Aplikasi Pemodelan Data Multidimensi dengan Bahasa Pemrograman Java dan Basis PostgreSQL Studi Kasus Transaksi Obat di Rumah Sakit "X".
vii
Universitas Kristen Maranatha
ABSTRAK
Salah satu cara untuk menganalisis data bervolume besar dapat dilakukan dengan memodelkan data ke dalam bentuk multidimensional. Pemodelan data multidimensional dikenal dengan istilah data cube. Pembangunan aplikasi ini bertujuan untuk membantu pengguna dalam melakukan analisis terhadap data dengan memanfaatkan model multidimensional. Operator-operator data cube, seperti roll-up, drill-down, slice, dice dan rotate/pivot yang terdapat dalam aplikasi, dapat membantu pengguna dalam menganalisis data secara fleksibel. Aplikasi ini dibangun menggunakan bahasa pemrograman Java yang berjalan di atas platform sistem operasi Windows, dengan database PostgreSQL. Data yang digunakan untuk mengujicoba aplikasi ini merupakan studi kasus dari data transaksi pembelian dan penjualan obat rumah sakit “X” periode tahun 2002 sampai tahun 2008. Hasil pengujian menunjukkan bahwa aplikasi ini dapat berjalan dengan database yang berbeda namun dalam format PostgreSQL, operator roll-up, drill-down, dan rotate dapat dikombinasikan penggunaannya, namun ada dua operator yang tidak dapat dikombinasikan penggunaannya yaitu slice dan dice. Aplikasi ini masih belum memiliki beberapa fitur selengkap aplikasi Oracle 10g Analytic Workspace, seperti fitur grafik data cube serta elemen data warehouse yang dapat diubah.
Kata Kunci : Data Cube, Pemodelan Multidimensional, Operator Data Cube
(2)
Universitas Kristen Maranatha
ABSTRACT
One of another way to analyze data in a large volume, can be done with multi-dimensional data modelling. This modelling method called data cube. The goal of this application is to help users to analyze data with multidimensional model. Data cube operators, like roll-up, drill-down, slice, dice and pivot/rotate in this application, may help users to analyze data in in flexible way. This application was build with Java that running on Windows platform. This application use PostgreSQL database and already tested with sales medicine transactional data study case at “X” hospital. The testing result indicate that this application can be running with two different PostgreSQL databases. Roll-up, drill-down and rotate operators can be combine each other, but there is two operators that cannot be combine, there is slice and dice operators. This application in comparison with another application, Oracle 10g Analytic Workspace Manager have more features than this application like data cube graphic feature and editable data warehouse schema element.
Keywords : Data Cube, Multi-dimensional Modelling, Data Cube
(3)
ix
Universitas Kristen Maranatha
DAFTAR ISI
LEMBAR PENGESAHAN ... i
PERNYATAAN ORISINALITAS LAPORAN ... ii
KATA PENGANTAR ... iii
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH ... v
ABSTRAK ... vii
ABSTRACT ... viii
DAFTAR ISI ... ix
DAFTAR GAMBAR ... xiii
DAFTAR TABEL ... xviii
DAFTAR SIMBOL ... xxiii
BAB I PENDAHULUAN ... 1
I.1 Pendahuluan ... 1
I.1.1 Tujuan ... 2
I.1.2 Ruang Lingkup Proyek ... 2
I.1.3 Definisi, Akronim, dan Singkatan ... 2
I.1.4 Sistematika Penulisan Laporan ... 5
I.2 Gambaran Keseluruhan ... 6
I.2.1 Perspektif Produk ... 7
I.2.2 Fungsi Produk ... 8
I.2.3 Karakteristik Pengguna ... 8
I.2.4 Batasan – batasan ... 9
I.2.5 Asumsi dan Ketergantungan ... 9
I.2.6 Penundaan Persyaratan ... 10
BAB II SPESIFIKASI PRODUK ... 11
II.1 Persyaratan Antarmuka Eksternal ... 11
(4)
Universitas Kristen Maranatha
II.1.2 Antarmuka Perangkat Keras ... 12
II.1.3 Antarmuka Perangkat Lunak ... 12
II.2 Fitur Produk Perangkat Lunak ... 13
II.2.1 Fitur 1 : Create Data Cube ... 13
II.2.2 Fitur 2 : Create DW Schema ... 14
II.2.3 Fitur 3 : Import and View Data Sources ... 15
II.2.4 Fitur 4 : Create Query ... 16
II.2.6 Fitur 5 : Roll-Up Data Cube ... 17
II.2.7 Fitur 6 : Drill-Down Data Cube ... 18
II.2.8 Fitur 7 : Slice Data Cube ... 20
II.2.9 Fitur 8 : Dice Data Cube ... 21
II.2.10 Fitur 9 : Pivot Data Cube ... 22
II.3 Persyaratan Performa ... 23
II.4 Batasan Desain ... 23
II.5 Atribut Sistem Perangkat Lunak ... 23
II.5.1 Kehandalan ... 23
II.5.2 Ketersediaan ... 23
II.5.3 Keamanan ... 24
II.5.4 Pemeliharaan ... 24
II.5.5 Portabilitas ... 24
II.6 Basis Data Logis ... 24
BAB III DESAIN PERANGKAT LUNAK ... 25
III.1 Pendahuluan ... 25
III.1.1 Identifikasi Kebutuhan Sistem ... 25
III.1.2 Gambaran Sistem secara Keseluruhan ... 25
(5)
xi
Universitas Kristen Maranatha
III.2.1 Landasan Teori ... 26
III.2.2 Penerapan Landasan Teori dalam Desain Perangkat Lunak .. 39
III.3 Desain Arsitektur Perangkat Lunak ... 44
III.3.1 Use Case Diagram ... 44
III.3.2 Activity Diagram ... 51
III.3.3 Sequence Diagram ... 61
III.3.4 Class Diagram ... 75
III.4 Desain Antarmuka Pengguna ... 106
III.4.1 Struktur Menu ... 106
III.4.2 Sketsa Antarmuka Pengguna ... 107
BAB IV IMPLEMENTASI ... 114
IV.1 Perencanaan Tahap Implementasi ... 114
IV.1.1 Arsitektur Perangkat Lunak ... 117
IV.2 Perjalanan Tahap Implementasi ... 117
IV.2.1 Mekanisme Pengumpulan Data ... 118
IV.2.2 Mekanisme Pembangunan Basis Data ... 120
