bab iii analisis dan rancangan sistem 3.1....

18

BAB III

ANALISIS DAN RANCANGAN SISTEM

3.1. Metode Penilitian

Berikut merupakan metode-metode penelitian yang digunakan dalam

mengumpulkan data yang terkait dengan penelitian.

3.1.1. Metode Pengumpulan data:

3.1.1.1. Wawancara

Wawancara dilakukan di Perpustakaan Daerah Kabupaten Lumajang

bersama dengan teknisi server perpustakaan pada tanggal 03 Oktober 2016. Pada

wawancara pertama dilakukan tanya jawab mengenai permasalahan-permasalahan

yang sering dijumpai teknisi, bagaimana sistem database operasional bekerja, dan

meminta keseluruhan data di database terhitung hingga tanggal 03 Oktober 2016.

Pada wawancara kedua pada tanggal 20 Januari 2017, dilakukan tanya jawab

mengenai proses bisnis pada transaksi peminjaman, pengembalian dan bagaimana

perpustakaan melakukan pengadaan buku sehingga terdapat komparasi pada

pengambilan keputusan ketika adanya data warehouse dengan tidak adanya data

warehouse.

3.1.1.2. Studi pustaka

Studi pustaka dilakukan dengan membaca buku jurnal maupun penelitan

yang serupa pada bidang data warehouse. Membaca buku jurnal maupun penelitan

yang serupa bertujuan agar bisa mengkomparasi dan menghindari adanya

plagiarisme dan bisa menjadi acuan sumber yang dapat digunakan dalam

pengerjaan penelitian. Selain buku jurnal dan penelitan, dalam penelitian ini juga

menggunakan buku yang berkaitan dengan data warehouse seperti buku Kimball

dan buku Inmon sebagai sumber terpecaya untuk mendukung teori-teori yang ada

pada penelitian ini. Buku yang berkaitan dengan perpustakaan dan informasi juga

menjadi acuan studi pustaka untuk mendukung teori mengenai perpustakaan dan

informasi.

19

memiliki

Relationship_2

Relationship_3

Relationship_7

Relationship_5

user_account

userID

userType

registerTimeStamp

userAccount

userPassword

lostPasswordQuestion

lostPasswordAnswer

lastUpadate

lastLogin

activationCode

isApproved

userName

userReligion

userSex

userBirthday

userBirthPlace

userAddress

userPhone

userAffi l iation

userCompany

userInterest

userSignature

userEmail

userWebsite

userICQ

userAIM

userYIM

userMSNM

userLanguage

userImage

userNoktp

userKec

userInstansi

userKel

<pi>

<pi>

Integer

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<M>

<M>

Identifier_1 <pi>

loan

loanID

userName

libraryTitle

loanDate

returnDate

returnedDate

extendedCount

loanType

<pi> <Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<M>

Identifier_1 <pi>

library_dataunit

date

staffAccount

libraryMainNumber

libraryPrice

libraryOrderDate

libraryArriveDate

libraryLocation

libraryCondition

<pi>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<M>

Identifier_1 <pi>

library

libraryDate

staffAccount

libraryID

libraryMaterialType

libraryCollection

libraryCallNumber

libraryISBN

libraryAuthor

library_nama_depan_pengarang

library_nama_blk_pengarang

libraryAdditionalAuthor

libraryCooperate

libraryTitle

no_induk

no_reg

jml_buku

price

dms_buku

libraryLocation

librarySubTitle

libraryEdition

libraryCityPublished

libraryPublisher

libraryYearPublished

libraryVolume

libraryDesc

librarySeries

libraryIsReference

librarySubject

libraryKeyword

libraryGain

libraryNotes

libraryImage

<pi>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<M>

Identifier_1 <pi>

faculty

facultyID

facultyName

facultyDesc

<Undefined>

<Undefined>

<Undefined>

department

departmentID

departmentName

departmentDesc

<pi> <Undefined>

<Undefined>

<Undefined>

<M>

Identifier_1 <pi>

Gambar 3.1 Conceptual Data Model (CDM) database

3.2. CDM dan PDM database

Di setiap penelitian yang berhubungan dengan database selalu

menggunakan Conceptual Data Model (CDM) dan Physical Data Model (PDM).

