Pengembangan Data Warehouse dan Aplikasi OLAP pada Data Evaluasi Proses Belajar Mengajar IPB

PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP
PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB

WAHYU DWI SURYANTO

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012

PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP
PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB

WAHYU DWI SURYANTO

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

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012

ABSTRACT
WAHYU DWI SURYANTO. Development of Data Warehouse and OLAP Applications for Data
Evaluation of Teaching and Learning Process of IPB. Supervised by FIRMAN ARDIANSYAH.
Evaluation of Teaching and Learning Process (EPBM) is one measure of success in a learning
process. Every year IPB always holds EPBM at least twice in one academic year. Increasingly, EPBM
data is getting more and more difficult to analyze and to find information, either expressed or implied.
By using data warehouse technology and an application On-line Analytical Processing (OLAP), IPB’s
stakeholder can analyze and find information on the data.
The main objective of this research is to develop a data warehouse and OLAP applications on
EPBM data of IPB using Microsoft Business Intelligence as OLAP server. This study begin by
collecting the data, integration and data reduction, data cleansing, data transformation, data loading,
and OLAP implementations. The data warehouse schema used in this research is the galaxy scheme
which has two facts (Course fact and Lecturer fact) and 9-dimensions (semester, academic year,
courses, lecturers, faculty, department, lecturers education, and lecturers strata).

To create a data warehouse and OLAP applications, we generate a data cube called EPBM
Data. The results of the data cube can be visualized into various types of graphic models, such as bar
graphs, line graphs, pie charts, and so forth. The results of the data cube is visualized using Microsoft
Sharepoint 2010.
Keywords: Data Cube, Data Warehouse, Evaluation of Teaching and Learning, Microsoft Business
Intelligence, OLAP server, On-line Analytical Processing.

Judul Skripsi
Nama
NIM

: Pengembangan Data Warehouse dan Aplikasi OLAP pada Data Evaluasi Proses
Belajar Mengajar IPB
: Wahyu Dwi Suryanto
: G64096065

Disetujui
Pembimbing

Firman Ardiansyah SKom MSi

NIP. 19790522 200501 1 003

Diketahui
Ketua Departemen

Dr Ir Agus Buono MSi MKom
NIP. 19660702 199302 1 001

Tanggal Lulus:

PRAKATA
Bismillahirrahmaanirrahiim,
Alhamdulilahirobbil’alamin, segala puji syukur penulis panjatkan ke hadirat Allah Subhanahuwa
ta’ala atas segala rahmat dan karunia-Nya sehingga tugas akhir ini berhasil diselesaikan. Topik tugas
akhir yang dipilih dalam penelitian adalah Pengembangan Data Warehouse dan Aplikasi OLAP Data
Evaluasi Proses Belajar Mengajar IPB.
Penulis ingin menyampaikan terima kasih kepada keluarga tercinta terutama ibunda tercinta
Akidah, ayahanda tersayang Kispono Riyanto, dan Kakanda Khurniawan Fajar Purnomo serta seluruh
keluarga besar atas doa, semangat, nasihat, dan kasih sayang yang diberikan kepada penulis.
Terima kasih kepada Bapak Firman Ardiansyah SKom MSi selaku dosen pembimbing tugas akhir

dan pembimbing akademik atas bantuan, motivasi, arahan, dan kesabarannya dalam membimbing
hingga tugas akhir ini dapat diselesaikan. Penulis juga mengucapka terima kasih kepada Bapak Hari
Agung Adrianto SKom MSi dan Dr Yani Nurhadryani SSi MT sebagai penguji. Terima kasih juga
penulis sampaikan kepada:
1 Pimpinan dan staf Kantor Manajemen Mutu (KMM), dan Direktorat Akademik dan
Pendidikan (Dit. AP) Institut Pertanian Bogor atas dukungan data dan informasinya.
2 Pimpinan dan staf Direktorat Komunikasi dan Sistem Informasi (DKSI) IPB atas dukungan
jaringan, perangkat lunak, dan pengakat keras.
3 Rekan-rekan satu bimbingan: Andri Setyawan, Abdul Qifli Sangadji, dan rekan lainnnya
terima kasih atas kebersamaan dan semangatnya selama ini.
4 Rekan-rekan seperjuangan di Alih Jenis angkatan 4 Ilmu Komputer IPB terima kasih atas
kerjasama dan kebersamaannya selama menempuh pendidikan di kampus tercinta ini.
5 Staf dan pegawai di Departemen Ilmu Komputer atas bantuannya.
6 Priyo, Hanif, Wikhdal, Hafiz, Hana, Lina, Rika, dan rekan-rekan programmer di cyber jagung
serta semua pihak yang membantu terselesaikannya penelitian ini.
Semoga tulisan ini dapat memberikan banyak manfaat, Amiinn.

Bogor, Juni 2012

Wahyu Dwi Suryanto

RIWAYAT HIDUP
Penulis, Wahyu Dwi Suryanto, dilahirkan di Pulau Kangean, Sumenep, Jawa Timur pada
tanggal 25 Februari 1989. Penulis merupakan anak kedua dari dua bersaudara dari pasangan Kispono
Riyanto dan Akidah.
Penulis diterima sebagai mahasiswa Direktorat Program Diploma, Institut Pertanian Bogor
(IPB) pada tahun 2006 melalui jalur Undangan Seleksi Masuk IPB pada Program Keahlian
Manajemen Informatika dan lulus pada tahun 2009. Pada tahun yang sama, penulis melanjutkan studi
ke jenjang sarjana dan diterima di Alih Jenis Ilmu Komputer, Fakultas Matematika dan Ilmu
Pengetahuan Alam, Institut Pertanian Bogor pada tahun 2009. Selama menempuh pendidikan, penulis
juga bekerja di Direktorat Komunikasi dan Sistem Informasi IPB sebagai programmer dan di
Direktorat Program Diploma sebagai asisten dosen Mata Kuliah Manajemen Basisdata, Basisdata
Klien Server, dan Pemrograman Visual.

