MAKALAH TAMPILAN DAN INTERPRETASI DATA

OLEH KELOMPOK 1

DEBORA ULI SIDABUTAR (4182121023)

JURUSAN FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MEDAN

MEDAN 2019
 BAB I

PENDAHULUAN

1. Latar belakang

Pernakah anda melakukan pencarian di mesin pencari seperti google dan mendapatkan hasil
pencarian dengan jumlah ribuan bahkan jutaan? Dan tentu saja hasil dari pencarian tersebut tidak
mungkin dapat di tampilkan semua dalam satu halaman melainkan dibagi dalam beberapa
halaman dalam web yang sama. Metode menampilkan data seperti itulah yang disebut paging.
Pernahkah anda penasaran mengapa hal itu bisa terjadi? Dalam pembahasan kita akan membahas
bagaimana tampilan itu bisa kita lihat.

Analisis data kualitatif adalah bersifat induktif, yaitu suatu analisis berdasarkan data yang
diperoleh, selanjutnya dikembangkan pola hubungan tertentu atau menjadi hipotesis.
Berdasarkan hipotesis yang dirumuskan berdasarkan data tersebut, selanjutnya dicarikan data
lagi secara berulang-ulang sehingga selanjutnya dapat disimpulkan apakah hipotesis tersebut
diterima atau ditolak berdasarkan data yang terkumpul. Bila berdasarkan data yang dapat
dikumpulkan secara berulang-ulang dengan teknik triangulasi, ternyata hipotesis diterima, maka
hipotesis tersebut berkembang menjadi suatu teori. Analisis data dalam penelitian kualitatif
dilakukan sejak sebelum memasuki lapangan, selama di lapangan, dan setelah selesai di
lapangan. Dalam penelitian kualitatif, analisis data lebih difokuskan selama proses di lapangan
bersamaan dengan pengumpulan data. In fact, data analysis in qualitative research is on going
activity that occurs throughout the investigative process rather than after process. Dalam
kenyataannya, analisis data kualitatif berlangsung selama proses pengumpulan data dari pada
setelah selesai pengumpulan data.

Dalam analisis data pada penelitian kualitatif terdapat juga langkah menginterpretasi data.
Interpretasi data menurut L. R. Gay adalah suatu usaha yang dilakukan untuk menemukan
arti atau jawaban dari data. Tujuan dari interprestasi data untuk menjawab 4 pertanyaan yaitu: 1.
Apa yang penting dari data itu? 2. Mengapa itu penting? 3. Apa yang bisa dipelajari dari data
itu?, 4. Jadi apa?
 2. Pembatasan Masalah
1) tampilan yang dimaksud adalah tampilan data dalam web pencarian dan dalam
folder penyimpanan data
2) Bagaimana analisis data dan interpretasi di lapangan selama proses pengumpulan
data?
3) Bagaimana analisis data dan interpretasi di lapangan setelah pengumpulan data?
3. Tujuan dan Manfaat Penulisan
1. Untuk mengetahui bagaimana data itu ditampilkan
2. .   Untuk mengetahui analisis data dan interpretasi di lapangan selama proses
pengumpulan data
3.     Untuk mengetahui analisis data dan interpretasi di lapangan setelah
pengumpulan data
 BAB II

PEMBAHASAN
Tampilan Dan Interpretasi Data

1. Apa itu Tampilan Data?

 Tampilan Data adalah definisi Caliach Vision tentang cara mengumpulkan kumpulan

data tertentu. Data disimpan dalam database Caliach Vision di Tabel , yang dapat dianggap
sebagai spreadsheet individual dengan sejumlah kolom yang telah ditentukan sebelumnya
dan sejumlah baris. Mereka lebih kompleks dari ini tapi pada intinya Anda bisa
membayangkannya seperti itu, dan dengan berbuat demikian Anda tidak akan terlalu salah.
Sebagai contoh, sebuah Part record adalah satu baris dari tabel bagian dan setiap elemen
data yang Anda lihat di jendela Bagian Pemeliharaan diadakan di kolom di tabel bagian
(dikenal secara internal sebagai tabel PTMFILE ).
Kecanggihan Caliach Vision bagaimanapun adalah cara data tabel dapat dihubungkan, atau
lebih tepatnya dikatakan, terkait dengan , data tsble lainnya. Misalnya bagian bisa memiliki
pemasok pilihan. Kode di kolom itu terkait dengan baris tertentu di tabel pemasok. Pemasok
pada gilirannya memiliki hubungan ke baris alamat, dan pada gilirannya akan terkait dengan
deretan negara. Jadi, sementara tidak ada kolom nama negara di bagian tabel, melalui
hubungan di dalam struktur data, sebagian dapat dikaitkan dengan negara pemasok tertentu.
Dalam operasi normal program semua hubungan ini ada dan data disajikan tanpa
memerlukan pemahaman hebat tentang bagaimana data disimpan.
Namun, ada kalanya program, seperti standar, tidak memberi Anda apa yang Anda inginkan
dan Anda perlu menyesuaikan dengan data yang Anda inginkan. Hal ini terutama berlaku
bila Anda ingin menyajikan grafik. Ada ribuan koleksi data yang berpotensi terkait dan
banyak sekali sub-set data kolektif tersebut. Jadi tidak realistis mengharapkan program untuk
menyulap data ini dengan sendirinya sehingga tersedia untuk Anda dengan satu klik tombol.
Nadjmun, hal terbaik berikutnya adalah kerangka kerja untuk menentukan metode koleksi
kumpulan data, menyimpannya dan kemudian menggunakannya berulang kali untuk
mengumpulkan hanya data yang Anda cari. Inilah yang disediakan oleh Tampilan Data .
Jadi, misalnya, katakanlah Anda menginginkan grafik nilai saham pada akhir setiap bulan
yang dikelompokkan oleh negara default pemasok pilihan dari bagian tersebut. Ini biasanya
cukup proses pengumpulan data yang kompleks namun Tampilan Data memudahkan. Anda
merancang Tampilan Data untuk menghubungkan elemen data dan hanya memberi tahu
desain grafik untuk menggunakan Tampilan Data ini, berdasarkan nama. Sistem Grafik 2,
ketika melihat sumber data bernama, tahu untuk menjalankan Data View yang diberi nama
dan mengisi grafik dengan data yang dikumpulkan darinya.
Selain Grafik, Tampilan Data dapat digunakan juga untuk mengisi daftar di jendela atau
laporan.