Berikut adalah CDM dan PDM mengenai database dan pada penelitan ini

3.2.1. Database Conceptual Data Model (CDM)

20

3.2.2. Database Physical Data Model (PDM)

Gambar 3.21 Physical Data Model (PDM) database

user_account

userID

userType

registerTimeStamp

userAccount

departmentID

userPassword

lostPasswordQuestion

lostPasswordAnswer

lastUpadate

lastLogin

activationCode

isApproved

userName

userReligion

userSex

userBirthday

userBirthPlace

userAddress

userPhone

userAffi l iation

userCompany

userInterest

userSignature

userEmail

userWebsite

userICQ

userAIM

userYIM

userMSNM

userLanguage

userImage

userNoktp

userKec

userInstansi

userKel

integer

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<pk>

<pk>

<fk>

loan

loanID

libraryMainNumber

userID

userAccount

userName

libraryTitle

loanDate

returnDate

returnedDate

extendedCount

loanType

<Undefined>

<Undefined>

integer

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<pk>

<fk2>

<fk1>

<fk1>

library_dataunit

date

staffAccount

libraryMainNumber

libraryID

libraryPrice

libraryOrderDate

libraryArriveDate

libraryLocation

libraryCondition

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<pk>

<fk>

library

libraryDate

staffAccount

libraryID

libraryMaterialType

libraryCollection

libraryCallNumber

libraryISBN

libraryAuthor

library_nama_depan_pengarang

library_nama_blk_pengarang

libraryAdditionalAuthor

libraryCooperate

libraryTitle

no_induk

no_reg

jml_buku

price

dms_buku

libraryLocation

librarySubTitle

libraryEdition

libraryCityPublished

libraryPublisher

libraryYearPublished

libraryVolume

libraryDesc

librarySeries

libraryIsReference

librarySubject

libraryKeyword

libraryGain

libraryNotes

libraryImage

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<Undefined>

<pk>

faculty

facultyID

facultyName

facultyDesc

<Undefined>

<Undefined>

<Undefined>

department

departmentID

departmentName

departmentDesc

<Undefined>

<Undefined>

<Undefined>

<pk>

21

Berikut adalah database OLTP ( yang didapat dari Perpustakaan Daerah

Kabupaten Lumajang):

Gambar 3.3 Database Perpustakaan Kabupaten Daerah Lumajang

Di database ini berisikan data mengenai transaksi peminjaman buku yang

dilakukan oleh pengguna Perpustakaan Daerah Kabupaten Lumajang pada

tanggal tertentu.

3.3. Metode desain data warehouse (nine step design method)

Dalam perancangan data warehouse pada penelitian ini digunakan metode

yang bernama nine step design method yang digagas oleh Kimball.

3.3.1. Memilih Proses Bisnis yang Bersangkutan dengan Kebutuhan

Proses bisnis yang diperoleh dari hasil wawancara bisa menjadi acuan

dalam pemilihan dan juga pembatasan kebutuhan sistem. Laporan yang sering kali

dibutuhkan adalah laporan peminjaman dan pengembalian buku dengan proses

bisnis sebagai berikut.

22

Proses bisnis peminjaman buku

Gambar 3.4 Proses bisnis peminjaman buku perpustakaan

Proses bisnis pengembalian buku:

Gambar 3.5 Proses bisnis pengembalian buku perpustakaan

23

Setelah mengetahui kebutuhan sistem, maka database yang digunakan

tidaklah semua tapi yang benar-benar berkaitan dengan kebutuhan sistem. Berikut

adalah nama tabel database yang dipakai dalam perancangan sistem.

No Database Keterangan

1 Faculty Tabel berisi identitas faculty perpustakaan

yang bersangkutan.

2 Department Tabel berisi identitas department perpustakaan

yang bersangkutan.

3 User_account Tabel berisi identitas anggota perpustakaan.

4 Loan Tabel transaksi yang berisi tanggal

peminjaman dan pengembalian.

5 Library_dataunit Tabel berisi informasi mengenai tanggal buku

didapat dan terletak dibagian apa buku

dipajang.

6 Library Tabel berisi informasi mengenai identitas buku

Tabel 3.1 Database yang dipakai

3.3.2. Menentukan Grain Bersumberkan Proses Bisnis

Beberapa data yang menjadi calon tabel fakta untuk proses bisnis dan

database operasional, yaitu analisis pada proses transaksi peminjaman dan

pengembalian:

1. Perbandingan persentase pengembalian buku tiap tahun.

2. Penunjang data pengadaan buku dari frekuensi tipe-tipe buku yang sering

dipinjam.

Analisis yang dihasilkan memiliki kedetilan data yaitu data fakta disimpan

per hari, per data unit buku, per anggota perpustakaan.