IV.2.3 Representasi Data Cube ... 125
IV.2.4 Nilai Guna Informasi yang Dihasilkan oleh Data Cube ... 129
IV.2.5 Implementasi Bottom-Up ... 132
IV.2.6 Metode Error-Handling ... 145
IV.3 Ulasan Realisasi Fungsionalitas ... 146
IV.4 Ulasan Realisasi Antarmuka ... 149
BAB V EVALUASI DAN PENGUJIAN SISTEM ... 164
V.1 Rencana Pengujian Sistem Terimplementasi ... 164
V.1.1 Test Case Fungsionalitas Aplikasi ... 164
(6)
Universitas Kristen Maranatha
V.1.3 Test Case Kombinasi Operator Multidimensional ... 180
V.1.4 Test Case Import Datasource ... 182
V.2 Perjalanan Metodologi Pengujian ... 183
V.2.1 Metode Pengujian White-Box ... 183
V.2.2 Metode Pengujian Black-Box ... 207
V.2.3 Pengujian Kombinasi Operator Multidimensional ... 214
V.2.4 Pengujian Import Datasource ... 216
V.3 Perbandingan Fitur Aplikasi dengan Aplikasi Lain ... 218
V.4 Ulasan Hasil Evaluasi ... 224
V.3.1 Evaluasi Hasil Pengujian White-Box ... 224
V.3.2 Evaluasi Hasil Pengujian Black-Box ... 224
V.3.3 Evaluasi Hasil Pengujian Kombinasi Operator Multidimensional ... 225
V.3.4 Evaluasi Pengujian Import Datasource ... 225
V.3.5 Evaluasi Perbandingan Fitur Aplikasi dengan Aplikasi Lain .. 225
BAB VI KESIMPULAN DAN SARAN ... 226
6.1 Kesimpulan ... 226
6.2 Saran ... 227
DAFTAR PUSTAKA ... 229
(7)
xiii
Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar III.1 Data Cube (Han dan Kamber, 2006) ... 30
Gambar III.2 Hirarki pada Data Warehouse (Han dan Kamber, 2006) ... 31
Gambar III.3 Star Schema (Han dan Kamber, 2006) ... 32
Gambar III.4 Snowflake Schema (Han dan Kamber, 2006) ... 33
Gambar III.5 Galaxy Schema / Fact Constellation Schema (Han dan Kamber, 2006) ... 34
Gambar III.6 Operasi Roll-Up (Han dan Kamber, 2006) ... 35
Gambar III.7 Operasi Drill-Down (Han dan Kamber, 2006) ... 36
Gambar III.8 Operasi Slice (Han dan Kamber, 2006) ... 37
Gambar III.9 Operasi Dice (Han dan Kamber, 2006) ... 37
Gambar III.10 Operasi Pivot (Han dan Kamber, 2006) ... 38
Gambar III.11 Mengambil Tabel dari Database Sumber ... 40
Gambar III.12 Mengubah Tabel Transaksi Menjadi Fact Table ... 40
Gambar III.13 Membuat Tabel Dimensi ... 41
Gambar III.14 Membentuk Skema Data Warehouse ... 41
Gambar III.15 Memilih Dimensi dari Fact Table ... 42
Gambar III.16 Membentuk Data Cube ... 43
Gambar III.17 Use Case Diagram ... 44
Gambar III.18 Activity Diagram : Create Data Cube ... 52
Gambar III.19 Activity Diagram : Create DW Schema ... 53
Gambar III.20 Activity Diagram : Import and View Data Sources ... 54
Gambar III.21 Activity Diagram : Create Query ... 55
Gambar III.22 Activity Diagram : Roll-Up Data Cube ... 56
(8)
Universitas Kristen Maranatha
Gambar III.24 Activity Diagram : Slice Data Cube ... 58
Gambar III.25 Activity Diagram : Dice Data Cube ... 59
Gambar III.26 Activity Diagram : Pivot Data Cube ... 60
Gambar III.27 Sequence Diagram : Create Data Cube ... 61
Gambar III.28 Sequence Diagram : Create DW Schema ... 63
Gambar III.29 Sequence Diagram : Import and View Data Source ... 66
Gambar III.30 Sequence Diagram : Create Query ... 68
Gambar III.31 Sequence Diagram : Roll-Up Operation ... 69
Gambar III.32 Sequence Diagram : Drill-Down Operation ... 70
Gambar III.33 Sequence Diagram : Slice Operation ... 71
Gambar III.34 Sequence Diagram : Dice Operation ... 72
Gambar III.35 Sequence Diagram : Rotate Operation ... 73
Gambar III.36 Data Cube System Class Diagram ... 75
Gambar III.37 Package dw.cube ... 76
Gambar III.38 Class DataCube ... 76
Gambar III.39 Class Measure ... 79
Gambar III.40 Package dw.schema ... 80
Gambar III.41 Class DWSchema ... 80
Gambar III.42 Class FactTable ... 82
Gambar III.43Class DimensionTable ... 82
Gambar III.44 Class Hierarchy ... 83
Gambar III.45 Package dw.datasource ... 86
Gambar III.46 Class PGConnection ... 86
Gambar III.47 Class PGConnectionRegistry ... 88
Gambar III.48 Class PGSchema ... 89
(9)
xv
Universitas Kristen Maranatha
Gambar III.50 Class PGColumn ... 93
Gambar III.51 Class PGMetadata ... 96
Gambar III.52 Class PGQueryExecution ... 98
Gambar III.53 Package dw.gui ... 99
Gambar III.54 Class FRMMain ... 99
Gambar III.55 Class FRMCreateDataCube ... 101
Gambar III.56 Class FRMViewDC ... 102
Gambar III.57 Inner Class dice ... 103
Gambar III.58 Inner Class slice ... 104
Gambar III.59 Inner Class drillDown ... 104
Gambar III.60 Struktur Menu... 106
Gambar III.61 Form Splash Screen ... 107
Gambar III.62 Form Utama ... 108
Gambar III.63 Form New Connection ... 108
Gambar III.64 Form Create Data Cube ... 109
Gambar III.65 Form View Data Cube ... 109
Gambar III.66 Form View Data Source ... 110
Gambar III.67 Form Query Builder ... 111
Gambar III.68 Wizard Choose Data Source Schema ... 111
Gambar III.69 Wizard Create Fact Table ... 112
Gambar III.70 Wizard Create Dimension Tables ... 112
Gambar III.71 Wizard Finish ... 113
Gambar IV.1 Arsitektur Perangkat Lunak ... 117
Gambar IV.2 SQL Anywhere 9 ... 119
Gambar IV.3 PostgreSQL Sybase SQL Anywhere Import, Export & Convert ... 119
(10)
Universitas Kristen Maranatha
Gambar IV.4 Konversi Tabel SyBase ke PostgreSQL ... 120
Gambar IV.5 Hasil konversi pada database PostgreSQL ... 121
Gambar IV.6 Data Cleaning ... 121
Gambar IV.7 Relasi Fact Table Sales dengan Dimension Table Lainnya ... 125