DAFTAR ISI
Halaman
DAFTAR TABEL ................................................................................................................................. vi
DAFTAR GAMBAR ............................................................................................................................. vi
DAFTAR LAMPIRAN.........................................................................................................................vii
PENDAHULUAN .................................................................................................................................. 1

Latar Belakang .................................................................................................................................. 1
Tujuan ............................................................................................................................................... 1
Ruang Lingkup .................................................................................................................................. 1
Manfaat Penelitian ............................................................................................................................ 1
METODE PENELITIAN ....................................................................................................................... 1
Analisis.............................................................................................................................................. 1
Desain................................................................................................................................................ 2
1 Desain Konseptual .................................................................................................................... 2
2 Desain Logikal .......................................................................................................................... 2
3 Desain Fisik .............................................................................................................................. 2
Praproses data ................................................................................................................................... 2
1 Integrasi dan Reduksi Data ....................................................................................................... 2
2 Pembersihan Data ..................................................................................................................... 2
3 Transformasi Data .................................................................................................................... 2
Data Warehouse ................................................................................................................................ 2
Pengujian Query ................................................................................................................................ 3
Aplikasi OLAP dengan Business Intelligence ................................................................................... 3
Lingkungan Pengembangan .............................................................................................................. 3
HASIL DAN PEMBAHASAN............................................................................................................... 3
Analisis.............................................................................................................................................. 3

Desain................................................................................................................................................ 4
1 Desain Konseptual .................................................................................................................... 4
2 Desain Logikal .......................................................................................................................... 4
3 Desain Fisik .............................................................................................................................. 5
Praproses Data................................................................................................................................... 7
1 Integrasi dan Reduksi ................................................................................................................. 7
2 Pembersihan Data ...................................................................................................................... 7
3 Transformasi Data ...................................................................................................................... 8
4 Load Data ................................................................................................................................... 8
Data Warehouse ................................................................................................................................ 8
Pengujian Query ................................................................................................................................ 8
Eksplorasi Data dan Presentasi Hasil ................................................................................................ 8
KESIMPULAN DAN SARAN............................................................................................................... 9
Kesimpulan ....................................................................................................................................... 9
Saran ................................................................................................................................................. 9
DAFTAR PUSTAKA ........................................................................................................................... 10
LAMPIRAN ........................................................................................................................................... 2

v

DAFTAR TABEL
Halaman

1
2
3
4
5
6
7

Atribut pada data EPBM. ............................................................................................................... 4
Atribut tabel fakta_matakuliah ....................................................................................................... 4
Atribut tabel fakta_dosen ............................................................................................................... 5
Desain fisik tabel fakta_matakuliah setelah proses integrasi dan reduksi. ..................................... 5
Desain fisik tabel fakta_dosen setelah proses integrasi dan reduksi .............................................. 5
Atribut yang direduksi pada data EPBM ........................................................................................ 7
Hasil pengujian query ..................................................................................................................... 9

DAFTAR GAMBAR

Halaman

1
2
3
4
5
6
7
8
9
10
11
12
13

Bagan metode penelitian ................................................................................................................ 2
Skema Galaxy dengan 2 tabel fakta dan 9 tabel dimensi. .............................................................. 6
Hirarki dimensi tahun akademik. ................................................................................................... 6
Hirarki dimensi semester. ............................................................................................................... 6

Hirarki dimensi matakuliah berdasarkan departemen dan fakultas. ............................................... 6
Hirarki dimensi dosen berdasarkan departemen dan fakultas. ....................................................... 7
Hirarki dimensi dosen berdasarkan jenjang pendidikan. ................................................................ 7
Hirarki dimensi dosen berdasarkan tahun kerja dosen. .................................................................. 7
Hirarki dimensi dosen berdasarkan pendidikan. ............................................................................. 7
Data yang mengandung nilai null. .................................................................................................. 7
Data yang mengandung nilai null yang sudah diisi dengan nilai rata-rata. .................................... 7
Arsitektur three-tier data warehouse pada data EPBM (Noviandi 2010)....................................... 8
Grafik batang jumlah responden pada fakta dosen pada Fakultas MIPA per departemen setiap
semester tahun 2010/2011. ............................................................................................................. 9
14 Grafik garis jumlah responden setiap tahun per semester pada fakta dosen pada Fakultas MIPA
Departemen Ilmu Komputer. .......................................................................................................... 9
15 Grafik batang rata-rata nilai mata kuliah per fakultas pada fakta mata kuliah setiap tahun
akademik. ....................................................................................................................................... 9

vi

DAFTAR LAMPIRAN
Halaman

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

Formulir Evaluasi Proses Belajar Mengajar ................................................................................. 12
Hasil pembersihan data data EPBM mata kuliah ......................................................................... 13
Hasil pembersihan data EPBM dosen .......................................................................................... 13
Isi tabel fakta_dosen ..................................................................................................................... 14
Isi tabel fakta_matakuliah ............................................................................................................ 15
Isi tabel dimensi semester pada hirarki semester pada fakta_dosen dan fakta_matakuliah .......... 16
Isi tabel dimensi strata pada hirarki dosen pada fakta_matakuliah............................................... 16
Isi tabel dimensi pendidikan pada hirarki dosen pada fakta_matakuliah ..................................... 16
Isi tabel dimensi tahun pada hirarki dosen pada fakta_matakuliah .............................................. 17
Isi tabel matakuliah pada hirarki matakuliah pada fakta_dosen dan fakta_matakuliah ................ 17
Isi tabel tahunakademik pada hirarki tahunakademik pada fakta_dosen dan fakta_matakuliah... 17
Isi tabel fakultas pada hirarki departemen pada fakta_dosen dan fakta_matakuliah .................... 18
Isi tabel departemen pada hirarki departemen pada fakta_dosen dan fakta_matakuliah .............. 18
Isi tabel dosen pada hirarki dosen pada fakta_matakuliah ........................................................... 19
Hasil pengujian formal dengan spesifikasi tren jumlah responden dosen pada fakultas .............. 19
Hasil pengujian non formal dengan spesifikasi tren jumlah responden dosen pada fakultas ....... 20
Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi mata kuliah pada
fakultas setiap tahun ..................................................................................................................... 21
Hasil pengujian non formal dengan spesifikasi tren nilai rata-rata hasil evaluasi mata kuliah pada
fakultas setiap tahun ..................................................................................................................... 21
Hasil pengujian formal dengan spesifikasi tren nilai rata-rata hasil evaluasi dosen pada fakultas
setiap tahun................................................................................................................................... 22
Hasil pengujian non formal dengan spesifikasi tren nilai rata-rata hasil evaluasi dosen pada
fakultas setiap tahun ..................................................................................................................... 22
Hasil pengujian formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau
jenjang pendidikan terakhir .......................................................................................................... 23
Hasil pengujian non formal dengan spesifikasi tren rata-rata nilai dosen berdasarkan strata atau
jenjang pendidikan terakhir .......................................................................................................... 23
Hasil pengujian formal dengan spesifikasi Tren nilai dosen berdasarkan lokasi belajar terakhir 23
Hasil pengujian non formal dengan spesifikasi Tren nilai dosen berdasarkan lokasi belajar ....... 24