3.3.3. Mengidentifikasi dan Menyesuaikan Tabel Dimensi dengan yang Lain

Beberapa hal yang menjadi acuan penyesuaian dimensi adalah adanya

relation diantara tabel fakta dan dimensi.

24

Pada kasus ini bisa ditemukan bahwa tabel fakta (loan) memiliki foreign key

dari tabel dimensi-dimensi yang berelasi dengan tabel fakta. Berikut merupakan

primary key dan foreign key yang berelasi:

Untuk dimensi user_account memiliki primary key bernama userAccount

dan terdapat juga foreign key di tabel fakta dengan nama yang sama. Untuk dimensi

time_dim terdapat primary key bernama tanggal yang berelasi dengan loanDate di

tabel loan. Untuk dimensi lib_dataunit terdapat relasi terhadap attribute bernama

libraryMainNumber. Bisa juga dilihat kembali di gambar 3.5 untuk relasi antar

dimensi dan fakta. Dengan adanya relasi antar tabel menunjukkan bahwa yang

berelasi dengan tabel fakta merupakan tabel dimensi pendukung tabel fakta.

3.3.4. Memilih data-data fakta

Pada proses ini akan ditampilkan record data yang ada pada tabel fakta. Pada

umumnya berisikan agregasi dan foreign key dari tabel dimensi. Berikut adalah

record tabel fakta.

1. loanID

2. libraryMainNumber

3. userAccount

4. loanDate

5. returnDate

6. returnedDate

3.3.5. Menyimpan Kalkulasi Awal dalam Tabel Fakta.

Pada tahap ini dilakukan penentuan rumus (pre-kalkulasi) dari grain.

Biasanya dibuat untuk agregasi di tabel fakta ataupun dilakukan ketika pivot tabel

atau chart dibentuk.

1. Perbandingan persentase pengembalian buku yang sesuai dengan tanggal

pengembalian dengan yang tidak sesuai setiap tahun dilakukan dengan

membandingkan ([COUNT (loanID)] berdasarkan row returnDate) (tanggal

pengembalian yang ditentukan oleh perpustakaan) dengan banyaknya

peminjaman keseluruhan [COUNT (loanID)] berdasarkan row returnedDate.

(returnedDate merupakan tanggal buku dikembalikan oleh peminjam).

25

2. Penunjang data pengadaan buku ditentukan dari banyaknya peminjaman

keseluruhan [COUNT (loanID)] berdasarkan row libraryMaterialType (tipe-

tipe buku).

3.3.6. Melihat Kembali Tabel Dimensi

Pada tahap ini akan dijelaskan detail setiap tabel pada database OLAP.

Dimensi yang pertama adalah lib_dataunit dengan primary key libraryMainNumber

berfungsi sebagai dimensi yang menjelaskan tentang data-data mengenai buku yang

ada pada transaksi. Dimensi selanjutnya adalah time_dim dengan primary key

bernama tanggal yang berelasi dengan yang menjelaskan tentang waktu transaksi

terjadi. Dimensi waktu adalah dimensi penting yang dibuat berdasarkan waktu

transaksi terjadi. Dimensi selanjutnya adalah useraccount yang berisikan data

tentang anggota perpustakaan yang melakukan transaksi peminjaman buku. Semua

dimensi yang dipilih memiliki keterkaitan dan memiliki fungsi untuk menunjang

tabel fakta.

Berikut adalah star schema dari database perpustakaan dengan tabel dimensi berupa

useraccount, time_dim, dan lib_dataunit dengan tabel fakta berupa loan.

Gambar 3.6 Star schema database Perpustakaan Daerah Kabupaten Lumajang

26

Untuk masalah normalisasi data, di penelitian ini tidak mengalami

normalisasi baik di tabel dimensi maupun tabel fakta karena skema yang dipakai

adalah star schema. Berbeda jika skema yang dipakai adalah snowflake schema,

jika memakai snowflake schema mengharuskan normalisasi pada tabel dimensi

namun di tabel fakta tetap dalam keadaan denormalisasi. Star schema tidak

dilakukan normalisasi karena memang dibiarkan redundan datanya. Meskipun

datanya redundan query yang dipakai tidak terlalu kompleks dan mudah

dimengerti. Selain itu juga cocok dengan corak database perpustakaan. Untuk

mengatasi data yang redundan, star schema cenderung menghiraukan data yang

redundan karena efeknya tidak terlalu besar untuk hasil analisisnya. Dampak

negatif dari menggunakan star skema adalah semakin banyak data yang redundan

maka semakin besar ukuran databasenya. Jika ingin database yang sedikit lebih

ringan, bisa dilakukan normalisasi pada tabel dimensi sehingga mengurangi data

yang redundan dan membuat ukuran database tidak membengkak namun memiliki

dampak negatif yaitu query yang rumit dan susah dimengerti.

