3.2
Perancangan Perangkat Lunak ... 93
3.2.1
Perancangan AntarMuka ... 93
3.2.2
Perancangan Pesan ... 100
3.2.3
Perancangan Method ... 103
BAB 4
IMPLEMENTASI DAN PENGUJIAN DATA WAREHOUSE ... 105
4.1
Implementasi Data Warehouse ... 105
4.1.1
Implementasi Lingkungan ... 105
4.1.2
Implementasi Data ... 106
4.1.3
Implementasi Antar Muka... 112
(6)
vii
4.2.1
Rencana Pengujian ... 113
4.2.2
Skenario Pengujian... 114
4.2.3
Hasil Pengujian ... 118
4.2.4
Evaluasi Hasil Pengujian... 143
BAB 5
KESIMPULAN DAN SARAN ... 145
5.1
Kesimpulan ... 145
5.2
Saran ... 145
DAFTAR PUSTAKA ... xii
LAMPIRAN A IMPLEMENTASI ANTARMUKA ... 0
LAMPIRAN B LISTING PROGRAM ... 5
LAMPIRAN C HASIL WAWANCARA ... 35
LAMPIRAN D DATA PENELITIAN ... 26
LAMPIRAN E SURAT PENELITIAN ... 3
LAMPIRAN F SURAT HAK EKSKLUSIF ... 2
(7)
xii
DAFTAR PUSTAKA
[1] W. Inmon, Building the Data Warehouse, Canada: John Wiley & Sons, Inc.,
2002.
[2] I. Sommerville, Software Engineering 9th Edition, Addison Wesley, 2010.
[3] R. Kimball, The Data Warehouse Toolkit Third Edition, John Wiley & Sons,
Inc., 2013.
[4] M. S. Joseph M. Hellersterin, Architecture of a Database System,
Washington: NOW the essence of knowledge, 2007.
[5] Ralph Kimball and Margy Ross, The Data Warehouse Toolkit, Redmond:
Willey, 2002.
[6] P. Lane, Oracle9i Data Warehousing Guide Release 2 (9.2), Redwood: Oracle
Corporation, 2002.
[7] D. Browning and J. Mundy, "Data Warehouse Design Considerations,"
MicrosoftSQL2000 TechnicalArticles - MSDN.com, 2001.
[8] A. Kadir, Pengenalan Sistem Informasi, Yogyakarta: Penerbit Andi
Yogyakarta, 2003.
[9] M. Y. Pusadan, Rancang Bangun Data Warehouse, Yogyakarta: Graha Ilmu,
2013.
[10] P. Ponniah, Data Warehousing Fundamentals. A Comprehensif Guide For IT
Professionals, John Wiley & Sons, Inc., 2001.
[11] M. Golfarelli and S. Rizzi, Data Warehouse Design: Modern Principles and
Methodologies, The McGraw-Hill Companies, 2009.
[12] W. H. Inmon, Building the Data Warehouse Third Edition, Canada: John
Wiley & Sons, Inc., 2002.
[13] S. Benett, S. McRobb and R. Farmer, Object-Oriented Systems Analysis And
Design Using UML, McGraw Hill Higher Education, 2005.
(8)
1
BAB 1
PENDAHULUAN
1.1
Latar Belakang Masalah
Institusi Balai Pengkajian Teknologi Pertanian merupakan unit pelaksana
teknis (UPT) Badan Penelitian dan Pengembangan Pertanian yang secara struktural
berada di bawah supervisi Balai Besar Pengkajian dan Pengembangan Teknologi
Pertanian (BBP2TP) Bogor dengan wilayah kerja meliputi Provinsi Jawa Barat.
Dalam rangka pencapaian tujuan menuju pembangunan pertanian yang berpijak
pada konsep efisiensi untuk meraih keunggulan komparatif dan kompetitif dalam
menghadapi era globalisasi perdagangan, maka BPTP Jawa Barat ini perlu untuk
mengidentifikasi komoditas unggulan di Provinsi Jawa Barat.
Data pertanian yang digunakan oleh BPTP Jawa Barat berasal dari dua
sumber data sekunder. Sumber sekunder diperoleh dari Badan Pusat Statistik (BPS)
dan Program Penyuluhan Pertanian (Programa) Tingkat Kabupaten Se-Jawa Barat.
Data yang diperoleh biasanya berupa dokumen pdf, excel, word. Data pertanian
serta peternakan tersebut BPTP Jawa Barat masih harus diolah dan dianalisis satu
persatu untuk mengidentifikasi hewan peternakan yang unggul, luas lahan yang
memiliki produktifitas pertanian yang unggul, jenis lahan dan perbandingan luas
lahan tanam dengan panen dari masing-masing kecamatan di Provinsi Jawa Barat.
Masalah yang terjadi di BPTP saat ini adalah belum tersedianya desain data
yang dapat dimanfaatkan untuk kebutuhan laporan. Karena data yang selama ini
tercatat terdiri berbagai jenis tipe data dan data yang ada tidak tersusun sesuai
periodic atau historical. Hal ini berdampak pada kegiatan petugas di BPTP dalam
hal pencarian data yang dibutuhkan untuk membuat laporan atau pun melakukan
analisis dari informasi yang ada agar dapat dimanfaatkan untuk kebutuhan
identifikasi produktifitas hasil pertanian, perkebunan atau peternakan. Saat ini
jumlah data pertanian di berbagai daerah terus bertambah dan berubah setiap kurun
waktu, hal ini berimbas pada waktu kerja karena membutuhkan waktu yang lebih
lama dalam pengolahan data yang akan digunakan analisis lokasi yang memiliki
komoditas yang sangat menguntungkan atau yang memerlukan perhatian lebih
(9)
2
untuk membantu kemajuan hasil pertanian, perkebunan dan peternakan di suatu
daerah. Selain itu juga, karena belum ada nya pengelolaan data yang baik maka
akan beresiko terhadap kehilangan data. Faktor penyebab lainnya terletak pada
tidak adanya tools penunjang yang bisa digunakan untuk pembuatan laporannya.
Oleh karena itu, solusi yang diberikan kepada BPTP untuk membangun
aplikasi yang membantu dalam mengubah arsip data yang terdiri dari berbagai
format menjadi sumber daya pengetahuan dengan informasi yang terintegrasi satu
dengan yang lain. Sumber daya pengetahuan dapat diakses dengan mudah dan cepat
dapat membantu meningkatkan performa dan kinerja dalam melakukan analisa
data di BPTP untuk penelitian pengembangan pertanian di Jawa Barat. Tempat
penyimpanan data berupa data
warehouse serta Aplikasi yang dapat menunjang
optimasi ETL dalam proses mengintegrasikan data yang ada menjadi informasi
baru, dan juga bisa dijadikan salah satu solusi yang dapat mempercepat proses
pengumpulan data serta penyajian informasi yang multidimensi dan ringkas
sehingga dapat memaksimalkan kualitas keputusan yang dibuat oleh
top
management dalam menganalisis proses bisnisnya.
Data
warehouse sendiri adalah koleksi data yang mempunyai sifat
berorientasi subjek, terintegrasi, time-variant, dan bersifat tetap dari koleksi data
dalam mendukung proses pengambilan keputusan management [1].
Data
warehouse
memungkinkan integrasi berbagai macam jenis data dari berbagai
macam aplikasi atau sistem. Hal ini menjamin mekanisme akses “satu pintu bagi
manajemen untuk memperoleh informasi, dan menganalisisnya untuk pengambilan
keputusan.
1.2
Rumusan Masalah
Berdasarkan latar belakang masalah di atas, perumusan masalahnya adalah
bagaimana membangun data warehouse di Institusi Balai Pengkajian Teknologi
Pertanian (BPTP) Jawa Barat.
1.3
Maksud Dan Tujuan
Maksud dari penelitian ini adalah untuk membangun data
warehouse.
Sedangkan tujuan dari penelitian ini adalah sebagai berikut:
(10)
1.
Memberikan kemudahan dalam pengaksesan informasi yang diperlukan
oleh pihak di BPTP, dan juga dapat mengabungkan data dalam data
warehouse dengan berbagai cara. Sehingga dapat menampilkan informasi
yang tepat dan cepat.
2.
Menyediakan informasi yang terintegrasi dan berisi informasi-informasi
yang relevan untuk kebutuhan pihak BPTP dalam pengambil suatu
keputusan.
3.
Membantu dalam mempercepat proses pengumpulan data serta penyajian
informasi yang multidimensi dan ringkas sehingga dapat memaksimalkan
kualitas keputusan yang dibuat oleh top management.
1.4
Batasan Masalah
Berikut ini adalah batasan masalah dalam pembangunan data warehouse di
Institusi Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat:.
1.
Aplikasi data warehouse yang dibangun adalah berbasis desktop.
2.
Pemodel analisis dan perancangan perangkat lunak yang digunakan adalah
Object Oriented Analysis & Desain (OOAD).
3.
Aplikasi dapat membantu menyimpan report ke dalam file excel.
