model data warehouse untuk pengambilan keputusan tingkat mikro

5/17/2018 Model Data Warehouse Untuk Pengambilan Keputusan Tingkat Mikro - slidepdf.com

http://slidepdf.com/reader/full/model-data-warehouse-untuk-pengambilan-keputusan-tingkat-mikro 1/16

Model Data Warehouse untuk

Pengambilan Keputusan Tingkat

Mikro dalam Perguruan Tinggi

Oleh Liezl van Dyk

University of Stellenbosch, South Africa



abstrak

Keywords: learning management system, data warehouse,

student tracking, decision support, student feedback, learning

styles



1. Pendahuluan

•Penggunaan ICT pada desain perancanaan dan pemberiankegiatan belajar mengajar dan kegiatan penilaian hasilpengajaran menarik perhatian para peneliti pedidikan.

•Penggunaan ICT dan metode kuantitatif untuk menutup

siklus desain instruksional dengan mendukung pengambilankeputusan yang berkelanjutan sehubungan dengan evaluasiefektivitas proses mengajar terus banyak mengeluarkanpotensial.

•Dalam paper ini sebuah pendekatan intelijen bisnis diikuti

dalam upaya untuk memanfaatkan ICT untuk memungkinkanpenggunaan data warehouse untuk mengevaluasi efektivitaspengajaran pada proses belajar mengajar



1.1 Batasan Masalah

• Fokus penelitian ini adalah khusus pada tingkat mikro danmempertimbangkan pemanfaatan data untuk mendukungdosen dan koordinator program dalam membuat keputusa

• Dalam konteks ini terminologi e-teaching yang digunakan

dalam makalah ini untuk mengacu pada fasilitasipembelajaran melalui ICT n tentang proses pengajaran.

• Batasan ini sengaja dibuat, karena fokus dari makalah inibukanlah proses belajar kognitif (apa yang terjadi di dalamkepala pelajar), tetapi lebih pada perilaku online (apa yang

dapat dilihat pada bagian luar) dan korelasi daripadanyadengan langkah-langkah efektivitas pengajaran.Selanjutnya, dalam hal ICT, fokus studi ini adalah padaLearning Management Systems (LMS)



1.2 Kerangka dan Metodologi

• Kerangka datawarehouse ini disesuaikan

untuk keperluan makalah ini dari (Kimball’s

(2002) generic business intelligence

framework

• Laporan paper ini berisi masing-masing

elemen dari kerangka, terutama pengukuran

efektivitas e-teaching

• Berikut ini Gambar dari kerangka tersebut



Keterangan :

Sumber data (sisi kiri kerangka) diekstrak, diubah dan dimasukkan ke sebuah

datawarehouse, yang terdiri dari sejumlah data mart (tengah kerangka). Data dari

datawarehouse ini kemudian diatur sedemikian rupa untuk memungkinkan baik ad

hoc atau pengukuran analisis bisnis standar (sisi kanan dari kerangka)



2. Gambaran praktek intelijen bisnis yang

diterapkan pada Institusi Pendidikan Tinggi

• Enterprise Resource Planning (ERP) systems, Student InformationSystems (SIS) and Learning Management Systems (LMS) biasanyamerupakan sumber sistem data untuk data warehouse, Datatransaksional ditangkap dan disimpan oleh sistem ini.

• Data ini diekstrak, diubah dan dimuat (ETL) ke dalam data

warehouse• Direktori data warehouse perguruan tinggi berisi data mart seperti

alumni, calon mahasiswa, modul dan fasilitas.

• Kebanyakan analisis ditarik dari data mart ini dirancang untukmendukung pengambilan keputusan pada tingkat strategis.

•

Beberapa pendukung keputusan operasional dan tingkat mikrodisediakan dalam bentuk pelanggan (mahasiswa) relationshipmanagement (CRM) jenis query untuk memungkinkan pemasarandan komunikasi yang ditargetkan khusus pada potensi siswa ataudonor



3. Sebuah pendekatan Business intelligence

terhadap evaluasi efektivitas e-teaching

• Kerangka Business intelligence sekarang didekati dari sisikanan, langkah-langkah mulai dari efektivitas e-teaching.

• Standar pengukuran efektivitas e-teaching dinilai dari 2 halyaitu :

1. Ukuran Efektivitas dari pengajaran2. Ukuran dari perilaku online



3.1 Ukuran Efektivitas dari pengajaran

(e-teaching)3.1.1 Learning styles (Cara belajar)

Instrumen ini biasanya memungkinkan pengukurankuantitatif gaya belajar siswa terhadap dimensi-dimensi tertentu.

3.1.2 Student results (Hasil Pelajar)Hasil mahasiswa (contohnya nilai tes) digunakan dalamkebanyakan studi sebagai ukuran efektivitaspengajaran.

3.1.3 Satisfaction (Kepuasan Pelajar)

Shu-Sheng Liaw (2007) menyelidiki kepuasan pelajardan niat perilaku untuk sampai pada kesimpulanbahwa keberhasilan diri sendiri adalah faktor pentingyang mempengaruhi kepuasan pelajar.



3.2 Ukuran dari perilaku online

• Sejauh ini kebanyakan penelitian yangmencoba untuk mengukur efektivitas e-learning menggunakan data agregat yang

disediakan oleh pelacakan laporan mahasiswadari LMS (Learning Management Systems )

• Laporan ini hanya biasanya menyediakan datamengenai jumlah hits per siswa per modul.Meskipun begitu, ini adalah variabel yangpaling populer digunakan dalam studi



3.3 Metode Pengukuran

• Metode pengukurannya menggunakanKorelasi antara efektivitas mengajar danperilaku online seperti tabel dibawah ini.



4. Studi Kasus



4.1 Data Marts

4.1.1 Student data mart

4.1.2 Click-stream data mart



4.2 Data Sources



4.3 Hasil Studi Kasus dan Kesimpulan



5. Implikasi yg lebih luas dan

pengembangan selanjutnya

model data warehouse untuk pengambilan keputusan tingkat mikro

Documents