Upload
mas-fathir
View
27
Download
1
Embed Size (px)
Citation preview
71
BAB 4
PERANCANGAN DATA WAREHOUSE
4.1 Arsitektur Data Warehouse
Dalam perancangan data warehouse pada Direktorat Lalu Lintas Polda Metro
Jaya, arsitektur yang akan digunakan adalah arsitektur data warehouse terpusat
(centralized data warehouse). Data-data yang terdapat pada database kepolisian
dikumpulkan terlebih dahulu dalam satu tempat terpusat, kemudian data disebar
kedalam fungsinya masing-masing sesuai dari kebutuhan instansi tersebut.
Alasan penggunaan arsitektur terpusat adalah :
- Mempermudah dalam melakukan pemeliharaan data serta pengawasan data
yang berada dalam data warehouse.
- Pengawasan terhadap penggunaan data warehouse dapat lebih dikontrol.
- Mengurangi redudansi data karena dikelola dalam satu tempat penyimpanan.
Gambar 4.1 Arsitektur data warehouse Direktorat Lalu Lintas Polda Metro Jaya
72
1. Data Source
Data source adalah sumber data yang digunakan dalam pembuatan suatu
data warehouse. Dalam data warehouse kepolisian tersebut, sumber data yang
digunakan berasal dari database kepolisian dari tiap Polres dan juga Samsat di
setiap wilayah di DKI Jakarta. Data-data ini akan mengalami proses ETL
(Extract, Transform, Load) yang hasilnya akan dimasukan kedalam data
warehouse.
2. ETL (Extract, Transform, Load)
ETL adalah proses-proses dalam data warehouse yang meliputi:
- Extract merupakan proses pengambilan data dari sumber-sumber eksternal,
yaitu suatu proses pengambilan data dari sumber data yang tersedia dan
melakukan pemilihan data yang ingin disimpan kedalam data warehouse.
- Transformation berfungsi mentransformasikan data agar data dapat berubah
kedalam suatu bentuk yang konsisten sehingga data yang dihasilkan akurat
dan tepat.
- Load merupakan Memasukan data ke data warehouse yaitu proses
penyimpanan hasil transformasi yang telah dilakukan. Keseluruhan semua
hasil transformasi ini nantinya dimasukan ke dalam data warehouse.
3. Data Warehouse
Data warehouse digunakan sebagai media penyimpanan data yang bersifat
historical dengan periode atau jangka waktu tertentu yang telah dikumpulkan
73
untuk dipakai sebagai sumber analisis dalam menghasilkan laporan dan
pengambilan keputusan.
4. User
User merupakan pengguna akhir yang akan mengakses data warehouse.
Dari data warehouse tesebut, user dapat menghasilkan suatu laporan ataupun
menganalisis dalam mengambil suatu keputusan.
4.2 Rancangan Data warehouse
4.2.1 Memilih Proses (Choosing the Process)
Proses- proses yang dijadikan informasi pada data warehouse Direktorat
Lalu Lintas Polda Metro Jaya adalah :
a. Regident
Proses ini adalah proses yang meliputi registrasi dan identifikasi
surat- surat kendaraan bermotor pada Direktorat Lalu Lintas Polda Metro
Jaya. Yang terdiri dari : Penerbitan STNK, Pendaftaran kendaraan baru,
Penerbitan BPKB baru.
b. Gakkum
Proses ini adalah proses yang meliputi penegakan hukum pada
Direktorat Lalu Lintas Polda Metro Jaya. Yang terdiri dari : penanganan
pelanggaran lalu lintas dan penanganan kecelakaan lalu lintas.
c. Renmin
Proses ini adalah proses yang meliputi perencanaan dan
administrasi pada Direktorat Lalu Lintas Polda Metro Jaya. Dimana
74
proses yang dipilih meliputi : manajemen terhadap anggota lalu lintas
polda metro jaya.
4.2.2 Menentukan Grain (Choosing The Grain)
Grain dalam perancangan data warehouse ini meliputi :
a. Regident
Pada proses regident data yang dapat dianalisis meliputi wilayah
yang banyak melakukan penerbitan STNK, wilayah yang banyak
menerbitkan BPKB, jenis kendaraan yang sering melakukan pendaftaran
sebagai kendaraan baru, tingkat kepuasan pengguna jasa, jumlah
kendaraan, jumlah penerimaan pajak kendaraan bermotor. Analisis
tersebut akan dilakukan berdasarkan periode waktu tertentu (minggu,
bulan, tahun).
b. Gakkum
Pada proses gakkum data yang dapat dianalisis meliputi wilayah
yang sering terjadi kecelakaan, wilayah yang sering terjadi pelanggaran,
jenis kendaraan yang sering mengalami kecelakaan, jenis kendaraan yang
sering melakukan pelanggaran, jumlah korban yang mengalami
kecelakaan, penyebab tersering kecelakaan, penyebab tersering
pelanggaran, jumlah kecelakaan, jumlah pelanggaran. Analisis tersebut
akan dilakukan berdasarkan periode waktu tertentu (minggu, bulan,
tahun).
75
c. Renmin
Pada proses renmin data yang dapat dianalisis meliputi jumlah
penerima reward dari mabes polri dan dinas pehubungan serta jumlah
penerima punishment dari mabes polri.