vii

1

PENDAHULUAN
Latar Belakang
Beberapa tahun terakhir, Evaluasi Proses
Belajar Mengajar (EPBM) selalu menjadi
sorotan pada institusi pendidikan sebagai tolok
ukur dalam peningkatkan mutu pendidikan dan
keberhasilan suatu proses belajar mengajar
(PBM). Salah satu institusi pendidikan yang
melakukan EPMB adalah Institut Pertanian
Bogor (IPB). IPB selalu melakukan EPBM
setiap menjelang Ujian Akhir Semester (UAS).
Evaluasi dilakukan pada setiap mata kuliah
yang diberikan dan pada dosen pengajar yang
memberikan perkuliahan dan praktikum dalam
setiap semesternya.
Jumlah mahasiswa IPB yang aktif pada
tahun 2011 yaitu 14 363. Jumlah mata kuliah
yang diselenggarakan setiap tahun sebanyak
1100 mata kuliah. EPBM dilakukan dua kali
dalam satu tahun, untuk setiap mata kuliah oleh
mahasiswa. Jadi, setiap tahun data EPBM yang
terkumpul adalah sebanyak 31 598 600 lembar
EPBM yang kemudian direkap berdasarkan
dosen pada setiap mata kuliah. Rata-rata data
EPBM per tahun setelah dilakukan rekap per
dosen sebanyak 2785.
Data yang dihasilkan dari pengisian EPBM
dari tahun ke tahun disimpan dalam suatu
tempat penyimpanan data dalam bentuk berkas
Excel (xls dan xlsx), namun penyimpanan yang
dilakukan secara rutin dari tahun ke tahun
menyebabkan data yang tersimpan semakin
menumpuk. Walaupun saat ini media
penyimpanan sudah memiliki kapasitas yang
besar (sampai terabyte), penumpukan data tetap
akan menimbulkan masalah jika tidak dikelola
dengan baik. Penyajian informasi yang
interaktif, konklusif, cepat, dan menarik tidak
akan terwujud dengan baik. Kondisi seperti ini
biasa disebut dengan istilah “rich of data but
poor of information” (Han & Kamber 2006).
Untuk mengatasi masalah penumpukan data
dan masalah penyajian informasi dari data
EPBM tersebut, diperlukan proses pengelolaan
data warehouse yang baik. Data warehouse
yang
disajikan
memerlukan
fungsi
pengumpulan, persiapan, dan penyimpanan data
EPBM untuk menghasilkan aplikasi yang
bersifat query atau reporting sehingga dapat
membantu pengelolaan data yang bertumpuk
dan serta mempermudah menyajikan informasi
secara visual. Oleh karena itu, perlu dibangun
aplikasi On-Line Analytical Processing (OLAP)
yang diintegrasikan dengan data warehouse.
Microsoft Business Intelligence (BI)
merupakan tool yang berbasis Windows untuk

OLAP yang menyediakan tool pembantu dalam
menganalisis data.
Tujuan
Penelitian ini bertujuan membangun data
warehouse dan aplikasi OLAP berbasis web
untuk data Evaluasi Proses Belajar Mengajar
IPB yang dikelola oleh Kantor Manajemen
Mutu (KMM) dengan menggunakan Microsoft
Business Intelligence.
Ruang Lingkup
Ruang lingkup penelitian ini dibatasi pada
pembuatan data warehouse dan pengembangan
aplikasi OLAP berbasis web. Tools yang
digunakan
adalah
Microsoft
Business
Intelligence yang sudah termasuk dalam paket
pada Microsoft SQL Server 2008 R2. Data yang
digunakan adalah data EPBM tahun akademik
2007/2008 sampai dengan tahun akademik
2010/2011 yang terdapat di Kantor Manajemen
Mutu (KMM) IPB.
Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan
manfaat kepada pihak-pihak terkait yang ada di
IPB, khususnya KMM selaku pengelola data
dan penyelenggara kegiatan EPBM IPB, dalam
memberikan dan menyajikan analisis terhadap
data secara cepat, interaktif, dan menarik. Hal
ini dapat berguna bagi pihak-pihak terkait untuk
dapat melakukan analisis data sehingga
membantu proses pengambilan keputusan
secara tepat.

METODE PENELITIAN
Penelitian ini dilakukan dalam beberapa
tahapan (Gambar 1).
Analisis
Pada tahap, ini dilakukan analisis spesifikasi
kebutuhan data warehouse yang akan dibangun
sesuai dengan keinginan pengguna. Data yang
akan dianalisis adalah data yang merupakan
hasil olahan dari formulir EPBM yang sudah
diolah. Contoh formulir EPBM dapat dilihat
pada Lampiran 1. Analisis spesifikasi
kebutuhan dilakukan untuk menghasilkan
desain konseptual, desain logikal, dan desain
fisik.
Unit kerja atau stakeholder di IPB yang
terlibat dalam ketersediaan data adalah
Direktorat Akademik dan Pendidikan (Dit. AP),
Direktorat Sumber Daya Manusia (Dit. SDM),
dan Kantor Manajemen Mutu (KMM).
Pengguna sistem adalah pimpinan dan staf
KMM yang akan dibagi menjadi dua bagian,
yaitu
administrator
dan
user
(staf).
Administrator memiliki akses langsung ke

2

tempat database yang digunakan, sedangkan
user dapat berinteraksi langsung dengan
antarmuka aplikasi. Adapun fasilitas yang dapat
diterima pengguna adalah sebagai berikut:
1 memilih dimensi atau atribut melalui kotak
drop-down list,
2 menampilkan data secara drill down dan
drill up, dan
3 menampilkan data dalam bentuk grafik (box,
pie, dan line).

Praproses data
Sebelum masuk ke implementasi data
warehouse, data harus melalui tahap praproses
data terlebih dahulu (Han & Kamber 2006).
Tahapan praproses data pada data EPBM IPB
meliputi:
1 Integrasi dan Reduksi Data
KMM IPB menggunakan Microsoft Excel
untuk mengelola hasil EPBM. Hasil ekspor data
dosen dari Sistem Kepegawaian yang ada di
Dit. SDM juga dalam format Excel (.xls). Data
mata kuliah yang diberikan oleh Dit. AP berupa
file dengan format Ms. Word (.doc). Sebelum
diimpor ke Microsoft SQL Server 2008, atributatribut data yang relevan dipilih. Pemilihan
atribut ini berdasarkan tujuan pembuatan data
warehouse.
Integrasi
dilakukan
dengan
menggabungkan atribut-atribut yang menarik
dari tabel yang dianalisis. Reduksi dilakukan
bersamaan dengan proses integrasi, yaitu
dengan membuang atribut-atribut yang kurang
menarik dari tabel yang dianalisis.
2 Pembersihan Data
Pembersihan data dilakukan terhadap
record-record yang mengandung nilai null, dan
nilai yang tidak konsisten. Kondisi tersebut
dapat diatasi dengan membuang atau
menyeragamkan nilainya dengan menggunakan
nilai rataan untuk atribut yang bernilai angka.