Bagaimana Tampilan Data Bekerja?

 PERINGATAN: Mengikuti dukungan standar terbatas pada pengoperasian kerangka

Tampilan Data di dalam Caliach Vision. Isi Tampilan Data dan desainnya adalah yang
secara khusus dikecualikan dari dukungan langganan normal . Demikian pula, Caliach
dapat memberikan bantuan dengan desain Tampilan Data namun hanya sebagai layanan yang
dapat dikenakan biaya.
Saat Tampilan Data dijalankan, akan melalui langkah-langkah berikut:
1. Ini menafsirkan disain dan mendefinisikan variabel yang dibutuhkan untuk
pengumpulan data. {106560/00/01
2. Ini menguji desain untuk memastikannya dapat berjalan tanpa kesalahan, setidaknya
sejauh mungkin tanpa interaksi dengan mesin server. {106560/00/01
3. Ini mengumpulkan data mentah ke dalam daftar hasil menggunakan sejumlah
mekanisme alternatif, membatasi tingkat pengumpulan jika batasnya berlaku, dan
menerapkan filter akhir, jika diperlukan. {106560/00/01
4. Ini mengkonsolidasikan hasil di mana sub-total diperlukan. {106560/00/01
5. Ini memilah data gabungan yang dihasilkan. {106560/00/01
6. Ini menghitung total dan nilai akumulasi lainnya yang mungkin diminta.
{106560/00/01
7. Ini atas atau ekor memotong hasilnya jika batas berlaku. {106560/00/01
 8. Jika cacheing diaktifkan, ia menyimpan data hasil dalam database untuk digunakan
oleh orang lain. {106560/00/01
9. Ini memberikan hasil akhir pada objek (grafik, daftar atau laporan). {106560/00/01

 TIP: Membatasi pengumpulan rekaman atau hasil akhir yang diurutkan sangat berguna

untuk Indikator Kinerja Utama di mana Anda ingin melihat, katakanlah, {7 } 6 Urutan
Pemesanan Terakhir , 5 bidang penjualan berkinerja terbaik atau 20 besar pergerakan
saham dengan nilai  .
Lihat nanti untuk lebih jelasnya dan penjelasan tentang Hasil Penyimpanan dan Cacheing,
tapi jika catatan cache tersedia langkah 2 sampai 6 diganti dengan membaca data langsung
dari catatan sejarah.

Mencari Data
Tampilan Data dapat memiliki beberapa Penelusuran . Pencarian adalah proses
pengumpulan data yang menambahkan hasil ke daftar hasil di memori. Jika ada lebih dari
satu hasil masing-masing ditambahkan ke daftar hasil yang sama. Penggunaan lebih dari satu
pencarian dapat berguna jika data dikumpulkan dari dua atau lebih tabel utama, misalnya
Item Baris Pemesanan Penjualan dan Riwayat Penjualan.
Tampilan Data dapat didefinisikan untuk menggunakan salah satu mekanisme akuisisi data
berikut (akan dipilih yang pertama tersedia):
Antarmuka Pencarian : Ini serupa dengan antarmuka pencarian laporan standar, misalnya
bagian pencarian jendela Master - Parts - Print Reports  . Ini berarti sebelum Tampilan Data
berjalan, pengguna harus melengkapi jendela Seleksi sehingga mungkin tidak cocok untuk
KPI yang biasanya perlu berfungsi tanpa interaksi pengguna. Mereka masing-masing khusus
untuk meja utama desain, dan tidak semua tabel memilikinya. Mereka menggunakan Query
Dinamis yang sama seperti laporan setara mereka.
Penelusuran Pengguna : pencarian pengguna adalah Custom Search bernama yang biasanya
tersedia di jendela pilihan laporan standar jika tombol Custom Search tersedia di jendela.
Mereka masing-masing khusus untuk meja utama desain, dan tidak semua tabel memilikinya.
Mereka menggunakan Query Dinamis yang sama seperti laporan setara mereka tapi tidak
seperti Antarmuka Penelusuran tidak ada interaksi pengguna yang dibutuhkan.
Query Dinamis : Ini harus tersedia di database Statements.db. Mereka sama seperti biasanya
digunakan pada pencetakan laporan, Search Interface dan User Search. Mereka adalah
mekanisme pengumpulan data multi-tabel yang kompleks dari mana output View Data dapat
ditarik. Jika dirancang dengan benar adalah server-engine netral.
Pilih Shortcut : Ini adalah pernyataan SQL pre-prepared yang lengkap. Mereka harus
tersedia di database Statements.db, mulai dengan kata kunci SELECT dan berisi FROM
clause. Mereka mandiri, umumnya cepat dalam operasi dan server-engine netral.
SQL Select Text : Ini adalah pernyataan pilih SQL yang ditulis satu per satu yang dapat
berisi Gabung Shortcuts dan / atau Where Shortcuts dari database Statements.db. SQL yang
dihasilkan harus sesuai untuk Server Engine yang terhubung dan memimpin dengan kata
kunci SELECT. Ini cepat dalam eksekusi.
Tabel dan Bergabung : Jika tidak ada yang lain yang didefinisikan, Anda dapat
memasukkan Tabel utama dengan sampai 3 tabel yang digabungkan dan Listfile. Ini akan
dibangun ke dalam SQL memilih untuk mengumpulkan data dari mana Output Data View
dihasilkan. Setiap klausa mana yang harus sesuai untuk mesin server tempat Anda terhubung.
Kolom data dari salah satu dari 5 tabel potensial tersedia untuk Data View.
{Server} Server Server : Server database Caliach Vision mendukung, SQLite, PostgeSQL,
MySQL dan kloningnya MariaDB, semuanya berbicara dalam berbagai dialek SQL terutama
saat fungsi dipanggil. Objek dalam Pernyataan Standar.db biasanya mengakomodasi hal ini
dengan alternatif spesifik DBMS. Tetapi jika ini tidak ditulis dengan benar atau jika Anda
menggunakan pernyataan teks SQL eksplisit yang dikunci hanya pada satu DBMS, Anda
akan mengalami masalah saat eksekusi berlangsung dengan DBMS yang berbeda. Anda
harus secara khusus waspada terhadap hal ini jika pengguna menggunakan SQL Engine yang
berbeda. Mungkin Anda mengkloning database Anda ke database SQLite lokal dan
memasukkannya ke Laptop. Jika desain Tampilan Data Anda tidak server-tidak sensitif Anda
akan mengalami masalah. Jika memungkinkan membuat SQL Anda menulis kebal.
Pencarian 1 selalu berlaku untuk Tabel utama dari Tampilan Data jika menggunakan
Antarmuka Serach, User Search dan / atau Tabel + Join. Jika menggunakan Dynamic Query,
Statement Shortcut atau SQL Text, tabel yang digunakan akan ditentukan di dalamnya.
Dengan Tabel + Bergabung, sampai 3 Bergabung dapat dilakukan dalam pencarian. Gabung
adalah tempat baris tabel terkait ditemukan. Jika itu adalah Waktu bergabung maka join
adalah opsional jadi jika tidak ada join row yang ditemukan data masih akan disertakan
dalam hasil. Ini diperlukan bila hubungan itu hanya bersifat opsional.
A Listfile join adalah tipe khusus untuk join dimana banyak record dapat dikumpulkan dari
tabel join listfile. Ini dikenal sebagai hubungan banyak orang. Hal ini sangat berguna jika
pencarian mengemudi Anda berasal dari Interface Pencarian namun hasil yang Anda cari
tidak sesuai untuk bergabung secara konvensional. Misalnya, Anda mungkin ingin memilih
Pelanggan di Antarmuka Pencarian Pelanggan biasa dan mencantumkan item Order Pesanan
Penjualan mereka saat ini. Hal ini bisa dilakukan dengan membuat listfile join pada file SO
line items.
A Perhitungan Final Filter secara opsional dapat diterapkan untuk membatasi hasil setelah
dikirim oleh server. Ini sangat berguna saat Anda ingin membatasi hasilnya atas dasar nilai
dalam catatan file yang digabungkan. Misalnya, jika file utama pencarian adalah Riwayat
Penjualan dengan bergabung ke file Pelanggan, Anda mungkin ingin membatasi nilai pada
kode indeks Pelanggan tertentu. Ini tidak mungkin dilakukan pada pencarian file utama,
namun ada pada Final Filter karena pada saat itu data pelanggan tersedia.