Gambar IV.8 Form Splash Screen ... 149
Gambar IV.9 Form Utama ... 149
Gambar IV.10 Panel-panel data ... 150
Gambar IV.11 Form View Data Source ... 150
Gambar IV.12 Form New Connection ... 151
Gambar IV.13 Tab Start ... 151
Gambar IV.14 Tab Create Data Cube ... 152
Gambar IV.15 Tab New Connection ... 153
Gambar IV.16 Form Create Data Cube ... 153
Gambar IV.17 Form View Data Cube ... 154
Gambar IV.18 Tampilan Awal Sebelum Proses Drill-Down dan Roll-Up 155 Gambar IV.19 Tampilan Setelah Proses Drill-Down ... 155
Gambar IV.20 Tampilan Setelah Proses Roll-Up ... 156
Gambar IV.21 Tampilan Sebelum Proses Slice, Dice dan Rotate ... 156
Gambar IV.22 Tampilan Setelah Proses Slice ... 157
Gambar IV.23 Tampilan Setelah Proses Dice ... 157
Gambar IV.24 Tampilan Setelah Proses Rotate ... 158
Gambar IV.25 Form Query Builder ... 158
Gambar IV.26 Wizard Choose Data Source Schema ... 159
Gambar IV.27 Wizard Create Fact Table ... 159
(11)
xvii
Universitas Kristen Maranatha
Gambar IV.29 Wizard Create Dimension Tables ... 161
Gambar IV.30 Wizard Create Default Dimension Table ... 161
Gambar IV.31 Wizard Create Price Dimension Table ... 162
Gambar IV.32 Wizard Finish ... 163
Gambar V.1 JUnit Test : MeasureUnitTest ... 184
Gambar V.2 JUnit Test : PGConnectionUnitTest ... 186
Gambar V.3 JUnit Test : PGConnectionRegistryUnitTest ... 188
Gambar V.4 JUnit Test : PGSchemaUnitTest ... 190
Gambar V.5 JUnit Test : PGTableUnitTest ... 192
Gambar V.6 JUnit Test : PGColumnUnitTest ... 195
Gambar V.7 JUnit Test : DWSchemaUnitTest ... 198
Gambar V.8 JUnit Test : DimensionTableUnitTest ... 200
Gambar V.9 JUnit Test : FactTableUnitTest ... 203
Gambar V.10 JUnit Test : HierarchyUnitTest ... 205
Gambar V.11 Hasil Pengujian Import Datasource Database “cs_development_02” ... 216
Gambar V.12 Hasil Pengujian Import Datasource Database “dummybase” ... 216
Gambar V.13 Aplikasi Oracle 10g Analytic Workspace Manager ... 218
Gambar V.14 Jendela Measure Data Viewer ... 219
Gambar V.15 Operasi Roll-Up dan Drill-Down pada Oracle 10g AWM .. 220
Gambar V.16 Fitur Create Analytic Workspace ... 221
Gambar V.17 Fitur Create Cube ... 222
(12)
Universitas Kristen Maranatha
DAFTAR TABEL
Tabel I.1 Definisi, Akronim, dan Singkatan ... 2
Tabel III.1 Perbedaan OLTP dengan OLAP (Han dan Kamber, 2006) .... 28
Tabel III.2 Use Case : Create Data Cube ... 45
Tabel III.3 Use Case : Create DW Schema ... 45
Tabel III.4 Use Case : Import and View Data Sources ... 46
Tabel III.5 Use Case : Create Query ... 47
Tabel III.8 Use Case : Roll-Up Cube ... 48
Tabel III.9 Use Case : Drill-Down Data Cube ... 48
Tabel III.10 Use Case : Slice Data Cube ... 49
Tabel III.11 Use Case : Dice Data Cube ... 50
Tabel III.12 Use Case : Pivot Data Cube ... 51
Tabel III.13 Atribut-atribut Class DataCube ... 77
Tabel III.14 Method-method Class DataCube ... 77
Tabel III.15 Atribut-atribut Class Measure ... 79
Tabel III.16 Method-method Class Measure ... 79
Tabel III.17 Atribut-atribut Class DWSchema ... 81
Tabel III.18 Method-method Class DWSchema ... 81
Tabel III.19 Atribut-atribut Class DimensionTable ... 82
Tabel III.20 Method-method Class DimensionTable ... 83
Tabel III.21 Atribut-atribut Class Hierarchy ... 84
Tabel III.22 Method-method Class Hierarchy ... 84
Tabel III.23 Atribut-atribut Class PGConnection ... 87
Tabel III.24 Method-method Class PGConnection ... 87
(13)
xix
Universitas Kristen Maranatha
Tabel III.26 Method-method Class PGConnectionRegistry ... 89
Tabel III.27 Atribut-atribut Class PGSchema ... 90
Tabel III.28 Method-method Class PGSchema ... 90
Tabel III.29 Atribut-atribut Class PGTable ... 91
Tabel III.30 Method-method Class PGTable ... 91
Tabel III.31 Atribut-atribut Class PGColumn ... 94
Tabel III.32 Method-method Class PGColumn... 94
Tabel III.33 Method-method Class PGMetadata ... 97
Tabel III.34 Method-method Class PGQueryExecution ... 98
Tabel III.35 Atribut-atribut Class FRMMain ... 100
Tabel III.36 Method-method Class FRMMain ... 100
Tabel III.37 Atribut-atribut Class FRMCreateDataCube ... 101
Tabel III.38 Method-method Class FRMCreateDataCube ... 101
Tabel III.39 Atribut-atribut Class FRMViewDC ... 102
Tabel III.40 Method-method Class FRMViewDC ... 103
Tabel III.41 Atribut-atribut Inner Class dice ... 103
Tabel III.42 Atribut-atribut Inner Class slice ... 104
Tabel III.43 Atribut-atribut Inner Class drillDown ... 105
Table IV.1 Struktur Tabel FIFO_IN ... 123
Table IV.2 Struktur Tabel FIFO_OUT ... 123
Table IV.3 Struktur Tabel G_BARANG ... 124
Table IV.4 Struktur Tabel G_BAR_KEL ... 124
Table IV.5 Hasil Eksekusi Query 1 ... 126
Table IV.6 Hasil Eksekusi Query 2 ... 128
Tabel IV.7 Data Cube Transaksi Pembelian ... 129
(14)
Universitas Kristen Maranatha
Tabel IV.9 Ulasan Realisasi Fungsionalitas ... 146
Tabel V.1 Test Case : Create Data Cube ... 164
Tabel V.2 Test Case : Create Schema ... 165
Tabel V.3 Test Case : Import and View Data Source ... 166
Tabel V.4 Test Case : Create Query ... 166
Tabel V.5 Test Case : Roll-Up Data Cube ... 167
Tabel V.6 Test Case : Drill-Down Data Cube ... 167
Tabel V.7 Test Case : Slice Data Cube ... 168
Tabel V.8 Test Case : Dice Data Cube ... 168
