3 Gambar 1 Skema galaksi (Han & Kamber 2006). Operasi-operasi pada Processing (OLAP) Online Analytical Online analitycal Processing (OLAP) terdiri dari seperangkat tool untuk membantu proses analisis dan perbandingan data dalam basis data. Tool dan metode OLAP membantu pengguna menganalisis data pada sebuah data warehouse dengan menyediakan berbagai tampilan data, dan didukung dengan representasi data grafik yang dinamis. Beberapa operasi OLAP menurut Han dan Kamber (2006) yaitu : Roll up (drill-up): ringkasan data, yaitu dengan menaikkan konsep hirarki atau mereduksi dimensi. Drill down (roll down): kebalikan dari rollup, yaitu melihat data secara lebih detail atau spesifik dari level tinggi ke level rendah. Slice and dice: slice adalah pemilihan pada satu dimensi dari kubus data yang bersangkutan dan dice mendefinisikan subcube dengan memilih dua dimensi atau lebih. Pivot (rotate): memvisualisasikan operasi yang merotasikan sumbu data dalam view sebagai alternatif presentasi data. Operasi lain: drill across yaitu operasi yang melibatkan lebih dari satu tabel fakta, drill through yaitu operasi yang mengijinkan pengguna untuk dapat melihat tabel data yang menampilkan nilai-nilai pada suatu sel data. Arsitektur Three-Tier Data warehouse pada umumnya mengadopsi arsitektur three-tier, seperti digambarkan pada Gambar 2. Gambar 2 Arsitektur three-tier data warehousing (Han & Kamber 2006). Menurut Han dan Kamber (2006), lapisanlapisan arsitektur data warehousing tersebut adalah : 1 Lapisan bawah (bottom tier) Lapisan bawah adalah server data warehouse yang biasanya sebuah sistem basis data relasional. Pada lapisan ini data diambil dari basis data operasional dan sumber eksternal lainnya, diekstrak, dibersihkan, dan ditransformasi. Data disimpan sebagai data warehouse. 2 Lapisan tengah (middle tier) Lapisan tengah OLAP server yang biasanya diimplementasikan dengan OLAP Rasional (ROLAP) atau OLAP Multidimensional (MOLAP). 3 Lapisan Atas (top tier) Lapisan atas adalah lapisan front-end client, berisi query dan perangkat analisis, dan atau perangkat data mining (seperti: analisis tren, prediksi, dan lainnya). METODE PENELITIAN Analisis Dari segi kebutuhan sistem, pengguna aplikasi OLAP berbasis web ini adalah dosen sebagai pengguna biasa dan komisi akademik sebagai administrator. Untuk mengelola aplikasi ini, administrator memiliki akses langsung ke sistem manajemen basis data SQL Server dimana data akademik ditempatkan serta ke modul Palo dimana data warehouse tersebut dikelola. 4 Sedangkan dosen sebagai pengguna biasa, dapat berinteraksi dengan sistem melalui antarmuka grafis berbasis web sehingga dapat memanfaatkan fasilitas sistem dengan mudah, yaitu: memilih dimensi / atribut melalui kotak drop-down list. menampilkan data dalam bentuk tabel crosstab. menampilkan data dalam bentuk grafik batang. menampilkan data dalam bentuk grafik garis. menampilkan data dalam bentuk pie chart. Dari aplikasi ini diharapkan dapat memberikan beberapa informasi sebagai berikut : Perkembangan jumlah mahasiswa per tahun, Daftar huruf mutu angkatan mahasiswa baik dalam waktu tertentu maupun selama menempuh pendidikan, Daftar huruf mutu pada kelas perkuliahan tertentu (misal kuliah basis data tahun 2001), Tren perkembangan Huruf Mutu mata kuliah (misal kuliah basis data dari tahun 2001 hingga 2004), Tren perkembangan indeks prestasi tiap angkatan mahasiswa berdasarkan status studi. Daftar jumlah dan nilai indeks prestasi pada tiap angkatan mahasiswa yang memiliki status studi tertentu (misal status studi “Drop Out” dari angkatan 2001-2004). Tahap awal sebelum ke proses pembuatan data warehouse, dilakukan pengumpulan data dan menganalisis nilai dan atributnya untuk mendapatkan atribut-atribut yang tepat untuk membuat data warehouse. Setelah dipilih dan diketahui atribut-atributnya, kemudian dilanjutkan ke tahapan praproses data. Praproses data Sebelum masuk ke pembuatan data warehouse, data harus diproses terlebih dahulu. Tahapan praproses pada data akademik Program Studi Ilmu Komputer meliputi: 1 Integrasi dan reduksi data Departemen Ilmu Komputer IPB menggunakan basis data yang dikelola oleh Microsoft Access. Sebelum diimpor ke Microsoft SQL Server 2000, atribut-atribut data yang relevan dipilih. Pemilihan atribut ini berdasarkan tujuan pembuatan data warehouse. Integrasi dilakukan dengan menggabungkan atribut-atribut yang menarik dari tabel yang dianalisis yaitu tabel data KRS mahasiswa (krs) dengan tabel data KRS mata kuliah (krsmk) dan tabel data mahasiswa (mhs). Reduksi dilakukan bersamaan dengan proses integrasi, yaitu dengan membuang atribut-atribut yang kurang menarik dari tabel yang dianalisis. 