Gambar 1 Bagan metode penelitian.
Desain
1 Desain Konseptual
Pada tahap ini, dilakukan desain skema dalam
pembuatan data warehouse, analisis measure
dan dimensi-dimensi apa yang akan digunakan.
Measure adalah suatu ukuran untuk mengukur
tingkat analisis data warehouse dari dimensidimensi yang ada.
2 Desain Logikal
Pada tahapan ini, dilakukan perencanaan dan
pembuatan database dengan membuat relasirelasi data dan menentukan hubungan satu
atribut dangan atribut lainnya. Penyimpanan
data pada database terdapat dua pilihan, yaitu
dengan penyimpanan multidimensional atau
menggunakan penyimpanan dengan basis
relasional.
3 Desain Fisik
Tahapan desain fisik adalah tahapan terakhir
sebelum ke tahapan praproses data. Tahapan ini
menjelaskan kubus data yang sudah siap
digunakan dalam data warehouse. Pada tahapan
ini, skema sudah dapat diimplementasikan ke
dalam data warehouse yang akan dibangun.

3 Transformasi Data
Tranformasi ke bentuk data yang tepat
dilakukan agar data dapat digunakan untuk
proses selanjutnya. Tranformasi meliputi
penyeragaman nama atribut, generalisasi,
agregasi, dan konstruksi atribut. Akhir dari
tahapan transformasi ini ialah terbentuknya
sebuah data warehouse.
Data Warehouse
Metode
yang
digunakan
dalam
pengembangan data warehouse ini mengacu
pada arsitektur three-tier data warehouse yang
meliputi:
1 Lapisan bawah (bottom tier)
Lapisan ini merupakan suatu sistem
basisdata relasional (SQL Server 2008 R2) yang
berfungsi sebagai tempat pengolahan data.
2 Lapisan tengah (middle tier)
Lapisan ini merupakan lapisan tempat
menyimpan stuktur kubus data yang biasa
disebut dengan OLAP server. Dalam penelitian
ini, digunakan Microsoft Business Intelligence
(BI) sebagai OLAP server.
Microsoft SQL Server 2008 R2 merupakan
salah satu platform untuk melakukan data
warehouse maupun data mart. Perbedaan data

3

warehouse dan data mart memiliki batasan
yang sangat tipis, namun perbedaan ini tidak
perlu dikhawatirkan karena secara subtansi
tujuan dari pembuatannya memiliki kesamaan
(Noviandi 2010).
Konsep data warehouse sudah dikenal
sebagai platform yang fundamental dari setiap
solusi BI yang dikembangkan. Keberhasilan
dalam merancang dan memasukkan data ke
dalam data warehouse akan sangat berpengaruh
terhadap berhasil atau tidaknya solusi BI yang
dikembangkan dalam sebuah organisasi
(Noviandi 2010).
3 Lapisan atas (top tier)
Lapisan ini merupakan lapisan untuk end
user yang berfungsi menampilkan ringkasan
dari isi data warehouse yang merupakan hasil
dari operasi OLAP (SharePoint 2010).
Pengujian Query
Tahap pengujian query ini dilakukan setelah
pemuatan dan pembuatan data warehouse
selesai. Pengujian ini dilakukan untuk melihat
apakah operasi OLAP yang dibangun sudah
berhasil diimplementasikan dan sesuai dengan
informasi yang akan ditampilkan. Pengujian
query dibantu dengan memvisualisasikan
kubus-kubus data dengan grafik-grafik dan
tabel-tabel untuk akurasi hasil.
Aplikasi OLAP dengan Business Intelligence
Business Intelligence adalah serangkaian
kegiatan untuk memahami situasi bisnis dengan
melakukan berbagai jenis analisis pada data
yang dimiliki oleh organisasi serta data
eksternal dari pihak ketiga untuk membantu
menentukan strategi, keputusan bisnis yang
taktis, dan operasional dan mengambil yang
diperlukan tindakan untuk meningkatkan
kinerja bisnis (Rainardi 2010).
Langkah awal pembangunan aplikasi OLAP
adalah dengan membentuk struktur kubus data
dalam OLAP
server.
Sebelum tahap
pembangunan kubus data, analisis data
dilakukan untuk menentukan dimensi dan
measure yang akan digunakan. Setelah
menganalisis dimensi dan measure yang akan
digunakan, dilakukan pembentukan struktur
kubus data. Pembentukan bisa dilakukan secara
manual ataupun otomatis. Pada penelitian ini,
pembentukan kubus data secara otomatis
dilakukan.
Selanjutnya dilakukan perancangan antarmuka. Rancangan antarmuka terbagi menjadi
dua bagian, yaitu tampilan screen dengan
resolusi 1024 x 768 piksel dan tampilan hasil
query. Fungsi dirancang untuk operasi-operasi
OLAP
dengan
crosstab
dan
grafik.

Implementasi aplikasi dilakukan dengan
menggunakan Microsoft SharePoint 2010.
Lingkungan Pengembangan
Aplikasi OLAP ini dibangun dengan
menggunakan perangkat sebagai berikut:
Perangkat keras server dengan spesifikasi:
• Prosesor Intel Core i5650.
• Memory 10GB DDR III.
• Hard disk 500GB.
Perangkat keras client dengan spesifikasi:
• Prosesor Intel Core i3 2.27GHz.
• Memory 3GB DDR III.
• Hard disk 320GB.
• Monitor 14” (1366 x 768 piksel)
• Keyboard.
• Mouse.
Perangkat lunak yang terpasang di server:
• Windows Server 2008 R2.
• Internet Explorer 8.
• Internet Information Services 7.
• Microsoft SQL Server 2008.
• Microsoft Sharepoint 2010.
• Microsoft .Net Framework 4.0.
Perangkat lunak yang digunakan
membuat sistem:
• Windows 7 Ultimate Edition.
• Internet Explorer 9.
• Internet Information Services 7.
• Microsoft SQL Server 2008.
• Microsoft Sharepoint 2010.
• Microsoft .Net Framework 4.0.

untuk

HASIL DAN PEMBAHASAN
Analisis
Data EPBM IPB yang diperoleh dalam
format Excel 2007 (.xlsx) berisi data EPBM
mata kuliah dan dosen masing-masing sebanyak
11 139 record. Data mata kuliah diperoleh dari
Dit. AP dalam format Ms. Word (.doc). Data
dosen diunduh langsung dari Sistem Informasi
Kepegawaian IPB yang dikelola oleh Dit. SDM
dalam format Excel 2003 (.xls). Dari seluruh
data tersebut, selanjutnya proses analisis data
dilakukan. Proses ini dilakukan untuk
menemukan atribut-atribut yang tepat untuk
pembangunan data warehouse. Atribut-atribut
pada data EPBM sebelum dianalisis dapat
dilihat pada Tabel 1.
Atribut yang akan digunakan dipilih
berdasarkan kreteria berikut:
1 atribut yang dipilih menarik (atribut yang
berkaitan dengan EPBM secara spesifik)
untuk dianalisis,