4.2.3 Identifikasi dan Penyesuaian Dimensi (Identifying and Conforming the
Dimensions)
a. Regident
Tabel 4.1 Tabel Grain dan Dimensi dari Regident
Dimensi
Grain
Wak
tu
Wila
yah
Jeni
s Ken
dara
an
kepu
asan
PPK
B
wilayah yang banyak melakukan
penerbitan STNK x x
wilayah yang banyak
menerbitkan BPKB x x
jenis kendaraan yang sering
melakukan pendaftaran sebagai
kendaraan baru
x x x
tingkat kepuasan pengguna jasa x x x
76
jumlah penerimaan pajak
kendaraan bermotor x x X
b. Gakkum
Tabel 4.2 Tabel Grain dan Dimensi dari Gakkum
Dimensi
Grain
Wak
tu
Wila
yah
Kec
elak
aan
Pela
ngga
ran
Jeni
s Ken
dara
an
Kor
ban
Peny
ebab
Usi
a
Bar
ang
sita
wilayah yang sering terjadi
kecelakaan x x x
wilayah yang sering terjadi
pelanggaran x x x
jenis kendaraan yang sering
mengalami kecelakaan x x x x
jenis kendaraan yang sering
melakukan pelanggaran x x x x
Jumlah korban yang
mengalami kecelakaan x x x x
penyebab tersering x x x x
77
c. Renmin
Tabel 4.3 Tabel Grain dan Dimensi dari Renmin
Dimensi
Grain Wak
tu
Ang
gota
Jumlah anggota penerima reward x x
Jumlah anggota penerima
punishment x x
4.2.4 Menentukan Fakta ( Choosing the Fact )
kecelakaan
penyebab tersering
pelanggaran x x x x
Usia yang paling sering
melakukan pelanggaran x x x x
Usia yang paling sering
mengalami kecelakaan x x x x
Barang sita yang paling
sering dijadikan bukti
pelanggaran
x x x x
78
Berikut ini merupakan fakta- fakta yang akan ditampilkan di data
warehouse :
a. Regident
Meliputi WaktuID, WilayahID, JKID, KepuasanID, PPKBID,
jumlah STNK yang dikeluarkan, jumlah BPKB yang dikeluarkan, Jumlah
Jenis Kendaraan, jumlah tingkat kepuasan pengguna jasa, jumlah
penerimaan pajak kendaraan bermotor.
b. Gakkum
Meliputi WaktuID, WilayahID, KecelakaanID, TilangID, JKID,
KorbanID, PenyebabID, UsiaID, BarangSitaID, jumlah wilayah yang
paling sering terjadi kecelakaan, jumlah wilayah yang paling sering
terjadi pelanggaran, jumlah jenis kendaraan yang mengalami kecelakaan,
jumlah jenis kendaraan yang paling sering melakukan pelanggaran,
jumlah korban yang mengalami kecelakaan, usia pelanggar, usia yang
mengalami kecelakaan, jumlah penyebab kecelakaan, jumlah penyebab
pelanggaran, jumlah barang sita.
c. Renmin
Meliputi WaktuID, KepuasanID, AnggotaID, jumlah anggota
penerima reward, jumlah anggota penerima punishment.
4.2.5 Penyimpanan Pre-Kalkulasi pada Tabel Fakta (Storing Pre-Calculation
in the Fact Table)
Pre-kalkulasi yang dapat dilakukan untuk kemudian disimpan dalam
tabel fakta yaitu :
1. Fakta Regident
79
Fakta regident meliputi :
- Jumlah STNK yang diterbitkan yang berasal dari kumpulan IDSTNK.
- Jumlah BPKB yang diterbitkan yang berasal dari kumpulan IDBPKB.
- Banyak jenis kendaraan yang sering melakukan pendaftaran sebagai
kendaraan baru yang didapat dari kumpulan banyaknya IDJK.
- Jumlah tingkat kepuasan pengguna jasa yang merupakan kumpulan
dari banyaknya IDKEPUASAN.
- Jumlah penerimaan pajak kendaraan bermotor yang merupakan
kumpulan dari penerimaan pajak. Penerimaan pajak = BBNKB +
PKB + SWDKLLJ + BIAYA ADM STNK + BIAYA ADM TNKB.
2. Fakta Gakkum
- Jumlah kecelakaan yang merupakan kumpulan dari banyaknya
IDKECELAKAAN.
- Jumlah pelanggaran yang merupakan kumpulan dari banyaknya
IDTILANG.
- Banyak jenis kendaraan yang sering mengalami kecelakaan dan
melakukan pelanggaran, yang merupakan kumpulan dari banyaknya
IDJK.
- Jumlah korban yang mengalami kecelakaan yang merupakan
kumpulan dari banyaknya IDKORBAN.
- Banyak jenis penyebab kecelakaan dan pelanggaran, yang merupakan
kumpulan dari banyaknya IDPENYEBAB.
- Jumlah kecelakaan berdasarkan jenis usia, yang merupakan kumpulan
dari banyaknya IDUSIA.
80
- Jumlah pelanggaran berdasarkan barang yang disita, yang merupakan
kumpulan dari banyaknya IDBRGSITA.
3. Fakta Renmin
- Jumlah anggota penerima reward dan punishment yang didapat dari
klasifikasi jumlah respon yang diperoleh.
