Seminar Nasional Teknologi Informasi dan Komunikasi 2014 (SENTIKA 2014) ISSN: 2089-9813 Yogyakarta, 15 Maret 2014

254

RANCANG BANGUN APLIKASI BUSINESS INTELLIGENCE BERBASIS WEB UNTUK SUBJEK KEGIATAN AKADEMIK PADA UNIVERSITAS

Stephanie Pamela Adithama

Program Studi Teknik Informatika, Universitas Atma Jaya Yogyakarta Jl. Babarsari 43, Yogyakarta 55281, Indonesia

E-mail: stephanie.pamela.a@gmail.com

ABSTRACT Academic activities in university runs continuously and add more data to the existing operational system. This data still can not be used by the university for strategic decision making, preparing reports for accreditation and academic units. Business intelligence application using data warehouse become solution for data analysis. The process of creating a data warehouse includes design data warehouse; retrieve academic data from multiple data sources; extraction, transformation, loading (ETL) process; create cube; and generate report. This application is expected to meet the needs of university management to know information about academic activities, assist in reporting, assist in accreditation needs, and help make decisions more effectively and efficiently rather than just using intuition. Keywords: business intelligence, data warehouse, academic, university ABSTRAK Kegiatan akademik di universitas berjalan terus menerus dan semakin menambah banyak data pada sistem operasional yang sudah ada. Data tersebut masih belum dapat dimanfaatkan oleh pihak universitas dalam pengambilan keputusan strategis. pembuatan laporan untuk keperluan akreditasi dan unit-unit akademik. Aplikasi business intelligence menggunakan data warehouse menjadi solusi untuk analisa data. Proses pembuatan data warehouse meliputi perancangan data warehouse, pengambilan data akademik dari sumber data, proses extraction, transformation, loading (ETL), pembuatan cube, dan pembuatan laporan. Aplikasi ini diharapkan dapat memenuhi kebutuhan manajemen universitas untuk mengetahui informasi tentang kegiatan akademik, membantu dalam pelaporan, membantu dalam keperluan akreditasi, dan membantu dalam mengambil keputusan dengan lebih efektif dan efisien dibandingkan dengan hanya memanfaatkan intuisi belaka. Kata Kunci: business intelligence, data warehouse, akademik, universitas

1. PENDAHULUAN

Sistem informasi dan teknologi informasi telah banyak dimanfaatkan pada semua lini di Universitas Atma Jaya Yogyakarta (UAJY). Sistem informasi dan teknologi informasi digunakan untuk menunjang kegiatan transaksional untuk semua aspek kegiatan universitas seperti perkuliahan, penerimaan mahasiswa baru, kemahasiswaan, alumni, kerjasama, keuangan, sumber daya manusia, penelitian, pengabdian masyarakat, perpustakaan, sarana prasarana. Sistem informasi ini belum terintegrasi secara universitas dan masih bersifat departemental, karena masing-masing dibangun pada waktu yang berbeda dan menggunakan platform yang berbeda pula.

Sifat departemental ini menyebabkan

ketidakakuratan dan ketidakkonsistenan data yang menyebabkan informasi yang dihasilkan dalam bentuk laporan maupun data menjadi tidak valid. Transaksi yang mengharuskan keterkaitan dari satu unit ke unit yang lain tidak dapat diproses dengan baik. Laporan-laporan akademik maupun non akademik yang harus dihimpun dari berbagai unit sulit didapatkan secara cepat. Ketidakvalidan data pada akhirnya juga berdampak pada pengambilan

keputusan yang diambil pada manajemen puncak. Pengambilan keputusan oleh manajemen puncak membutuhkan data yang terintegrasi, tidak departemental, dan relevan. Data dari sistem informasi transaksional harus diintegrasikan, dikelompokkan berdasarkan subjek tertentu, dan berdimensi waktu yang relevan sehingga laporan dapat dibangkitkan dengan cepat, mudah, dan tidak mengganggu sistem transaksional yang pada akhirnya dapat membantu manajemen puncak universitas untuk mengambil keputusan strategis.

Akreditasi untuk institusi pendidikan tinggi

dilakukan oleh Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT). Persyaratan untuk mendapatkan akreditasi dari BAN-PT, institusi perguruan tinggi diwajibkan untuk mengisi borang akreditasi dan untuk dapat mengisi borang tersebut, diperlukan berbagai macam data dan informasi seperti yang diminta. Kebutuhan akan data dan informasi tersebut, bisa dipenuhi apabila perguruan tinggi telah memanfaatkan sistem informasi dan menggunakan business intelligence (BI) sebagai sarana untuk melakukan berbagai analisa yang mendalam (Wilarso,2008).