4

2 atribut yang dapat direlasikan dengan atribut
(foreign key) pada tabel lainnya, serta
3 data tidak mengandung nilai null > 10
(atribut maupun record).
Spesifikasi kebutuhan yang ditentukan pada
tahap ini adalah sebagai berikut:
1 Tren jumlah responden dosen pada fakultas
setiap tahun: Jumlah responden dosen yang
mengisi EPBM pada mata kuliah yang diajar
oleh dosen pada masing-masing fakultas
setiap tahun akademik yang telah berjalan.
2 Tren nilai rata-rata hasil evaluasi mata
kuliah pada fakultas setiap tahun: Jumlah
nilai rata-rata dari seluruh (m1-m9) poin
pertanyaan setiap mata kuliah yang
diajarkan pada masing-masing fakultas
setiap tahun akademik yang telah berjalan.
3 Tren nilai rata-rata hasil evaluasi dosen pada
fakultas setiap tahun: Jumlah nilai rata-rata
dari seluruh (p1-p9) poin pertanyaan setiap
dosen yang diajarkan pada masing-masing
fakultas setiap tahun akademik yang
berjalan.
4 Tren rata-rata nilai dosen berdasarkan strata
atau jenjang pendidikan terakhir: Rata-rata
nilai yang diperoleh dosen dari seluruh poin
pertanyaan (p1-p9) berdasarkan jenjang
pendidikan terakhir dosen setiap tahun
akademik yang telah berjalan.
5 Tren nilai dosen berdasarkan lokasi belajar
terakhir: Rata-rata nilai yang diperoleh
dosen dari seluruh poin pertanyaan (p1-p9)
berdasarkan lokasi (dalam atau luar) belajar
terakhir setiap tahun akademik yang telah
berjalan.
Tabel 1 Atribut pada data EPBM.
No
Atribut
No
Atribut
1
Tahun
17 DSN
2
Semester
18 NIPlama
3
MK
19 NIP Baru
4
NMMK
20 Nama
5
M1
21 Namacek
6
M2
22 P1
7
M3
23 P2
8
M4
24 P3
9
M5
25 P4
10 M6
26 P5
11 M7
27 P6
12 M8
28 P7
13 M9
29 P8
14 RATA2mk
30 P9
15 JMLmk
31 RATA2ds
16 DEPTDOS
32 JMLds

Desain
1 Desain Konseptual
Tahap desain diawali dengan menentukan
dan memilih atribut-atribut yang bisa dijadikan
sebagai measure dan dimensi. Dimensi yang
terbentuk adalah dimensi tahun akademik,
dimensi semester, dimensi matakuliah, dimensi
departemen, dimensi fakultas, dimensi dosen,
dimensi pendidikan, dimensi tahun, dan dimensi
strata. Atribut pada tabel-tabel fakta terdiri atas
foreign key dari dimensi-dimensi dan measure.
2 Desain Logikal
Pada tahap ini, dihasilkan 2 tabel fakta dan 9
tabel dimensi. Kedua tabel fakta tersebut diberi
nama fakta_matakuliah yang memiliki 12
atribut dan fakta_dosen yang memiliki 15
atribut. Atribut pada tabel fakta_matakuliah dan
tabel fakta_dosen berturut-turut dapat dilihat
pada Tabel 2 dan Tabel 3.
Tabel 2 Atribut tabel fakta_matakuliah
Atribut
Deskripsi
Id tahun
idtahunakademik sebagai
akademik
penciri tahun diselenggarakannya mata kuliah
idsemester
idsemester sebagai penciri
semester diselenggarakannya
mata kuliah
idmatakuliah idmatakuliah sebagai penciri
mata kuliah
p1
garis-garis besar perkuliahan
disampaikan pada pertemuan
pertama
p2
kuliah dilaksanakan sesuai
dengan jadwal yang
ditetapkan oleh Dit. AP
p3
kuliah dilaksanakan sesuai
dengan jumlah yang telah
ditentukan (14 pertemuan /
semester)
p4
pokok bahasan kuliah sesuai
dengan tujuan kuliah
p5
pokok bahasan kuliah
menambah pengetahuan dan
wawasan baru
p6
tugas mandiri yang diberikan
meningkatkan materi
p7
sarana / prasarana mendukung pelaksanaan kuliah
p8
ujian tengah semester atau
tugas mandiri diberikan
sesuai dengan pokok bahasan
dan tujuan kuliah
p9
hasil ujian tengah semester
diumumkan 2 minggu setelah
periode ujian
Ratap
rata-rata nilai dari p1-p9

5

3 Desain Fisik
Pada tahap ini, measure dan dimensi yang
akan digunakan ditentukan. Measure yang
dipilih pada fakta mata kuliah adalah m1 yang
merepresentasikan pertanyaan pertama pada
kuesioner,
m2
juga
merepresentasikan
pertanyaan kedua pada kuesioner, m3, m4, dan
m5 sampai dengan m9 merepresentasikan urutan
pertanyaan yang ada pada kuesioner dan ratam
merepresentasikan rata-rata dari seluruh nilai
(m1 – m9).
Tabel 3 Atribut tabel fakta_dosen
Atribut
Deskripsi
Id tahun
idtahunakademik sebagai
akademik
penciri tahun diselenggarakannya mata kuliah
Idsemester
idsemester sebagai penciri
semester diselenggarakannya
mata kuliah
idmatakuliah idmatakuliah sebagai penciri
mata kuliah
Nip
nip sebagai penciri dosen
m1
dosen menyampaikan materi
pengajaran dengan baik
m2
dosen memberikan penekanan
tentang aspek-aspek penting
yang terkait dengan materi
yang diberikan
m3
dosen menyampaikan materi
pengajaran yang meningkatkan minat mahasiswa terhadap
mata kuliah ini
m4
dosen memberikan ilustrasi
yang mencakup keterkinian
perkembangan ilmu / aplikasi
/ hasil penelitian
m5
dosen menggunakan bahan /
alat bantu / alat peraga yang
sesuai dengan materi
pembelajaran
m6
dosen memberikan kesempatan kepada mahasiswa untuk
bertanya / menyampaikan
pendapat
m7
dosen memperlihatkan sikap
dan penampilan yang baik
m8
dosen menghormati dan
menghargai mahasiswa sesuai
dengan hak dan kewajibannya
m9
dosen menyampaikan pesanpesan moral, etika, dan
disiplin
Ratam
rata-rata nilai dari m1-m9
Begitu juga untuk fakta dosen, p1 sampai
dengan p9 merepresentasikan urutan pertanyaan
yang ada pada kuisioner. Ratap juga
merepresentasikan rata-rata dari seluruh nilai