4.2.6 Melengkapi Tabel Dimensi (Rounding out the Dimension Table)
Menambahkan deskripsi teks pada dimensi. Dengan tujuan deskripsi
tersebut dapat dimengerti olah user. Berikut deskripsi teks dari tabel dimensi :
1. Dimensi Waktu
Tabel 4.4 Tabel Dimensi Waktu
Atribut Tipe
data Panjang
WaktuID Int 8
Year Int 8
Month Int 8
Day Int 8
2. Dimensi Wilayah
Tabel 4.5 Tabel Dimensi Wilayah
Atribut Tipe Panjang
81
data
WilayahID Int 2
IDWIL int 2
wilayah Varchar 20
3. Dimensi Jenis Kendaraan
Tabel 4.6 Tabel Dimensi Jenis Kendaraan
Atribut Tipe
data Panjang
JKID int 2
IDJK int 2
JenisKendaraan varchar 20
4. Dimensi Kepuasan
Tabel 4.7 Tabel Dimensi Kepuasan
Atribut Tipe
data Panjang
KepuasanID int 2
82
IDKEPUASAN int 2
JenisKepuasan varchar 20
5. Dimensi PPKB
Tabel 4.8 Tabel Dimensi PPKB
Atribut Tipe data Panjang
PPKBID int 10
IDPPKB int 10
Jumlah numeric 11
6. Dimensi Kecelakaan
Tabel 4.9 Tabel Dimensi Kecelakaan
Atribut Tipe data Panjang
KecelakaanID int 10
IDKECELAKAAN int 10
JenisKecelakaan varchar 20
7. Dimensi Tilang
Tabel 4.10 Tabel Dimensi Tilang
83
Atribut Tipe
data Panjang
TilangID int 10
IDTILANG int 10
JenisPelanggaran Varchar 20
8. Dimensi Korban
Tabel 4.11 Tabel Dimensi Korban
Atribut Tipe data Panjang
KorbanID int 10
IDKORBAN int 10
Kondisi Varchar 20
9. Dimensi Penyebab
Tabel 4.12 Tabel Dimensi Penyebab
Atribut Tipe data Panjang
PenyebabID int 10
84
IDPENYEBAB int 10
Penyebab varchar 20
10. Dimensi Usia
Tabel 4.13 Tabel Dimensi Usia
Atribut Tipe data Panjang
USIAID int 1
IDUSIAPEL int 1
Usia varchar 20
11. Dimensi Barang Sita
Tabel 4.14 Tabel Dimensi Barang Sita
Atribut Tipe data Panjang
BrgSitaID int 1
IDBRGSITA int 1
BarangSita varchar 20
12. Dimensi Anggota
Tabel 4.15 Tabel Dimensi Anggota
85
Atribut Tipe data Panjang
AnggotaID int 10
IDANGGOTA Int 10
NamaAnggota varchar 30
4.2.7 Memilih Durasi dan basis data (Choosing the Duration of the Database)
Durasi dari data Direktorat Lalu Lintas Polda Metro Jaya yang
dimasukan ke dalam data warehouse sebagai berikut :
Tabel 4.16 Tabel Durasi Database
Nama Aplikasi Database
Database
ada sejak
tahun
Data yang masuk
ke Data
Warehouse
Data dalam
Data
Warehouse
TMC Application LANTAS_OLTP 2003 2006 - 2010 5 Tahun
4.2.8 Melacak Perubahan dari Dimensi secara Perlahan (Tracking slowly
Changing Dimension)
Dari tipe dasar perubahan dimensi, pada perancangan data warehouse
Direktorat Lalu Lintas Polda Metro Jaya ini, perubahan atribut yang ada pada
86
dimensi akan dapat mengakibatkan suatu record field baru. Hal ini dilakukan
dengan tujuan untuk tetap menyimpan data lama agar dapat diketahuin
perubahan dimensi yang terjadi dari data lama ke data baru, serta bertujuan
sebagai history data untuk kepentingan internal instansi.
4.2.9 Memutuskan prioritas dan model dari query (Deciding the query
prioritites and the query models)
Pada tahap ini, akan dibahas mengenai proses extract. Transformation,
dan load, juga proses SSAS ( SQL Server Analysis System)
Proses Extract, Transfer dan Load
Tabel 4.17 Tabel ETL
Pelaku ETL Dilakukan Setiap Keterangan
Database
Administrator
Satu minggu
sekali
Diawasi oleh DBA
4.3 Skema Bintang dan Metadata
4.3.1 Skema Bintang
Bentuk skema yang digunakan pada perancangan data warehouse ini
adalah star scema. Terdapat 3 skema bintang yang dihasilkan, yaitu :
87
Gambar 4.2 Gambar Skema Bintang
Pada perancangan ini proses ETL yang dilakukan adalah sebagai berikut :
88
89
Gambar 4.3 Proses ETL
90
1. ETL Dimensi Waktu
91
2. ETL Dimensi Wilayah
92
3. ETL Dimensi Jenis Kendaraan
93
4. ETL Dimensi Kepuasan
94
5. ETL Dimensi PPKB
95
6. ETL Dimensi Kecelakaan
96
7. ETL Dimensi Tilang
97
8. ETL Dimensi Korban
98
9. ETL Dimensi Penyebab
99
10. ETL Dimensi Usia
100
11. ETL Dimensi Barang Sita
101
12. ETL Dimensi Anggota
102
13. ETL Fakta Regident
103
14. ETL Fakta Gakkum
104
15. Fakta Renmin
105
4.3.2 Metadata
Metadata memuat informasi-informasi yang penting mengenai data
dalam data warehouse. Metadata dalam data warehouse terdapat beberapa
hal, yang meliputi :
• Nama kolom
• Tipe data
• Ukuran kolom ( ukuran kolom yang dibutuhkan pada media
penyimpanan dalam satuan tertentu)
• Kolom yang menjadi kolom kunci
106