Tabel V.9 Test Case : Rotate Data Cube ... 169
Tabel V.10 Test Case : Roll-Up Data Cube ... 169
Tabel V.11 Test Case : Drill-Down Data Cube ... 170
Tabel V.12 Unit Test Case : MeasureUnitTest ... 171
Tabel V.13 Unit Test Case : PGConnectionUnitTest ... 171
Tabel V.14 Unit Test Case : PGConnectionRegistryUnitTest ... 172
Tabel V.15 Unit Test Case : PGSchemaUnitTest ... 173
Tabel V.16 Unit Test Case : PGTableUnitTest ... 174
Tabel V.17 Unit Test Case : PGColumnUnitTest ... 175
Tabel V.18 Unit Test Case : DWSchemaUnitTest ... 176
Tabel V.19 Unit Test Case : DimensionTableUnitTest ... 177
Tabel V.20 Unit Test Case : FactTableUnitTest ... 178
Tabel V.21 Unit Test Case : HierarchyUnitTest ... 179
Tabel V.22 Test Case Kombinasi Operator Multidimensional ... 180
Tabel V.23 Test Case Import Datasource ... 182
Tabel V.24 Hasil Pelaksanaan Unit Testing MeasureUnitTest ... 184
(15)
xxi
Universitas Kristen Maranatha Tabel V.26 Hasil Pelaksanaan Unit Testing
PGConnectionRegistryUnitTest ... 188
Tabel V.27 Hasil Pelaksanaan Unit Testing PGSchemaUnitTest ... 190
Tabel V.28 Hasil Pelaksanaan Unit Testing PGTableUnitTest ... 192
Tabel V.29 Hasil Pelaksanaan Unit Testing PGColumnUnitTest ... 195
Tabel V.30 Hasil Pelaksanaan Unit Testing DWSchemaUnitTest ... 198
Tabel V.31 Hasil Pelaksanaan Unit Testing DimensionTableUnitTest ... 200
Tabel V.32 Hasil Pelaksanaan Unit Testing FactTableUnitTest ... 203
Tabel V.33 Hasil Pelaksanaan Unit Testing HierarchyUnitTest ... 205
Tabel V.34 Hasil Pelaksanaan Test Case Create Data Cube ... 207
Tabel V.35 Hasil Pelaksanaan Test Case Create Schema ... 207
Tabel V.36 Hasil Pelaksanaan Test Case Import & View Data Source .. 209
Tabel V.37 Hasil Pelaksanaan Test Case Create Query ... 210
Tabel V.38 Hasil Pelaksanaan Test Case Roll-Up Data Cube ... 210
Tabel V.39 Hasil Pelaksanaan Test Case Drill-Down Data Cube ... 211
Tabel V.40 Hasil Pelaksanaan Test Case Slice Data Cube ... 211
Tabel V.41 Hasil Pelaksanaan Test Case Dice Data Cube ... 212
Tabel V.42 Hasil Pelaksanaan Test Case Rotate Data Cube ... 213
Tabel V.43 Hasil Pelaksanaan Extended Test Case : Roll-Up Data Cube ... 213
Tabel V.44 Hasil Pelaksanaan Extended Test Case : Drill-Down Data Cube ... 214
Tabel V.45 Hasil Pelaksanaan Kombinasi Operator Multidimensional ... 214
Tabel V.46 Hasil Pengujian Import Datasource ... 217
Tabel V.47 Aspek Pembanding Antarmuka Aplikasi ... 219
Tabel V.48 Aspek Pembanding Fitur Operator Multidimensional ... 220 Tabel V.49 Aspek Pembanding Fitur Create Data Warehouse Schema 221
(16)
Universitas Kristen Maranatha Tabel V.50 Aspek Pembanding Fitur Create Data Cube ... 222 Tabel V.51 Aspek Pembanding Fitur Import and View Data Source ... 223
(17)
xxiii
Universitas Kristen Maranatha
DAFTAR SIMBOL
Simbol Nama Simbol
Actor
Actor
Use Case
Include
Extend
Initial
Initial
Final
Final
Activity
(18)
Universitas Kristen Maranatha
Simbol Nama Simbol
objectName : ClassName
Object Lifeline
Activation
Call Message
Return Message
Lifeline
Class
(19)
xxv
Universitas Kristen Maranatha
Simbol Nama Simbol
Association
(20)
1 Universitas Kristen Maranatha
I.1 Pendahuluan
Dalam kegiatan manusia sehari-hari, terutama dalam kegiatan transaksi, seperti transaksi perbankan, rekam medis, transaksi jual beli dan transaksi lainnya harus dicatat dan disimpan. Pencatatan dan penyimpanan tersebut dimaksudkan untuk mengetahui statistik atau historis dari transaksi dalam periode, wilayah, waktu tertentu. Transaksi-transaksi yang disimpan tersebut tentunya tidak dalam jumlah yang sedikit. Data-data transaksi perbankan, jika dalam hitungan hari dapat mencapai jutaan data.
Untuk melakukan analisis data pada data-data transaksi yang jumlahnya mencapai jutaan misalnya untuk mengetahui volume transaksi perminggu dari sepuluh tahun terakhir sampai saat ini akan memakan waktu yang sangat lama sedangkan manusia tidak ingin menghabiskan waktu hidupnya hanya untuk mengurus data. Untuk mengatasi masalah tersebut diperlukan suatu alat atau metode untuk menangani dan menganalisis jutaan data-data tersebut.
Konsep dan teknik data warehouse menjawab semua permasalahan yang telah dijabarkan di atas. Data warehouse dapat melakukan analisis secara interaktif pada data, menyajikan data secara multidimensional, menangani data yang sangat banyak, semuanya dilakukan dengan waktu yang singkat. Salah satu teknik dan konsep dari data warehouse adalah data cube. Data cube adalah suatu teknik menyajikan data secara multidimensional.
Dengan menerapkan konsep dan teknik data warehouse, kendala-kendala yang dihadapi seperti penanganan, analisis serta pengolahan data dalam jumlah yang besar dapat teratasi.
(21)
2
Universitas Kristen Maranatha
I.1.1 Tujuan
Tujuan pembuatan aplikasi data cube adalah membantu pengguna dalam melakukan analisis terhadap data dengan memanfaatkan model multidimensional dengan studi kasus data transaksi obat rumah sakit “X”.
I.1.2 Ruang Lingkup Proyek
Sumber data dari aplikasi ini adalah data-data transaksi. Aplikasi ini melakukan analisis statistik sederhana (fungsi aggregat) terhadap data dan menampilkan dalam bentuk multidimensional. Pemodelan data hanya sampai dibatasi sampai tiga dimensi saja.