(p1 – p9). Desain fisik dan atribut-atribut pada
tabel fakta_matakuliah dapat dilihat pada Tabel
4 dan Tabel fakta_dosen dapat dilihat pada
Tabel 5.
Selanjutnya, dibuat skema model data
multidimensi. Skema yang terbentuk adalah
skema galaxy. Terbentuknya skema ini karena
terdapat 3 tabel dimensi yang berbagi pakai
antara fakta matakuliah dan fakta dosen. Ketiga
tabel dimensi tersebut adalah dimensi
matakuliah, dimensi tahunakademik, dan
dimensi semester. Skema model data
multidimensi yang terbentuk dapat dilihat pada
Gambar 2.
Tabel 4 Desain fisik tabel fakta_matakuliah
setelah proses integrasi dan reduksi.
No
Atribut
Keterangan
1

idmatakuliah

Varchar

2

idtahunakademik

int

3

Idsemester

int

4

m1

float

5

m2

float

6

m3

float

7

m4

float

8

m5

float

9

m6

float

10

m7

float

11

m8

float

12

m9

float

13

ratam

float

Tabel 5 Desain fisik tabel fakta_dosen setelah
proses integrasi dan reduksi
No
Atribut
Tipe Data
1

idmatakuliah

varchar

2

Nip

varchar

3

idsemester

int

4

idtahunakademik

int

5

p1

float

6

p2

float

7

p3

float

8

p4

float

9

p5

float

10

p6

float

11

p7

float

12

p8

float

13

p9

float

14

jumlahresponden

Int

15

Ratap

float

6

Gambar 2 Skema Galaxy dengan 2 tabel fakta dan 9 tabel dimensi.
Dari dimensi-dimensi yang ada, terbentuk
struktur hirarki pada masing-masing fakta.
Setiap dimensi memiliki level hirarki yang
berbeda-beda. Beberapa hirarki yang terbentuk
ialah:
• hirarki tahun akademik,
• hirarki semester,
• hirarki mata kuliah, dan
• hirarki dosen.

fakultas. Struktur hirarki dimensi mata kuliah
dapat dilihat pada Gambar 5.

Gambar 4 Hirarki dimensi semester.

Hirarki adalah satu bagian dimensi. Dimensi
merupakan hirarki berupa jenjang atau tingkatan
dari dimensi tersebut. Dengan adanya hirarki
tersebut,
dimensi
dapat
menunjukkan
tingkatannya (Han & Kamber 2006).
Hirarki tahun akademik adalah hirarki dari
tahun ajaran atau tahun akademik yang
dilaksanakan oleh IPB. Struktur hirarki dimensi
tahun akademik dapat dilihat pada Gambar 3.

Gambar 3 Hirarki dimensi tahun akademik.
Hirarki semester adalah hirarki dari semester
yang diberlakukan di IPB. Struktur hirarki
dimensi semester dapat dilihat pada Gambar 4.
Hirarki mata kuliah adalah hirarki dari mata
kuliah yang diajarkan di IPB. Hirarki ini
mencakup hirarki berdasarkan departemen dan

Gambar 5 Hirarki dimensi matakuliah
berdasarkan departemen dan
fakultas.
Hirarki dosen adalah hirarki dari dosen yang
ada di IPB. Hirarki dosen mencakup hirarki
berdasarkan fakultas departemen, strata, tahun
kerja dosen, dan pendidikan terakhir. Struktur
hirarki dimensi dosen berdasarkan fakultas dan
departemen dapat dilihat pada Gambar 6.
Struktur hirarki dimensi dosen berdasarkan
strata dapat dilihat pada Gambar 7. Struktur
hirarki dimensi dosen berdasarkan tahun kerja
dosen dapat dilihat pada Gambar 8. Struktur

7

Gambar 6 Hirarki dimensi dosen berdasarkan
departemen dan fakultas.

Gambar 7 Hirarki dimensi dosen berdasarkan
jenjang pendidikan.

Gambar 8 Hirarki dimensi dosen berdasarkan
tahun kerja dosen.

Proses integrasi dan reduksi data
membentuk tabel baru, antara lain tabel
fakta_matakuliah dan fakta_dosen yang
selanjutnya dijadikan tabel fakta. Proses
integrasi menghasilkan desain fisik final.
Setelah melakukan proses integrasi dan reduksi,
data yang tersimpan dalam format Excel (xlsx)
dikonversi menjadi format Ms. SQLServer 2008
(mdf).
2 Pembersihan Data
Pembersihan data pada tabel fakta_dosen
dan fakta_matakuliah untuk field yang sama
yaitu: idmatakuliah yang mengandung nilai null
dihapus dari daftar record dan idtahunakademik
yang bersisi nilai null diisi dengan nilai yang
paling banyak muncul. Data pertanyaan (m1,
m2..., p1, p2...) yang mengandung nilai null
diperbaharui dengan menggunakan nilai ratarata. Contoh pembersihan data dengan
memperbaharui nilainya dengan nilai rata-rata
pada tabel fakta_matakuliah dapat dilihat pada
Gambar 10 dan Gambar 11.

Gambar 10 Data yang mengandung nilai null.
Gambar 9 Hirarki dimensi dosen berdasarkan
pendidikan.
hirarki dimensi dosen berdasarkan pendidikan
terakhir dapat dilihat pada Gambar 9.
Praproses Data
1 Integrasi dan Reduksi
Tahap ini diawali dengan menggabungkan
semua data yang terbagi dalam beberapa format
file (.doc, .xls, dan .xlsx) menjadi format Excel
(.xlsx). Berikutnya, dilakukan penggabungan
record dari atribut-atribut tabel yang dianalisis
menjadi satu tabel besar untuk dijadikan tabel
fakta. Reduksi data dilakukan dengan
membuang atribut-atribut yang tidak terpilih
berdasarkan kriteria dari hasil analisis. Hanya
terdapat 5 atribut yang dibuang berdasarkan
kriteria atau sebanyak 15.625% dari 32 atribut.
Atribut-atribut yang direduksi dapat dilihat pada
Tabel 6.
Tabel 6 Atribut yang direduksi pada data EPBM
No
Atribut
1
NMMK
2
JMLmk
3
DEPTDOS
4
DSN
5
NIPlama