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : DimensiWaktu
Deskripsi Tabel : Tabel Dimensi Waktu
Tabel 4.18 Tabel Metadata Dimensi Waktu
Nama Field Tipe PanjangSumber Data
Transformasi Field Tipe Panjang Tabel
WaktuID Int 8 - - - - Create
Year Int 8 Tahun Int 8 MsSTNK, MsBPKB, MsLookupJK,
MsKepuasan, MsPPKB Create
Month Int 8 Bulan Int 8 MsSTNK, MsBPKB, MsLookupJK,
MsKepuasan, MsPPKB Create
Week Int 8 Minggu int 8 MsSTNK, MsBPKB, MsLookupJK,
MsKepuasan, MsPPKB Create
107
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : DimensiWilayah
Deskripsi Tabel : Tabel Dimensi Wilayah
Tabel 4.19 Tabel Metadata Dimensi Wilayah
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
WilayahID Int 2 WilayahID Int 2 MsLookupWilayah Create
IDWIL int 2 IDWIL Int 2 MsLookupWilayah Copy
wilayah Varchar 20 Wilayah varchar 20 MsLookupWilayah Copy
108
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : DimensiJenisKendaraan
Deskripsi Tabel : Tabel Dimensi Jenis Kendaraan
Tabel 4.20 Tabel Metadata Dimensi Jenis Kendaraan
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
JenisKendaraanID int 2 JENISKENDARAANID Int 2 MsLookupJK Create
IDJK int 2 IDJK Int 2 MsLookupJK Copy
JenisKendaraan varchar 20 JenisKendaraan varchar 20 MsLookupJK Copy
109
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : DimensiKepuasan
Deskripsi Tabel : Tabel Dimensi Kepuasan
Tabel 4.21 Tabel Metadata Dimensi Kepuasan
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
KepuasanID int 2 KEPUASANID Int 2 MsKepuasan Create
IDKEPUASAN int 2 IDKEPUASAN Int 2 MsKepuasan Copy
JenisKepuasan varchar 20 JenisKepuasan varchar 20 MsKepuasan copy
110
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : DimensiPPKB
Deskripsi Tabel : Tabel Dimensi PPKB
Tabel 4.22 Tabel Metadata Dimensi PPKB
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
PPKBID int 10 ppkbID Int 10 MsPPKB Create
IDPPKB int 10 IDPPKB int 10 MsPPKB Copy
Jumlah numeric 11 Jumlah numeric 11 MsPPKB Copy
111
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : DimensiKecelakaan
Deskripsi Tabel : Tabel Dimensi Kecelakaan
Tabel 4.23 Tabel Metadata Dimensi Kecelakaan
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
KecelakaanID int 10 KecelakaanID Int 10 MsKecelakaan Create
IDKECELAKAAN int 10 IDKECELAKAAN int 10 MsKecelakaan Copy
JenisKecelakaan varchar 20 JenisKecelakaan varchar 20 MsKecelakaan Copy
112
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : DimensiTilang
Deskripsi Tabel : Tabel Dimensi Tilang
Tabel 4.24 Tabel Metadata Dimensi Tilang
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
TilangID int 10 PelanggaranID Int 10 MsTilang Create
IDTILANG int 10 IDTILANG int 10 MsTilang Copy
JenisPelanggaran Varchar 20 JenisPelanggaran int 20 MsTilang Copy
113
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : DimensiKorban
Deskripsi Tabel : Tabel Dimensi Korban
Tabel 4.25 Tabel Metadata Dimensi Korban
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
KorbanID int 10 KORBANID Int 10 MsKorban Create
IDKORBAN int 10 IDKORBAN int 10 MsKorban Copy
Kondisi Varchar 20 Kondisi int 20 MsKorban Copy
114
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : Dimensi Penyebab
Deskripsi Tabel : Tabel Dimensi Penyebab
Tabel 4.26 Tabel Metadata Dimensi Penyebab
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
PenyebabID int 10 PenyebabID Int 10 MsPenyebab Create
IDPENYEBAB int 10 IDPENYEBAB int 10 MsPenyebab Copy
Penyebab varchar 20 Penyebab varchar 20 MsPenyebab Copy
115
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : DimensiUsia
Deskripsi Tabel : Tabel Dimensi Usia
Tabel 4.27 Tabel Metadata Dimensi Usia
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
UsiaID int 1 USIAID Int 1 MsUsiaPelanggar Create
IDUSIAPEL int 1 IDUSIA int 2 MsUsiaPelanggar Copy
Usia varchar 20 Usia varchar 20 MsUsiaPelanggar Copy
116
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : DimensiBarangSita
Deskripsi Tabel : Tabel Dimensi Barang Sita
Tabel 4.28 Tabel Metadata Dimensi Barang Sita
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
BrgSitaID int 1 BRGSITAID Int 1 MsBarangSita Create
IDBRGSITA int 1 IDBRGSITA int 1 MsBarangSita Copy