Seminar Nasional Teknologi Informasi dan Komunikasi 2014 (SENTIKA 2014) ISSN: 2089-9813 Yogyakarta, 15 Maret 2014

255

BI merupakan salah satu bentuk implementasi yang mampu menjawab kebutuhan untuk menganalisis masalah-masalah serta dalam pengambilan keputusan. Secara ringkas, BI dapat diartikan sebagai pengetahuan yang didapatkan dari hasil analisis data yang diperoleh dari kegiatan suatu organisasi (Kusnawi, 2008). BI meliputi topik-topik seperti data warehousing, Online Analytical Processing (OLAP), Extract Transform Loading (ETL), data mining, dan multidimensionalitas (Turban et.al., 2004).

Menurut Chang, Dillon, Hussain (2005), dari

perkembangan BI yang disertai dengan teknologi selama 40 tahun terakhir, dapat diketahui bahwa BI berbasis web menjadi framework baru dalam penyajian informasi melalui intranet, internet, dan extranet. Cara ini memungkinkan data warehouse mempunyai aksesibilitas yang lebih baik dan meningkatkan penggunaan pengetahuan. Sistem berbasis web menyediakan akses mudah dan cepat untuk mendapatkan informasi dari mana saja dan kapan saja serta memastikan pengambilan keputusan tepat waktu (Dikbas, et al., 1999).

Dalam penelitian ini, akan dilakukan analisis

terhadap data-data akademik yang dihasilkan dari fakultas dan unit-unit akademik di UAJY dan menghasilkan basis data terpisah dari sistem informasi transaksional yang menyediakan data dalam bentuk yang efisien bagi pelaporan yang diinginkan oleh manajemen universitas. Sistem BI ini berbasis web untuk mempermudah mobilitas penggunanya dalam pengaksesan sistem. Dengan diterapkannya BI ini, diharapkan pihak manajemen UAJY dapat mengambil keputusan mengenai pengelolaan akademik dengan lebih efektif dan efisien.

2. TINJAUAN PUSTAKA

Hasil analisis Popovic & Jaklic (2010) menunjukkan bahwa sistem BI benar-benar memiliki dampak positif pada kualitas informasi. Dalam beberapa tahun terakhir, pasar BI telah mengalami pertumbuhan yang sangat tinggi, berbagai vendor terus melaporkan laba yang cukup besar. Survei menunjukkan bahwa menurut kebanyakan CIO, BI adalah aplikasi yang paling penting untuk dibeli (Yeoh et.al., 2008).

BI dengan data warehouse menghasilkan laporan

yang dapat dipercaya dalam waktu yang singkat bagi manajemen tingkat atas perguruan tinggi. Tak pelak lagi sudah saatnya data warehouse harus diimplementasikan pada perguruan tinggi (Warnars, 2008). Sudah ada beberapa penerapan BI yang digunakan pada proses pembelajaran sebagai proses utama pendidikan. Gombiro et.al. (2008) memperkenalkan konsep data warehouse untuk membantu dalam berbagi materi pembelajaran.

Perancangan data warehouse untuk penerimaan mahasiswa baru dilakukan oleh Cardoso et.al. (2003) di Universitas Teknik Lisbon. Akintola et.al. (2011) membuat prototipe data warehouse untuk pendaftaran kelas menggunakan Microsoft SQL Server Analysis Services tanpa laporan. Binh (2008) mengusulkan desain framework sistem penasihat akademik dengan membangun prototipe integrasi data saja.

Penerapan BI menggunakan laporan dan

dashboard telah dikembangkan, namun penyajian laporan dalam penelitian-penelitian ini belum berbasis web. Wiak et.al. (2010) mengimplementasikan data warehouse untuk meningkatkan pendidikan dan mendiagnosa permasalahan di Technical University of d menggunakan Microsoft SQL Server 2008 dan laporannya menggunakan Microsoft Excel 2007. Alnoukari (2009) membantu pembuatan laporan untuk top manajemen universitas untuk kinerja mahasiswa dan kinerja dosen menggunakan Oracle Warehouse Builder.