2 Pembersihan Pembersihan data dilakukan terhadap data atribut mata kuliah yang tidak konsisten penulisannya. Kondisi tersebut dapat diatasi dengan menyeragamkan nilainya. Pada data atribut yang bernilai null seperti nilai rataan IPK, dilakukan pengisian dengan nilai nilai rataan dari semua nilai IPK. 3 Transformasi Proses transformasi yang dilakukan adalah generalisasi atribut nomor KRS (nokrs) menjadi atribut tahun akademik dan atribut semester. Selain generalisasi, pada proses ini juga dilakukan dengan mengkonstruksi atribut baru menggunakan data dari atribut yang sudah ada. Aplikasi OLAP Aplikasi OLAP dibangun menggunakan Palo PHP API (Application Program Interface) dan terhubung ke OLAP server Palo yang melakukan fungsi agregasi dan terdapat kubus data di dalamnya. Palo menyediakan Palo Excel Add-In yang dapat diintegrasikan dengan Microsoft Office Excel. Palo Excel Add-In memiliki fasilitas untuk menampilkan data dari kubus data Palo, membentuk struktur kubus data Palo, dan membuat data dari sumber eksternal ke kubus data Palo. Gambar 3 menunjukkan arsitektur aplikasi OLAP berbasis web, yang dapat dijelaskan sebagai berikut: 1 Pemrosesan data dan pembuatan skema data warehouse dengan DBMS Microsoft SQL Server 2000 2 Pembentukan struktur kubus data dilakukan di Palo Excel Add-In. 3 Pengisian struktur kubus data yang sudah terbentuk dengan data dari data warehouse melalui fasilitas Data Import di Palo Excel Add-In. 5 4 Web server mengakses kubus data Palo server melalui Palo PHP API. Aplikasi OLAP menggunakan library JpGraph untuk menampilkan grafik. Grafik Line Plot Lapis atas: Web browser Crosstab Web Server package WAMPP versi 2.0 Laptop PC Bahasa Pemrograman PHP 5.1.2 JpGraph JpGraph Palo API 1.20 (library menghasilkan grafik) Palo OLAP server Apache PHP Web server MsSQL Server Data Warehouse Lapis bawah: Data Warehouse DBMS Palo Excel Add-In MDB Web browser Mozilla Firefox 3.0 Pada penelitian ini, data diperoleh dengan format Access (.mdb). Proses analisis dilakukan terhadap data untuk mendapatkan atribut-atribut yang tepat untuk membangun data warehouse. MDB Gambar 3 Arsitektur aplikasi OLAP berbasis web (Sumber: diadopsi dari Herlambang 2007). Lingkungan Pengembangan Aplikasi OLAP berbasis web ini dibangun dengan menggunakan perangkat sebagai berikut: Perangkat keras berupa komputer personal dengan spesifikasi : Prosessor AMD Sempron 2500 + 1.4 GHz Memori 512 MB DDR RAM Harddisk 80 GB Monitor 15” dengan resolusi 1024 × 768 Data yang digunakan adalah data KRS mahasiswa (krs), data KRS mata kuliah (krsmk), dan data mahasiswa (mhs). Ketiga kelompok data tersebut dipilih karena sudah memenuhi beberapa kriteria dari informasi yang ingin ditampilkan. Tabel KRS mahasiswa berisi isian KRS mahasiswa tiap semester sedangkan tabel data KRS mata kuliah berisi perolehan nilai pada mata kuliah yang diambil tiap semester. Pada tabel mahasiswa berisi keterangan dari data mahasiswa yang masuk ke Program Studi S1 Ilmu Komputer. Dari tabeltabel itu, kemudian dipilih atribut-atribut yang akan digunakan untuk membuat data warehouse. Atribut yang akan digunakan berdasarkan ketentuan sebagai berikut: 1 Atribut yang dianalisis dipilih menarik dipilih untuk 2 Atribut tersebut berkaitan dengan atribut di tabel data yang lain Mouse dan Keyboard yang untuk Analisis Data Data sumber MDB PHP HASIL DAN PEMBAHASAN Praproses data Perangkat lunak membuat sistem: Palo Server 2.0 (berfungsi sebagai OLAP server yang melakukan fungsi agregasi dan tempat penyimpanan struktur dan kubus data multidimensi) Palo Excel Add-In 2.0 (tempat pembuatan atau pemodelan struktur kubus data dan proses pemuatan data dari data warehouse ke kubus data) Presentasi OLAP Lapis tengah: Web server OLAP server Microsoft SQL Server 2000 (perangkat lunak bantu untuk pemrosesan data dan pembuatan skema data warehouse) dibutuhkan untuk Sistem Operasi Microsoft Windows XP Professional SP2 3 Data yang dianalisis tidak terlalu banyak mengandung nilai null Setelah pemilihan atribut, maka langkah selanjutnya adalah menentukan atribut-atribut yang menjadi ukuran (measure) dan non ukuran