 Kemampuan Khusus
Tampilan Data dapat digunakan dalam kustomisasi. Semua pemrosesan tampilan data
dilakukan oleh kelas objek oDataView . Kelas objek perlu diinaktivasi ke dalam variabel
tipe Object or Object Reference. Anda dapat melakukan ini dalam definisi variabel atau
dengan cara yang lebih terkontrol menggunakan notasi berikut (dalam kasus ini iDataObj
adalah variabel contoh referensi objek dan kodenya ada dalam $ construct dari sebuah
jendela):
Do $clib.$objects.oDataViews.$newref() Returns iDataObj
Untuk menjalankan Tampilan Data, Anda perlu menghubungi metode berikut:
Do iDataObj.$RunDataView(pDataViewName, pReturnRef, pReturnMethod)
Metode ini tidak memiliki nilai pengembalian. Ini memulai proses pengumpulan data Data
View. pDataViewName adalah nama tampilan data dengan sintaks sejarah jika diinginkan
(lihat bagian selanjutnya). pReturnRef adalah referensi item ke objek yang akan memproses
data (misalnya contoh laporan) di pReturnMethod, nama metode. Jika pencarian pengguna-
interaktif merupakan bagian dari proses pengumpulan data maka diserahkan ke jendela
pencarian. Data cache otomatis dikontrol. pReturnRef. [pReturnMethod] () akan dipanggil
untuk mengirimkan data yang dikumpulkan.
Anda kemudian perlu membuat metode untuk menerima hasilnya. Ini harus dinamai sama
seperti pReturnMethod dan mulai dengan simbol $. Jadi misalnya, dalam laporan $ sebuah
laporan yang akan Anda dapatkan:
Do iDataObj.$RunDataView('TestView', $cinst, '$Results')
dimana TestView adalah nama Tampilan Data, $ cinst adalah rujukan ke laporan yang Anda
jalankan, dan $ Results adalah nama metode kelas yang telah Anda buat untuk menerima dan
memproses data.
Ketika Anda membuat $ Result Anda perlu membuat variabel parameter berikut yang akan
berisi hasil pengumpulan data:
Parameter Deskripsi
pName Harus disetel ke variabel Karakter (Sederhana, 100000000). Ini akan
berisi nama desain Tampilan Data yang mungkin ingin Anda tampilkan
di laporan atau jendela.
pResultList Harus ditetapkan ke variabel List atau Field reference yang akan berisi
data yang dikembalikan oleh pengumpulan data.
pKalkulasi Harus disetel ke variabel Karakter (Sederhana, 100000000). Ini akan
berisi string yang sesuai untuk mengisi properti penghitungan $ dari
daftar kepala di jendela. Misalnya, con (iList.Col1, kTab, iList.Col2 ...).
Jika Anda ingin Anda dapat menggunakan ... $ calculation $ assign
(pCalculation) selama daftar Anda diberi nama iList .
pColumnNames Harus disetel ke variabel Karakter (Sederhana, 100000000). Ini adalah
daftar judul kolom koma yang dipisahkan koma dan dapat langsung
ditugaskan ke properti $ columnnames dari daftar yang dikepalai di
jendela.
pColumnWidth Harus disetel ke variabel Karakter (Sederhana, 100000000). Ini adalah
s daftar dipisahkan koma lebar kolom dan dapat langsung ditugaskan ke
properti $ columnwidths dari daftar kepala di jendela.
pColumnAlign Harus disetel ke variabel Karakter (Sederhana, 100000000). Ini adalah
daftar koma delimited dari keberagaman kolom untuk daftar yang
menuju ke sebuah jendela. Setiap kolom disetel 0 untuk dibiarkan
dibenarkan, 1 untuk pembenaran yang benar atau 2 untuk pembenaran
 pusat. Karena Anda perlu menggunakan metode $ setcolumnalign ()
agar kode ini digunakan sedikit lebih kompleks (lihat contoh di bawah).
pTicksRow Harus ditetapkan ke variabel Baris . Ini akan berisi 6 kolom bernama
C1 sampai C7 dan ini akan berisi tick count kali dalam ticks untuk 6
tahap pemrosesan Data View dengan C7 menjadi jumlah baris server-
kembali Atick adalah sepersepuluh detik.
pSearchSerial Harus di set ke variable Number, 32bit integer . Ini akan berisi nomor
seri Tampilan Data multi-pencarian.
Berikut ini adalah contoh kode untuk jendela dengan daftar yang menuju (bernama Daftar)
yang menerima data dengan metode bernama $ Result. Anda perlu menyiapkan variabel
instance untuk daftar yang bernama iList:
Calculate iName as pName
Do $cinst.$title.$assign(con('Data View Results for : ',iName))
Calculate iList as pResultList
Do $cinst.$objs.List.$colcount.$assign(iList.$cols.$count())
Do $cinst.$objs.List.$calculation.$assign(pCalculation)
Do $cinst.$objs.List.$columnnames.$assign(pColumnNames)
Do $cinst.$objs.List.$columnwidths.$assign(pColumnWidths)
For %i from 1 to $cinst.$objs.List.$colcount step 1
Calculate lAlign as strtok('pColumnAlign',',')
Do $cinst.$objs.List.$setcolumnalign(%i,lAlign)
End For
Redraw {List}
Laporan sedikit lebih rumit namun ada kelas laporan demonstrasi yang
disebut rDataViewDemo untuk menyediakan kerangka kerja bagi Anda. Dengan itu, untuk
kemudahan properti kelas $ userinfo diatur ke nama Data View. Kode metode $ construct
adalah sebagai berikut:
Do $ctask.tPrint.$ReportConstruct($cinst)
Do $clib.$objects.oDataViews.$newref() Returns iDataObj
Calculate lName as $cinst.$class().$userinfo
Do iDataObj.$RunDataView(lName,$cinst,'$Return') Returns lMessage
If len(lMessage)=0
 Quit method
End If
Do $ctask.tEnv.$Ok(con('Report: ',sys(80)),kFalse,kTrue,kFalse,15482,lName,lMessage)
Do $cinst.$close()
Metode $ destruct membersihkan memori:
Do iDataObj.$deleteref()
Kemudian metode $ Return menerima data berupa Data View, membuat field dan judul pada
laporan dan kemudian mencetak data. Ini menggunakan metode oDataViews $
SetReportFields yang menyiapkan bidang laporan asalkan ada satu field data dan satu field
heading (dalam kasus ini diberi nama Field1 dan 1009, masing-masing). Ini mengembalikan
deretan desain Tampilan Data yang memegang desain dan karena itu Anda dapat
menggunakan nama, deskripsi atau elemen desain lainnya. Kodenya adalah sebagai berikut:
Calculate iList as pResultList
Do iDataObj.$SetReportFields(pResultList, pCalculation, pColumnNames, pColumnWidths,
pColumnAlign, $cinst,'Field1', '1009') Returns iDesignRow
For %i from 1 to iList.$linecount step 1
Calculate iList.$line as %i
Do $cinst.$printrecord()
End For
Do $cinst.$endprint()
Tidak perlu Do $ cinst. $ Close () pada akhirnya karena biasanya ini ditangani oleh perintah
atau metode yang digunakan untuk menjalankan laporan. Proses menghasilkan data berjalan
selama $ construct dari laporan selain ketika Data View berisi Search Interface. Dalam kasus
ini metode $ return dijalankan setelah Interface Pencarian selesai mengumpulkan data. Ini
berarti bahwa sementara Interface Pencarian terbuka, laporan harus tetap tersimpan dalam
memori dan tidak dapat ditutup. Perintah Print Report tidak dapat digunakan karena ini
menutup laporan sebelum Interface Pencarian telah diaktifkan oleh pengguna. Aliran
program yang interupted ini memerlukan laporan berbasis Data View yang dibuka dengan
cara khusus dari jendela menggunakan kode berikut:
Do $ctask.tPrint.$PreReportPrint('rDataViewDemo') Returns lOk
If lOk
 Do code method cReportDest/BeforePrint Returns lOk
If lOk
Do $ctask.tPrint.$OpenReport(sys(80))
Else
Do $ctask.tPrint.$RevertDest()
End If
Else
Do $ctask.tPrint.$RevertDest()
End If
Contoh di atas tersedia di wDemoWindow di bawah tombol PrintDemoDataView. Nama
kelas laporan (rDataViewDemo) diatur di baris pertama.

