15.1. PENDAHULUAN
Untuk mendorong penerimaan mahasiswa baru, sebuah PTS bermaksud
membangun sistem pemantauan penerimaan mahasiswa baru. Untuk itu
serangkaian kegiatan pemasaran telah dilakukan guna meningkatkan
pendaftaran mahasiswa baru, mulai dari iklan, promosi, kunjungan ke sekolah
maupun kunjungan ke kampus Harapannya, dengan diimplementasikan DW
akan memudahkan dalam pemantauan aktifitas terkait dengan sistem
penerimaan mahasiswa baru seperti media promosi apa yang paling berperan
dalam peningkatan jumlah penerimaan mahasiswa baru, berapa biaya yang
perlu dikeluarkan dan berbagai informasi penting lainnya terkait dengan
penerimaan mahasiswa baru.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 215
penerimaan mahasiswa baru dapat dirumuskan seperti yang digambarkan pada
Gambar 15.1. Ada beberapa teknik yang bisa digunakan untuk menggambarkan
sistem yang sedang berjalan, dimana yang paling sering digunakan adalah flow
chart.
Tabel 15.1. Indikator Kinerja Kunci (KPI) untuk marketing di sebuah PTS
Berdasarkan KPI ini, maka subyek area, target pengguna, dan informasi yang
relevan dapat ditentukan seperti dijelaskan pada Tabel 15.1.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 217
Tabel 15.2. Subyek area, target pengguna dan informasi lain yang relevan untuk
sistem penerimaan mahasiswa baru
Subyek area Target Pengguna Informasi yang relefan
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 218
Gambar 15.2. ERD sistem penerimaan mahasiswa baru di sebuah PTS
Persoalan dasar dari sistem yang ada saat ini adalah belum adanya
laporan yang bisa mengintegrasikan semua informasi yang dibutuhkan oleh tim
PMB pada PTS tersebut. Dampaknya proses pelaporan membutuhkan waktu
yang cukup lama karena harus menggabungkan berbagai data dan informasi
yang tersebar di berbagai aplikasi dan berbagai database.
Dengan pendekatan process-driven, proses penerimaan
mahasiswa baru dapat dianalisis dan dirancang. Penerimaan
mahasiswa baru sering lintas divisi. Bagaimana mengumpulkan
informasi yang terkait dengan proses PMB ini dari berbagai
sumber yang heterogen, memantau proses dan
menyelaraskannya dengan strategi universitas dan tujuan
tingkat tinggi lainnya adalah masalah utama bagi pembuat
keputusan. Detail aliran proses dalam PMB (berdasarkan
diskusi dengan tim pemasaran) dapat dilihat pada Gambar 15.3.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 219
Pada gambar ini, urutan proses penerimaan mahasiswa
dijelaskan secara lebih rinci mulai dari pendaftaran, pembayaran
biaya pendaftaran, usm (ujian saringan masuk) sampai ke
registrasi menjadi mahasiswa baru dan mendapatkan NIM
(Nomor Induk Mahasiswa)
>exam exam result>
Legend
Exam System
f : feed back transaction
e:exam
Exam Exam internal object
System System
f:exam result
Student Candidate
enrolment> >enrolment payment> >test no exam> pass result> >registration bill >payment >student ID
fee semester> semester
Students Students Students Students Students Students Students Students Students
Students
Candidate Candidate Candidate Candidate Candidate Candidate Candidate Candidate Candidate
Candidate
c:enrolment fee
c:bill semester
r:student ID
i:re-enrol
c:test no
i:enrol
e:payment
fee> notification semester notification
f:payment notification
Marketing
Finance
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 220
• Laporan-laporan lain yang menunjang pengambilan keputusan seperti
sekolah pendaftar terbanyak, fakultas atau program studi favorit mahasiswa
dan laporan yang berhubungan dengan PMB, seperti jumlah pendaftar dari
tahun ke tahun.
Sedangkan pendekatan externally-driven digunakan untuk menentukan
sumber informasi yang mempengaruhi penerimaan mahasiswa baru dan
penyiapan reward guna menarik calon mahasiwa yang potensial.
Dari hasil kompilasi atas keempat driven yaitu data-driven, goal-drive,
process-driven dan user-driven didapatkan fact sebagai berikut:
• Fact Pembelian: fact pembelian digunakan untuk analisis hal-hal seputar
pembelian formulir
• Fact Daftar Ulang: fact daftar ulang untuk menganalisis hal-hal yang
berkaitan dengan calon mahasiswa yang melakukan daftar ulang
• Fact USM: fact USM (ujian saringan masuk) berkaitan dengan persoalan
ujian saringan masuk
• Fact PPMB: fact PPMB (proses penerimaan mahasiswa baru) berkaitan
dengan semua proses PMB
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 222
Gambar 15.4. DFM (Dimensional Fact Model) penerimaan mahasiswa baru di
sebuah PTS
Dari gambar 15.4. tampak bahwa ada beberapa fact table yang menjadi
fokus perhatian para pengambil keputusan yaitu Fact Pembelian untuk
mengetahui jumlah pembelian formular pendaftaran calon mahasiswa untuk
masuk ke PTS tersebut. Fact Daftar Ulang digunakan untuk mengetahui calon
mahasiswa yang melakukan daftar ulang. Fact USM digunakan untuk memantau
ujian saringan masuk calon mahasiswa. Sedangkan Fact PPMB dimaksudkan
untuk memantau proses keseluruhan proses penerimaan mahasiswa baru.