1.5
Metodologi Penelitian
Penelitian ini menggunakan metode penelitian deskriptif. Metode penelitian
deskriptif merupakan metode yang bertujuan untuk membuat gambaran secara
sistematis, faktual dan akurat mengenai fakta-fakta dan perilaku dari objek
penelitian serta menjadi dasar pengambilan keputusan.
(11)
4
1.5.1
Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
sebagai berikut:
1.
Studi Literatur
Studi literatur adalah teknik pengumpulan data dengan cara mengumpulkan
literatur, jurnal, dan bacaan-bacaan lainnya yang berkaitan dengan topik
data warehouse.
2.
Wawancara
Wawancara adalah teknik pengumpulan data dengan cara melakukan tanya
jawab secara langsung dengan pihak Institusi Balai Pengkajian Teknologi
Pertanian (BPTP) Jawa Barat tentang masalah yang ada.
3.
Observasi
Observasi adalah teknik pengumpulan data yang dibutuhkan dengan cara
melakukan pengamatan secara langsung terhadap permasalahan yang ada
di Institusi Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat.
4.
Studi Dokumentasi
Studi dokumentasi adalah teknik pengumpulan data yang dilakukan dengan
cara melihat atau menganalisis dokumen-dokumen yang dibuat oleh pihak
Institusi Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat.
1.5.2
Metode Pembangunan Perangkat Lunak
Pada pembangunan perangkat lunak, di gunakan Metode
waterfall
Sommerville. Metode
waterfall
Sommerville melakukan pendekatan pada
pengembangan perangkat lunak secara sistematik dan sekuensial. Metode waterfall
Sommerville terdiri dari beberapa tahap seperti berikut:
1.
Requirement Definition
Pada tahap ini dilakukan analisa seluruh kebutuhan yang dibutuhkan user
dalam pembangunan perangkat lunak.
2.
System and Software Design
Pada tahap ini dilakukan perancangan sistem dan program yang akan
dibangun.
(12)
3.
Implementation and Unit Testing
Pada tahap ini dilakukannya
implementasi dan uji coba program di BPTP
Jawa Barat
4.
Integration and System Testing
Pada tahap ini dilakukan integrasi program dengan sistem yang ada
sebelumnya di BPTP Jawa Barat.
5.
Operation and Maintenance
Tahap ini adalah tahap pengoperasian dan pemeliharaam sistem yang sudah
dibangun.
Gambar 1.1 Metode Waterfall Sommerville Pembangunan Perangkat
Lunak
[2]
(13)
6
1.5.3
Metode Pembangunan Data Warehouse
Metode pembangunan data warehouse pada di Institusi Balai Pengkajian
Teknologi Pertanian (BPTP) Jawa Barat terdiri dari beberapa tahap yaitu [3]:
1.
Business Requirement Definition
Tahap ini merupakan tahap analisis proses bisnis dan seluruh kebutuhan
sektor pertanian yang ada di BPTP Jawa barat dalam pembuatan data
warehouse.
2.
Dimensional Modeling
Tahap ini merupakan tahap pemodelan data menjadi data multidimensi
berdasarkan hasil yang di dapat dari business requirement defintion.
3.
Physical Design
Tahap ini merupakan tahap perancangan fisik data warehouse. Seperti
hardware dan software yang dibutuhkan, banyaknya memory yang
diperlukan, pembentukan partisi jika diperlukan, dan lain-lain.
4.
Data Staging Design
Perancangan data staging terdiri dari 3 tahap utama atau biasa disebut
dengan ETL (
Extract,
Transform, dan
Load) yang merupakan proses
pengubahan data dari OLTP database menjadi data warehouse.
5.
OLAP & Reporting Tools
Tahap ini merupakan tahap untuk mengatur data yang ada dalam data
warehouse menjadi kubus multidimensi berdasarkan dimensional model
yang akan ditampilkan kepada user untuk pengambilan keputusan.
6.
Deployment
Tahap ini merupakan tahap pengoperasian data warehouse serta reporting
tools yang sudah jadi.
(14)
1.6
Sistematika Penulisan
Sistematika penulisan laporan penelitian ini disusun untuk memberikan
gambaran umum tentang penelitian yang dijalankan. Sistematika penulisannya
adalah sebagai berikut :
BAB 1
PENDAHULUAN
Pada bab ini menguraikan tentang latar belakang, identifikasi
masalah, maksud dan tujuan, batasan masalah, metodologi
penelitian, serta sistematika penulisan.
BAB 2
LANDASAN TEORI
Pada bab ini berisi tentang dasar-dasar teori dan sumber pustaka dan
referensi yang menjadi landasan dasar dalam perancangan analisis
kebutuhan sampai dengan implementasi dan pengujian sistem.
BAB 3
ANALISIS DAN PERANCANGAN DATA
WAREHOUSE
Pada bab ini berisi tentang analisis kebutuhan dalam membangun
aplikasi ini yang sesuai dengan metode pembangunan yang
digunakan. Selain itu terdapat juga perancangan antarmuka untuk
aplikasi yang akan dibangun sesuai dengan hasil analisis.
BAB 4
IMPLEMENTASI DAN PENGUJIAN
Pada bab ini berisi tahap implementasi dan perancangan sistem yang
kemudian akan dilakukan pengujian aplikasi yang telah dibuat.
BAB 5
KESIMPULAN DAN SARAN
Pada bab ini berisi tentang kesimpulan dan saran-saran yang didapat
dan pembahasan dari aplikasi yang telah dibuat.
(15)
9
BAB 2
LANDASAN TEORI
2.1
Profil BPTP Jawa Barat
Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat berdiri pada
tanggal 1 April 1994 didasarkan Surat Keputusan Menteri Pertanian RI Nomor:
798/Kpts/OT.210/12/94. BPTP Jawa Barat sebelumnya bernama BPTP Lembang
merupakan salah satu Unit Pelaksana Teknis Badan Penelitian dan Pengembangan
Pertanian yang secara struktural berada di bawah koordinasi Pusat Penelitian dan
Pengembangan Sosial Ekonomi Pertanian.
Berdasarkan Keputusan Menteri Pertanian RI Nomor : 350/Kpts/OT.
210/6/2001 nama BPTP Lembang kemudian diubah menjadi BPTP Jawa Barat.
Berdasarkan Peraturan Menteri Nomor: 16/Pemerintah/OT.140/3/ 2006 tentang
Organisasi dan Tata Kerja Balai Pengkajian Teknologi Pertanian, BPTP Jawa Barat
dalam pelaksanaan tugas sehari-hari dikoordinasikan oleh Kepala Balai Besar
Pengkajian dan Pengembangan Teknologi Pertanian, BPTP Jawa Barat dalam
pelaksanaan tugas sehari-hari dikoordinasikan oleh Kepala Balai Besar Pengkajian
dan Pengembangan Teknologi Pertanian (BBP2TP).
Pembentukan BPTP bertujuan untuk mempercepat alih teknologi pertanian,
mendukung pembangunan pertanian dan optialisasi pemanfaatan sumberdaya
pertanian wilayah, melalui:
1. Akselerasi adopsi teknologi
2. Mendekatkan pelayanan pengkajian kepada masyarakat
3. Menjaga kesinambungan penelitian pengkajian, dan penyuluhan.
2.1.1
Visi dan Misi BPTP Jawa Barat
Visi dan misi dari Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat
adalah sebagai berikut:
1.
Visi
Visi dari Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat saat
ini adalah:
(16)
“Menjadi lembaga
pengkajian teknologi pertanian spesifik lokasi yang
terkemuka di Indonesia pada tahun 2015”.
2.
Misi
Misi dari Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat
adalah sebagai berikut:
1. Menghasilkan teknologi unggul berbasis sumberdaya lokal
2. Mempercepat dan memperluas penyebaran dan adopsi teknologi
spesifik lokasi
3. Memberikan pelayanan prima informasi dan advokasi teknologi
spesifik lokasi secara cepat, tepat, mudah, dan murah
4. Mengembangkan kelembagaan produksi pola manajemen industri.
2.1.2
Logo BPTP Jawa Barat
Logo dari Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat dapat
dilihat pada Gambar 2.1 dibawah ini.
Gambar 2.1
Logo BPTP Jawa Barat
Arti logo Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat seperti
berikut :
1. Tunas, menggambarkan pengertian biologis daripada seluruh kegiatan
yang dikelola oleh Departemen Pertanian. Kecuali manusia, sebagai benda
hidup. Warna hijau muda melambangkan pengertian kehidupan.
(17)
11
11
3. Lingkaran yang bersudut lima buah berwarna coklat, melambangkan
pengertian daripada unsur pelaksana utama (tugas-tugas pokok Departemen
Pertanian).
4. Warna dasar baik untuk Panji maupun Vendel serta bentuk lainnya adalah
“KUNING EMAS” sebagai lambang kemegahan.
5. Air berwarna biru muda, mempunyai pengertian sebagai lambang
keagungan.