Beberapa penelitian berikut telah lebih

berkembang dengan memanfaatkan internet untuk penyajian laporan berbasis web. Prototipe data warehouse untuk menganalisa performa e-learning pada universitas dilakukan oleh Muntean et.al. (2011). Vinnik & Scholl (2007) membuat prototipe data warehouse untuk manajemen beban kerja akademik di universitas. Dimokas et.al. (2008) membuat prototipe data warehouse untuk membantu menganalisis data pendidikan menggunakan Microsoft SQL Server 2005 dan pelaporannya menggunakan Microsoft SharePoint Server 2007. Taa et.al. (2008) membuat prototipe data warehouse di area subyek kemahasiswaan menggunakan SAS.

Menurut Wilarso (2008), perkembangan

pemanfaatan teknologi data warehouse di perguruan tinggi Indonesia jauh tertinggal dengan di beberapa negara maju seperti Amerika. Telah ada penelitian yang mengembangkan BI di Indonesia untuk pengukuran kinerja proses belajar mengajar oleh Handojo dan Rostianingsih (2004). Namun, informasi yang didapatkan disajikan dalam bentuk pivot table pada Microsoft Excel saja. Rezalini et.al. (2010) mengimplementasikan BI untuk menilai kondisi akademik mengenai data mahasiswa dan data IPD (Indeks Prestasi Dosen). Berdasarkan segi manfaatnya, proyek data warehouse pada perguruan tinggi layak untuk diimplementasikan menurut Warnars (2009), yang meneliti Simple ROI untuk justifikasi investasi proyek data warehouse pada perguruan tinggi swasta.

Seminar Nasional Teknologi Informasi dan Komunikasi 2014 (SENTIKA 2014) ISSN: 2089-9813 Yogyakarta, 15 Maret 2014

256

3. LANDASAN TEORI 3.1 Online Transactional Processing (OLTP)

dan Online Analytical Processing (OLAP) OLTP dan OLAP adalah model-model dari basis

data, yang mempunyai tujuan dan kegunaan berbeda.

3.3.1. OLTP

OLTP adalah sistem yang memproses suatu transaksi secara langsung melalui komputer yang terhubung dalam jaringan (Febrian,2004). OLTP adalah bentuk dari sistem informasi tradisional yang lebih dahulu dikenal untuk membantu operasi-operasi harian. OLTP mempunyai karakteristik yaitu transaksi hanya mengakses sebagian kecil basis data, pemutakhiran relatif sering dilakukan, serta transaksi singkat dan sederhana.

3.3.2. OLAP

OLAP adalah suatu metode khusus untuk melakukan analisis terhadap data yang terdapat dalam media penyimpanan data (basis data) dan kemudian membuat laporannya sesuai dengan permintaan pengguna (Hermawan, 2005). OLAP muncul karena dirasakannya kebutuhan akan sebuah sistem informasi yang beorientasi untuk membantu pengambilan keputusan.

Beberapa operasi OLAP yaitu (Han & Kamber 2006): a. Drill up (roll-up) ringkasan data, yaitu dengan

menaikkan konsep hirarki atau mereduksi dimensi.

b. Drill down (roll-down) kebalikan dari roll-up, yaitu melihat data secara lebih detail atau spesifik dari level tinggi ke level rendah.

c. Slice and dice, slice adalah pemilihan pada satu dimensi dari kubus data yang bersangkutan dan dice mendefinisikan subcube dengan memilih dua dimensi atau lebih.

d. Pivot (rotate) memvisualisasikan operasi yang merotasikan sumbu data dalam view sebagai alternatif presentasi data.

3.3.3. Perbedaan OLTP dan OLAP Basis data OLTP dirancang untuk kemudahan

data entry dan bukan untuk keperluan report. Membuat report dari basis data OLTP dengan struktur yang kompleks akan sangat sulit dilakukan. Selain itu proses pengambilan data pada saat report ditampilkan akan mempengaruhi performa basis data OLTP karena untuk analisis data yang diambil merupakan agregasi. Dengan basis data OLAP, data yang disimpan sudah berupa hasil agregasi yang akan mempercepat waktu dan performa basis data. Selain itu struktur data pada basis data OLAP juga akan memudahkan proses pembuatan report dan analisis data.