Sebagai catatan tambahan yang tidak kalah penting adalah adanya
dimensi waktu guna melihat efektifitas pelaksanaan penerimaan mahasiswa
baru dilihat dari sisi tanggal, minggu, bulan, semester dan tahun. Dengan
demikian bisa dilakukan perbandingan dengan tahun-tahun sebelumnya guna
melihat efektifitas penerimaan mahasiswa baru.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 224
Sebagai field baru dalam tabel fakta yang ada, agregasi menghadapi masalah
berikut:
O Masalah penghitungan ganda (double counting).
O Agregasi dapat dilihat oleh pengguna.
• Sebagai tabel fakta baru
Sebagai tabel fakta baru, manfaat berikut dapat diperoleh dibandingkan
dengan metode sebelumnya:
O Masalah penghitungan ganda terselesaikan.
O Agregasi tidak terlihat oleh pengguna.
O Mudah diperbarui di masa depan tanpa masalah dengan tabel.
O Ukuran field agregasi tidak mempengaruhi ukuran field untuk data
dasar.
Agregasi diperlukan jika diprediksi ada query yang melibatkan banyak
data. Dalam kasus seperti itu, respons yang lebih cepat dapat diperoleh melalui
agregasi, karena hasilnya sudah tersimpan dalam agregat. Oleh karenanya
ringkasan data seyogyanya hanya diterapkan dalam kondisi kritis saja.
Berdasarkan pengalaman, untuk tabel fakta dengan jumlah data sedikit
tidak diperlukan agregasi. Hal ini cocok untuk DW yang baru atau DW untuk
organisasi/ perusahaan skala kecil. Secara umum agregasi perlu selektif
diterapkan, tergantung seberapa sering query atas data tersebut dilakukan oleh
pengguna. Jumlah total agregasi yang bisa dibuat dapat didefinisikan dengan
hanya mengalikan jumlah level dalam setiap hierarki dimensi.
Model konseptual dari tahap sebelumnya perlu diterjemahkan ke dalam
model logikal, guna mendokumentasikan struktur data yang dapat
diimplementasikan ke dalam database. Implementasi satu desain konseptual
mungkin memerlukan beberapa model desain logikal. Berikut ini adalah
terjemahan dari desain konseptual menjadi desain logikal untuk penerimaan
mahasiswa baru di sebuah PTS.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 225
Gambar 15.5 Star Schema Pembelian
Star schema pembelian menjelaskan tentang pembelian formulir calon
mahasiswa. Dari skema ini bisa diketahui jumlah formulir terjual, formulir yang
kembali dan yang tidak kembali (jumlah formulir batal). Skema ini bisa dianalisis
berdasarkan waktu (tanggal, bulan, semester, tahun) lokasi penjualan formulir,
gelombang pendaftaran, basis yang di pilih pembeli, status pendaftar (SMA,
SMU, D3 atau D4)
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 226
Dari star scheme daftar ulang dapat diketahui transaksi pendaftaran
calon mahasiswa baru, yang dapat dianalisis berdasarkan waktu pendaftaran,
status daftar, gelombang pendaftaran, semester akademis dan tahun akademis.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 227
Star scheme PPMB merupakan gabungan dari star schema pembelian,
daftar ulang dan juga USM yang dibuat menjadi satu skema besar. Hasil analisis
bisa dilihat berdasarkan waktu.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 228
Gambar 15. 9. Model sumber dan target tabel
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 229
Gambar 15.10. Visualisasi proses ETL untuk tagihan mahasiswa
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 230
15.7. DISAIN FISIKAL
Lingkungan DW dapat direpresentasikan dalam bentuk DW atau DM.
Hal yang umum dilakukan saat ini dalam membangun DW adalah membangun
koleksi DM yang terintegrasi, di mana masing-masing DM didedikasikan untuk
mempelajari masalah spesifik di suatu organisasi.
DM (bagian dari DW) dibuat dengan menyesuaikan dengan sekumpulan
deklarasi yang disebut dengan DW bus. Pemetaan antara proses bisnis dan
entitas (obyek) yang berpartisipasi dalam proses ini dapat dilakukan oleh matriks
bus. Matriks bus pada dasarnya adalah arsitektur data dimensi organisasi.
Untuk setiap proses bisnis (baris), dapat dilihat dimensi (kolom) mana yang
diperlukan untuk diterapkan. Untuk setiap dimensi, harus dapat dipastikan
proses bisnis mana yang harus didukung.