3.3.7. Memilih Durasi Database

Durasi database terhitung dari tahun 2007.

3.3.8. Menelusuri Perubahan-Perubahan yang Terjadi pada Dimensi

Perubahan dari dimensi yang berupa manipulasi data update dari database

OLTP-nya akan ikut berubah pada load data selanjutnya. Jika berupa manipulasi

data delete maka data OLAP tidak akan berubah pada load selanjutnya. Jika berupa

manipulasi data berupa insert maka akan melakukan load data yang baru ke

database OLAP.

3.3.9. Memutuskan Prioritas Query dan Tipe Query

Untuk data warehouse, pekerjaan query dan tipe query terjadi pada proses

ETL (extract, transform, dan load) menggunakan aplikasi:

a. Talend sebagai aplikasi proses ETL dan pembentukan aplikasi .bat.

b. MySQL sebagai pengolahan dan pemrosesan database yang berlangsung.

c. Microsoft Excel sebagai tempat keluaran dari hasil OLAP menjadi hasil analisis

berbentuk pivot chart.

d. ODBC sebagai konektor antara Microsoft Excel dan MySQL.

27

3.4. Perancangan Sistem Data Warehouse

Deskripsi Penelitan

Tools yang dipakai:

a. Talend sebagai aplikasi proses ETL dan pembentukan aplikasi .bat.

b. MySQL sebagai pengolahan dan pemrosesan database yang berlangsung.

c. Microsoft Excel sebagai tempat keluaran dari hasil OLAP menjadi hasil analisis

berbentuk pivot chart.

d. ODBC sebagai konektor antara Microsoft Excel dan MySQL.

Pengimplementasian sistem dilakukan pada tempat penelitian, yaitu

Perpustakaan Daerah Kabupaten Lumajang. Hal-hal yang diimplementasikan

adalah proses ETL yang dikonversi menjadi sebuah aplikasi .bat yang bisa bekerja

secara periodik ke dalam komputer server perpustakaan secara remote. Sesuai

dengan yang dibahas di bab sebelumnya, berikut adalah proses pembentukan

hingga hasil ETL yang akan diimplementasikan di perpustakaan.

3.4.1. Proses Pembentukan ETL

Proses ETL adalah proses pengintegrasian database-database operasional

menjadi satu jenis database dengan tipe data yang sama. Proses ETL terdiri dari

extract dimana dilakukan pengambilan data-data dari database operasional. Setelah

itu dilakukan proses transform agar database-database operasional terintegrasi

menjadi sama dan satu bentuk database yang biasa disebut database OLAP. Setelah

itu di load kembali ke database menjadi sebuah database yang terintegrasi. Pada

penelitian ini digunakan software bernama talend. Berikut adalah perancangan ETL

yang telah dilakukan.

Gambar 3.7 Pembangunan ETL

28

Pertama klik DB Connection lalu klik Create connection,


Isi kolom Name dan klik next


Selanjutnya pilih DB Type sesuai dengan software database yang dipakai, pada

kasus ini yang dipakai adalah MySQL. Setelah itu klik check dan tunggu hingga

muncul notifikasi sebagai berikut.

29



Jika koneksi telah berhasil klik OK dan klik Finish. Lakukan hal yang sama untuk

menambahkan koneksi OLAP. Setelah itu buat job baru bernama

ETL_dim_user_account. Setelah itu tambahkan tMysqlInput pada tabel berikut:

30

Setelah itu akan muncul gambar sebagai berikut:


Klik dua kali pada komponen tMysqlInput dan lakukan konfigurasi hingga seperti

berikut:


Pada tahap ini dilakukan input sql dari tabel “user_account”. Untuk tabel “faculty”

dan tabel “department” lakukan hal yang sama pada job yang sama hingga

terbentuk tiga tMysqlInput dengan konfigurasi tiap-tiap tabel.

Setelah itu tambahkan Tmap sehingga menjadi seperti gambar berikut:

31


Hubungkan semua tMysqlInput ke tMap.