I.1.3 Definisi, Akronim, dan Singkatan
Semua terminologi, akronim, dan singkatan yang digunakan dalam dokumen ini adalah sebagai berikut :
Tabel I.1 Definisi, Akronim, dan Singkatan
Definisi, Akronim, Singkatan Penjelasan Data Warehouse Kumpulan data yang berorientasi
subjek, terintegrasi, time-variant dan nonvolatile yang digunakan sebagai pendukung dalam proses pembuatan keputusan (decision making) manajemen suatu perusahaan (Han dan Kamber, 2006).
OLAP Akronim : On-Line Analytical
Processing
Definisi : OLAP merupakan aplikasi dari data warehouse, tugas dari sistem ini adalah melayani pengguna atau tenaga terdidik (knowledge worker) dalam perannya untuk
(22)
Universitas Kristen Maranatha Definisi, Akronim, Singkatan Penjelasan
melakukan analisis data dan sebagai pembuat keputusan (Han dan Kamber, 2006).
OLTP Akronim : On-Line Transaction
Processing
Definisi : Sistem basis data on-line yang bertugas untuk melaksanakan transaksi secara on-line dan melakukan query processing (Han dan Kamber, 2006).
Data Cube Pemodelan data secara multi-dimensional.
Cuboid / Lattice Bentuk Kubus.
Multidimensional Aggregation Operator aggregat pada data cube. Roll Up (Drill Up) Operasi pada data cube dengan
melakukan pengelompokan data dari hirarki dimensi terendah ke hirarki dimensi tertinggi.
Drill Down Operasi pada data cube dengan melakukan pengelompokan data dari hirarki dimensi tertinggi ke hirarki dimensi terendah.
Slice Operasi pada data cube dengan
melakukan pemotongan terhadap salah satu sisi dimensi tertentu.
Dice Operasi pada data cube dengan
memotong pada tiap dimensi data cube sehingga didapatkan data cube yang baru namun dengan ukuran yang lebih kecil.
(23)
4
Universitas Kristen Maranatha Definisi, Akronim, Singkatan Penjelasan
merotasi data cube.
Star Schema Skema ini menyerupai bentuk bintang, sehingga disebut sebagai skema bintang (star schema), dimana tabel fakta sebagai pusat yang dikelilingi oleh tabel-tabel dimensi.
URL Akronim : Universal Resource
Locator
Definisi : Rangkaian karakter menurut suatu format standar tertentu, yang digunakan untuk menunjukkan alamat suatu sumber, seperti dokumen dan gambar di internet.
Dimensi Setiap dimensi berkorespondensi
kepada sebuah atribut atau sekumpulan atribut dalam skema data warehouse (Han dan Kamber, 2006).
(24)
Universitas Kristen Maranatha
I.1.4 Sistematika Penulisan Laporan
Gambaran organisasi penulisan dokumen secara keseluruhan adalah sebagai berikut :
• BAB I Persyaratan Produk
Bab ini menyediakan gambaran mengenai keseluruhan dokumen ditinjau dari kebutuhan konsumen. Bagian ini berisi pendahuluan, tujuan pengembangan aplikasi, ruang lingkup pengembangan aplikasi dan gambaran keseluruhan aplikasi.
• BAB II Spesifikasi Produk
Pada bab ini digambarkan semua persyaratan produk secara mendetil yang akan digunakan untuk merancang sistem. Bab ini merupakan penerjemahan dari persyaratan menurut bahasa konsumen ke bahasa pengembang sistem seperti yang dijelaskan pada bab satu. Pada bab ini akan dipaparkan mengenai persyaratan antarmuka eksternal yaitu terdiri dari antarmuka dengan pengguna, antarmuka perangkat keras, antarmuka perangkat lunak dan antarmuka komunikasi. Akan dipaparkan juga mengenai fitur-fitur dari produk, persyaratan performa, batasan desain, atribut sistem perangkat lunak dan persyaratan basis data logis.
• BAB III Desain Perangkat Lunak
Pada bab ini akan dijelaskan mengenai desain perangkat lunak secara keseluruhan. Dalam bab ini terdapat juga penjelasan mengenai keterkaitan pengguna dengan sistem, interaksi pengguna dengan sistem, aktivitas-aktivitas pengguna dalam berinteraksi dengan sistem dan interaksi pengguna pada level aplikasi.
• BAB IV Pengembangan Sistem
Bab ini merupakan penjelasan bagaimana tahapan-tahapan dari proses implementasi perangkat lunak dilaksanakan.
(25)
Tahap-6
Universitas Kristen Maranatha tahapan tersebut dimulai dari perencanaan tahap implementasi, arsitektur perangkat lunak, perjalanan implementasi perangkat lunak, ulasan realisasi fungsionalitas sampai ulasan realisasi antarmuka. Pada bagian tahap implementasi akan dijelaskan tentang bagaimana mekanisme pengumpulan data dan pembangunan aplikasi dilakukan.
• BAB V Pengujian dan Evaluasi
Bab ini menjelaskan mengenai tahapan-tahapan dalam pengujian aplikasi. Tahapan-tahapan pengujian aplikasi ini terdiri dari rencana pengujian terhadap aplikasi, perjalanan metodologi pengujian aplikasi, pengujian performa aplikasi.
• BAB VI Kesimpulan dan Saran
Kesimpulan berisi uraian singkat produk yang dihasilkan berdasarkan tujuan pembuatan serta nilai produk bagi pengguna. Saran berisi hal-hal apa saja yang dapat dikembangkan untuk memberikan kemampuan lebih kepada produk yang dibangun baik secara teknis maupun secara dokumentasi.
I.2 Gambaran Keseluruhan
Aplikasi ini menggunakan editor pemrograman NetBeans 6.5 dengan menggunakan bahasa pemrograman Java dalam pengimple-mentasian desain perangkat lunak. Antarmuka dari aplikasi ini sama dengan aplikasi OLAP pada umumnya, termasuk pemilihan kolom pada tabel, pemilihan dimensi hingga menampilkan data secara multidimensional. Penerapan konsep data cube ini dilakukan pada sistem basis data PostgreSQL 8.3. Aplikasi ini dapat menampilkan data secara multi-dimensional dan melakukan analisis terhadap data-data tersebut.