Integrasi dimensi dalam suatu DW dapat secara signifikan
meningkatkan kualitas pengambilan keputusan. Konsolidasi DM melalui
integrasi dimensi menghasilkan tampilan data tunggal, konsisten, terintegrasi,
dan akurat dalam suatu organisasi. Sebagai hasilnya, bisnis dapat memperoleh
penghematan biaya, menghindari biaya yang tidak perlu / mahal, mendapatkan
pengembalian tinggi dari investasi TI, serta secara efektif dapat menangani
keamanan informasi dan kepatuhan terhadap peraturan dan meningkatkan
pengambilan keputusan yang mendorong diferensiasi kompetitif.
Sebagai bentuk penterjemahan DWQFD dari bab sebelumnya (Bab 11),
berikut ini adalah penerapnnya di sistem penerimaan mahasiswa baru di sebuah
PTS.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 231
Gambar 15.11. Matriks DWQFD untuk sistem penerimaan mahasiswa baru.
Dari gambar 15.11 di atas bisa dilihat beberapa hal berikut:
- Matriks bagian atas menunjukkan hubungan antar dimensi di lingkungan
akademik.
- Dari aspek teknis, waktu adalah dimensi yang paling mudah ditangani,
sedangkan mahasiswa mungkin yang paling sulit. Dimensi mahasiswa dapat
bersumber dari banyak tabel di banyak basis data yang telah berkembang
selama beberapa tahun.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 232
- Banyak hal harus diperhatikan terkait dengan pembangunan dimensi agar
sesuai dengan banyak elemen, seperti kesulitan teknis, jumlah tabel terkait,
penggabungan atau pencocokan dimensi serta kompleksitas transformasi.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 234
Gambar 15.11. Perancangan cube dengan Pentaho Schema Workbench
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 235
Gambar 15.13. Tampilan hasil MDX Query OLAP
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 236
Gambar 15.16. Transformasi ke Fact USM (Ujian Saringan Masuk)
Hampir mirip dengan OLAP pembelian formular, OLAP daftar ulang juga
memiliki kemampuan drill down dan drill up di beberapa dimensi. Penambahan
yang khusus untuk analisis disini adalah sumber informasi guna penelusuran
lebih jauh media informasi apa yang paling efektif dalam penerimaan mahasiswa
baru.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 239
Gambar 15.20 OLAP USM (Ujian Saringan Masuk)
Terkait dengan USM (Ujian Saringan Masuk), informasi yang perlu digali
lebih jauh adalah jumlah peminat masing-masing prodi, sebaran kota tempat
pelaksanaan ujian saringan masuk terkait dengan gelombang penerimaan
mahasiswa dan juga pemantauan hasil USM nya.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 240
Proses penerimaan mahasiswa baru (PPMB) adalah gabungan dari
keseluruhan OLAP yang sudah dijelaskan sebelumnya sehingga pengambil
keputusan bisa melihat langsung kondisi penerimaan mahasiswa baru terkait
dengan lokasi pendaftaran, gelombang penerimaan mahasiswa baru, sumber
informasi pendafataran dan berbagai informasi lain yang relevan dengan PMB.
15.8.4. DASHBOARD
Dalam proses pengambilan keputusan, seringkali pengambil keputusan
memiliki waktu yang terbatas. Oleh karena itu tampilan visual atas informasi
terpenting perlu diwujudkan dalam bentuk dashboard guna membantu
pengambil keputusan yang memiliki waktu terbatas.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 241
Gambar 15.23 Dashboard penerimaan mahasiswa baru
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 242
Gambar 15.25 Dashboard USM
RINGKASAN
Studi kasus ini menggambarkan penerapan pembangunan DW secara
lengkap dengan menggunakan siklus hidup DW yang menggabungkan kualitas
data di seluruh fase nya. Melalui studi kasus penerimaan mahasiswa baru di
sebuah PTS, beberapa manfaat dapat diperoleh dan informasi yang tepat waktu
untuk pengambilan keputusan juga dapat dicapai. Dengan diintegrasikannya KPI
(Key Performance Indicator) ke dalam framework pembangunan DW pada studi
kasus ini telah memungkinkan PTS untuk mengukur beberapa aspek proses
terhadap target yang telah mereka tetapkan.
Hasil implementasi data warehouse yang dibuat menggunakan Pentaho
dapat mengolah data secara otomatis dan laporan yang ditampilkan dapat
menanggulangi minimnya laporan penerimaan mahasiswa baru yang harus
mengintegrasikan data dari berbagai macam aplikasi.
Dashboard yang ditampilkan dapat memudahkan user dalam melakukan
reporting dari berbagai perspektif guna memberikan informasi yang customer-
centric (lebih berorientasi ke pelanggan) dan lebih spesifik.
Data Warehouse – Studi Kasus Data Mart Penerimaan Mahasiswa Baru 243