2.1.3
Tugas Pokok dan Fungsi
Berdasarkan Peraturan Menteri Pertanian Nomor :16/Pemerintah/OT.140/3/
2006 , BPTP Jawa Barat mempunyai tugas melaksanakan pengkajian, perakitan dan
pengembangan teknologi pertanian tepat guna spesifik lokasi. Dalam melaksanakan
tugas BPTP menyelenggarakan fungsi :
1. Pelaksanaan inventarisasi dan indentifikasi kebutuhan teknologi tepat
guna spesifik lokasi;
2. Pelaksanaan penelitian, pengkajian dan perakitan teknologi pertanian
tepat guna spesifik lokasi;
3. Pelaksanaan pengembangan teknologi dan diseminasi hasil pengkajian
serta perakitan materi penyuluhan;
4. Penyiapan kerjasama, informasi, dokumentasi dan penyebarluasan serta
pendayagunaan hasil pengkajian, perakitan, dan pengembangan teknologi
pertanian tepat guna spesifik lokasi;
5. Pemberian pelayanan teknik kegiatan pengkajian, perakitan dan
pengembangan teknologi pertanian tepat guna spesifik lokasi; dan
6. Pelaksanaan urusan administrasi dan tata usaha balai.
2.1.4
Organisasi
Untuk menjalankan tugas dan fungsinya, BPTP Jawa Barat dipimpin oleh
seorang Kepala dengan jabatan struktural eselon IIIa. Dalam pelaksanaan tugas
struktural sehari-hari Kepala Balai dibantu Kepala Sub Bagian Tata Usaha dan
Kepala Seksi Kerjasama dan Pelayanan Pengkajian dengan jabatan stuktural Iva.
(18)
2.1.5
Struktur Organisasi di BPTP Jawa Barat
Susunan organisasi BPTP Jawa Barat berdasarkan Peraturan Menteri
Pertanian Nomor : 16/Pemerintah/OT.140/3/2006 terdiri dari: (a) Subbagian Tata
Usaha; (b) Seksi Kerjasama dan Pelayanan Pengkajian; dan (c) Kelompok Jabatan
Fungsional. Sususan organisasi BPTP Jawa Barat dapat dilihat pada gambar
Gambar 2.2 dibawah ini.
Gambar 2.2
Struktur Organisasi BPTP Jawa Barat
Subbagian Tata Usaha mempunyai tugas melakukan urusan kepegawaian,
keuangan, perlengkapan, surat menyurat, dan kearsipan, serta rumah tangga.
Sedangkan Seksi Kerjasama dan Pelayanan Pengkajian mempunyai tugas
melakukan penyiapan bahan penyusunan rencana, program, anggaran, pemantauan,
dan evaluasi serta laporan, dan penyiapan bahan kerja sama, informasi,
dokumentasi, dan penyebarluasan dan pendayagunaan hasil, serta pelayanan sarana
pengkajian, perakitan, dan pengembangan teknologi pertanian tepat guna spesifik
lokasi.
(19)
13
13
2.2
Landasan Teori
2.2.1
Konsep Basis Data
2.2.1.1
Data
Menurut Joseph M., data adalah kenyataan yang menggambarkan suatu
kejadian-kejadian dan kesatuan nyata. Data merupakan bentuk jamak dari datum,
berasal dari bahasa Latin yang ber
arti “sesuatu yang diberikan”. Dalam penggunaan
sehari-hari data berarti suatu pernyataan yang diterima secara apa adanya [4].
Sedangkan menurut Margy Ross, data merupakan bahasa, simbol-simbol
pengganti lain yang disepakati oleh umum dalam menggambarkan objek, manusia,
peristiwa, aktivitas, konsep. Singkatnya data merupakan suatu kenyataan apa
adanya [5].
Data adalah fakta mentah mengenai orang, tempat, kejadian, dan hal-hal
yang penting dalam organisasi [4].
Sehingga kesimpulannya data merupakan rekaman mengenai fenomena
yang ada dan yang terjadi. Data pada pokoknya adalah refleksi fakta yang ada.
2.2.1.2
Basis Data
Basis data secara universal disebutkan sebagai sebuah kumpulan data yang
disimpan dalam satu tempat yang sama. S. Attre mengatakan bahwa
Database
adalah
koleksi
data-data
yang
saling
berhubungan
mengenai
suatu
organisasi/enterprise
dengan macam-macam pemakaiannya [4]. Dalam referensi
lainnya, Database atau basis data
adalah koleksi “data operasional” yang tersimpan
dan dipakai oleh sistem aplikasi dari suatu organisasi. Dan jika dijabarkan basis
data dikelompokkan menjadi tiga bagian, yakni :
1.
Data input adalah data yang masuk dari luar sistem.
2.
Data output adalah data yang dihasilkan sistem.
3.
Data operasional adalah data yang tersimpan pada sistem
Menurut Toni Fabbri:
Database
adalah sebuah sistem
file-file
yang
terintegrasi yang mempunyai minimal primary key untuk pengulangan data.
Menurut Gordon C. Everest: Database
adalah koleksi atau kumpulan data
yang mekanis, terbagi/shared, terdefinisi secara formal dan dikontrol terpusat pada
organisasi.
(20)
2.2.2
Data Warehouse
Data warehouse adalah sebuah tempat penyimpanan data yang lengkap dan
konsisten dimana data yang disimpan itu saling berelasi dan dirancang berdasarkan
query dan analisis daripada proses transaksinya [6]. Data tersebut
ditransformasikan menjadi sebuah informasi yang dapat diakses kapan saja dan
selalu
up to date. Informasi ini kemudian akan digunakan untuk dianalisis untuk
menghasilkan informasi baru.
Data
warehouse juga bisa dikatakan sebagai kumpulan data yang
berorientasi subjek, terintegrasi, tidak dapat di
update, memiliki dimensi waktu
yang digunakan untuk mendukung proses manajemen pengambilan keputusan dan
kecerdasan bisnis. Berdasarkan definisi tersebut, maka data
warehouse memiliki
karakteristik [6] sebagai berikut :
1.
Subject oriented (berorientasi subjek)
Data
warehouse dirancang untuk membantu user dalam pengambilan
keputusan. Contohnya untuk mengetahui tentang data penjualan
perusahaan. Kita bisa membangun data warehouse yang berfokus pada
penjualan. Dengan menggunakan data warehouse, kita bisa menjawab
pertanyaan seperti “Siapa pembeli terbaik untuk barang ini tahun lalu?”.
Kemampuan untuk mendefinisikan sebuah data
warehouse
sebagai
sebuah subjek, dalam hal ini penjualan, membuat data
warehouse
subject oriented.
2.
Integrated (terintegrasi)
Data
warehouse dikonstruksikan dengan cara mengintegrasikan
sejumlah sumber data yang berbeda. Data yang terintegrasi
menyebabkan data tersebut lebih konsisten, sehingga lebih mudah
dipahami oleh para pembuat keputusan.
3.
Time-variant
Data warehouse harus bisa menghasilkan informasi dari sudut pandang
historical (misalnya informasi 5-10 tahun yang lalu atau bahkan lebih).
Atau bisa dikatakan bahwa data warehouse
berfokus pada perubahan
setiap waktunya.
(21)
15
15
4.
Non-volatile
Data yang ada dalam data
warehouse
tidak bisa edit ataupun
di-update.
Data
warehouse dibuat untuk melayani
user (analyst dan pengambil
keputusan). Sehingga data warehouse wajib dirancang sesuai dengan persyaratan
[7] berikut :
1.
Harus bisa memberikan kepuasan kepada setiap user.
2.
Memiliki function sendiri tanpa mengganggu OLTP systems.
3.
Menyediakan pusat tempat penyimpanan data yang konsisten.
4.
Menjawab setiap complex queries dengan cepat.
5.
Menyediakan berbagai analisis
tools yang kuat, seperti OLAP dan data
mining.
Sebagian besar data warehouse
yang sukses selain memenuhi persyaratan
di atas juga memiliki beberapa karakteristik [7] seperti :
1.
Berdasarkan model dimensional.
2.
Mengandung historical data.
3.
Terdiri dari detailed dan summarized data.
4.
Tetap mempertahankan konsistensi data walaupun berasal dari sumber yang
berbeda.
5.
Fokus dalam single subject, seperti penjualan, keuangan, atau inventarisasi.
Data warehouse bisa dikatakan sebagai suatu salinan dari OLTP (On-Line
Transaction Processing) yang terstruktur yang digunakan untuk memenuhi
kebutuhan analisis,
reporting, maupun data
mining
[8]. OLTP sendiri adalah
sebuah proses yang menitikberatkan pada transaksinya, seperti input data dan
lain-lain. Pada Tabel 2.1 akan memperlihatkan perbedaan OLTP systems dan data
warehouse.
(22)
Tabel 2.1 Perbedaan OLTP dan Data
Warehouse
[9]
OLTP Data Warehouse
Dirancang untuk operasi real-time bisnis Dirancang untuk analisis dari suatu bisnis berdasarkan atribut dan kategori
Menangani data saat ini Menangani data saat ini dan data masa lalu Data disimpan pada beberapa platform Data disimpan pada satu platform saja Data diorganisir berdasarkan fungsi atau
operasinya Data diorganisir berdasarkan subjek
Prosesnya bersifat berulang (loop) Prosesnya dilakukan setiap saat dan harus berorientasikan waktu (historical)
Untuk operasional Untuk managerial Berorientasi pada transaksi Berorientasi pada analisis
2.2.2.1
Tujuan Data Warehouse
Tujuan dari data warehouse adalah sebagai berikut [9] :
1.