3.2 Data Warehouse Menurut pelopor konsep dan istilah data

warehouse, William Inmon, definisi dari data warehouse adalah sebuah koleksi data yang berorientasi subjek, terintegrasi, non-volatile, dan time-variant dalam rangka mendukung keputusan-keputusan manajemen (Inmon, 2005).

3.3.4. Karakteristik Data Warehouse

Ponniah (2010) menyebutkan karakteristik dari data warehouse adalah sebagai berikut: a. Berorientasi Subjek : Data warehouse didesain

untuk menganalisa data berdasarkan subjek-subjek tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu.

b. Terintegrasi : Sumber data yang ada dalam data warehouse tidak hanya berasal dari data operasional (internal source) tetapi juga berasal dari data di luar sistem (external source).

c. Time-variant : Sistem operasional mengandung data yang bernilai sekarang sedangkan data dalam data warehouse mengandung data tidak hanya data terkini tetapi juga data masa lampau

d. Non-volatile : Pada data warehouse hanya ada dua kegiatan memanipulasi data yaitu loading data (mengambil data) dan akses data.

3.3.5. Komponen Data Warehouse Komponen-komponen data warehouse menurut

Ponniah (2010) digambarkan pada Gambar 1. Komponen sumber data berada di sebelah kiri. Komponen data staging sebagai blok pembangun berikutnya. Di tengah, dapat dilihat komponen penyimpanan data yang mengelola data warehouse. Komponen information delivery berada di sebelah kanan, yang terdiri dari semua hal menyediakan informasi dari data warehouse bagi pengguna.

Gambar 1. Komponen Data Warehouse (Ponniah,

2010)

Sumber data yang digunakan dalam data warehouse dapat dikelompokkan menjadi empat, yaitu: Production Data, Internal Data, Archieved Data, External Data. Data staging menyediakan sebuah tempat dengan satu set fungsi untuk membersihkan, mengubah, menggabungkan, mengkonversi, mencegah duplikasi

Seminar Nasional Teknologi Informasi dan Komunikasi 2014 (SENTIKA 2014) ISSN: 2089-9813 Yogyakarta, 15 Maret 2014

257

data, dan menyiapkan data sumber untuk penyimpanan dan penggunaan dalam data warehouse. Tahap pembersihan ini dikenal juga dengan istilah Extraction, Transformation, and Loading (ETL). 3.3 Model Data Multidimensional

Pembuatan data warehouse didasarkan pada model data multidimensi. Model ini menampilkan data dalam bentuk kubus (cube). Data multidimensi adalah ketika sebuah data dapat dipandang dari berbagai sudut, sebagai contoh pada Gambar 2 (Prasetyo et.al., 2010).

Gambar 2. Kubus Data (Prasetyo et.al., 2010)

Komponen model multidimensional yang umum ditemukan dalam perancangan data warehouse (Prasetyo et.al., 2010): a. Dimensi : Sebuah kategori yang independen dari

multidimensional basis data. Tipe dari dimensi ini mengandung item yang digunakan sebagai kriteria query.

b. Tabel Fakta : Mempunyai dua tipe kolom, yaitu kolom yang menyimpan nilai-nilai numerik atau yang biasa disebut dengan measure dan kolom yang menyimpan foreign key yang mengacu ke tabel dimensi.

c. Measure : Cerminan dari fakta dan juga mengandung informasi kolom bertipe numerik yang akan dianalisa.

d. Hirarki : merupakan bentuk kesatuan dari dimensi. Sebuah dimensi bisa terbentuk dari multilevel, yang mempunyai parent-child relationship. Model dimensional yang sering digunakan pada

data warehouse adalah star atau snowflake (Prasetyo et.al., 2010): a. Star schema, seperti pada Gambar 3, terdiri dari

satu atau lebih tabel fakta dan satu atau lebih tabel dimensi. Tabel fakta merupakan pusat dari star schema, karena fungsinya sebagai pengikat dari tabel-tabel dimensi.

Gambar 3. Star Schema

b. Snowflake schema merupakan pengembangan dari star schema. Pada snowflake schema tabel dimensi dinormalisasi secara sebagian atau keseluruhan untuk mengurangi nilai duplikat pada tabel, contohnya dapat dilihat pada Gambar 4.