Gambar 11 Data yang mengandung nilai null
yang sudah diisi dengan nilai rata-rata.
Data yang tidak konsisten pada tabel
departemen dengan atribut nama departemen
diperbaharui dengan menyeragamkan nama
departemen dengan nama atribut yang sesuai
dengan nama departemen aslinya. Contoh:
Departemen
Statistik
diubah
menjadi
Departemen Statistika, Departemen Ilkom
diubah menjadi Departemen Ilmu Komputer,
dan Departemen Ekonomi Sumber Daya
Lingkungan diubah menjadi Departemen
Sumberdaya Lingkungan. Penyeragaman ini
dilakukan dengan mengambil nama baku
departemen yang sesuai dengan nama unit yang
ada di IPB saat ini.
Setelah dilakukan pembersihan data, jumlah
record data EPBM mata kuliah menyusut dari
11 140 menjadi 2934, sementara data EPBM
dosen yang tersisa ialah 10 251 record dari 11
140 record. Hal ini disebabkan pengambilan
record hanya dilakukan pada data yang
memenuhi kriteria dan adanya penghapusan
record yang tidak sesuai dengan ketentuan data
yang akan dianalisis. Hasil pembersihan data

8

pada EPBM mata kuliah dan dosen dapat
dilihat pada Lampiran 2 dan Lampiran 3.
3 Transformasi Data
Transformasi data meliputi penyeragaman
nama atribut dan agregasi atribut. Proses ini
dilakukan dengan berpedoman pada skema data
warehouse yang sudah ada.
Langkah awal transformasi dilakukan
dengan mengubah nama atribut pada tabel.
Nama atribut dimensi disesuaikan pada skema
yang terbentuk. Generalisasi data tidak
dilakukan karena tidak ditemukan data yang
perlu digeneralisasi. Langkah selanjutnya ialah
menentukan nilai agregasi atribut-atribut yang
menjadi ukuran (measure). Data tabel
fakta_dosen ditentukan nilai agregasinya untuk
menentukan
ukuran
responden.
Proses
transformasi
juga
dilakukan
dengan
mengontruksi atribut baru menggunakan data
dari atribut yang sudah ada.
Selanjutnya, tabel-tabel fakta tersebut diberi
nama fakta_matakuliah dan fakta_dosen. Tahap
terakhir transformasi adalah mengkontruksi
tabel-tabel dimensi dengan penaaman ulang
antara
lain:
matakuliah,
semester,
tahunakademik, tahun, dosen, pendidikan,
departemen, fakultas, dan strata.
Detail isi dari tabel fakta_dosen dapat dilihat
pada Lampiran 4, tabel fakta_matakuliah pada
Lampiran 5, tabel dimensi semester pada
Lampiran 6, tabel strata pada Lampiran 7, tabel
pendidikan pada Lampiran 8, tabel tahun pada
Lampiran 9, tabel matakuliah pada Lampiran
10, tabel tahunakademik pada Lampiran 11,
tabel fakultas pada Lampiran 12, tabel
departemen pada Lampiran 13, dan tabel dosen
pada Lampiran 14.
4 Load Data
Setelah data warehouse berhasil dibuat,
langkah berikutnya adalah pemuatan data
(loading) dari data warehouse ke kubus data.
Sebelum pemuatan data dilakukan, skema data
warehouse dimodelkan dalam OLAP server
SQL Server Analisys Services (SSAS). Proses
ini menentukan dimensi, elemen dari dimensi,
ukuran, dan kubus data. Kubus data yang dibuat
diberi nama OlapEpbm.cube yang berisi kubus
data fakta dosen dan fakta mata kuliah. Kubus
data dosen dibuat untuk tabel fakta fakta_dosen
dan kubus data mata kuliah dibuat untuk tabel
fakta fakta_matakuliah.
Data Warehouse
Arsitektur penelitian ini mengadopsi
arsitektur three-tier yaitu lapisan bawah, tengah,
dan atas. Lapisan bawah adalah pemrosesan
data pembuatan skema data warehouse dengan

DBMS SQL Server 2008. Lapisan tengah
terdapat OLAP server SSAS yang menyimpan
data dalam kubus data.
Lapisan atas yang merupakan visualisasi
dari aplikasi OLAP dilakukan oleh web
browser. Pada lapisan ini, pengguna dapat
melakukan pencarian data, mengevaluasi pola,
dan mendapatkan representasi informasi dalam
bentuk grafik yang mudah dipahami. Arsitektur
three-tier data warehouse pada penelitian ini
dapat dilihat pada Gambar 12.

Gambar 12 Arsitektur three-tier data
warehouse pada data EPBM
(Noviandi 2010).
Aplikasi OLAP pada penelitian ini
menyediakan fasilitas-fasilitas berikut:
1 Menu
OLAP
yang
memungkinkan
pengguna menentukan kubus data, ukuran,
dan dimensi-dimensi yang akan ditampilkan
untuk dianalisis.
2 Filter dimensi yang menyaring dimensi yang
ditampilkan pada sumbu x dan sumbu y
untuk menampilkan elemen-elemen tertentu
dari dimensi. Dimensi lainnya dapat dipilih
salah satu elemen dari tiap-tiap dimensi.
3 Visualisasi grafik yang menampilkan data
hasil operasi OLAP dalam bentuk grafik
kepada pengguna.
Pengujian Query
Pengujian query dibantu dengan menggunakan grafik dan tabel dari kubus data. Hasil
pengujian dapat dilihat pada Tabel 7.
Eksplorasi Data dan Presentasi Hasil
Eksplorasi
data
dilakukan
dengan
menggunakan operasi OLAP untuk menggali
beberapa informasi yang diinginkan. Operasi
OLAP yang dapat dijalankan dapat dilihat pada
tiap kubus yang terbentuk. Pada OLAP, dapat
dilakukan beberapa operasi misalnya drill
down, drill up, dan slice.
Contoh operasi drill up pada kubus data
fakta dosen dapat menunjukkan jumlah
responden tiap departemen tiap fakultas.
Gambar 13 merupakan grafik batang hasil dari
operasi drill up dengan jumlah responden per

9

fakultas per semester pada tahun 2010/2011
dengan semester sebagai legend fields. Gambar
14 merupakan grafik garis jumlah responden
setiap tahun per semester pada fakta dosen pada
Fakultas MIPA Departemen Ilmu Komputer
dengan tahun akademik sebagai legend fields.
Gambar 15 merupakan grafik batang hasil ratarata nilai mata kuliah per fakultas pada fakta
mata kuliah setiap tahun akademik mulai tahun
2007/2008 sampai dengan 2010/2011 dengan
departemen-departemen pada Fakultas MIPA
sebagai legend fields.
Tabel 7 Hasil pengujian query
Spesifikasi
Formal
Non
formal
Tren jumlah
Lampiran Lampiran
responden
15
16
dosen pada
fakultas setiap
tahun
Tren nilai rata- Lampiran Lampiran
rata hasil
17
18
evaluasi mata
kuliah pada
setiap fakultas
Tren nilai rata- Lampiran Lampiran
rata hasil
19
20
evaluasi dosen
pada fakultas
setiap tahun
Tren rata-rata Lampiran Lampiran
nilai dosen
21
22
berdasarkan
strata atau
jenjang
pendidikan
terakhir
Tren nilai
Lampiran Lampiran
dosen
23
24
berdasarkan
lokasi belajar
terakhir

Gambar 14 Grafik garis jumlah responden
setiap tahun per semester pada fakta
dosen pada Fakultas MIPA
Departemen Ilmu Komputer.