BarangSita varchar 20 BarangSita varchar 20 MsBarangSita Copy
117
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : DimensiAnggota
Deskripsi Tabel : Tabel Dimensi Anggota
Tabel 4.29 Tabel Metadata Dimensi Anggota
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
AnggotaID int 10 AnggotaID Int 10 MsAnggota Create
IDANGGOTA Int 10 IDANGGOTA Int 10 MsAnggota Copy
NamaAnggota Varchar 30 NamaAnggota Varchar 30 MsAnggota Copy
118
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : FaktaRegident
Deskripsi Tabel : Tabel Fakta Regident
Tabel 4.30 Tabel Metadata Fakta Regident
Nama Field Tipe PanjangSumber Data
Transformasi Field Tipe Panjang Tabel
WaktuID int 8 WaktuID Int 8 Waktu Create
WilayahID Int 2 WilayahID Int 2 MsLookupWilayah Create
JenisKendaraanID int 2 JenisKendaraanID Int 2 MsLookupJK Create
KepuasanID int 2 KepuasanID Int 2 MsKepuasan Create
PPKBID int 10 PPKBID Int 10 MsPPKB Create
119
JumlahSTNK int 10 IDSTNK int 10 MsSTNK Copy
JumlahBPKB int 10 IDBPKB Int 10 MsBPKB Copy
JumlahJenisKendaraan int 10 IDJK Int 2 MsLookupJK Copy
JumlahKepuasan int 10 IDKEPUASAN Int 2 MsKepuasan Copy
JumlahPPKB numeric 11 Jumlah numeric 11 MsPPKB Calculate
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : FaktaGakkum
Deskripsi Tabel : Tabel Fakta Gakkum
120
Tabel 4.31 Tabel Metadata Fakta Gakkum
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
WaktuID int 8 WaktuID Int 8 Waktu Create
WilayahID Int 2 WilayahID Int 2 MsLookupWilayah Create
KecelakaanID int 10 KecelakaanID Int 10 MsKecelakaan Create
TilangID int 10 PelanggaranID Int 10 MsTilang Create
KorbanID int 10 KORBANID Int 10 MsKorban Create
PenyebabID int 10 PenyebabID Int 10 MsPenyebab Create
UsiaID int 1 UsiaID Int 1 MsUsiaPelanggar Create
BrgSitaID int 1 BrgSitaID Int 1 MsBarangSita Create
JenisKendaraanID int 2 JenisKEndaraanID Int 2 MsLookupJK Create
121
JumlahKecelakaan int 10 IDKECELAKAAN int 10 MsKecelakaan Copy
JumlahTilang int 10 IDTILANG int 10 MsTilang Copy
JumlahJenisKendaraan int 2 IDKEPUASAN Int 2 MsKepuasan Copy
JumlahKorban int 10 IDKORBAN int 10 MsKorban Copy
JumlahPenyebab int 10 IDPENYEBAB int 10 MsPenyebab Copy
JumlahBarangSita int 2 IDBRGSITA int 2 MsBarangSita Copy
JumlahUsia int 2 IDUSIA int 2 MsUsiaPelanggar Copy
DBMS : SQL Server 2008
Nama database : LANTAS_OLAP
Nama Tabel : FaktaRenmin
Deskripsi Tabel : Tabel Fakta Renmin
122
Tabel 4.32 Tabel Metadata Fakta Renmin
Nama Field Tipe Panjang Sumber Data
Transformasi Field Tipe Panjang Tabel
WaktuID int 8 WaktuID Int 8 Waktu Create
KepuasanID int 2 KepuasanID Int 2 MsKepuasan Create
AnggotaID int 10 AnggotaID Int 10 MsAnggota Copy
Respon int 10 KEPUASANID Int 2 MsKepuasan Copy
123
4.4 Proses Analisis Kapasitas Media Penyimpanan
Transaksi sehari – hari yang terjadi dalam OLTP sangat mempengaruhi
pertumbuhan data dalam database maupun pertumbuhan data dalam data warehouse.
Oleh karena itu, diperlukan analisis kebutuhan media penyimpanan untuk data
warehouse sehingga dapat menanmpung pertumbuhan data yang terjadi secara terus
menerus selama beberapa tahun kedepan.
Rumus yang digunakan untuk perhitungan kebutuhan record dalam SQL Server
2008 adalah :
- Num_Rows = R * (n + (1 + i) n)
- Num_Col = Jumlah kolom dalam tabel
- Fixed_Data_Size = Jumlah byte yang dibutuhkan oleh semua kolom
yang mempunyai tipe data yang berukuran pasti.
- Num_Variable_Cols = Jumlah kolom yang mempunyai tipe data dengan
ukuran tidak pasti seperti varchar, nvarchar,
varbinary.
- Max_Var_Size = Ukuran byte terbesar dari semua kolom yang
mempunyai tipe data dengan ukuran tidak pasti.
- Null_Bitmap = Bit status null kolom = 2 + ((Num_Col + 7) / 8)
- Variable_Data_Size = Jumlah bytes yang dibutuhkan untuk semua kolom
variable = 2 + (Num_Variable_Cols x 2) + Max_Var_Size
- Row_Size = Fixed_Data_Size + Variable_Data_Size +
Null_Bitmap + 4
- Rows_Per_Pages = 8096 / (Row_Size + 2)
124
- Num_of_Pages = Num_Row / Rows_Per_Page
- Heap_Size (Bytes) = 8192 x Num_of_Pages
- Heap_Size (Mbytes) = 8 x Num_of_Pages
Analisis perkiraan kapasiatas media penyimpanan data pada data warehouse
Direktorat Lalu Lintas Polda Metro Jaya adalah sebagai berikut, dimana ‘n’
merupakan variable tahun.