Gambar 4. Snowflake Schema

4. METODOLOGI PENELITIAN

Metodologi yang digunakan dalam pembangunan apikasi BI untuk subjek kegiatan akademik pada universitas terdiri dari empat tahap utama yaitu: (1) Analisis. Pada tahap ini dilakukan analisis kebutuhan dan menganalisis data-data yang dibutuhkan untuk merancang data warehouse. Dilakukan dengan melakukan pengamatan pada Buku Pedoman Akreditasi Institusi Perguruan Tinggi, Buku Pedoman Akreditasi Program Studi Sarjana, dan permintaan-permintaan kebutuhan data akademik dari fakultas-fakultas, rektorat, dan unit-unit. (2) Perancangan. Pada tahap ini dilakukan perancangan data warehouse yaitu: merancang star skema, merancang tabel dimensi dan tabel fakta, menentukan pemetaan tabel dan kolom pada data sumber yang akan diambil. (3) Pengkodean. Pembangunan sistem dilakukan melalui beberapa tahap, yaitu: proses ETL dan loading data sumber ke staging area, membangun tabel dimensi dan tabel fakta pada data warehouse, loading data dari staging area ke data warehouse, membangun cube, menambahkan measure, mendefinisikan kalkulasi, membuat laporan BI berbasis web. (4) Pengujian. Pada tahap ini dilakukan proses pengujian fungsionalitas sistem yang telah dibangun.

5. HASIL DAN PEMBAHASAN

Dalam proses pembuatan data warehouse, komponen-komponen diaplikasikan menjadi tahapan seperti model pada Gambar 5. Database-database sumber yaitu database perkuliahan, kemahasiswaan, calon mahasiswa, dan master referensi :

Seminar Nasional Teknologi Informasi dan Komunikasi 2014 (SENTIKA 2014) ISSN: 2089-9813 Yogyakarta, 15 Maret 2014

258

a. Database Mission yang menyimpan data-data calon mahasiswa baru pada aplikasi Sistem Informasi Penerimaan Mahasiswa Baru yang digunakan di Kantor Admisi dan Akademik

b. Database STARBAAK yang menyimpan data-data kemahasiswaan pada aplikasi Sistem Informasi Admisi Akademik (SIKAA) yang digunakan di Kantor Admisi dan Akademik

c. Database SIATMA yang menyimpan data-data perkuliahan pada aplikasi Sistem Informasi Akademik (SIATMA) dan data evaluasi dosen pada Aplikasi Evaluasi Kinerja Dosen (PAPKIDO) yang digunakan di semua fakultas.

d. Database Mst_Referensi dan SIATMAX yang digunakan untuk mengambil data-data referensi.

Gambar 5. Rancangan Tahap-Tahap Pembangunan

Dilakukan analisis terhadap sumber data untuk mengetahui informasi yang harus disediakan oleh sistem, fungsi-fungsi yang dapat ditangani seperti: 1. Melihat profil jumlah dan kinerja calon

mahasiswa dilihat dari berbagai dimensi 2. Melihat profil jumlah dan kinerja lulusan dilihat

dari berbagai dimensi

3. Melihat profil, jumlah, dan kinerja semua mahasiswa dilihat dari berbagai dimensi

4. Melihat profil perkuliahan dari berbagai dimensi 5. Melihat profil transaksi status studi semua

mahasiswa dilihat dari berbagai dimensi Dari analisis tersebut dibuat sebuah skema

model data. Gambar 6 merupakan star dan snowflake skema yang digunakan untuk membangun data warehouse.

Gambar 6. Star dan Snowflake Skema BI Akademik

Tabel 1 merupakan tabel pemetaan sumber data ke tabel tujuan.

Tabel 1. Daftar Tabel Sumber Data, Staging Area, dan Data Warehouse

Database Sumber

Tabel Sumber Staging Area Data Warehouse

starbaak mahasiswa mahasiswa mahasiswa mahasiswakrs sk_do mhs_transfer ref_kab_kodya

mission ref_jalur staging sma_3 starbaak mahasiswa mhs_lulus mhs_lulus

histori_mahasiswa tbl_transkrip_yudisium tbl_transkrip_yudisium _migrasi wisuda wisuda_migrasi ref_kab_kodya

mission ref_jalur staging sma_3 siatma tbl_krs mission mhs_pendaftar Camaba camaba

dt_alamat_asal ref_jalur

Seminar Nasional Teknologi Informasi dan Komunikasi 2014 (SENTIKA 2014) ISSN: 2089-9813 Yogyakarta, 15 Maret 2014