Keterangan tMysqlInput:

tMysqlInput_1: tabel “user_account”

tMysqlInput_2: tabel “department”

tMysqlInput_3: tabel “faculty”

Pertama hubungkan tabel “user_account” karena tabel “user_account” adalah inti

tabel dimensi yang berhubungan langsung dengan tabel fakta dan tabel lain menjadi

lookup row.

Setelah dihubungkan maka akan terbentuk menjadi seperti berikut.


32

Tambahkan komponen tMysqlOutput dan hubungkan terlebih dahulu tmap dengan

tMysqlOutput

Setelah selesai menghubungkan, dobel klik pada tMap.


Hubungkan foreign key “departmentID” di row 1 ke primary key “departmentID”

di row 2


33


Setelah itu dilakukan penghubungan yang selanjutnya dari foreign key “facultyID”

di row2 ke primary key “departmentID” di row 3.


Lalu tambahkan output

Masukkan setiap field di row yang akan ditampilkan pada hasil output.

34


Setelah selesai, klik ok dan run hingga data OLTP di transfer ke data OLAP. Perlu

diketahui bahwa sistem ini adalah sistem yang digunakan secara universal oleh

pembuat sistem untuk perpustakaan sekolah, kampus, maupun perpustakaan

daerah. Jadi fungsi sebenarnya dari tabel faculty dan department adalah jika sistem

digunakan dalam lingkup kampus atau universitas karena isinya untuk

membedakan jurusan dan fakultas dari user peminjam, karena sistem digunakan

dalam lingkup perpustakaan umum maka nilai dari departmentID dan facultyID

adalah 0 atau tidak ada relasi karena tidak ada primary key departmentID dan

facultyID yang bernilai 0.

35


Untuk dimensi library_dataunit dilakukan hal yang serupa. Kemudian dilanjutkan

dengan penambahan dimensi waktu yang harus ada pada OLAP meskipun tidak ada

di database OLTP. Pada dimensi waktu yang dibuat pada penelitan ini memiliki

logika yaitu setiap adanya peminjaman, maka dimensi waktu akan mencatat tanggal

peminjaman yang pernah terjadi. Setelah itu dipecah menjadi bulan, hari, dan tahun

untuk mendapatkan data OLAP secara periodik dalam harian, bulanan, maupun

tahunan. Berikut gambaran ETL pada dimensi waktu.

Job design


36

Komponen tMysqlInput_1 pada tabel dimensi time_dim


Di tMysqlInput_1 yang ada pada job time_dim ini berfungsi untuk mengekstrak

data dari database OLTP dengan tabel loan dan atribut yang diekstrak hanya

loanDate saja.

Format tMap_2 dan query yang terjadi di dalamnya


Query yang terjadi di dalamnya adalah pemisahan hari, bulan, dan tahun menjadi

atribut tabel tersendiri.

37

Komponen tMysqlOutput_1 pada tabel dimensi time_dim

Di tMysqlOutput_1 dilakukan load ke database olap dengan nama tabel time_dim

dengan batasan aksi yaitu insert or update on duplicate key or unique key yang

berarti melakukan penimpaan data pada data yang duplicate.

Setelah terbentuk semua dimensi, dilakukan perancangan dan pembentukan tabel

fakta bernama loan. Berikut adalah penjelasan dan gambaran perancangan dan

pembentukan tabel loan.

Job Design Tabel Fakta loan


38

Komponen tMysqlInput_1 (main) Tabel Fakta loan


Di tMysqlImput_1 (main) ini dilakukan ekstrak semua data dari database OLTP

yang bernama loan (calon tabel fakta).

Komponen tMysqlInput_2, tMysqlInput_3, tMysqlInput_5 (lookup) pada

Tabel Fakta loan

Pada komponen ini dilakukan ekstrak pada primary key setiap tabel dimensi dari

tabel OLAP untuk dijadikan acuan relasi yang terjadi antara tabel fakta dan tabel

dimensi.

Komponen tMysqlInput_4 pada Tabel Fakta loan

Pada komponen ini dilakukan ekstrak pada primary key loan (tabel fakta) yang

berada pada database OLAP sebagai acuan incremental load data. Incremental load

data adalah sebuah proses load data yang dilakukan tidak secara keseluruhan,

namun hanya melakukan load data yang belum pernah di load sebelumnya. Untuk

penjelasan query bisa dilihat pada tMap berikut.

Query tMap pada Tabel Fakta loan

Disini tabel loan akan di join-kan dengan tabel-tabel lookup namun perbedaanya

pada row4.