Memberikan kemudahan untuk mengakses informasi yang ada.
Kemudahan disini berbicara tentang efisiensi. Data warehouse harus efisien
sehingga dengan mudah dipahami oleh
user bukan hanya oleh
devoleper
saja. Selain itu, pengguna juga dapat mengkombinasikan data dalam data
warehouse dengan berbagai cara (slicing and dicing). Untuk mengakses
data
warehouse disarankan sebaiknya dapat dilakukan dengan sederhana
dan mudah dioperasikan.
2.
Menyediakan informasi yang konsisten.
Data
warehouse hanya berisi informasi-informasi yang relevan bagi
kebutuhan
user untuk pengambil keputusan. Oleh karena itu, kredibilitas
data yang terdapat dalam data
warehouse harus dapat dipertanggung
jawabkan.
3.
Mampu beradaptasi dan tahan terhadap perubahan.
Perubahan-perubahan yang terjadi harus dapat diatasi oleh data warehouse.
Dengan kata lain, data warehouse harus dirancang agar mampu menghadapi
(23)
17
17
setiap perubahan dengan terencana. Hal ini berarti perubahan yang terjadi
tidak boleh merusak atau mengganggu data dan aplikasi yang telah ada
sebelumnya.
4.
Mampu mengamankan informasi.
Informasi yang tersimpan dalam data
warehouse harus tersimpan dengan
aman. Dengan kata lain, informasi tersebut tidak boleh sampai jatuh ke
tangan yang salah. Oleh karena itu, data
warehouse harus mampu
mengendalikan setiap akses dari informasi yang ada.
5.
Mampu memberikan dukungan dalam pengambilan keputusan.
Ini merupakan tujuan yang paling penting dan harus ada dalam setiap
pembuatan data
warehouse. Data warehouse bisa digambarkan sebagai
kumpulan teknologi pendukung keputusan, dimaksudkan agar setiap
pekerjaan yang berhubungan dengan informasi, dapat membuat keputusan
dengan cepat dan tepat.
6.
User friendly.
Seperti pada tujuan data
warehouse pertama, data
warehouse
harus
dirancang agar dapat dioperasikan dengan mudah oleh user. Tidak seperti
sistem operasional dimana seringkali user tidak memiliki pilihan yang lain
kecuali menggunakan sistem baru, akan tetapi
user data
warehouse
biasanya merupakan pilihan. Oleh karena itu, proses penentuan
user
data
warehouse merupakan faktor yang sangat penting.
(24)
2.2.2.2
Arsitektur Data Warehouse
Arsitektur pada data
warehouse dikelompokkan menjadi 5 bagian seperti
Gambar 2.3 [10] :
Gambar 2.3
Arsitektur Data
Warehouse
[10]
1.
Source Data
Merupakan sumber data, atau bisa dibilang bahwa darimana data itu berasal.
Untuk membangun data warehouse Balai Pengkajian Teknologi Pertanian
(BPTP) Jawa Barat maka source data berasal dari operasional system atau
OLTP database.
2.
Data Staging
Merupakan sebuah proses yang diperlukan sebelum data source masuk ke
dalam data
warehouse. Proses ini dinamakan proses ETL (Extracting,
Transformation, Loading).
(25)
19
3.
Data Warehouse
Merupakan tempat penyimpanan data yang multidimensi, dimana data yg
tersimpan berupa metadata, summary data dan raw data.
4.
Data Marts
Merupakan bagian dari data warehouse. Seluruh data mart jika digabungkan
akan menjadi satu data warehouse.
5.
Users
Merupakan pengguna yang akan menggunakan data warehouse. Users bisa
memiliki tugas yang berbeda-beda, ada yang untuk analisis, ada yg untuk
reporting, dan ada yang untuk membentuk data
mining. Intinya informasi
yang berasal dari data
warehouse
akan diolah menjadi “sesuatu”
menggunakan
tools yang ada yang bisa berguna untuk pengambilan
keputusan.
2.2.2.3
Dimensional Data Warehouse
Kebutuhan
user dan realitas data yang menjadi faktor penentu untuk
merancang dimensional model data
warehouse, seperti bisnis apa yang paling
diperlukan, detailnya seperti apa dan dimensi-dimensi serta fakta-fakta apa yang
harus diikutkan [6].
Maka dimensional model harus disesuai dengan kebutuhan dari user. Model
juga harus dirancang sedemikian rupa agar dapat bertahan dan dapat beradaptasi
dari segala perubahan yang akan terjadi. Desain modelnya yang dihasilkan dibentuk
menjadi
database relasional yang mendukung OLAP
cubes untuk menyediakan
secara “instant” hasil
query untuk analis.
1.
Tabel Dimensi (Dimension Tables)
Tabel dimensi menjelaskan tentang entitas bisnis dari suatu enterprise
[6]. Tabel dimensi umumnya berisi data keterangan, dimana data
tersebut jarang sekali mengalami perubahan.
(26)
2.
Tabel Fakta (Fact Tables)
Tabel fakta merupakan sebuah tabel yang menjelaskan tentang
transaksi bisnis dari suatu enterprise biasanya disebut tabel detail [6].
Tabel fakta umumnya berisi data yang berkaitan langsung dengan
proses bisnisnya.
3.
Skema Dimensional Model
Berikut ini adalah beberapa skema yang biasa digunakan untuk
merancang suatu data warehouse :
a)
Skema star
Suatu skema disebut skema
star jika seluruh tabel dimensi dihubungkan
secara langsung ke tabel fakta dan satu tabel fakta wajib memiliki relasi
minimal dengan satu tabel dimensi [6]. Gambar 2.4 dari skema star.
Gambar 2.4 Skema
Star
[7]
b)
Skema snowflake
Suatu skema disebut skema snowflake jika satu atau lebih tabel dimensi
tidak berhubungan langsung dengan tabel fakta tetapi harus
berhubungan melalui tabel dimensi lain [6]. Gambar 2.5 dari skema
snowflake.
(27)
21
Gambar 2.5 Skema
Snowflake
[7]
c)
Skema constellation
Suatu skema dikatakan sebagai skema constellation jika ada satu tabel
dimensi yang dipakai bersamaan oleh satu atau lebih tabel fakta [11].
Gambar 2.6 dari skema constellation.
(28)
2.2.2.4
Hirarki (Hierarchies)
Hirarki merepresentasikan
relationships antar tiap entitas ataupun tiap
anggota entitasnya. Hirarki bisa juga dikatakan sebagai parent-child relationships
karena hirarki memandang sesuatu melalui berbagai sudut pandang. Hirarki dibagi
menjadi:
1.
Derived Hierarchies, merupakan suatu hirarki yang memiliki relationships
antar entitas, sebagai contoh entitas kategori berhubungan dengan entitas
produk, maka ada suatu cara untuk membangun
derived relationships
berdasarkan nilai dari atributnya. Contoh lainnya bisa dilihat pada Gambar
2.7 berikut.
Gambar 2.7
Derived Hierarchies
(29)
23
2.
Explicit Hierarchies, merupakan suatu hirarki yang merepresentasikan
relationships antar tiap member dalam sebuah entitas. Biar lebih jelas untuk
explicit hierarchies bisa dilihat pada Gambar 2.8.
Gambar 2.8
Explicit Hierarchies
2.2.2.5
Proses ETL Data Warehouse
Proses ETL atau biasa disebut
Extract,
Transform, dan
Load merupakan
proses pengubahan data dari OLTP database menjadi data warehouse. Jika dilihat
dari arstitektur data
warehouse, proses ETL ini merupakan proses yang berada di
data staging.
Proses ETL merupakan proses untuk mengubah, memformat ulang serta
mengintegrasikan data yang berasal dari satu atau beberapa OLTP systems [12].
1.
Extraction
Extraction merupakan sebuah proses dimana proses tersebut mencari
sumber data kemudian dengan menggunakan beberapa kriteria yang sudah
diberikan untuk memilah data dan juga untuk mencari data yang berkualitas,
kemudian data tersebut diangkut ke file lain atau database [12].
2.
Transformation
Data
transformation
merupakan suatu fase yang terjadi ketika data sudah
menjadi
raw data (hasil
extraction) diubah menjadi bentuk yang sudah
ditetapkan dimana bentuk tersebut harus bisa digunakan dalam data
warehouse
[10]. Berikut ini adalah beberapa proses dasar yang harus ada
dalam data transformation :
(30)
a)
Selection
Memilih atau memilah data hasil dari extraction.
b)
Splitting/Joining
Splitting/joining meliputi tipe-tipe manipulasi data yang perlu
dilakukan pada proses selection.
c)
Conversion
Proses ini merupakan tahapan paling penting. Pada tahap
conversion, data hasil
selection kemudian akan diubah menjadi
data yang layak digunakan pada data warehouse.
d)
Summarization
Tahap ini merupakan tahap pembentukan model yang akan
ditampilkan kepada user.
e)
Enrichment
Tahap ini merupakan tahap pembentukan kembali serta
penyederhanaan field yang ada untuk membuat field tersebut lebih
berguna pada data warehouse.