(26)
Universitas Kristen Maranatha
I.2.1 Perspektif Produk
Penjelasan mengenai antarmuka aplikasi. Penjelasan antarmuka aplikasi ini menggambarkan sistem dari aplikasi secara keseluruhan adalah sebagai berikut :
a. Antarmuka Sistem Operasi
Aplikasi ini dibangun di atas platform Windows dengan menggunakan sistem operasi Windows XP Professional Service Pack 2.
b. Antarmuka dengan Pengguna
Aplikasi ini hanya menggunakan satu form utama, sehingga setiap fungsi aplikasi, proses input output dijalankan dan ditampilkan pada form yang sama.
c. Antarmuka Perangkat Keras
Persyaratan minimum perangkat keras untuk menjalankan aplikasi ini adalah dengan menggunakan Central Processing Unit Pentium 4 atau dengan CPU yang lebih tinggi lagi kecepatannya. Sistem memori minimum untuk menjalankan aplikasi ber-platform Java ini adalah RAM 256 MB. Disarankan menggunakan Video Graphic Accelerator yang memiliki memori minimum 64 MB agar warna dalam aplikasi dapat ditampilkan dengan baik.
d. Antarmuka Perangkat Lunak
Bahasa pemrograman yang digunakan untuk membangun aplikasi ini adalah bahasa pemrograman Java. Sistem operasi yang digunakan adalah Windows XP Professional SP 2 sehingga membutuhkan Java Runtime Environment untuk menjalankan aplikasi yang berbasis Java.
e. Antarmuka Komunikasi
Aplikasi ini tidak menggunakan protokol-protokol jaringan seperti HTTP atau FTP untuk melakukan komunikasi data. Operasi input output pada aplikasi hanya dilakukan pada database lokal.
(27)
8
Universitas Kristen Maranatha f. Batasan Memori
Aplikasi ini membutuhkan ruang memori harddisk sebesar 100 MB yang digunakan oleh Java Runtime Environment 1.6. PostgreSQL 8.3 membutuhkan ruang memori harddisk sebesar 200 MB. Dan ruang memori harddisk untuk aplikasi ini adalah 10 MB. Dari semua persyaratan di atas dibutuhkan harddisk dengan kapasitas minimum sebesar 40 GB dengan ruang kosong minimum 20 persen.
I.2.2 Fungsi Produk
Fungsi-fungsi utama yang akan dilaksanakan oleh aplikasi ini adalah sebagai berikut :
1. Menampilkan data secara multidimensional.
2. Melakukan import data dari database untuk ditampilkan secara multidimensional.
3. Melakukan fungsi-fungsi aggregasi pada data cube.
4. Melakukan operasi-operasi OLAP Cube seperti roll-up, dril-down, slice, dice dan pivot/rotate.
I.2.3 Karakteristik Pengguna
Karakteristik pengguna dari aplikasi ini adalah orang atau kalangan ingin melakukan pengolahan serta analisis terhadap data yang dimilikinya. Pengguna hendaknya sudah mengerti menggunakan aplikasi-aplikasi OLAP. Karakteristik pengguna didasarkan oleh kriteria berikut ini :
• Tingkat Pendidikan : Perguruan tinggi dengan program studi S1/D3 Teknik Informatika, Manajemen Informatika, Sistem Informasi, atau praktisi yang biasa mengoperasikan sistem basis data.
• Pengalaman : Memiliki pengalaman menggunakan aplikasi data warehouse.
• Keahlian Teknis : Kemampuan yang bersifat opsional yaitu menguasai query database.
(28)
Universitas Kristen Maranatha
I.2.4 Batasan – batasan
Hal-hal yang akan membatasi desain aplikasi adalah sebagai berikut :
• Aplikasi hanya dapat dijalankan pada sistem operasi Windows XP.
• Aplikasi ini tidak terhubung dengan sistem lain atau terhubung dengan jaringan sehingga aplikasi ini bersifat standalone.
• Aplikasi ini bukan merupakan aplikasi editor database melainkan hanya merupakan aplikasi analisis data. Maksud analisis data dalam aplikasi data ini adalah menampilkan data secara multidimensional dan menggunakan operator multidimensional.
• Aplikasi ini menggunakan data transaksi penjualan and pembelian obat rumah sakit “X” pada periode tahun 2002 sampai tahun 2008 sebagai studi kasus, dan menggunakan database dummy untuk pengujian.
• Dalam fitur create schema datawarehouse, pengguna hanya diperbolehkan untuk menggunakan model skema star. Setiap basis data PostgreSQL hanya diperbolehkan memiliki satu skema datawarehouse.
• Dalam fitur create data cube, pengguna hanya dapat membuat data cube dengan 1 , 2 atau 3 dimensi.
• Dalam fitur import & view data source, pengguna hanya dapat meng-import koneksi database dalam format PostgreSQL saja.
• Dalam fitur create query, pengguna hanya dapat mengeksekusi select query saja.
• Operator multidimensional yang dapat digunakan oleh pengguna antara lain roll-up, drill-down, slice, dice dan rotate.
I.2.5 Asumsi dan Ketergantungan
Asumsi-asumsi agar sistem dapat berjalan dengan baik adalah sebagai berikut :
• Java Runtime Environment yang digunakan adalah JRE versi 1.6 update 10 karena aplikasi ini dibangun dengan NetBeans versi 6.5
(29)
10
Universitas Kristen Maranatha
• Menggunakan sistem basis data PostgreSQL 8.3.
• Ukuran layar PC yang dibutuhkan agar aplikasi dapat ditampilkan dengan baik adalah dengan resolusi minimal 1024 X 768 pixel.
I.2.6 Penundaan Persyaratan
Hal-hal yang belum dapat dijadikan persyaratan pembuatan aplikasi ini adalah aplikasi ini belum diimplementasikan secara online karena untuk sementara waktu, aplikasi ini melakukan analisis data cube secara offline.
(30)
226 Universitas Kristen Maranatha
BAB VI KESIMPULAN DAN SARAN
6.1 Kesimpulan
Kesimpulan yang dapat ditarik dari perancangan dan implementasi aplikasi ini bahwa aplikasi ini dapat membantu pengguna dalam menganalisis data transaksi yang telah dibentuk ke dalam model data cube dan dengan tersedianya kelima operator data cube, pengguna dapat secara fleksibel melihat dan menganalisis data cube. Aplikasi ini hanya dapat menangani tiga dimensi data cube, yaitu dimensi x, y, dan z.
Hasil evaluasi dari pengujian fungsionalitas fitur serta class (pada bagian V.2.1 dan V.2.2), menunjukkan bahwa seluruh fitur serta unit-unit class dapat berfungsi. Hasil dari evaluasi kombinasi operator multidimensional seperti roll-up, drill-down, slice, dice dan rotate (pada bagian V.2.3) , menunjukkan bahwa tidak semua dari operator tersebut dapat dikombinasikan, hanya operator roll-up, drill-down dan rotate yang dapat dikombinasikan satu sama lain. Hal tersebut terjadi karena disebabkan oleh masalah teknis pengembangan aplikasi pada saat mengkombinasikan operator dice dan slice.
Aplikasi ini jika dibandingkan dengan aplikasi yang sudah ada (pada bagian V.3) seperti Oracle 10g Analytic Workspace Manager, fitur-fitur yang dimiliki jauh lebih kompleks dari aplikasi ini. Aplikasi ini sudah diuji coba dengan menggunakan studi kasus data transaksi obat rumah sakit “X” (bagian V.2.4).