39


Pada row 4 (berisikan data primary key yang ada pada tabel loan database OLAP)

untuk dijadikan pembatas load data karena memakai metode load incremental load

data. Di join model row 4 diganti dengan inner join dan pada output diubah value

catch lookup inner join reject menjadi true sehingga terbentuk batasan load dimana

nantinya load data akan dilakukan pada primary key loan yang belum ada pada

OLAP.

Komponen tMysqlOutput_1 pada Tabel Fakta loan


Di komponen tMysqlOutput_1 dilakukan load data ke tabel loan yang berada pada

database OLAP. Disinilah hasil tabel fakta yang telah mengalami proses ETL.

3.4.2. Penampilan dalam Bentuk Pivot Chart.

Setelah pembentukan data warehouse selesai, dilakukan pengambilan data

mart. Data mart bisa didapatkan dari berbagai macam bentuk dan dari berbagai

40

macam aplikasi, namun pada penelitian ini data mart didapatkan dengan

menggunakan aplikasi microsoft excel dengan dibantu dengan aplikasi konektor

bernama ODBC. Berikut merupakan cara pembentukan koneksi antara mysql

(database) dengan excel.

Lakukan penginstalan ODBC dengan sesuai platform komputer. Setelah

penginstalan selesai, buka aplikasi excel dan mulai membuat hubungan antar

aplikasi.

Klik data pada kolom menu excel.

Gambar 3.29 Pembangunan pivot tabel dan chart

Setelah itu klik pada from other sources dan pilih from Microsoft query


Terbuka menu baru


41

Pilih new data sources lalu klik OK. Setelah itu akan muncul tampilan baru yang

mengharuskan input nama koneksi dan tipe koneksi.


Setelah selesai mengisi, klik connect untuk melakukan koneksi dengan database

OLAP yang diinginkan


42

Klik test untuk mengecek keberhasilan koneksi, lalu klik OK.

Setelah selesai mengkoneksikan, masuk ke koneksi yang telah dibuat.


Klik OK untuk masuk.

Perlu diingat bahwa di Microsoft Excel, semua query bisa dilakukan dengan

aplikasi dari excel itu sendiri bernama microsoft query. Menggunakan microsoft

query sendiri memiliki kelemahan tersendiri yaitu untuk menampilkan semua data

dari tabel dimensi dan tabel fakta (berbeda tabel) harus digabungkan (join) terlebih

dahulu. Namun penggabungan (join) menggunakan Microsoft query membuat

komputer berhenti bekerja. Maka dari itu dilakukan join dengan fungsi tabel view

pada Mysql terlebih dahulu untuk menghindari penggunaan microsoft query.

Dari keterbatasan excel ini dibuatlah tabel view di mysql dengan query sebagai

berikut:

Create View ini sendiri berfungsi untuk menampilkan tabel yang telah dilakukan

proses join untuk bisa ditampilkan ke dalam Microsoft excel tanpa melalui

Microsoft query.

Setelah terbentuk create view buka lagi excel dan load semua data yang ada pada

tabel view. Setelah load yang dilakukan selesai, mulailah query dalam pembuatan

data mart. Sesuai dengan grain dan pre-kalkulasi pada nine design method

CREATE VIEW Hasil_olap_inner AS SELECT lib_dataunit.*,

time_dim.*, useraccount.*, loan.loanID, loan.loanDate,

loan.returnDate, loan.returnedDate, loan.extendedCount,

loan.loanType FROM loan INNER JOIN lib_dataunit ON

loan.libraryMainNumber = lib_dataunit.libraryMainNumber INNER

JOIN time_dim ON loan.loanDate = time_dim.tanggal INNER JOIN

useraccount ON loan.userAccount = useraccount.userAccount

43

sebelumnya, query bisa dilakukan dengan melakukan drag and drop pada

pivottable fields yang ada pada excel.

Persentase Pengembalian Tiap Tahun.


Drag and drop loanID di field Values dan returnedDate di field Rows.

44

Perbandingan persentase pengembalian buku yang sesuai dengan tanggal

pengembalian dengan yang tidak sesuai setiap tahun.

Drag and drop loanID di field Values dan returnedDate di field Rows dan juga

tambahkan returnDate di field rows pada pivottable fields yang berbeda untuk

melihat perbandingannya.


45

Penunjang data pengadaan buku.


Drag and drop loanID di field Values dan libraryMaterialType di field Rows.

Setelah ketiga grain sudah terbuat pivot tabel dan chart, maka data mart akan

terbentuk.

bab iii analisis dan rancangan sistem 3.1....

Documents