259

Package pada Gambar 7 berisi control flow

untuk proses ETL dari data sumber ke staging area, yang dibuat dengan desain proses sebagai berikut :

Gambar 7. Control Flow Proses ETL ke Staging

Area

tbl_nilai dt_nem dt_prestasi_pendidikan

mst_referensi

ref_kabupaten ref_sma

starbaak ref_fakultas Fakultas fakultas starbaak ref_prodi Prodi prodi siatmax ref_negara Negara negara starbaak ref_propinsi Propinsi propinsi mst_referensi

ref_propinsi

siatmax ref_propinsi starbaak ref_kab_kodya kab_kodya kab_kodya mst_referensi

ref_kabupaten

siatmax ref_kab_kodya mst_referensi

ref_sma sma sma

starbaak mahasiswa siatma mst_dosen dosen dosen

ref_jenis_dosen siatma tbl_matakuliah matakuliah matakuliah

ref_sifat_mk ref_jenis_mk tbl_konsentrasi_studi

siatma tbl_kelas kelas kelas, time siatma rerata_tbl evaluasi starbaak tr_status_studi stat_studi siatma tbl_krs krs FactKuliah FactIps siatma tbl_prsensi presensi

kelas matakuliah time camaba FactJumlahCamaba prodi mahasiswa stat_studi FactStatusStudi mahasiswakrs

Seminar Nasional Teknologi Informasi dan Komunikasi 2014 (SENTIKA 2014) ISSN: 2089-9813 Yogyakarta, 15 Maret 2014

260

Package pada Gambar 8 berisi control flow untuk proses loading dari staging area ke data warehouse, yang dibuat dengan desain proses sebagai berikut :

Gambar 8. Control Flow Proses Loading Data ke

Data Warehouse

Setelah cube selesai dibuat, cube dipergunakan untuk membuat report untuk membantu dalam pengambilan keputusan strategis. Berikut ini hasil report dari fungsi-fungsi di atas yang ditampilkan dalam bentuk report dan chart. a. Gambar 9 merupakan contoh laporan Profil

Jumlah Calon Mahasiswa Fakta : Fact Jumlah Camaba Dimensi : Calon Mahasiswa, Kab Kodya-Propinsi-Negara, Program Studi-Fakultas, Sma Measure : Jumlah Pilihan 1, jumlah pilihan 2, jumlah pilihan 3, jumlah mendaftar, jumlah diterima, jumlah batal, jumlah registrasi, jumlah mundur registrasi, jumlah riil pendaftar

Gambar 9. Laporan Profil Jumlah Calon Mahasiswa

b. Gambar 10 merupakan contoh laporan Profil Kinerja Calon Mahasiswa Fakta : Calon Mahasiswa Dimensi : Calon Mahasiswa, Kab Kodya-Propinsi-Negara, Program Studi-Fakultas, Sma Measure : Rata-rata nilai tes masuk, rata-rata nilai NEM, rata-rata nilai rapor sma

Gambar 10. Laporan Profil Kinerja Calon Mahasiswa

c. Gambar 11 merupakan contoh laporan Profil Kinerja Lulusan Fakta : Mahasiswa Lulus Dimensi : Mahasiswa Lulus, Kab Kodya-Propinsi-Negara, Program Studi-Fakultas, Sma, Tahun Takwim Measure : Jumlah mahasiswa lulus, rata-rata IPK kelulusan, IPK tertinggi, IPK terendah, rata-rata lama studi, lama studi tercepat, lama studi terlama, rata-rata lama TA, lama TA terlama, lama TA tercepat, jumlah mahasiswa yang mempunyai IPK pada range tertentu, jumlah mahasiswa yang mempunyai lama studi pada range tertentu

Gambar 11. Laporan Profil Kinerja Lulusan

d. Gambar 12 merupakan contoh laporan Profil

Kinerja Mahasiswa Fakta : FactIps Dimensi : Semua Mahasiswa, Kab Kodya-Propinsi-Negara, Program Studi-Fakultas, Sma, Tahun Akademik Measure : Rata-rata IPK, IPK tertinggi, IPK terendah, rata-rata IPS, IPS tertinggi, IPS terendah, jumlah mahasiswa yang mempunyai IPS pada range tertentu, jumlah mahasiswa yang mempunyai IPK pada range tertentu