Kesulitan yang ditemui oleh pengembang aplikasi ini diantaranya adalah pada saat membangun aplikasi yang menangani jutaan data, fetch data ke dalam aplikasi membuat memori JVM menjadi overflow. Solusi dari masalah tersebut adalah memberikan tugas pemrosesan data, murni kepada database, sehingga aplikasi hanya menampilkan keluaran saja. Perancangan query pembentuk data cube yang begitu kompleks, sehingga pengaplikasian query tersebut cukup rumit diterapkan pada
(31)
227
Universitas Kristen Maranatha aplikasi. Kesulitan lainnya adalah sample data yang digunakan sebagai studi kasus tidak dalam format database PostgreSQL, melainkan dalam bentuk database Sybase, sehingga harus dilakukan konversi terlebih dahulu.
Hasil dari implementasi aplikasi ini terhadap data transaksi obat dapat memberikan informasi terhadap pihak rumah sakit misalnya total pembelian obat dalam beberapa tahun/ minggu/ hari dan dikelompokkan berdasarkan kategori jenis obat. Dari contoh informasi tersebut merupakan salah satu dari informasi yang dihasilkan oleh data cube. Data cube dapat memberikan kombinasi informasi yang beragam sesuai dengan kebutuhan pihak rumah sakit.
6.2 Saran
Saran yang diberikan setelah melihat hasil evaluasi dan saran pengembang aplikasi untuk mengembangkan aplikasi ini lebih lanjut yaitu
• Dimensi pada data cube tidak hanya terbatas tiga dimensi saja. Dimensi dapat ditambahkan sampai 4 atau 5 dimensi.
• Aplikasi ini dapat dikembangkan menjadi sistem OLAP, sehingga pengguna dapat melakukan analisis secara online.
• Menggunakan format database lain selain PostgreSQL. Kesulitan yang ditemui pada saat mengumpulkan sumber data tidak akan terjadi, jika aplikasi data warehouse ini mendukung berbagai macam format database, sehingga tidak perlu melakukan konversi database. Sehingga aplikasi ini membutuhkan konektor database atau driver yang mendukung koneksi dari masing-masing database.
• Menambah modul data cleaning. Data cleaning pada dasarnya adalah membuang kolom atau baris yang tidak valid maupun bernilai kosong. Dengan adanya fitur ini, pengguna tidak perlu membuka editor database untuk melakukan data cleaning secara manual.
(32)
Universitas Kristen Maranatha
• Penggunaan seluruh operator multidimensional dapat dikombinasikan. Kombinasi yang dimaksud adalah misalnya pemakaian operator seperti slice pada data cube kemudian dilanjutkan menggunakan operator dice dan kombinasi lainnya.
• Untuk memembuat skema data warehouse, aplikasi ini masih menggunakan wizard dan skema data warehouse yang telah dibuat tidak dapat diubah. Saran dari pengembang aplikasi ini adalah agar setiap elemen-elemen seperti tabel dimensi dan tabel fakta pada skema data warehouse dapat diubah.
• Pengembang aplikasi ini menyarankan untuk menggunakan aplikasi ini pada matakuliah Data Mining sebagai aplikasi pembelajaran konsep data warehouse, mengingat masih sedikitnya aplikasi yang dapat digunakan untuk mempelajari konsep data warehouse.
(33)
229
Universitas Kristen Maranatha
DAFTAR PUSTAKA
Chan, Patrick. (2002). The JavaTM Developers Almanac 1.4. Volume 1. Indianapolis : Pearson Education.
Gajah Mada University : Master of Information Technology. (2001). Data Warehouse or Data Market. Retrieved November 28, 2008 from http://mti.ugm.ac.id/~adji/courses/resources/CICC/Short%20Cicc/te xt/or8_text/ch1.htm.
Gray, Jim. (1997). Data Cube: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals. Netherlands : Kluwer Academic Publishers.
Han, Jiawei, & Kamber, Micheline. (2006). Data Mining Concepts and Techniques. 2nd Edition. San Fransisco: Morgan Kaufman.
Kay, Russel. (2004). QuickStudy : Data Cubes. Retrieved June 7, 2008, from http://www.computerworld.com/action/article.do?command =viewArticleBasic&articleId=91640.
Munandar, Devi. (2008). OLAP dan Terminologi Multi-Dimensional Database. Retrieved September 1, 2008, from http://www.informatika.lipi.go.id/olap-dan-terminologi-multi dimen sional-database/
Pendse, Nigel. (2006). OLAP Architectures. Retrieved June 7, 2008 from http://www.olapreport.com/achitectures.htm.
Zukowski, John. (2005). The Definitive Guide to Java Swing. 3rd Edition. Berkeley, CA : Apress.
(1)
Universitas Kristen Maranatha
I.2.4 Batasan – batasan
Hal-hal yang akan membatasi desain aplikasi adalah sebagai berikut :
• Aplikasi hanya dapat dijalankan pada sistem operasi Windows XP. • Aplikasi ini tidak terhubung dengan sistem lain atau terhubung
dengan jaringan sehingga aplikasi ini bersifat standalone.
• Aplikasi ini bukan merupakan aplikasi editor database melainkan hanya merupakan aplikasi analisis data. Maksud analisis data dalam aplikasi data ini adalah menampilkan data secara multidimensional dan menggunakan operator multidimensional. • Aplikasi ini menggunakan data transaksi penjualan and pembelian
obat rumah sakit “X” pada periode tahun 2002 sampai tahun 2008 sebagai studi kasus, dan menggunakan database dummy untuk pengujian.
• Dalam fitur create schema datawarehouse, pengguna hanya diperbolehkan untuk menggunakan model skema star. Setiap basis data PostgreSQL hanya diperbolehkan memiliki satu skema
datawarehouse.
• Dalam fitur create data cube, pengguna hanya dapat membuat data cube dengan 1 , 2 atau 3 dimensi.
• Dalam fitur import & view data source, pengguna hanya dapat meng-import koneksi database dalam format PostgreSQL saja. • Dalam fitur create query, pengguna hanya dapat mengeksekusi
select query saja.
• Operator multidimensional yang dapat digunakan oleh pengguna antara lain roll-up, drill-down, slice, dice dan rotate.
I.2.5 Asumsi dan Ketergantungan
Asumsi-asumsi agar sistem dapat berjalan dengan baik adalah sebagai berikut :
• Java Runtime Environment yang digunakan adalah JRE versi 1.6
(2)
10
Universitas Kristen Maranatha • Menggunakan sistem basis data PostgreSQL 8.3.