3.
Loading
Loading adalah suatu proses pemindahan data secara fisik dari OLTP
systems ke dalam data warehouse. Operasi loading terdiri dari memasukkan
record ke dalam bermacam-macam dimensi dan
fact
tabel dari data
warehouse [9].
(31)
25
2.2.2.6
Data Warehouse Tools
Berikut ini adalah
tools yang digunakan
user setelah data
warehouse
terbentuk dengan tujuan yang berbeda-beda [7] :
1. OLAP (On-Line Analytical Processing)
OLAP merupakan salah satu data
warehouse tools untuk melakukan
analisis data. OLAP sendiri adalah suatu teknologi yang dirancang untuk
memberikan kinerja yang unggul untuk
ad hoc business intelligence
queries [7]. OLAP dirancang untuk beroperasi secara efisien dengan data
yang terorganisir sesuai dengan model dimensi umum yang biasa
digunakan dalam data warehouse.
Tidak ada data
warehouse modern yang selesai dengan sempurna tanpa
fungsionalitas OLAP. Tanpa OLAP, kita tidak dapat memberikan
users seluruh
kemampuan untuk melakukan analisis multidimensional, untuk melihat informasi
dari segala sudut pandang, dan untuk membuat keputusan yang bersifat kritikal.
Oleh karena itu, OLAP sangat krusial [10]. Berikut ini adalah karakteristik paling
mendasar dalam OLAP systems [10] :
a)
Memberikan para pelaku bisnis pandangan logis yang multidimensi dari
data yang ada dalam data warehouse.
b)
Memfasilitasi query interaktif dan kompleks analisis kepada users.
c)
Memungkinkan
user untuk
drill-down atau
roll-up data yang ada baik
untuk single dimension maupun untuk multi dimension.
d)
Memberikan
kemampuan
untuk
melakukan
perhitungan
dan
perbandingan yang rumit.
e)
Hasilnya bisa dipresentasikan dalam bentuk yang lebih berarti, seperti
grafik atau tabel.
Kegunaan OLAP [10] antara lain:
a)
Meningkatkan produktivitas dari bisnis manajer, eksekutif dan analis.
b)
Memanfaatkan OLAP dengan baik bisa membuat
users bisa dengan
percaya diri membuat analisis mereka sendiri tanpa bantuan IT
assistance.
(32)
c)
Keuntungan untuk IT
developers yaitu penggunaan OLAP bisa sangat
membantu mempercepat kinerja dari aplikasinya sendiri.
d)
Meningkatkan efisiensi kerja.
OLAP dapat digunakan untuk melakukan hal-hal seperti [9]:
a)
Consolidation (roll-up)
Konsolidasi melibatkan pengelompokkan data untuk melihat data secara
global atau rangkuman (summary).
b)
Drill-down
Suatu bentuk yang merupakan kebalikan dari konsolidasi, untuk
mendapatkan lebih detail tentang suatu dimensi serta bisa dikatakan
sebagai suatu navigasi dari tingkat yang lebih umum ke tingkat yang
lebih spesifik. Untuk lebih jelasnya roll-up dan drill-down dapat dilihat
pada Gambar 2.9.
c)
Slicing and dicing
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. Data Agregrated merupakan data
praperhitungan (precalculated) dalam bentuk rangkuman data (data
summarized) sehingga query pada kubus (cube) lebih cepat. Slicing
memotong kubus sehingga dapat memfokuskan pada perspektif yang
spesifik (pada suatu dimensi). Sedangkan dicing 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 dianalisis. Untuk lebih
jelasnya slicing and dicing bisa dilihat pada Gambar 2.10
(33)
27
Gambar 2.9
Roll-up
dan
Drill-down
Gambar 2.10
Slicing and Dicing
d)
Pivot
Menampilkan nilai-nilai ukuran dalam tata letak tabel yang berbeda dan
juga bisa mengatur kembali dimensi dalam OLAP
cube. Untuk lebih
jelasnya pivot bisa dilihat pada Gambar 2.11
(34)
Gambar 2.11
Pivot
Untuk memodelkan OLAP kepada users, kita gunakan OLAP cube. OLAP
cube adalah bagian utama dari OLAP yang berisi kumpulan data yang
banyak dan disatukan (agregasi) untuk mempercepat hasil query [9]. OLAP
cube contohnya seperti pada dan
2. Reporting
Reporting tools merupakan tools yang digunakan untuk mempermudah user
memperoleh data yang sudah lama ataupun data sekarang dan melakukan
beberapa standard analisis statistik [10]. Data yang dihasilkan dari reporting
tools bisa berupa bentuk laporan biasa dan juga bisa berupa grafik.
3. Data mining
Data
mining merupakan teknologi yang mengaplikasikan algoritma yang
canggih dan kompleks untuk menganalisis data dan mencari informasi yang
menarik dari kumpulan data tersebut. Perbedaan mendasar antara OLAP
dan data mining yaitu terletak pada apa yang akan dianlisisnya. Pada OLAP,
yang dianalisis adalah modelnya, tetapi pada data
mining yang dianalisis
adalah datanya (harus berjumlah besar) [7].
(35)
29
2.2.3
Object-Oriented Analysis & Design (OOAD)
Object-Oriented Analysis & Design (OOAD) merupakan salah bentuk
pendekatan analisis dan desain yang menekankan solusi berbasis objek [13]. OOAD
bukan dipilih berdasarkan bahasa pemrograman yang digunakan melainkan cara
pikir kita dalam menyelesaikan masalah dengan menitikberatkan kepada
perekayasaan objek beserta relasinya.
Alat bantu yang biasa digunakan untuk membantu pemodelan OOAD
adalah UML (Unified Modeling Languages). Berikut ini adalah diagram-diagram
yang biasa digunakan UML :
1.
Use Case Diagram
Menggambarkan sistem berdasarkan hasil
requirement gathering. Setiap
use case melambangkan satu fungsional sistem.
2.
Activity Diagram
Menggambarkan secara jelas alur kegiatan dari use case.
3.
Sequence Diagram
Menggambarkan hubungan antar class atau bisa dibilang aktivitas apa yang
berlangsung sejak objek pertama kali dibuat sampai memenuhi tugas dari
objeknya.
4.
Class Diagram
Menunjukkan atau memperjelas class apa saja yang berada dalam domain
permasalahan beserta relasinya.
5.
Statechart Diagram
(36)
(37)
145
BAB 5
KESIMPULAN DAN SARAN
5.1
Kesimpulan
Berdasarkan hasil analisis dan pengujian data
warehouse
maka dapat
disimpulkan bahwa:
1.
Penerapan Data
Warehouse memberikan kemudahan dalam pengaksesan
informasi yang diperlukan oleh pihak di BPTP, dan juga dapat
mengabungkan data dalam data warehouse dengan berbagai cara. Sehingga
dapat menampilkan informasi yang tepat dan cepat.
2.
Penerapan Data Warehouse menyediakan informasi yang terintegrasi dan
berisi informasi-informasi yang relevan untuk kebutuhan pihak BPTP
dalam pengambil suatu keputusan.
3.
Penerapan Data Warehouse membantu dalam mempercepat proses
pengumpulan data serta penyajian informasi yang multidimensi dan ringkas
sehingga dapat memaksimalkan kualitas keputusan yang dibuat oleh
top
management.
5.2
Saran
Berikut ini adalah saran yang diberikan untuk pengembangan sistem
selanjutnya, yaitu:
1.
Perlu nya penambahan beberapa menu item yang dapat membantu untuk
mengolah data lain yang masih di butuhkan.
(38)
Nama
: Hengky Saputra
NIM
: 10110649
Tempat/Tanggal Lahir : Kedaton/18 Desember 1991
Jenis Kelamin
: Laki-laki
Agama
: Islam
Alamat
: Jl. Haur Mekar Gang 1 No. 32 RT05 RW02
Kec. Sadang Serang Kel. Coblong
Bandung, 40132
No. Telp
: 0853671010493
:
[email protected]
2.
Riwayat Pendidikan
1998
–
2001
: SD Negeri 2 Kedaton
2001
–
2004
: SD Negeri 16 OKU Baturaja
2004
–
2007
: SMP Negeri 7 OKU Baturaja
2007
–
2010
: SMA N 4 OKU Baturaja
2010
–
2015
: Universitas Komputer Indonesia (UNIKOM)
Demikian riwayat hidup ini saya buat dengan sebenar-benarnya dalam keadaan
sadar tanpa paksaan.
Bandung, Agustus 2015
(39)
(40)
(BPTP) JAWA BARAT
Hengky Saputra
Teknik Informatika – Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung
Email : [email protected]
ABSTRAK
Institusi Balai Pengkajian Teknologi Pertanian Jawa Barat merupakan unit pelaksana teknis (UPT) Badan Penelitian dan Pengembangan Pertanian yang secara struktural berada di bawah supervisi Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian (BBP2TP) Bogor dengan wilayah kerja meliputi Provinsi Jawa Barat. Saat ini pada BPTP Jawa Barat belum tersedianya tools penunjang yang bisa digunakan untuk pembuatan laporannya yang dimana dalam pembuatan laporan ini menggunakan data terdiri berbagai jenis tipe data yang periodic atau
historical. Data yang digunakan di analisis dari informasi bisnis strategis dimana dimanfaatkan untuk kebutuhan identifikasi produktifitas hasil pertanian, perkebunan atau peternakan. Namun belum tersedianya pengelolaan data yang baik hal ini beresiko terhadap kehilangan data serta keamanan data yang ada.