Pengguna dan Akses Grup

Anda dapat membatasi akses pengguna ke Penayangan Data secara individual dengan
setelan Akses Pengguna dan Grup akses . Jika keduanya dibiarkan kosong, pengguna
manapun dapat menggunakan desain Tampilan Data dan riwayat yang dihasilkannya. Anda
dapat memasukkan satu atau beberapa ID pengguna dan nama Grup, dipisahkan dengan
koma, dan jika Anda hanya menggunakan pengguna dengan ID atau salah satu dari grup
tersebut, diizinkan untuk menggunakan Tampilan Data. Jadi, misalnya jika Anda
menetapkan akses pengguna  ke CG, DAB dan akses grup ke Penjualan, Akun , maka
pengguna mana pun milik grup Penjualan atau Akun ditambah dua pengguna CG dan DAB
akan mendapatkan akses.
Akses Pengguna dan Akses Grup tidak tersimpan dalam struktur data XML, jadi mereka
tidak akan disimpan di server jika diunggah ke penyimpanan Web. Demikian pula mereka
akan selalu kosong jika didownload dari server. Namun mereka dipegang dalam XML saat
diekspor ke file dan diimpor dari satu.
Saat Grafik menggunakan Tampilan Data, desain grafik akan menghemat salinan desain
Tampilan Data yang digunakannya. Jika pengguna memiliki akses ke desain Data View yang
tersimpan, ini akan digunakan dan bukan desain mandiri. Ini untuk memungkinkan
menjalankan grafik setelah Data View telah dihapus atau pengguna yang menjalankan grafik
tidak lagi memiliki akses ke Data View. Dalam keadaan seperti itu, pengaturan akses
Pengguna dan Grup diabaikan, sehingga pengetatan keamanan pada tampilan data mungkin
tidak menghentikan grafik berfungsi untuk pengguna yang sekarang dikecualikan, namun ini
akan mencegah mereka mendapatkan manfaat dari perubahan pada Tampilan Desain yang
dibuat selanjutnya.