Rn = R * (n + (1 + i) n)
R = Jumlah record
n = tahun
i = presentase pertumbuhan record pertahun
perhitungan untuk dimensi yang mengalami pertumbuhan data adalah sebagai
berikut :
Rn = n * (1 + i) n
R = jumlah record
n = tahun
i = presentase pertumbuhan record pertahun
a. Dimensi Waktu
- Num_Row = 48 * (5+(1+0.1)5 = 317.30448
- Num_Col = 4
- Fixed_Data_Size = 32
- Num_Variable_Cols = 0
- Max_Var_Size = 0
125
- Null_Bitmap = 2 + ((4 + 7) / 8) = 3.375
- Variable_Data_Size = 2 + (0 * 2) + 0 = 2
- Row_Size = 32 + 2 + 3.375+ 4 = 41.375
- Rows_Per_Pages = 8096 / (41.375+ 2) = 186.6512
- Num_of_Pages = 317.30448/ 186.6512 = 1.6999
- Heap_Size (Bytes) = 8192 * 1.6999 = 13925.58
- Heap_Size (Mbytes) = 8 * 1.6999 = 13.5992
b. Dimensi Wilayah
- Num_Row = 5 * (5+(1+0.1)5 = 33.05255
- Num_Col = 3
- Fixed_Data_Size = 4
- Num_Variable_Cols = 1
- Max_Var_Size = 20
- Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25
- Variable_Data_Size = 2 + (1 x 2) + 20 = 24
- Row_Size = 4 + 24 + 3.25 + 4 = 35.25
- Rows_Per_Pages = 8096 / (35.25 + 2) = 217.3422
- Num_of_Pages = 33.05255/ 217.3422 = 0.152
- Heap_Size (Bytes) = 8192 * 0.152 = 1245.184
- Heap_Size (Mbytes) = 8 * 0.152 = 1.216
126
c. Dimensi Jenis Kendaraan
- Num_Row = 6 * (5+(1+0.1)5 = 39.66306
- Num_Col = 3
- Fixed_Data_Size = 4
- Num_Variable_Cols = 1
- Max_Var_Size = 20
- Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25
- Variable_Data_Size = 2 + (1 * 2) + 20 = 24
- Row_Size = 4 + 24 + 3.25 + 4 = 35.25
- Rows_Per_Pages = 8096 / (35.25+ 2) = 217.3422
- Num_of_Pages = 39.66306 / 217.3422 = 0.182
- Heap_Size (Bytes) = 8192 * 0.182 = 1490.944
- Heap_Size (Mbytes) = 8 * 0.182 = 1.456
d. Dimensi Kepuasan
- Num_Row = 100000 * (5+(1+0.1)5 = 661051
- Num_Col = 3
- Fixed_Data_Size = 4
- Num_Variable_Cols = 1
- Max_Var_Size = 20
- Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25
- Variable_Data_Size = 2 + (1 * 2) + 20 = 24
- Row_Size = 4 + 24 + 3.25 + 4 = 35.25
127
- Rows_Per_Pages = 8096 / (35.25 + 2) = 217.3422
- Num_of_Pages = 661051 / 217.3422 = 3.04152
- Heap_Size (Bytes) = 8192 * 3.04152= 24916.13
- Heap_Size (Mbytes) = 8 * 3.04152= 243321
e. Dimensi PPKB
- Num_Row = 365000 * (5+(1+0.1)5 = 2412836
- Num_Col = 3
- Fixed_Data_Size = 20
- Num_Variable_Cols = 1
- Max_Var_Size = 11
- Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25
- Variable_Data_Size = 2 + (1 x 2) + 11 = 15
- Row_Size = 20 + 15 + 3.25 + 4 = 42.25
- Rows_Per_Pages = 8096 / (42.25 + 2) = 182.9604
- Num_of_Pages = 2412836 / 182.9604 = 13187.75
- Heap_Size (Bytes) = 8192 * 13187.75 = 108034048
- Heap_Size (Mbytes) = 8 * 13187.75 = 105502
f. Dimensi Kecelakaan
- Num_Row = 73000 * (5+(1+0.1)5 = 482567.2
- Num_Col = 3
- Fixed_Data_Size = 20
128
- Num_Variable_Cols = 1
- Max_Var_Size = 20
- Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25
- Variable_Data_Size = 2 + (1 * 2) + 20 = 24
- Row_Size = 20 + 24 + 3.35 + 4 = 51.35
- Rows_Per_Pages = 8096 / (51.35+ 2) = 151.7525
- Num_of_Pages = 482567.2 / 151.7525 = 3179.96
- Heap_Size (Bytes) = 8192 * 3179.96 = 26050232
- Heap_Size (Mbytes) = 8 * 3179.96 = 25439.68
g. Dimensi Tilang
- Num_Row = 180000 * (5+(1+0.1)5 = 1189892
- Num_Col = 3
- Fixed_Data_Size = 20
- Num_Variable_Cols = 1
- Max_Var_Size = 20
- Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25
- Variable_Data_Size = 2 + (1 * 2) + 20 = 24
- Row_Size = 20 + 24 + 3.35 + 4 = 51.35
- Rows_Per_Pages = 8096 / (51.35+ 2) = 151.7525
- Num_of_Pages = 1189892 / 151.7525 = 7841.03
- Heap_Size (Bytes) = 8192 * 7841.03 = 64233718
- Heap_Size (Mbytes) = 8 * 7841.03 = 62728.24
129
h. Dimensi Korban
- Num_Row = 3000 * (5+(1+0.1)5 = 19831.53
- Num_Col = 3
- Fixed_Data_Size = 20
- Num_Variable_Cols = 1
- Max_Var_Size = 20
- Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25
- Variable_Data_Size = 2 + (1 * 2) + 20 = 24
- Row_Size = 20 + 24 + 3.25 + 4 = 51.25
- Rows_Per_Pages = 8096 / (51.25+ 2) = 151.7525
- Num_of_Pages = 19831.53 / 151.7525 = 130.68
- Heap_Size (Bytes) = 8192 * 130.68 = 1070530.6
- Heap_Size (Mbytes) = 8 * 130.68= 1045.44
i. Dimensi Penyebab
- Num_Row = 4 * (5+(1+0.1)5 = 26.44204
- Num_Col = 3
- Fixed_Data_Size = 20
- Num_Variable_Cols = 1
- Max_Var_Size = 20
- Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25
- Variable_Data_Size = 2 + (1 x 2) + 20 = 24
- Row_Size = 20 + 24 + 3.25 + 4 = 51.25
- Rows_Per_Pages = 8096 / (51.25+ 2) = 151.7525
130
- Num_of_Pages = 26.44204 / 151.7525 = 0.174
- Heap_Size (Bytes) = 8192 * 0.174 = 1425.408
- Heap_Size (Mbytes) = 8 * 0.174 = 1.392
j. Dimensi Usia
- Num_Row = 3 * (5+(1+0.1)5 = 19.83153
- Num_Col = 3
- Fixed_Data_Size = 2
- Num_Variable_Cols = 1
- Max_Var_Size = 20
- Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25
- Variable_Data_Size = 2 + (1 x 2) + 20 = 24
- Row_Size = 20 + 24 + 3.25 + 4 = 51.25
- Rows_Per_Pages = 8096 / (51.25+ 2) = 151.7525
- Num_of_Pages = 19.83153/ 151.7525 = 0.130
- Heap_Size (Bytes) = 8192 * 0.130 = 1064.96
- Heap_Size (Mbytes) = 8 * 0.130 = 1.04
k. Dimensi Barang Sita
- Num_Row = 6 * (5+(1+0.1)5 = 39.66306
- Num_Col = 3
- Fixed_Data_Size = 2
- Num_Variable_Cols = 1
- Max_Var_Size = 20
131
- Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25
- Variable_Data_Size = 2 + (1 x 2) + 20 = 24
- Row_Size = 20 + 24 + 3.25 + 4 = 51.25
- Rows_Per_Pages = 8096 / (51.25+ 2) = 151.7525
- Num_of_Pages = 39.66306 / 151.7525 = 0.261
- Heap_Size (Bytes) = 8192 * 0.261 = 2138.112
- Heap_Size (Mbytes) = 8 * 0.261 = 2.088
l. Dimensi Anggota
- Num_Row = 700 * (5+(1+0.1)5 = 4627.357
- Num_Col = 3
- Fixed_Data_Size = 20
- Num_Variable_Cols = 1
- Max_Var_Size = 30
- Null_Bitmap = 2 + ((3 + 7) / 8) = 3.25
- Variable_Data_Size = 2 + (1 * 2) + 30 = 34
- Row_Size = 20 + 34 + 3.25 + 4 = 61.25
- Rows_Per_Pages = 8096 / (61.25 + 2) = 128
- Num_of_Pages = 4627.357 / 128 = 36.1512
- Heap_Size (Bytes) = 8192 * 36.1512 = 296150.6304
- Heap_Size (Mbytes) = 8 * 36.1512 = 289.2096
132
m. Fakta Regident
- Num_Row = 800000 * (5+(1+0.1)5 = 5288408
- Num_Col = 10
- Fixed_Data_Size = 64
- Num_Variable_Cols = 1
- Max_Var_Size = 11
- Null_Bitmap = 2 + ((10 + 7) / 8) = 4.125
- Variable_Data_Size = 2 + (1 * 2) + 11 = 15
- Row_Size = 64 + 15 + 4.125 + 4 = 87.125
- Rows_Per_Pages = 8096 / (87.125+ 2) = 90.8387
- Num_of_Pages = 5288408 / 90.8387 = 58217.57
- Heap_Size (Bytes) = 8192 * 58217.57 = 476918333.4
- Heap_Size (Mbytes) = 8 * 58217.57 = 465740.56
n. Fakta Gakkum
- Num_Row = 300000 * (5+(1+0.1)5 = 1983153
- Num_Col = 12
- Fixed_Data_Size = 100
- Num_Variable_Cols = 0
- Max_Var_Size = 0
- Null_Bitmap = 2 + ((12 + 7) / 8) = 4.375
- Variable_Data_Size = 2 + (0 * 2) + 0 = 2
- Row_Size = 100 + 2 + 4.375 + 4 = 110.375
- Rows_Per_Pages = 8096 / (110.375 + 2) = 72.0444
133
- Num_of_Pages = 1983153 / 72.0444 = 27526.81
- Heap_Size (Bytes) = 8192 * 27526.81= 225499627.5
- Heap_Size (Mbytes) = 8 * 27526.81 = 220214.48
o. Fakta Renmin
- Num_Row = 170000 * (5+(1+0.1)5 = 1123787
- Num_Col = 5
- Fixed_Data_Size = 30
- Num_Variable_Cols = 0
- Max_Var_Size = 0
- Null_Bitmap = 2 + (( 5 + 7) / 8) = 3.5
- Variable_Data_Size = 2 + (0 * 2) + 0 = 2
- Row_Size = 30 + 2 + 3.5 + 4 = 39.5
- Rows_Per_Pages = 8096 / (39.5+ 2) = 195.0843
- Num_of_Pages = 1123787 / 195.0843 = 5760.52
- Heap_Size (Bytes) = 8192 * 5760.52 = 47190179.84
- Heap_Size (Mbytes) = 8 * 5760.52 = 46084.16
134
4.4.1 Proses Analisis Pertumbuhan Data
Proses analisis pertumbuhan data selama lima tahun terakhir dan lima tahun mendatang untuk dimensi.