Status
Berhasil

Berhasil

Berhasil

Gambar 15 Grafik batang rata-rata nilai mata
kuliah per fakultas pada fakta mata
kuliah setiap tahun akademik.

KESIMPULAN DAN SARAN
Berhasil

Berhasil

Kesimpulan
Hasil penelitian ini menyimpulkan bahwa
pembangunan data warehouse dan aplikasi
OLAP pada data evaluasi proses belajar
mengajar menghasilkan dua kubus data, yaitu
kubus data dosen dan kubus data mata kuliah.
Kubus data yang telah terbentuk dapat
divisualisasikan dengan tepat, cepat, dan akurat.
Bentuk penyajian gambar dapat dilihat dalam
bentuk grafik dengan menggunakan Microsoft
Business Intelligence sebagai OLAP server.
Hasil penelitian ini dapat memberikan
manfaat kepada IPB umumnya dan Kantor
Manajemen Mutu (KMM) khususnya sebagai
penyelenggara EPBM dan pengelolanya. Hasil
penelitian ini juga bisa digunakan untuk
menganalisis data EPBM yang ukurannya tidak
kecil sehingga memudahkan proses pembuatan
laporan dan pengambilan keputusan.
Saran

Gambar 13 Grafik batang jumlah responden
pada fakta dosen pada Fakultas
MIPA per departemen setiap
semester tahun 2010/2011.

Saran untuk penelitian data warehouse dan
pembuatan OLAP selanjutnya adalah sebagai
berikut:
1 Pembuatan aplikasi untuk proses extract,
transform, dan load (ETL) untuk akurasi
yang lebih baik.

10

2 Penambahan fasilitas login ke aplikasi
sehingga tidak bisa diakses oleh orang yang
tidak berkepentingan.

DAFTAR PUSTAKA

Noviandi KR. 2010. Microsoft Business
Intelligence dengan Ms. SQL Server 2008
dan Share Point 2010. http://sqlserverindo.net/files/folders/565/download.aspx [12
Okt 2011].

Han J, Kamber M. 2006. Data Mining:
Concepts and Techniques. San Francisco:
Morgan Kaufmann Publ.

Rainardi V. 2010. Building a Data warehouse
With Examples in SQL Server. New York.
Apress.

LAMPIRAN

12

Lampiran 1 Formulir Evaluasi Proses Belajar Mengajar

13

Lampiran 2 Hasil pembersihan data EPBM mata kuliah
Fakultas

R

Null

Null(%)

R1

Redu

Redu(%)

R2

FEM

1087

39

0.35%

1048

738

6.62%

310

TPB

772

94

0.84%

678

486

4.36%

192

FPIK

1449

198

1.78%

1251

874

7.85%

377

Fateta

1066

128

1.15%

938

535

4.80%

403

FMIPA

1853

199

1.79%

1654

1172

10.52%

482

Fahutan

1164

138

1.24%

1026

764

6.86%

262

Fapet

226

17

0.15%

209

169

1.52%

40

Fema

1003

89

0.80%

914

729

6.54%

185

Faperta

1625

119

1.07%

1506

1064

9.55%

442

827

69

0.62%

758

517

4.64%

241

68

68

0.61%

0

0

0.00%

0

11140

1158

10.39%

9982

7048

63.27%

2934

FKH
Tidak Diketahui
Total

Lampiran 3 Hasil pembersihan data EPBM dosen
Fakultas

R

Null

Null(%)

R1

Redu

Redu(%)

R2

FEM

1087

179

1.61%

908

0

0.00%

908

TPB

772

361

3.24%

411

0

0.00%

411

FPIK

1449

48

0.43%

1401

0

0.00%

1401

Fateta

1066

15

0.13%

1051

0

0.00%

1051

FMIPA

1853

129

1.16%

1724

0

0.00%

1724

Fahutan

1164

18

0.16%

1146

0

0.00%

1146

Fapet

226

6

0.05%

220

0

0.00%

220

Fema

1003

26

0.23%

977

0

0.00%

977

Faperta

1625

13

0.12%

1612

0

0.00%

1612

827

26

0.23%

801

0

0.00%

801

68

68

0.61%

0

0

0.00%

0

11140

889

7.98%

10251

0

0.00%

10251

FKH
Tidak Diketahui
TOTAL

Catatan Lampiran 2 dan Lampiran 3
1 R
= jumlah data awal
2 Null
= jumlah data mata kuliah bernilai null
3 Null (%)
= jumlah data mata kuliah bernilai null dalam persen
4 R1
= hasil cleaning null
5 Redu
= jumlah data redudansi
6 Redu (%)
= jumlah data redudansi dalam persen
7 R2
= hasil cleaning redudansi

14

Lampiran 4 Isi tabel fakta_dosen
id
matakuliah

nip

id
semester

idtahun
akademik

p1

p2

p3

p4

p5

p6

p7

p8

p9

ratap

jumlah

AGB201

195307181978032000

1

6

3.15

3.00

3.15

3.08

3.08

3.15

3.15

3.15

3.23

3.10

13

AGB201

196003211986012000

1

4

3.21

3.13

3.18

3.29

3.18

3.11

3.34

3.32

3.18

3.23

38

AGB201

196003211986012000

1

5

3.09

3.18

3.20

3.09

3.23

3.18

3.21

3.21

3.18

3.18

66

AGB201

196003211986012000

1

6

3.23

3.31

3.19

3.26

3.27

3.27

3.26

3.27

3.24

3.26

106

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

ARL313

197704242006042000

2

5

3.10

3.12

3.05

3.09

3.10

3.17

3.12

3.12

3.12

3.09

157

ARL313

197704242006042000

2

6

3.01

3.01

3.04

3.05

3.05

3.07

3.03

3.05

3.09

2.77

130

ARL313

198103302005011000

2

3

3.02

2.96

3.00

2.93

3.04

3.07

3.17