Data View Results Penyimpanan dan Cacheing

Sistem Tampilan Data menggabungkan mekanisme penyimpanan hasil pengumpulan data.
Ini dilakukan di datafile utama di slot data DAVFILE dan dikendalikan oleh pengaturan Save
Results pada tab Advanced pada jendela Pemeliharaan Data View .
Penyimpanan hasil memiliki dua tujuan yang berguna:
1. Hal ini memungkinkan hasilnya menjadi cache yang secara sederhana berarti bahwa
jika Tampilan Data dijalankan berulang kali, dalam batas waktu, pengumpulan data
dihindari dan bukan hasil dari koleksi pertama adalah digunakan kembali Ini sangat
berguna bila banyak pengguna pada sistem cenderung menjalankan Data View yang
sama dengan kriteria pencarian yang sama sekitar waktu yang sama, misalnya pada
hari Senin pagi. Setelah data dikumpulkan pada tahap pertama, pengguna lain
mendapatkan hasilnya hampir seketika. {106560/00/01
2. Hal ini memungkinkan hasil data dinamis menjadi direkam dan dapat dilihat untuk
tujuan perbandingan di masa depan, lagi hampir seketika. Sebagai contoh, analisis
valuasi saham bulanan dapat dicatat pada awal setiap bulan, dan akan tetap tersimpan
untuk referensi atau tampilan ulang di masa depan. {106560/00/01
Ada tiga pengaturan numerik untuk kontrol penyimpanan:
Masuk Tindakan
Cache-waktu dalam Cache-detik yang kumpulan data terakhir tetap digunakan (cache)
hitungan detik setelah data akan dibangun kembali (< 1 = tidak pernah disimpan).
Aktif-waktu dalam Active-detik setelah periode cache yang kumpulan kumpulan data
hitungan detik terakhir akan dibangun kembali setelah record data baru dibuat (< 1
= dibangun kembali, catatan tunggal).
Hapus otomatis Hapus-hari setelah mana rekam data dihapus secara otomatis (< 1 =
waktu dalam tidak pernah dihapus secara otomatis).
beberapa hari
Jika waktu Cache nol, tidak ada penyimpanan yang terjadi sama sekali. Selama periode
Cache sejak pengumpulan terakhir selesai, pengguna yang menggunakan Data View akan
menerima hasil yang dikumpulkan dalam rekaman yang tersimpan.
Untuk periode Active-time berikutnya, rekam data yang sebelumnya di-cache akan
diperbarui dengan koleksi baru Data View. Setelah waktu ini telah kedaluwarsa, catatan akan
menjadi sejarah permanen sampai dihapus secara otomatis saat waktu Hapus otomatis dalam
hari telah habis masa berlakunya. Contoh berikut menggambarkan alternatifnya:
Tiga nilai Hasil
lapangan
0,0,0 Ini berarti tidak ada data hasil rekaman yang akan dipertahankan sama
sekali, jadi tidak ada caching dan tanpa sejarah. Ini berguna untuk
Tampilan Data ad hoc atau di mana kriteria pencarian pengguna
diterapkan secara acak.
3600,0,0 Caching akan selama 1 jam setelah koleksi pertama, maka rekaman yang
tersimpan akan dibangun kembali selamanya dan tidak pernah dihapus
secara otomatis. Ini akan berguna untuk snapshot data yang
membutuhkan waktu lama untuk pengumpulan data namun digunakan di
banyak tempat seperti beberapa grafik dan laporan.
100,86400,365 Hasil pengumpulan data pertama akan di-cache selama 100 detik dan
selanjutnya selama 1 hari akan dibangun kembali jika dijalankan
kembali. Kemudian akan dihapus secara otomatis setelah satu tahun. Ini
bisa berguna untuk Pandangan Data mungkin memerlukan beberapa
usaha untuk mendapatkan yang benar, namun bila benar perlu disimpan
sebagai sejarah, seperti valuasi saham.
604800,1,7305 Hasil pengumpulan data pertama akan di-cache selama seminggu dan
efektif maka tidak pernah dibangun kembali. Kemudian akan dihapus
secara otomatis setelah 20 tahun. Ini berguna untuk Tampilan Data yang
dilihat oleh banyak pengguna setelah awalnya dikumpulkan dan dapat
dipercaya benar pada saat pertama dijalankan, misalnya analisis deret
periode tertutup, atau laporan keuangan.
 PERINGATAN: Jangan memberikan waktu cache yang lama ke Tampilan Data yang
berisi antarmuka Penelusuran karena, jika waktu tembolok masih berlaku, tidak ada
antarmuka pencarian yang akan ditawarkan kepada pengguna, jadi dia menang ' t
mendapatkan kesempatan untuk memasukkan pilihan pencarian alternatif. Untuk melakukan
itu dia harus menunggu waktu cache habis.
  PERINGATAN: Jangan melebihi riwayat rekaman. Meskipun desain XML dan data
yang terkumpul disimpan dalam keadaan terkompresi untuk meminimalkan permintaan
penyimpanan, Anda dapat dengan cepat mengkonsumsi ruang di datafile. Ini sangat berguna
bila data yang terkumpul adalah rangkuman. Misalnya, tidak masuk akal untuk mengadakan
laporan terperinci yang besar, yang secara teratur diambil, dengan cara ini karena persyaratan
ruang tidak perlu mengurangi kinerja keseluruhan sistem dengan sedikit keuntungan. Untuk
menyimpan laporan besar menggunakan teknik lain seperti mencetak laporan ke tujuan disk
dan menyimpannya di lokasi eksternal yang diketahui. Anda dapat melihat statistik
penyimpanan data jika Anda Hasil Cetak di File - System Manager - Uji Waktu Sistem  , dan
cari cache Data View dan pengumpulan data riwayat } DAVFILE