Oleh karena itu dibutuhkan tempat penyimpanan data yang bisa merancang data yang kompleks serta bisa membuat laporan yang cocok untuk keperluan analisis data dan pengambilan keputusan adalah dengan membangun data warehouse. Data warehouse
memiliki banyak sekali kelebihan. Data yang tersimpan hanya dalam bentuk metadata sehingga data yang ada tidak bisa diubah. Sifat data warehouse
lain yaitu datanya terintegrasi dan data tersebut bersifat historis. Ditambah tools seperti OLAP dan
reporting tools. Tools ini memberikan kemudahan buat para pengguna untuk dapat merancang data yang kompleks, mengakses data dengan cepat, analisis data dan pembuatan laporan serta pengambilan keputusan bisa dilakukan dengan cepat dan tepat.
Berdasarkan hasil analisis dan pengujian yang telah dilakukan, Data Warehouse dapat memberikan kemudahan dalam pengaksesan informasi dan dapat mengabungkan data dalam data warehouse dengan berbagai cara. Sehingga dapat menampilkan informasi yang tepat dan cepat. Informasi yang terintegrasi dan berisi informasi-informasi yang relevan untuk pengambil suatu keputusan dan memaksimalkan kualitas keputusan yang dibuat oleh
top management di BPTP.
Kata kunci : Data Warehouse, Warehousing, ETL, OLAP, reporting tools.
1.
PENDAHULUAN
Institusi Balai Pengkajian Teknologi Pertanian merupakan unit pelaksana teknis (UPT) Badan Penelitian dan Pengembangan Pertanian yang secara struktural berada di bawah supervisi Balai Besar Pengkajian dan Pengembangan Teknologi Pertanian (BBP2TP) Bogor dengan wilayah kerja meliputi Provinsi Jawa Barat. Dalam rangka pencapaian tujuan menuju pembangunan pertanian yang berpijak pada konsep efisiensi untuk meraih keunggulan komparatif dan kompetitif dalam menghadapi era globalisasi perdagangan, maka BPTP Jawa Barat ini perlu untuk mengidentifikasi komoditas unggulan di Provinsi Jawa Barat.
Berdasarkan hasil observasi, belum tersedianya desain data yang dapat dimanfaatkan untuk kebutuhan laporan. Data yang selama ini terdiri dari berbagai jenis tipe data dan data yang ada tidak tersusun sesuai periodic atau historical. hal ini berimbas pada waktu kerja karena membutuhkan waktu yang lebih lama dalam pengolahan data yang akan digunakan untuk menganalisa informasi yang ada. Selain itu juga, karena belum ada nya pengelolaan data yang baik maka akan beresiko terhadap kehilangan data. Faktor penyebab lainnya terletak pada tidak adanya tools penunjang yang bisa digunakan untuk pembuatan laporannya
Oleh karena itu, solusi yang diberikan kepada BPTP untuk membangun aplikasi yang membantu dalam mengubah arsip data yang terdiri dari berbagai format menjadi sumber daya pengetahuan dengan informasi yang terintegrasi satu dengan yang lain. Sumber daya pengetahuan dapat diakses dengan mudah dan cepat dapat membantu meningkatkan performa dan kinerja dalam melakukan analisa data di BPTP untuk penelitian pengembangan pertanian di Jawa Barat. Tempat penyimpanan data berupa data
warehouse serta Aplikasi yang dapat menunjang optimasi ETL dalam proses mengintegrasikan data yang ada menjadi informasi baru, dan juga bisa dijadikan salah satu solusi yang dapat mempercepat proses pengumpulan data serta penyajian informasi yang multidimensi dan ringkas sehingga dapat memaksimalkan kualitas keputusan yang dibuat.
(41)
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
2Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
Data warehouse sendiri adalah koleksi data yangmempunyai sifat berorientasi subjek, terintegrasi, time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management [1]. . Dalam pembuatan suatu data
warehouse terdapat suatu fase transformasi data dimana fase ini bertujuan untuk mengintegrasikan data dari sumber data ke dalam data warehouse. Data yang dihasilkan dalam fase transformasi ini nantinya akan dipakai OLAP tools untuk menganalisis data serta reporting tools untuk menghasilkan laporan yang dibutuhkan oleh pihak BPTP.
Tujuan yang akan dicapai dari penelitian ini adalah sebagai berikut:
1.Memberikan kemudahan dalam pengaksesan informasi yang diperlukan oleh pihak di BPTP, dan juga dapat mengabungkan data dalam data warehouse dengan berbagai cara. Sehingga dapat menampilkan informasi yang tepat dan cepat.
2.Menyediakan informasi yang terintegrasi dan berisi informasi-informasi yang relevan untuk kebutuhan pihak BPTP dalam pengambil suatu keputusan
3.Membantu dalam mempercepat proses pengumpulan data serta penyajian informasi yang multidimensi dan ringkas sehingga dapat memaksimalkan kualitas keputusan yang dibuat oleh top management.
1.1 Data Warehouse
Data warehouse adalah sebuah tempat penyimpanan data yang lengkap dan konsisten dimana data yang disimpan itu saling berelasi dan dirancang berdasarkan query dan analisis daripada proses transaksinya [6]. Data tersebut ditransformasikan menjadi sebuah informasi yang dapat diakses kapan saja dan selalu up to date. Informasi ini kemudian akan digunakan untuk dianalisis untuk menghasilkan informasi baru.
Data warehouse juga bisa dikatakan sebagai kumpulan data yang berorientasi subjek, terintegrasi, tidak dapat di update, memiliki dimensi waktu yang digunakan untuk mendukung proses manajemen pengambilan keputusan dan kecerdasan bisnis. Berdasarkan definisi tersebut, maka data warehouse
memiliki karakteristik [6] sebagai berikut : a. Subject oriented (berorientasi subjek) b.Integrated (terintegrasi)
c. Time-variant
d.Non-volatile
1.2 Tujuan Data Warehouse
Tujuan dari data warehouse adalah sebagai berikut [9] :
1. Memberikan kemudahan untuk mengakses informasi yang ada.
2. Menyediakan informasi yang konsisten.
3. Mampu beradaptasi dan tahan terhadap perubahan.
4. Mampu mengamankan informasi.
5. Mampu memberikan dukungan dalam pengambilan keputusan.
6. User friendly.
1.3 Arsitektur Data Warehouse
Arsitektur pada data warehouse dikelompokkan menjadi 5 bagian seperti Gambar 1.1 [10] :
Gambar 1.1Arsitektur Data Warehouse [10]
1.4 Dimensional Data Warehouse
Kebutuhan user dan realitas data yang menjadi faktor penentu untuk merancang dimensional model data warehouse, seperti bisnis apa yang paling diperlukan, detailnya seperti apa dan dimensi-dimensi serta fakta-fakta apa yang harus diikutkan [6].
Maka dimensional model harus disesuai dengan kebutuhan dari user. Model juga harus dirancang sedemikian rupa agar dapat bertahan dan dapat beradaptasi dari segala perubahan yang akan terjadi. Desain modelnya yang dihasilkan dibentuk menjadi database relasional yang mendukung OLAP cubes untuk menyediakan secara “instant” hasil query untuk analis.
1.Tabel Dimensi (Dimension Tables)
Tabel dimensi menjelaskan tentang entitas bisnis dari suatu enterprise [6]. Tabel dimensi umumnya berisi data keterangan, dimana data tersebut jarang sekali mengalami perubahan.
2.Tabel Fakta (Fact Tables)
Tabel fakta merupakan sebuah tabel yang menjelaskan tentang transaksi bisnis dari suatu enterprise biasanya disebut tabel detail [6]. Tabel fakta umumnya berisi data yang berkaitan langsung dengan proses bisnisnya.
3.Skema Dimensional Model
Berikut ini adalah beberapa skema yang biasa digunakan untuk merancang suatu data warehouse :
a)Skema star
Suatu skema disebut skema star jika seluruh tabel dimensi dihubungkan secara langsung ke tabel fakta dan satu tabel fakta wajib memiliki
(42)
Gambar 1.2 Skema Star [7]
b)Skema snowflake
Suatu skema disebut skema snowflake jika satu atau lebih tabel dimensi tidak berhubungan langsung dengan tabel fakta tetapi harus berhubungan melalui tabel dimensi lain [6]. Gambar 1.3 dari skema
snowflake.
Gambar 1.3 Skema Snowflake [7]
c)Skema constellation
Suatu skema dikatakan sebagai skema
constellation jika ada satu tabel dimensi yang dipakai bersamaan oleh satu atau lebih tabel fakta [11]. Gambar 1.4 dari skema
constellation.