• Ukuran layar PC yang dibutuhkan agar aplikasi dapat ditampilkan
dengan baik adalah dengan resolusi minimal 1024 X 768 pixel.
I.2.6 Penundaan Persyaratan
Hal-hal yang belum dapat dijadikan persyaratan pembuatan aplikasi ini adalah aplikasi ini belum diimplementasikan secara online karena untuk sementara waktu, aplikasi ini melakukan analisis data cube secara offline.
(3)
226 Universitas Kristen Maranatha
BAB VI KESIMPULAN DAN SARAN
6.1 Kesimpulan
Kesimpulan yang dapat ditarik dari perancangan dan implementasi aplikasi ini bahwa aplikasi ini dapat membantu pengguna dalam menganalisis data transaksi yang telah dibentuk ke dalam model data
cube dan dengan tersedianya kelima operator data cube, pengguna dapat
secara fleksibel melihat dan menganalisis data cube. Aplikasi ini hanya dapat menangani tiga dimensi data cube, yaitu dimensi x, y, dan z.
Hasil evaluasi dari pengujian fungsionalitas fitur serta class (pada bagian V.2.1 dan V.2.2), menunjukkan bahwa seluruh fitur serta unit-unit class dapat berfungsi. Hasil dari evaluasi kombinasi operator multidimensional seperti roll-up, drill-down, slice, dice dan rotate (pada bagian V.2.3) , menunjukkan bahwa tidak semua dari operator tersebut dapat dikombinasikan, hanya operator roll-up, drill-down dan rotate yang dapat dikombinasikan satu sama lain. Hal tersebut terjadi karena disebabkan oleh masalah teknis pengembangan aplikasi pada saat mengkombinasikan operator dice dan slice.
Aplikasi ini jika dibandingkan dengan aplikasi yang sudah ada (pada bagian V.3) seperti Oracle 10g Analytic Workspace Manager, fitur-fitur yang dimiliki jauh lebih kompleks dari aplikasi ini. Aplikasi ini sudah diuji coba dengan menggunakan studi kasus data transaksi obat rumah sakit “X” (bagian V.2.4).
Kesulitan yang ditemui oleh pengembang aplikasi ini diantaranya adalah pada saat membangun aplikasi yang menangani jutaan data, fetch data ke dalam aplikasi membuat memori JVM menjadi overflow. Solusi dari masalah tersebut adalah memberikan tugas pemrosesan data, murni kepada database, sehingga aplikasi hanya menampilkan keluaran saja. Perancangan query pembentuk data cube yang begitu kompleks, sehingga pengaplikasian query tersebut cukup rumit diterapkan pada
(4)
227
Universitas Kristen Maranatha aplikasi. Kesulitan lainnya adalah sample data yang digunakan sebagai studi kasus tidak dalam format database PostgreSQL, melainkan dalam bentuk database Sybase, sehingga harus dilakukan konversi terlebih dahulu.
Hasil dari implementasi aplikasi ini terhadap data transaksi obat dapat memberikan informasi terhadap pihak rumah sakit misalnya total pembelian obat dalam beberapa tahun/ minggu/ hari dan dikelompokkan berdasarkan kategori jenis obat. Dari contoh informasi tersebut merupakan salah satu dari informasi yang dihasilkan oleh data cube. Data
cube dapat memberikan kombinasi informasi yang beragam sesuai
dengan kebutuhan pihak rumah sakit.
6.2 Saran
Saran yang diberikan setelah melihat hasil evaluasi dan saran pengembang aplikasi untuk mengembangkan aplikasi ini lebih lanjut yaitu
• Dimensi pada data cube tidak hanya terbatas tiga dimensi saja.
Dimensi dapat ditambahkan sampai 4 atau 5 dimensi.
• Aplikasi ini dapat dikembangkan menjadi sistem OLAP, sehingga pengguna dapat melakukan analisis secara online.
• Menggunakan format database lain selain PostgreSQL. Kesulitan
yang ditemui pada saat mengumpulkan sumber data tidak akan terjadi, jika aplikasi data warehouse ini mendukung berbagai macam format database, sehingga tidak perlu melakukan konversi
database. Sehingga aplikasi ini membutuhkan konektor database
atau driver yang mendukung koneksi dari masing-masing database. • Menambah modul data cleaning. Data cleaning pada dasarnya
adalah membuang kolom atau baris yang tidak valid maupun bernilai kosong. Dengan adanya fitur ini, pengguna tidak perlu membuka editor database untuk melakukan data cleaning secara manual.
(5)
Universitas Kristen Maranatha • Penggunaan seluruh operator multidimensional dapat
dikombinasikan. Kombinasi yang dimaksud adalah misalnya pemakaian operator seperti slice pada data cube kemudian dilanjutkan menggunakan operator dice dan kombinasi lainnya. • Untuk memembuat skema data warehouse, aplikasi ini masih
menggunakan wizard dan skema data warehouse yang telah dibuat tidak dapat diubah. Saran dari pengembang aplikasi ini adalah agar setiap elemen-elemen seperti tabel dimensi dan tabel fakta pada skema data warehouse dapat diubah.
• Pengembang aplikasi ini menyarankan untuk menggunakan aplikasi ini pada matakuliah Data Mining sebagai aplikasi pembelajaran konsep data warehouse, mengingat masih sedikitnya aplikasi yang dapat digunakan untuk mempelajari konsep data
(6)
229
Universitas Kristen Maranatha
DAFTAR PUSTAKA
Chan, Patrick. (2002). The JavaTM Developers Almanac 1.4. Volume 1.
Indianapolis : Pearson Education.
Gajah Mada University : Master of Information Technology. (2001). Data
Warehouse or Data Market. Retrieved November 28, 2008 from
http://mti.ugm.ac.id/~adji/courses/resources/CICC/Short%20Cicc/te xt/or8_text/ch1.htm.
Gray, Jim. (1997). Data Cube: A Relational Aggregation Operator
Generalizing Group-By, Cross-Tab, and Sub-Totals. Netherlands :
Kluwer Academic Publishers.
Han, Jiawei, & Kamber, Micheline. (2006). Data Mining Concepts and
Techniques. 2nd Edition. San Fransisco: Morgan Kaufman.
Kay, Russel. (2004). QuickStudy : Data Cubes. Retrieved June 7, 2008,
from http://www.computerworld.com/action/article.do?command
=viewArticleBasic&articleId=91640.
Munandar, Devi. (2008). OLAP dan Terminologi Multi-Dimensional
Database. Retrieved September 1, 2008, from
http://www.informatika.lipi.go.id/olap-dan-terminologi-multi dimen sional-database/
Pendse, Nigel. (2006). OLAP Architectures. Retrieved June 7, 2008 from http://www.olapreport.com/achitectures.htm.
Zukowski, John. (2005). The Definitive Guide to Java Swing. 3rd Edition.