 TIP: Jangan atur nilai Cache sampai Anda selesai dan menguji Tampilan Data, jika
tidak, Anda mungkin disesatkan pada perubahan pemikiran tidak tercermin dalam hasil
karena Anda melihat catatan cache bukan membangun baru dari desain.
Untuk setiap Tampilan Data yang dipilih, Anda dapat meninjau dan mengelola data historis
yang dikumpulkan menggunakan tombol Kelola Riwayat pada tab Lanjutan
jendela Pemeliharaan Tampilan Data . Ini akan membuka jendela Data Views Data
Collection Maintenance . Di sini Anda bisa menghapus catatan sejarah yang tidak diinginkan
dan meninjau data yang dikumpulkan pada kesempatan sebelumnya.
Data yang dikumpulkan disimpan juga memegang nomor periode ledger dan bahasa yang
diterapkan pada pengumpulan data. Ini dikendalikan oleh tiga pengaturan dalam desain
Tampilan Data. Anda dapat memaksa Tampilan Data ke bahasa tertentu, jika tidak, pilihan
Bahasa Swap akan digunakan pada saat menghasilkan data. Untuk desain Tampilan Data
yang relevan dengan data buku besar, Anda perlu menentukan buku besar mana yang sesuai
dan apakah itu berlaku untuk periode buku besar yang terbuka saat ini. Dengan pengaturan
ini, sejarah akan menyimpan nomor periode buku besar yang sesuai.
Masuk Tindakan
Kode Kode bahasa untuk pengumpulan data itu, jika diatur, menimpa pilihan
bahasa Bahasa Swap pada saat mengumpulkan.
buku Buku besar (R, P atau G) yang relevan dengan pengumpulan data untuk
besar menentukan periode buku besar mana yang sesuai dengan data (akan
menetapkan DAVPERN).
 Periode Periksa kapan periode ledger saat ini diterapkan daripada periode penutupan
Saat Ini sebelumnya.
Secara eksplisit Menggunakan Riwayat Tampilan Data
Mungkin berguna untuk menggunakan data Riwayat Tampilan Data untuk tujuan
perbandingan, misalnya dalam grafik di mana Anda ingin membandingkan hasil saat ini
dengan bulan lalu ' s. Hal ini dapat dilakukan bila data view name dimasukkan dengan
menambahkan sintaks khusus karakter tambahan dalam bentuk DataViewName?xxxxx itu?
karakter memberitahu sistem bahwa ia harus mencari data history yang ditetapkan untuk
tampilan data yang dinamai daripada mengumpulkan data saat ini untuk tampilan data. Ada
beberapa opsi untuk karakter yang mengikuti nama tampilan data:
Karakter Fungsi dan Contohnya
106560/00/01XNNN Dimana X adalah R untuk buku besar Piutang Usaha, P buku
besar Accounts Payable atau G untuk General Ledger, diikuti
oleh nomor periode (bukan deskriptor periode, jadi lihatlah
Kalender Ledger untuk menemukan nomor yang benar). Atau
alternatifnya, jika jumlahnya negatif, jumlah periode sebelum
periode buku besar saat ini. {106560/00/01 106560/00/01G22
akan mengembalikan data dari id data 22. {106560/00/01
106560/00/01G-3 akan mengembalikan data dari 3 periode
kembali dari periode G / L saat ini. Jadi jika Anda di bulan
Juni akan mengembalikan data bulan Maret. {106560/00/01
106560/00/01R-12 akan mengembalikan data dari 12 periode
kembali dari periode A / R saat ini. Jadi jika Anda berada di
bulan Juni akan kembali Juni tahun lalu ' s data.
106560/00/01Dddmmyyy Untuk tanggal absolut di mana Anda memasukkan tanggal
y dalam bentuk angka ddmmyyyy untuk hari yang
bersangkutan. Data hanya ditemukan jika dibuat pada hari itu,
jadi mungkin akan membantu melihat data riwayat tampilan
untuk menemukan tanggal yang benar untuk digunakan. Ini
biasanya digunakan untuk memulihkan catatan riwayat
spesifik untuk tampilan data. {106560/00/01
 106560/00/01D01012011 yang memulihkan data tampilan
dari 1 Januari 2011.
106560/00/01DX-NNN~ Unit NN tanggal kembali dimana X adalah H untuk jam, D
untuk hari, W untuk minggu, M untuk bulan, Q untuk kuartal,
Y untuk tahun, dan dapat diikuti oleh ~karakter. Data
ditemukan berdasarkan perhitungan tanggal / waktu unit
kembali (jika - sudah kembali pada waktunya, atau jika tidak
maka akan berlanjut) dari awal unit tanggal / waktu saat ini
(awal jam, hari, minggu , bulan, triwulan, tahun, dll). Ini
menemukan data dari catatan dalam data view history yaitu
yang pertama setelah tanggal dihitung dalam perhitungan
tanggal / waktu unit. Jika tidak ada data yang digunakan. Jika
karakternya ~ditambahkan, catatan tidak harus berada dalam
periode unit waktu. yaitu rekaman apapun dari awal dan
seterusnya. {106560/00/01 106560/00/01DD-10 akan
menemukan data dari 10 hari yang lalu, yang tercatat sekitar
hari itu. {106560/00/01 106560/00/01DM-12 akan
menemukan data dari 12 bulan yang lalu, dari awal bulan itu,
tercatat sekitar bulan tersebut. {106560/00/01
106560/00/01DQ-2~ akan menemukan data dari 12 bulan
yang lalu, dari awal kuartal tersebut, tercatat setiap saat sejak
saat itu (karena ~karakter).
Jadi untuk menggunakan kumpulan data yang direkam dari tampilan
data StockValueMonthly diambil 12 bulan yang lalu sebagai perbandingan pada lapisan
grafik yang akan Anda masukkan StockValueMonthly?DM-12 pada properti data lapisan.