Gambar 1.4 Skema Constellation [11]
OLTP database menjadi data warehouse. Jika dilihat dari arstitektur data warehouse, proses ETL ini merupakan proses yang berada di data staging.
Proses ETL merupakan proses untuk mengubah, memformat ulang serta mengintegrasikan data yang berasal dari satu atau beberapa OLTP systems [12].
1. Extraction
Extraction merupakan sebuah proses dimana proses tersebut mencari sumber data kemudian dengan menggunakan beberapa kriteria yang sudah diberikan untuk memilah data dan juga untuk mencari data yang berkualitas, kemudian data tersebut diangkut ke file lain atau database [12].
2. Transformation
Data transformation merupakan suatu fase yang terjadi ketika data sudah menjadi raw data (hasil extraction) diubah menjadi bentuk yang sudah ditetapkan dimana bentuk tersebut harus bisa digunakan dalam data warehouse [10]. Berikut ini adalah beberapa proses dasar yang harus ada dalam data transformation :
a. Selection b. Splitting/Joining c. Conversion d. Summarization e. Enrichment 3. Loading
Loading adalah suatu proses pemindahan data secara fisik dari OLTP systems ke dalam data warehouse. Operasi loading
terdiri dari memasukkan record ke dalam bermacam-macam dimensi dan fact tabel dari data warehouse.
1.6 Data Warehousetools
Berikut ini adalah tools yang digunakan user
setelah data warehouse terbentuk dengan tujuan yang berbeda-beda [7] :
1. OLAP (On-Line Analytical Processing)
OLAP merupakan salah satu data warehouse tools untuk melakukan analisis data. OLAP sendiri adalah suatu teknologi yang dirancang untuk memberikan kinerja yang unggul untuk ad hoc business intelligence queries [7]. OLAP dirancang untuk beroperasi secara efisien dengan data yang terorganisir sesuai dengan model dimensi umum yang biasa digunakan dalam data warehouse.
Kegunaan OLAP [10] antara lain:
a)Meningkatkan produktivitas dari bisnis manajer, eksekutif dan analis.
b)Memanfaatkan OLAP dengan baik bisa membuat users bisa dengan percaya diri membuat analisis mereka sendiri tanpa bantuan IT assistance.
(43)
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
4Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
c)Keuntungan untuk IT developers yaitupenggunaan OLAP bisa sangat membantu mempercepat kinerja dari aplikasinya sendiri.
d)Meningkatkan efisiensi kerja.
OLAP dapat digunakan untuk melakukan hal-hal seperti [9]:
a)Consolidation (roll-up)
Konsolidasi melibatkan pengelompokkan data untuk melihat data secara global atau rangkuman (summary).
b)Drill-down
Suatu bentuk yang merupakan kebalikan dari konsolidasi, untuk mendapatkan lebih detail tentang suatu dimensi serta bisa dikatakan sebagai suatu navigasi dari tingkat yang lebih umum ke tingkat yang lebih spesifik. Untuk lebih jelasnya roll-up dan drill-down dapat dilihat pada Gambar 1.5
Gambar 1.5 Roll-up dan Drill-down
c)Slicing and dicing
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. Data Agregrated merupakan data praperhitungan (precalculated) dalam bentuk rangkuman data (data summarized) sehingga query pada kubus (cube) lebih cepat. Slicing memotong kubus sehingga dapat memfokuskan pada perspektif yang spesifik (pada suatu dimensi). Sedangkan dicing 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 dianalisis. Untuk lebih jelasnya slicing and dicing bisa dilihat pada Gambar 1.6
Gambar 1.6 Slicing and Dicing
d)Pivot
Menampilkan nilai-nilai ukuran dalam tata letak tabel yang berbeda dan juga bisa mengatur kembali dimensi dalam OLAP cube. Untuk lebih jelasnya pivot bisa dilihat pada Gambar 1.7
Gambar 1.7 Pivot
2. Reporting
Reporting tools merupakan tools yang digunakan untuk mempermudah user memperoleh data yang sudah lama ataupun data sekarang dan melakukan beberapa standard analisis statistik [10]. Data yang dihasilkan dari reporting tools bisa berupa bentuk laporan biasa dan juga bisa berupa grafik.
3. Data mining
Data mining merupakan teknologi yang mengaplikasikan algoritma yang canggih dan kompleks untuk menganalisis data dan mencari informasi yang menarik dari kumpulan data tersebut. Perbedaan mendasar antara OLAP dan data mining yaitu terletak pada apa yang akan dianlisisnya. Pada OLAP, yang dianalisis adalah modelnya, tetapi pada data mining yang dianalisis adalah datanya (harus berjumlah besar) [7].
3.
ISI PENELITIAN
(44)
[3]:
1.Business Requirement Definition
Tahap ini merupakan tahap analisis proses bisnis dan seluruh kebutuhan sektor pertanian yang ada di BPTP Jawa barat dalam pembuatan data warehouse.
2.Dimensional Modeling
Tahap ini merupakan tahap pemodelan data menjadi data multidimensi berdasarkan hasil yang di dapat dari business requirement defintion.
3.Physical Design
Tahap ini merupakan tahap perancangan fisik data warehouse. Seperti hardware dan software yang dibutuhkan, banyaknya memory yang diperlukan, pembentukan partisi jika diperlukan, dan lain-lain.
4.Data Staging Design
Perancangan data staging terdiri dari 3 tahap utama atau biasa disebut dengan ETL (
Extract, Transform, dan Load) yang merupakan proses pengubahan data dari OLTP database menjadi data warehouse.
5.OLAP & Reporting Tools
Tahap ini merupakan tahap untuk mengatur data yang ada dalam data warehouse menjadi kubus multidimensi berdasarkan dimensional model yang akan ditampilkan kepada user untuk pengambilan keputusan.
6.Deployment
Tahap ini merupakan tahap pengoperasian data warehouse serta reporting tools yang sudah jadi
3.2 Sumber Data
Analisis sumber data merupakan proses menganalisa sumber data yang ada di Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat. Sumber data ini terdiri dari beberapa flat file.
3.3 Kebutuhan Informasi Strategis
Berdasarkan hasil wawancara di BPTP jawa Barat didapatkan informasi strategis bisnis seperti berikut: 1. Informasi luas hasil panen terhadap luas lahan setiap komoditas di setiap kecamatan setiap bulan setiap tahun.
2. Informasi luas hasil panen berbanding luas lahan setiap komoditas di setiap wilayah setiap tahun setiap bulan.
3. Informasi jumlah kerusakan berdasarkan jenis seranganan hama berserta total kerusakan di setiap kecamatan setiap bulan setiap tahun.
4. Informasi jumlah kerusakan berdasarkan jenis seranganan hama berserta total
di setiap kecamatan setiap bulan tahun nya. 6. Informasi jumlah sayuran yang paling
unggul di setiap kecamatan setiap bulan setiap tahun nya.
7. Informasi jumlah buah yang paling unggul di setiap kecamatan setiap bulan setiap tahun nya.
8. Informasi jumlah ternak yang paling unggul di setiap kecamatan setiap tahun nya. 9. Informasi jumlah hasil pangan yang paling
unggul di setiap kabupaten setiap bulan setiap tahun nya.
10. Informasi jumlah hasil buah yang paling unggul di setiap kabupaten setiap bulan per tahun nya.
11. Informasi jumlah hasil sayur yang paling unggul di setiap kabupaten setiap bulan setiap tahun nya.
12. Informasi jumlah hasil ternak yang paling unggul di setiap bulan setiap kabupaten tahun nya.
13. Informasi jumlah hasil pangan di setiap kabupaten setiap bulan setiap tahun nya. 14. Informasi jumlah hasil sayuran di setiap
kabupaten setiap bulan setiap tahun nya. 15. Informasi jumlah hasil buah di setiap
kabupaten setiap bulan per tahun nya. 16. Informasi jumlah hasil ternak di setiap
kabupaten setiap bulan setiap tahun nya. 17. Informasi LQ pangan di setiap kabupaten
setiap tahun.
18. Informasi LQ ternak di setiap kabupaten setiap tahun.
19. Informasi LQ sayuran di setiap kabupaten di setiap tahun.
20. Informasi LQ buah di setiap kabupaten setiap tahun nya.
21. Informasi jumlah jenis lahan di setiap kecamatan setiap bulan setiap tahun. 22. Informasi jumlah jenis lahan di setiap
kabupaten setiap bulan setiap tahun.
3.4 Dimensi Dan Fakta Bisnis
Dilihat dari kebutuhan informasi strategis Balai Pengkajian Teknologi Pertanian (BPTP) Jawa Barat, dapat kita buat model dimensi bisnisnya.
