Pemecahan Masalah

PEMECAHAN MASALAH

         Untuk mengatasi berbagai masalah diatas, maka diperlukan proses yang cepat dan efisien dalam mengakses seluruh data yang banyak dan tidak teratur di database, terlebih untuk suatu sistem database yang terdistribusi. Saat ini programmer lebih memilih menggunakan Ms. Acces dan fungsi query untuk mengerjakan seluruh script perintah. Alhasil proses query besar-besaran terjadi setiap membutuhkan data. Penggunaan SQL server bukanlah hal yang baru dalam  hal ini, maka dari itu diusulkan untuk dibentuknya suatu system yang lebih menuju ke proses pada saat loading penyajian data dan memiliki kecepatan yang secara linear lebih cepat dibandingkan  dengan cara konvensional. DMQ (Data Mart Query) merupakan metode yang menerapkan analogi ”Waste Space for Speed”. DMQ juga merupakan salah satu metode  yang berbentuk terhadap  pemisahan antara “Engine” dan “Display”. Dengan kata lain metode DMQ dapat langsung menampilkan source code pada display dan proses query  yang dikerjakan pada engine. Secara umum DMQ menghasilkan sebuah display data yang jauh lebih cepat dibandingkan dengan menggunakan metode umum, karena DMQ tidak melakukan proses lagi dalam menampilkan data. Dan akhirnya DMQ merupakan suatu solusi yang dapat membantu kebutuhan user pada proses display data yang sebelumnya sangat lambat dan tidak efesien.

         Pada Data Mart Query sumber data berasal dari tabel. Jadi pada proses DMQ ini, mengalokasikan seluruh data yang dipilih ke dalam suatu tabel. Sehingga user tidak perlu memikirkan pembuatan struktur tabel tujuan, yang perlu dipikirkan hanyalah dimana data tersebut berada. DMQ ini digunakan untuk menghindari penggunaan Query majemuk. DMQ akan mengorbankan besarnya kapasitas penyimpanan data (space harddisc) untuk meningkatkan kecepatan (increase speed). DMQ membutuhkan triger update data untuk menghasilkan data yang mutakhir.

            Berikut ini adalah gambaran mengenai permintaan data dari user. Dimana seorang user melakukan permintaan akan suatu tampilan, kemudian data query module melakukan  pencarian pada db1, db2 sampai dbn. Dengan menggunakan Data Mart Query atau DMQ dari data query module langsung menghasilkan query yang diinginkan dalam bentuk graphical display module yang dapat dilihat oleh user.

tp5

Gambar 5. Data Visualization dengan DMQ

            Dengan Data Mart Query (DMQ) proses pencarian data lebih singkat, karena tidak seperti source data konvensional yang harus mencari dari tabel. Data Mart Query (DMQ) bisa memotong waktu proses karena proses pencarian data hanya ke satu tabel yang telah digabungkan.

tp6.1tp6.2

Gambar 6. Perbandingan source data konvensional dan source data dengan Data Mart Query

            Jika dibandingkan maka tampilannya akan seperti gambar diatas. Dimana dengan DMQ bisa membuat tampilan web lebih cepat dilakukan karena tidak memerlukan proses pencarian yang rumit. Hal ini juga dapat dibuktikan pada grafik 1.

tp7

Keterangan :

   =  Tidak menggunakan DMQ

   =  Menggunakan DMQ

Grafik 1. Perbandingan Waktu dan Jumlah data

Pada grafik diatas, dapat dilihat bagaimana perbandingan waktu dan jumlah data untuk suatu display web dimana jumlah data untuk masing-masing grafik nilainya sama. Grafik diatas menjelaskan bahwa jika suatu view tidak menggunakan DMQ, maka grafiknya akan naik keatas, atau semakin besar jumlah data maka waktu prosesnya akan semakin lama. Namun sebaliknya jika menggunakan DMQ untuk viewnya maka berapapun jumlah datanya waktu yang dibutuhkan untuk proses viewnya relatif konstan.

 

REGRESI LINEAR Selain dibuktikan secara grafik, dapat juga dibuktikan secara eksponensial dengan persamaan Regresi Linear sebagai berikut:

Y’= a + bX

 

Dimana     a       = Y pintasan, (nilai Y’ bila X = 0)

                  b  = kemiringan dari garis regresi(kenaikan atau penurunan Y’ untuk setiap perubahan satu-satuan X) atau koefisien regresi, yang mengukur besarnya pengaruh X terhadap Y kalau X naik satu unit

                  X    = nilai tertentu dari variabel bebas

                  Y’  = nilai yang diukur/ dihitung pada variabel tidak bebas

Nilai a dan b pada persamaan regresi dapat dihitung dengan humus dibawah ini:

Screen Shot 2013-04-08 at 9.21.17 AM

  1. Perhitungan Regresi Linear untuk view tanpa menggunakan DMQ

Berikut ini adalah data yang diperoleh jika tidak menggunakan Data Mart Query :

Tabel 1. Data dan Perhitungan untuk view tanpa DMQ

Jumlah Data Waktu x y xy y2 x2
 X Y (X – X)  (Y- Ῡ)
5000 43 -22500 -80.25 1811250  6480.25  506250000
10000 79 -17500  -44.5  778750  1980.25  306250000
15000 78 -12500  -45.5  568750  2070.25  156250000
20000 103 -7500  -20.5  153750  420.25  56250000
25000 118 -2500  -5.5  13750  30.25  6250000
30000 124 2500  0.5  1250  0.25  6250000
35000 159 7500  35.5  266250  1260.25  56250000
40000 141 12500  17.5  218750  306.25  156250000
45000 189 17500  65.5  1146250  4290.25  306250000
50000 201 22500  77.5  1743750  6006.25  506250000
275000 1235  6702500  22844.5  2062500000

Screen Shot 2013-04-08 at 9.21.34 AM

Dari hasil perhitungan diatas, nilai a dan b dihitung sebagai berikut:

Screen Shot 2013-04-08 at 9.58.11 AM

Sehingga, persamaan regresi yang memperlihatkan hubungan kedua variabel antara jumlah data dan waktu untuk suatu tampilan view adalah:

Y = 35.5 + 0.0032X

Jadi setiap kali jumlah data bertambah maka waktu prosesnya akan bertambah 0.0032 kali.