2. INTERPRETASI DATA
Interpretasi Data Menurut Moleong (1998: 197-207)
                 Interpretasi data (Moleong, 1998: 197-207) dijabarkan ke dalam (1) tujuan, (2)
prosedur umum, (3) peranan hubungan kunci, (4) peranan introgasi data, (5) langkah penafsiran
data dengan analisis komparatif:[12]
1.    Tujuan interpretasi data
  Menurut Schaltzman dan Straus (1973), memiliki tiga tujuan, yang:
a.  Deskripsi semata-mata, yaitu analis menerima dan menggunakan teori dan rancangan
organisasional yang telah ada dalam suatu disiplin. Hasil analisis data, menafsirkan data tersebut
dengan jalan menemukan kategori dalam data yang berkaitan dengan yang biasanya
dimanfaatkan dalam cara bercakap-cakap.
b.  Deskripsi analitik, yaitu rancangan yang dikembangkan dari kategori-kategori yang ditemukan
dan hubungan yang disarankan atau yang muncul dari data.
c.   Teori subtantif, yaitu teori dasar analis harus menampakkan rancangan yang telah dikerjakan
dalam analisis, kemudian mentransformasikan kedalam bahasa disiplinnya (sosiologi dan
sebagainya) yang akhirnya membangun identitasnya sendiri walaupun dilakukan dalam kaitan
antara objek yang dianalisis atau proses tradisional.[13]
2.    Prosedur umum interpretasi data
                 Interpretasi data yang sudah menjadi bagian dari teori dan dilengkapi dengan
penyusunan hipotesis yang kemudian diformulasikan baik dengan cara deskriptif maupun
proposional. Dengan alasan agar paradigma alamiah yang dipegang tidak dapat
dicampuradukkan dengan paradigma yang lain. Setelah menyelesaikan tahap penyusunan
kategori dan hipotesis, selanjutnya adalah menuliskan teori dengan bahasa disiplin ilmu masing-
masing dengan memilih salah satu diantara beberapa cara penulisan, seperti argumentasi,
deskripsi, perbandingan, analisis proses, analisis kausatif dan pemanfaatan analogi.
3.    Peranan hubungan kunci dalam interpretasi data
              Yaitu suatu metafora, model, kerangka umum, pola yang menolak, atau garis riwayat.
Hubungan tersebut dimanfaatkan untuk menghaluskan hubungan dengan hubungan suatu
kategori dengan kategori lainnya yang berfungsi sebagai aturan tetap untuk digunakan sebagai
kriteria inklusi-eksklusi.
4.   Peranan introgasi terhadap data
Adalah mengajukan seperangkat pertanyaan pada data sehingga terungkap banyak
persoalan dari data itu sendiri dengan menggunakan dua macam cara pengajuan pertanyaan,
yaitu cara substantif dan logis, dimaksudkan untuk memperoleh jarak dan variasi dalam
perspektif yang akan menghasilkan pertanyaan dan model. Substantif disini dimaksudkan
kosakata abstrak yang berasal dari disiplin ilmu sendiri, misalnya ideologi, kerja, prilaku
 kolektif, gerakan sosial dan kharisma. Sedangkan pertanyaan logis meliputi: komparasi, historis,
berfikir analogis, dan proses kerja.
5.  Langkah-langkah interpretasi data dengan metode analisis komparatif
Adalah metode umum seperti halnya metode ekpsperimen dan statistik. Pada awalnya
analisis komparatif digunakan untuk menganalisis satuan sosial berskala besar seperti organisasi
bangsa dan lembaga. Namun saat ini metode tersebut dapat digunakan untuk satuan sosial baik
berukuran besar maupun kecil.
        Interpretasi Data Menurut L. R. Gay
Teknik Interpretasi Data menurut L. R. Gay:
1.    Hubungkan hasil-hasil analisis dengan teori-teori pada bab  sebelumnya.
2.    Hubungkan atau tinjauan dari teori yang relevan dengan permasalahan yang dihadapi. 
3.    Perluaslah hasil analisis dengan mengajukan pertanyaan berkenaan dengan hubungan, perbedaan
antara hasil analisis, penyebab, implikasi dari hasil analisis sebelumnya.
4.    Hubungkan temuan dengan pengelaman pribadi.
5.    Berilah pandangan kritis dari hasil analisis yang  dilakukan.[14]         
 Enam langkah yang saling terkait yang terlibat dalam analisis data kualitatif dan
interpretasi menurut J. W. creswell
1. Peneliti perlu mempersiapkan dan mengatur data untuk analisis. Proses ini melibatkan
menyimpan dan menyalin data dan memutuskan apakah data dianalisis dengan tangan
atau komputer. Langkah berikutnya adalah untuk mengeksplorasi data dan kode. Hal ini
melibatkan membaca database dan kemudian menerapkan langkah-langkah yang terlibat
dalam coding. Langkah-langkah ini untuk mengidentifikasi segmen teks dan kemudian
untuk menetapkan label kode ke segmen berdasarkan makna peneliti melihat di segmen
teks. Kode ini kemudian digunakan dalam membentuk gambaran tentang fenomena pusat
atau dari konteks (atau pengaturan) penelitian. Kode juga dikelompokkan bersama untuk
membentuk tema yang lebih luas yang digunakan dalam penelitian sebagai temuan kunci.
Dari analisis ini, peneliti mewakili data dalam temuan melalui angka, tabel, peta, dan
diskusi rinci tema. Representasi ini kemudian menginformasikan interpretasi yang lebih
luas dari temuan, dan ini dibahas sebagai kesimpulan umum dan dibandingkan dengan
literatur yang ada. Kesimpulan dari penelitian yang juga perlu menyampaikan
keterbatasan penelitian serta penelitian masa depan. Hal ini penting juga untuk
 memvalidasi keakuratan temuan melalui beberapa strategi seperti memeriksa anggota dan
triangulasi.
2. Menyiapkan dan Mengatur Data untuk analisis. Dalam sebuah penelitian kualitatif,
manajemen data awal terdiri dari pengorganisasian data, menyalinwawancara dan catatan
lapangan mengetik, dan membuat keputusan untuk menganalisa data dengan tangan atau
dengan komputer. Beberapa program perangkat lunak yang baik yang tersedia untuk
analisis komputer.
3. Jelajahi dan  kode data yang peneliti kualitatif melakukan analisis awal data dengan
membaca melalui itu untuk mendapatkan pengertian umum dari data. Analisis utama data
kualitatif terdiri dari pengkodean data. Proses pengkodean adalah salah satu mengurangi
teks atau database gambar untuk deskripsi tions dan tema orang, tempat, atau peristiwa.
Ini melibatkan memeriksa baris demi baris teks database, menanyakan diri sendiri apa
yang dikatakan peserta, dan kemudian menetapkan label kode ke segmen teks.
4. Coding Membangun Deskripsi dan Tema Kode tersebut kemudian digunakan untuk
mengembangkan deskripsi orang dan tempat. Mereka juga digunakan untuk
mengembangkan tema yang menyajikan abstraksi yang lebih luas dari kode. Tema-tema
ini mungkin berlapis atau terorganisir untuk menceritakan sebuah cerita, atau mereka
juga dapat saling berhubungan untuk menggambarkan kompleksitas fenomena tersebut.
5. 5 Mewakili dan Laporkan Temuan Kualitati Peneliti kualitatif merupakan temuan mereka
dalam menampilkan visual yang mungkin termasuk angka,diagram, tabel perbandingan,
dan tabel demografis. Mereka melaporkan temuan dalam diskusi narasi yang terdiri dari
berbagai bentuk, seperti kronologi, pertanyaan, atau komentar tentang perubahan bahwa
pengalaman peserta. Menafsirkan Temuan Dari pelaporan dan mewakili temuan, peneliti
kualitatif membuat inter-penafsiran mengenai arti dari penelitian. Penafsiran ini terdiri
dari memajukan personal dilihat dengan membuat perbandingan antara temuan dan
literatur, serta menyarankan keterbatasan dan penelitian di masa depan.
6. Validasi Akurasi Temuan, yaitu untuk memeriksa ketepatan penelitian mereka, inquirers
kualitatif sering menggunakan validasi prosedur seperti pemeriksaan anggota, triangulasi,
dan audit. Maksud dari valida - tion adalah memiliki peserta, peninjau eksternal, atau
sumber data sendiri memberikan bukti keakuratan informasi dalam laporan kualitatif.
 BAB III