Berikut ini adalah tabel dimensi berdasarkan kebutuhan informasi strategisnya:
a. Tabel dim_waktu b.Tabel dim_wilayah c. Tabel dim_komoditas d.Tabel dim_hama e. Tabel dim_tanam_panen f. Tabel dim_lahan
Berikut ini adalah tabel fakta berdasarkan kebutuhan informasi strategisnya:
(1)
A form that is the opposite of consolidation , to get more details about a dimension and it can be as a navigation from the more common to the more specific. For more explained roll-up and drill-down can be seen in Figure 1.5
Figure 1.5 Roll-up dan Drill-down c)Slicing and dicing
Slicing and dicing operations are to see data as visualizing cube. By slicing and dicing of users can see the data from some perspective. Users can extract part of the data agregrated and can check with detail based on the dimensions of desired. Data agregrated is precalculated data in the form of a summary of data so that query on cube cube more quickly . Slicing cut cube so that it can be focused on specific perspective (at a dimensions). While dicing give the ability to see the election of data in two dimensions or more .Namely by swap perspective cube on another so users could see more specific against that analyzed data. To further explained slicing and dicing can be seen in Figure 1.6
Figure 1.6 Slicing and Dicing d)Pivot
Showing values size in the layout table different dimensions and can also set back in olap cube. To further explained slicing and dicing can be seen in Figure 1.7
Figure 1.7 Pivot 2. Reporting
Reporting tools are tools that are used to facilitate users obtain the data that is old or present the data and perform some standard statistical analysis [10]. The data generated from the reporting tools can be a form of regular reports and graphs can also be.
3. Data mining
Data mining is a technology that applies sophisticated and complex algorithms to analyze the data and look for interesting information from the data set. The fundamental difference between OLAP and data mining that is located in what would be analyzed. In OLAP, the model is analyzed, but the analysis of data mining is the data (must be a large amount). [7].
3.
CONTENTS RESEARCH
2.1 Method Of Data Warehouse Development Method of development on data warehouse at an Institution for agricultural technology (BPTP) west java consisting of several stages namely [3]:
1.Business Requirement Definition
This stage is the analysis of business process and all the needs of the agricultural sector that is at an Institution for agricultural technology (BPTP) west java in building data warehouse. 2.Dimensional Modeling
This stage is the stage of modeling the data into multidimensional data based on the results of the business requirements defintion. 3.Physical Design
Tahap ini merupakan tahap perancangan fisik data warehouse. Seperti hardware dan software yang dibutuhkan, banyaknya memory yang diperlukan, pembentukan partisi jika diperlukan, dan lain-lain.
4.Data Staging Design
This stage is the stage of the physical design of the data warehouse. As the hardware and software needed, the amount of memory required, the formation of the partition if necessary, and others.
(2)
5.OLAP & Reporting Tools
This stage is the stage to set the existing data in the data warehouse into a multidimensional cube based dimensional model that will be displayed to the user for decision-making. 6.Deployment
This stage is the stage of the operation of data warehouse also reporting tools has been finished.
3.2 Data Source
An analysis of a source of data is the process of analyzing a source of existing data at an Institution for agricultural technology (BPTP) west java. Data sources it consists of several flat file.
3.3 Strategic Information Needs
According to the interviews at an Institution for agricultural technology (BPTP) west java. Obtain information for strategic business as follows:
1. Extensive information on crop yields of cultivated land area for any commodity in each district every month every year. 2. Extensive information crop yields compared
to an area of land of various products in every region each year every month. 3. The number of damaged information on the
basis of an attack an some pest in total damage in every sub-district every month every year.
4. Information the amount in damages based on the type of attack an some pest in total damage in each district every month each year.
5. The number of food information most excellent in each district any his month of the year.
6. The number of vegetables information most excellent in each district any his month of the year.
7. The number of fruits information most excellent in each district any his month of the year.
8. The number of livestock information most excellent in each district any his month of the year..
9. The number of food information most excellent in each region any his month of the year.
10. The number of vegetables information most excellent in each region any his month of the year.
11. The number of fruits information most excellent in each region any his month of the year.
12. The number of livestock information most excellent in each region any his month of the year.
13. The results of the information the amount of food in each district every month each year. 14. The results of the information the amount of fruits in each district every month each year. 15. The results of the information the amount of vegetables in each district every month each year.
16. The results of the information the amount of livestock in each district every month each year.
17. Information lq food in each district every year.
18. Information lq fruits in each district every year.
19. Information lq vegetables in each district every year.
20. Information lq livestock in each district every year.
21. The total number of land information in each district every month every year .
22. The total number of land information in each region every month every year
3.4 Dimension and Fact Business
Seen from the strategic information needs of Institution for agricultural technology (BPTP) west java, we can make the dimensions of its business model.
The following is based on dimension fact needs its strategic information:
a. Table dim_waktu b.Table dim_wilayah c. Table dim_komoditas d.Table dim_hama e. Table dim_tanam_panen f. Table dim_lahan
The following is based on fact table needs its strategic information:
a. Table fact_luas_hasil_panen b. Table fact_jumlah_kerusakan c. Table fact_ prod_unggul d. Table fact_ lq
e. Table fact_jumlah_jenis_lahan f. Table fact_jumlah_jenis_ternak
3.5 Data Staging
At this stage processes will be implemented etl or commonly called Extract, Transform, and Load. ETL process for each dimension table and fact table at an Institution for agricultural technology (BPTP) west java. For details on the process of etl can be seen on Figure 2.1
(3)
Figure 2.1 Proses ETL
At Figure 2.1 Is control flow of any process etl his. Any figure above icons on having the function of own. Are presented in the name of an icon Figure 2.2
Figure 2.2 Ikon proses etl
On the data flow of a task serves to mengfigurekan a groove of existing dataWhile execute sql task serves to do execution query sql his usual laid the first time before call data flow of a task. Here is the explanation for some task existing etl of every process existing in Figure 2.1
1. Preparing SQL
This is a task execute sql task. An order that in use in this task is a drop and create all the table, view, and function, procedure which will be in use in database data warehouse
2. Dim Waktu
This task flow represents data task. Any flow data to details that were on this task can be in look at Figure 2.3
Figure 2.3 data flow dim_waktu
3. Fact_jumlah_kerusakan
This task flow represents data task. Any flow data to details that were on this task can be in look at Figure 2.4
Figure 2.4 Fact Jumlah kerusakan
3.6 OLAP & Reporting Tools
OLAP represent the data with a cube multi-dimensional that easily understandable. OLAP also provide an answer to queries analytic to the data multidimensional. In this research, OLAP method used is a pivoting method. This method allows users to rotate the cube into a form of new or the size of values can say that it can display different in the layout table. It is very needed parties bptp west java to help existing data analysis .
OLAP following the result of application of data warehouse made:
(4)
Figure 2.6 Olap Jumlah Kerusakan berdasarkan serangan hama
Figure 2.7 Olap Jumlah produksi unggul pangan, ternak, buah sayur
Figure 2.8 Olap Jumlah Hasil pangan, buah sayur
Figure 2.9 Olap Jumlah Hasil Ternak
Figure 2.10 Olap LQ pangan, ternak, buah sayur
Figure 2.11 Olap Jumlah Jenis lahan
4.
CONCLUSION
Based on the analysis and testing of the data warehouse, it can be concluded that:
1. The application of Data Warehouse provides ease of access to the information needed and can
(5)
compress the data in the data warehouse in different ways so that it displays the appropriate information and fast.
2. Provides information integrated and contains bits on information relevant to the needs of parties bptp in a decision with decision makers.
3. The application of data warehouse help speed up the process that data collection and multi dimensional and concise presentation of information so as to maximize the quality of the decision made by top management.
Advice given to the development of a system of next, such as;
1. Need the addition of some of his menu items that can help to cultivate other data that is still in need 2. Added a unit of each in their own items of information that there are.
REFERENCES
[1] W. Inmon, Building the Data Warehouse, Canada: John Wiley & Sons, Inc., 2002. [2] I. Sommerville, Software Engineering 9th
Edition, Addison Wesley, 2010.
[3] R. Kimball, The Data Warehouse Toolkit Third Edition, John Wiley & Sons, Inc., 2013. [4] M. S. Joseph M. Hellersterin, Architecture of a
Database System, Washington: NOW the essence of knowledge, 2007.
[5] Ralph Kimball and Margy Ross, The Data Warehouse Toolkit, Redmond: Willey, 2002. [6] P. Lane, Oracle9i Data Warehousing Guide
Release 2 (9.2), Redwood: Oracle Corporation, 2002.
[7] D. Browning and J. Mundy, "Data Warehouse Design Considerations," MicrosoftSQL2000 TechnicalArticles - MSDN.com, 2001. [8] A. Kadir, Pengenalan Sistem Informasi,
Yogyakarta: Penerbit Andi Yogyakarta, 2003. [9] M. Y. Pusadan, Rancang Bangun Data
Warehouse, Yogyakarta: Graha Ilmu, 2013. [10] P. Ponniah, Data Warehousing Fundamentals.
A Comprehensif Guide For IT Professionals, John Wiley & Sons, Inc., 2001.
[11] M. Golfarelli and S. Rizzi, Data Warehouse Design: Modern Principles and Methodologies, The McGraw-Hill Companies, 2009.
[12] W. H. Inmon, Building the Data Warehouse Third Edition, Canada: John Wiley & Sons, Inc., 2002.
[13] S. Benett, S. McRobb and R. Farmer, Object-Oriented Systems Analysis And Design Using UML, McGraw Hill Higher Education, 2005.
(6)