  1. Perhitungan Regresi Linear untuk view dengan menggunakan DMQ

Berikut ini adalah data yang diperoleh jika menggunakan Data Mart Query :

Tabel 2. Data dan perhitungan untuk view dengan DMQ

Jumlah Data Waktu x y xy y2 x2
 X Y (X – X)  (Y- Ῡ)
5000 11 -22500 -7 157500 49 506250000
10000 16 -17500 -2 35000 4 306250000
15000 18 -12500 0 0 0 156250000
20000 15 -7500 -3 22500 9 56250000
25000 19 -2500 1 -2500 1 6250000
30000 21 2500 3 7500 9 6250000
35000 18 7500 0 0 0 56250000
40000 20 12500 2 25000 4 156250000
45000 23 17500 5 87500 25 306250000
50000 19 22500 1 22500 102 506250000
275000 180  355000 203  2062500000

Dari hasil perhitungan diatas, berdasarkan cara yang sama dihasilkan persamaan berikut ini:

Y = 15.25 + 0.0001X

Jadi setiap kali jumlah data bertambah maka waktu prosesnya akan bertambah 0.0001 kali.

Berdasarkan kedua perhitungan regresi diatas, dapat dibuktikan bahwa bDMQ tidak signifikan.

bDMQ : bn = 0.0001 : 0.0032

bDMQ : bn ≈ 1:32

Ini menunjukkan bahwa bDMQ tidak signifikan dibandingkan bn. dengan demikian regresi untuk non DMQ tetap :

y = 35.5 + 0.0032x

sedangkan regresi DMQ menjadi :

y = 15.25.

KORELASI LINEAR

 

            Istilah korelasi menunjuk pada konsep saling hubungan diantara beberapa variabel. Dalam bentuknya yang kompleks, korelasi melibatkan banyak variabel sekaligus. Namun dalam pembahasan ini saya mengambil dua variabel yaitu X untuk jumlah data dan Y untuk waktu. Salah satu formula untuk menghitung besarnya koefisien korelasi antara dua variabel yang masing-masing berskala interval telah dirumuskan oleh ahli statistika dan disebut formula korelasi product-moment Pearson. Rumusannya adalah sebagai berikut:

Untuk view tanpa menggunakan DMQ semakin besar jumlah data cenderung diikuti oleh semakin besarnya waktu proses dan sebalik nya semakin kecil jumlah data maka semakin kecil pula waktu proses yang dibutuhkan. Tentu perubahan pada variabel X tidak diikuti oleh perubahan pada variabel Y secara mutlak. Ada sedikit variasi yang memperlihatkan besarnya perubahan pada X tidak selalu diikuti secara proporsional oleh perubahan pada Y. Hal ini menunjukkan adanya indikasi hubungan yang tidak sempurna antara dua variabel dan hal ini memang menjadi karakteristik variabel non fisik. Hubungan yang sempurna sekali hanya dapat diteemui pada variabel-variabel ilmu eksakta.

Korelasi dinyatakan dalam angka yang disebut koefisien korelasi dan diberi symbol rxy. Koefisien korelasi mengandung dua makna, yaitu kuat lemahnya hubungan dan arah hubungan antar variabel.

            Kuat lemahnya hubungan antara dua variabel diperlihatkan oleh besarnya harga mutlak koefisien korelasi yang bergerak antara 0 sampai dengan 1. Semakin mendekati angka 0 berarti hubungan semakin lemah dan semakin koefisien mendekati angka 1 berarti hubungan semakin kuat.

Dari data pada Tabel 1. dapat dihitung korelasi linear antara jumlah data dan waktu proses untuk view tanpa menggunakan DMQ sebagai berikut:

r6 = 0.97

Sedangkan korelasi linear antara jumlah data dan waktu proses untuk view dengan menggunakan DMQ berdasarkan data pada tabel 2. adalah sebagai berikut:

r7 = 0.55

            Tingginya koefisien ini diartikan sebagai adanya hubungan yang kuat antara jumlah data dengan waktu. Tanda positif pada koefisien korelasi tersebut menunjukkan bahwa Jumlah data yang semakin tinggi memiliki waktu proses yang semakin tinggi.

MERANCANG PROGRAM MELALUI FLOWCHART

 tp8

Gambar 7. Flowchart Daftar Nilai IPK

LISTING PROGRAM

 

Daftar nilai IPK merupakan sebuah program yang menggunakan metode DMQ (Data Mart Query), sehingga listing program yang akan ditampilkan yaitu listing program untuk update daftar nilai IPK. Berikut listing programnya :

<%

dim conn

set conn=server.CreateObject(“ADODB.Connection”)

conn.open “PROVIDER=MSDASQL;DRIVER={SQL SERVER};SERVER=rec;DATABASE=raharja_integrated;”

%>

<% dim strsql1,rs1

strsql1=”drop table Daftar_Nilai”

set rs1=conn.execute(strsql1) %>

<% dim strsql2,rs2

strsql2=”select * INTO Daftar_Nilai from Lap_KHS4″

set rs2=conn.execute(strsql2) %>

<% response.redirect (“default.asp”) %>