Tabel 4.33 Tabel Analisis Pertumbuhan Data untuk Dimensi
Tabel Data 5 Tahun
Terakhir
Data 5 tahun
berikutnya
Dimensi Waktu 240 317.30
Dimensi Wilayah 25 33.05
Dimensi Jenis Kendaraan 30 39.66
Dimensi Kepuasan 500000 661051
Dimensi PPKB 1825000 2412836
Dimensi Kecelakaan 365000 482567.2
Dimensi Tilang 900000 1189892
Dimensi Korban 15000 19831.53
Dimensi Penyebab 20 26.44
Dimensi Usia 15 19.83
Dimensi Barang Sita 30 39.66
Dimensi Anggota 3500 4627.35
TOTAL 3608860 4771281
135
Proses analisis pertumbuhan data selama lima tahun terakhir dan lima
tahun mendatang untuk fakta.
Tabel 4.34 Tabel Analisis Pertumbuhan Data untuk Fakta
Tabel Data 5 Tahun
Terakhir
Data 5 tahun
berikutnya
Fakta Regident 4000000 5288408
Fakta Gakkum 1500000 1983153
Fakta Renmin 850000 1123787
TOTAL 6350000 8395348
136
4.5 Tampilan Layar Aplikasi
4.5.1 Rancangan Layar Log in
Gambar 4.4 Rancangan Layar Login
4.5.2 Rancangan Layar Dashboard
Main FormMain Form
File Pivot Table Transform
Kecelakaan Pelanggaran Kepuasan
PPKBKendaraan
Detil
DetilDetil
Detil Detil
About
CHART
CHARTCHART
INDIKATORCHART
Gambar 4.5 Rancangan Layar Dashboard
137
Menu ‐ File
Menu – Pivot Table
Menu ‐ Help
File
About
Pivot Table Transform About
4.5.3 Rancangan Layar Change Password
Gambar 4.6 Rancangan Layar Change Password
138
4.5.4 Rancangan Layar Fakta Regident
Pivot Table | RegidenPivot Table | Regiden
Export to Excel
Wilayah Kepuasan PPKBLaporan
Waktu
Day Month Year
Jenis Kendaraan
PIVOT TABLE
CHART
Gambar 4.7 Rancangan Layar Fakta Regident
4.5.5 Rancangan Layar Fakta Gakkum
Pivot Table |GakkumPivot Table |Gakkum
Export to Excel
KECELAKAAN TILANG KORBAN PENYEBAB
Laporan
Waktu
Tahun Bulan week
JENIS KENDARAAN Usia Barang sita
PIVOT TABLE
CHART
Gambar 4.8 Rancangan Layar Fakta Gakkum
139
4.5.6 Rancangan Layar Fakta Renmin
Pivot Table | RenminPivot Table | Renmin
Export to Excel
Laporan
Anggota Jenis Kepuasan
Waktu
Day Month Year
PIVOT TABLE
CHART
Gambar 4.9 Rancangan Layar Fakta Renmin
4.6 Rencana Implementasi
4.6.1 Kebutuhan Perangkat Keras
Perangkat keras yang akan digunakan dalam pengimplementasikan sistem
terdapat komputer server dan computer client. Berikut spesifikasi minimum perangkat
keras yang diusulkan untuk implementasi data warehouse tersebut :
Tabel 4.35 Spesifikasi Komputer Server
Komputer Server
Processor Intel Xeon Pentium IV 2,5 Ghz
Harddisk 250 GB
140
Memory 4 GB RAM
Jaringan Vpn Access
Tabel 4.36 Spesifikasi Komputer Client
Komputer Client
Processor Intel Pentium Core2Duo 2,8 Ghz
Harddisk 160 GB
Memory 2 GB RAM
Jaringan LAN
4.6.2 Kebutuhan Perangkat Lunak
Perangkat lunak yang akan digunakan untuk mendukung perancangan data
warehouse tersebut menggunakan Microsoft Visual Studio 2008 sebagai aplikasi untuk
menghubungkan user dan data werehouse yang dirancang. Sedangkan untuk database
management system menggunakan aplikasi Microsoft SQL Server 2008.
4.6.3 Jadwal Implementasi
Sistem yang akan diimplementasikan menggunakan strategi parallel-run
yaitu dengan mengimplementasikan sistem yang baru beroperasi bersamaan
dengan sistem yang lama. Jadwal implementasinya dapat dilihat pada tabel
berikut dibawah ini dengan beberapa tahap kegiatan.
141
Tabel 4.37 Tabel Jadwal Implementasi
Waktu
Kegiatan
Minggu ke
1 2 3 4 5 6 7 8 9 10
Mengumpulkan data
Instalation Hardware and Software
Konversi data dan Proses ETL
User Acceptance Test
Training
Evaluasi