PENUTUP

3.1 Kesimpulan

Tampilan Data adalah definisi Caliach Vision tentang cara mengumpulkan kumpulan

data tertentu. Data disimpan dalam database Caliach Vision di Tabel , yang dapat dianggap
sebagai spreadsheet individual dengan sejumlah kolom yang telah ditentukan sebelumnya
dan sejumlah baris. Mereka lebih kompleks dari ini tapi pada intinya Anda bisa
membayangkannya seperti itu, dan dengan berbuat demikian Anda tidak akan terlalu salah.
Sebagai contoh, sebuah Part record adalah satu baris dari tabel bagian dan setiap elemen data
yang Anda lihat di jendela Bagian Pemeliharaan diadakan di kolom di tabel bagian (dikenal
secara internal sebagai tabel PTMFILE ).

Interpretasi data (Moleong, 1998: 197-207) dijabarkan ke dalam (1) tujuan, (2)
prosedur umum, (3) peranan hubungan kunci, (4) peranan introgasi data, (5) langkah penafsiran
data dengan analisis komparatif:
Teknik Interpretasi Data menurut L. R. Gay adalah Hubungkan hasil-hasil analisis
dengan teori-teori pada bab  sebelumnya, Hubungkan atau tinjaulah dari teori yang relevan
dengan permasalahan yang dihadapi,Perluaslah hasil analisis dengan mengajukan pertanyaan
berkenaan dengan hubungan, perbedaan antara hasil analisis, penyebab, implikasi dari hasil
analisis sebelumnya, Hubungkan temuan dengan pengelaman pribadi, Berilah pandangan kritis
dari hasil analisis yang  dilakukan.
Ada enam langkah yang saling terkait yang terlibat dalam analisis data kualitatif dan
interpretasi menurut J. W. creswell adalah: 1. Peneliti perlu mempersiapkan dan mengatur data
untuk analisis, 2. Menyiapkan dan Mengatur Data untuk analisis, 3.Jelajahi dan  kode data yang
peneliti kualitatif melakukan analisis awal data dengan membaca melalui itu untuk mendapatkan
pengertian umum dari data, 4.Coding Membangun Deskripsi dan Tema Kode tersebut kemudian
digunakan untuk mengembangkan deskripsi  orang dan tempat, 5.Mewakili dan Laporkan
Temuan KualitatiPeneliti kualitatif merupakan temuan mereka dalam menampilkan visual yang
mungkin termasuk angka, diagram, tabel perbandingan, dan tabel demografis, 6.Validasi Akurasi
Temuan Untuk memeriksa ketepatan penelitian mereka,inquirers kualitatif sering menggunakan
validasi prosedur seperti pemeriksaan anggota, triangulasi, dan audit.
 Daftar Pustaka
Creswell, J.W. Educational Research Fourth Edition. 2012. Boston: Pearson Education.

Gay, L. R, dkk. Educational Research Ninth Edition.  2009. London: Pearson Education.

Bogdan C Robert, Biklen, Knopp Sari. Qualitative Research For Education; An Introduction to

Theory and Methods:Allyn and Bacon.  1982. Boston London.

Sugiyono. Metode Penelitian Kuantitatif, Kualitatif dan R & D. 2007.  Bandung: Alfabeta.

Matthew B Milles and Huberman, Michael A. Qualitative Data Analysis. 1984. London: Sage

Publication.

Moleong Lexy J. Metode Penelitian Kualitatif. 1998. Bandung: Remaja Rosdakarya.