Seminar Nasional Teknologi Informasi dan Komunikasi 2014 (SENTIKA 2014) ISSN: 2089-9813 Yogyakarta, 15 Maret 2014

261

Gambar 12. Laporan Profil Kinerja Mahasiswa

e. Gambar 13 merupakan contoh laporan Profil Semua Mahasiswa Fakta : Semua Mahasiswa Dimensi : Semua Mahasiswa, Kab Kodya-Propinsi-Negara, Program Studi-Fakultas, Sma, Tahun Takwim Measure : Jumlah semua mahasiswa, rata-rata nilai tes masuk, rata-rata nilai NEM, rata-rata nilai rapor sma

Gambar 13. Laporan Jumlah Mahasiswa Aktif

f. Gambar 14 merupakan contoh laporan Profil

Transaksi Status Studi Fakta : FactStatusStudi Dimensi : Semua Mahasiswa, Kab Kodya-Propinsi-Negara, Program Studi-Fakultas, Sma, Tahun Takwim, Status Studi

Measure : Jumlah mahasiswa

Gambar 14. Laporan Transaksi Status Studi

g. Gambar 15 merupakan contoh laporan Profil Perkuliahan Fakta : FactKuliah Dimensi : SemuaMahasiswa, Kab Kodya-Propinsi-Negara, Program Studi-Fakultas, Sma, Dosen Pengampu, Matakuliah-Kelas, Ref Nilai, Tahun Akademik Measure : IPK kelas, prosentase ketidaklulusan matakuliah, prosentase kehadiran, prosentase sebaran nilai matakuliah

Gambar 15. Laporan Profil Perkuliahan

h. Gambar 16 merupakan contoh laporan Profil Evaluasi Dosen Fakta : Kelas Dimensi : Dosen pengampu, Matakuliah-Kelas, Program studi-Fakultas, Tahun Akademik Measure : Rata-rata evaluasi manajemen waktu, rata-rata evaluasi materi pembelajaran, rata-rata

Seminar Nasional Teknologi Informasi dan Komunikasi 2014 (SENTIKA 2014) ISSN: 2089-9813 Yogyakarta, 15 Maret 2014

262

evaluasi media pembelajaran, rata-rata evaluasi metode pembelajaran, rata-rata evaluasi metode penilaian, rata-rata evaluasi minat mahasiswa

Gambar 16. Laporan Profil Evaluasi Dosen

6. KESIMPULAN

Aplikasi business intelligence berbasis web untuk subjek kegiatan akademik ini dapat memenuhi kebutuhan manajemen universitas untuk mengetahui informasi tentang kegiatan akademik, membantu dalam pelaporan, membantu dalam keperluan akreditasi, dan membantu dalam mengambil keputusan dengan lebih efektif dan efisien. PUSTAKA Akintola, K.G., Adetunmbi, A.O. & Adeola, O.S.,

2011, Building Data Warehousing and Data Mining from Course Management Systems: A Case Study of Federal University of Technology (FUTA) Course Management Information Systems, 10th International Conference Nigeria Computer Society, pp. 1-11.

Alnoukari, M. 2009. Using Business Intelligence Solutions for Achieving Organizations Strategy: Arab International University Case Study. Internetworking Indonesia Journal, vol. 1, no. 2, pp. 11-15.

Binh, N.T., Duong, H.T.A., Hieu, T., Nhuan, N.D. & Hong, N., 2008, An Integrated Approach for an Academic Advising System in Adaptive Credit-Based Learning Environment, VNU Journal of Science, Natural Sciences and Technology, vol. 24, pp. 110-121.

Cardoso, E., Galhardas, H., Trigueiros, M.J., & Silva, R. 2003. A Decision Support System for IST Academic Information. Informatica (Slovenia), vol. 27, no. 3, pp. 313-323.

Chang, E., Hussain, F. & Dillon, T.S., 2005, Trust and Reputation for Service Oriented Environments Technologies for Building Business Intelligence and Constumer Confidence, J. Wiley & Sons, Chichester.

Dikbas, A., Morten, B., Bayramoglu, S. & Yitmen, I., 1999, An Integrated Decision Support System Model for Contruction Management Excecutives, Durability of Building Materials and Components 8, vol. 4, pp. 2452-2464.

Dimokas, N., Mittas, N., Nanopoulos, A. & Angelis, L., 2008, A Prototype System for Educational Data Warehousing and Mining, Proceedings of

the 2008 Panhellenic Conference on Informatics, pp. 199-203.

Febrian, J., 2004, Kamus Komputer dan Teknologi Informasi, Penerbit Informatika, Bandung.

Gombiro, C., Munyoka, W., Hove, S., Chengetanai, G. & Zano, C. 2008. The Need for Data Warehousing in Sharing Learning Materials. Journal of Sustainable Development in Africa, vol. 10, no.2, pp. 422-449.

Handojo, A. & Rostianingsih, S. 2004. Pembuatan Data Warehouse Pengukuran Kinerja Proses Belajar Mengajar di Jurusan Teknik Informatika Universitas Kristen Petra. Jurnal Informatika vol. 5, no. 1, pp. 53-58.

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

Hermawan, Y., 2005, Konsep OLAP dan Aplikasinya menggunakan Delphi, Andi Publisher, Yogyakarta.

Inmon, W.H. 2005. Building the Data Warehouse, Fourth Edition. New York: John Wiley & Sons,Inc.

Kusnawi. 2008. Aplikasi Data Warehouse untuk Business Intelligence. Jurnal Dasi, vol. 9, no. 1, pp. 82-91.

Muntean, M., Sabau, G., Bologa, A., Surcel, T. & Florea, A. 2010. Performance Dashboards for Universities. Proceedings of the 2nd International Conference on Manufacturing Engineering, Quality and Production Systems, pp. 206-211.

Prasetyo, M.A., Saikhu, A. & Sarwosri, 2010, Pembuatan Aplikasi OLAP Untuk Pelaporan pada PT. Aneka Tuna Indonesia Menggunakan SQL Server 2005, http://digilib.its.ac.id/public/ITS-Undergraduate-9803-Paper.pdf , diakses tanggal 1 Februari 2012.

Ponniah, P. 2010. Data Warehousing Fundamentals, 2nd edition. Singapore: John Wiley & Sons Inc.

Popovic, A. & Jaklic, J. 2010. Benefits of Business Intelligence System Implementation: an Empirical Analysis of the Impact of Business Intelligence System Maturity on Information Quality. European, Mediterranean & Middle Eastern Conference on Information Systems, pp. 1-8.

Rezalini, R., Anggraeni, W. & Wibowo, R.P. 2010. Perancangan dan Pembuatan Data Warehouse untuk Kebutuhan Sistem Pendukung Keputusan di Bidang Akademik pada Jurusan Sistem Informasi, ITS, Surabaya. SISFO-Jurnal Sistem Informasi, pp. 1-7.

Taa, A., Bakar, M.S.A. & Saleh, A.R. 2008. Academic Business Intelligence System Development using SAS Tools. In: SAS Global Forum 2008, pp. 1-13.

Turban, E., Aronson, J.E. & Liang, T.P. 2004. Decision Support Systems and Intelligent Systems, 7th Edition. New Jersey: Prentice-Hall.

Seminar Nasional Teknologi Informasi dan Komunikasi 2014 (SENTIKA 2014) ISSN: 2089-9813 Yogyakarta, 15 Maret 2014

263

Vinnik, S. & Scholl, M.H. 2007. Decision Support System for Managing Educational Capacity Utilization. IEEE Transactions on Education, vol. 50, no. 2, pp 143-150.

Warnars, S. 2008. Rancangan Infrastruktur E-Bisnis Business Intelligence pada Perguruan Tinggi. TELKOMNIKA, vol. 6, no. 2, pp. 115-124.

Warnars, S. 2009. Simple ROI untuk Justifikasi Investasi Proyek Data Warehouse pada Perguruan Tinggi Swasta. Jurnal Ilmiah Teknik Komputer, November, 2009, pp. 1-21.

Wiak, S., Jeske, D., Krasuski, M. & Stryjek R., 2010, Business Intelligence is Not Only for Business Purposes Business Intelligence in E-Matura, 1st World Conference on Technology and Engineering Education, pp. 31-34.

Wilarso, I. 2008. Pemanfaatan Data Warehouse di Perguruan Tinggi Indonesia. Jurnal Sistem Informasi MTI-UI, vol.4, no.1, pp. 47-54.

Yeoh, W., Koronios A. & Gao, J. 2008. Managing the Implementation of Business Intelligence Systems: a Critical Success Factors Framework. International Journal of Enterprise Information Systems, vol. 4, issue 3, pp. 79-94.