RANCANG BANGUN SISTEM INFORMASI EKSEKUTIF BERBASIS OLAP
(Online Analytical Processing) PADA PERUSAHAAN GAHARU MEKAR LESTARI
Dede Iswanto
Program Studi Teknik Informatika Fakultas Teknik Universitas Widyatama
Jalan Cikutra No. 204A, Bandung, Indonesia Dedeiswanto10@gmail.com
ABSTRAK
Transaksi pada suatu perusahaan selalu terjadi setiap harinya mengikuti proses bisnis yang dilakukan oleh perusahaan tersebut. Seiring dengan bertambahnya dari waktu ke waktu data transaksi akan bertambah setiap harinya. Dari data transaksi yang tersimpan pada database akan lebih bermanfaat jika data tersebut dapat dianalisa sehingga menghasilkan sebuah informasi untuk membantu dalam proses bisnis suatu perusahaan dalam proses pengambilan keputusan. Namun perusahaan Gaharu Mekar Lestari mengalami kesulitan dalam melakukan proses analisa dan pengambilan keputusan.
Data warehouse adalah sekumpulan data yang bersifat subject-oriented, integrated, time-variant dan non-volatile untuk mendukung proses pengambilan keputusan strategis organisasi. Pada penelitian ini untuk mengatasi permasalahan diatas dilakukan perancangan dan pembangunan sebuah data mart penjualan untuk dilakukan proses analisa menggunakan proses OLAP (Online Analytical Processing). OLAP (Online Analytical Processing) menggunakan konsep data multidimensi yang memungkingkan para pengguna dapat menganalisa data sampai mendetail tanpa harus mengetik satupun perintah SQL. Keluaran yang dihasilkan dari penelitian ini adalah data mart penjualan yang dapat mempermudah proses analisis data yang telah ada di dalam perusahaan tersebut, dashboard yang menyajikan informasi ke dalam bentuk visual dan informasi prediksi penjualan. Dengan dibangunnya data mart dan dilakukan proses analisa menggunakan OLAP (Online Analytical Processing) dapat membantu dalam proses pengambilan keputusan untuk meningkatkan kinerja dan membangun strategi bisnis pada perusahaan Gaharu Mekar Lestari.
Kata Kunci : Data Mart, OLAP (Online Analytical
Processing), Sistem Informasi Eksekutif, Pengambilan Keputusan. ABSTRACT
Transactions on a company always happens every day following business processes undertaken by the company. Along with the increase over time transaction data will grow each day. From the transaction data stored in the database would be more useful if the data can be analyzed to develop information to assist in the process of a company's business decision making processes. However the company Gaharu Mekar Lestari experienced difficulties in the process of analysis and decision making.
Data warehouse is a collection of data that is subject-oriented, integrated, time-variant and non-volatile to support organization's strategic decision making process. In this research to overcome the above problems is to design and construction of data marts for sales made using a process OLAP (Online Analytical Processing). OLAP (Online Analytical Processing) using the concept of multidimensional data that allow users to analyze the data without having to type a single SQL command. Output resulting from research this is data mart sales to simplify process of analysis the data that has been is in the company, dashboard which presents information into a visual form and information prediction sales. With the construction of data warehouse and analysis process is carried out using OLAP (Online Analytical Processing) can help in the decision making process to improve performance and build on the company's business strategy Gaharu Mekar Lestari.
Key Words :Data Mart, OLAP (Online Analytical Processing), Executiv Information System, Decision Making.
I.
PENDAHULUAN
Pada era teknologi maju sekarang ini, persaingan dunia bisnis tumbuh sangat pesat sehingga kemampuan dalam mempertahankan dan eksistensi suatu perusahaan sangatlah penting agar perusahaan tersebut dapat bersaing dengan perusahaan lainnya. Transaksi pada perusahaan selalu terjadi setiap harinya mengikuti proses bisnis yang dilakukan pada perusahaan tersebut. Dari transaksi yang terjadi setiap hari, data transaksi tersebut disimpan dalam database dan dari waktu ke waktu akan bertambah setiap harinya. Dari data transaksi yang tersimpan pada database akan lebih bermanfaat jika data tersebut dapat dianalisa sehingga menghasilkan sebuah informasi untuk membantu dalam proses bisnis suatu perusahaan.
Gaharu Mekar Lestari adalah perusahaan yang bergerak dibidang penjualan spare part mobil di Haurgeulis Kabupaten Indramayu. Sebagai perusahaan berkembang yang membutuhkan analisa dari data penjualan yang terjadi agar data tersebut bisa dimanfaatkan dengan baik untuk kepentingan perusahaan dalam persaingan bisnisnya. Dari data transaksi penjualan yang dapat menampilkan data dalam bentuk tabel dan grafik akan mempermudah perusahaan dalam melakukan analisa. Namun perusahaan Gaharu Mekar Lestari masih mengalami kesulitan untuk meringkas data menjadi beberapa irisan data yang menghasilkan tabel dan grafik secara dinamis agar dapat memonitor penjualan pada perusahaan tersebut.
Untuk dapat terus berkompetisi dipasaran, perusahaan Gaharu Mekar Lestari membutuhkan laporan penjualan yang dapat mengetahui perkembangan penjualan yang terjadi pada perusahaan. Dalam pembuatan laporan pada perusahaan Gaharu Mekar Lestari dibutuhkan perhitungan secara interaktif oleh user sehingga dapat menghasilkan laporan penjualan dengan cepat, rinci, dan praktis dengan berbagai bentuk tampilan multidimensi yang dapat memudahkan dalam proses
pengambilan keputusan untuk meningkatkan kinera perusahaan.
Penelitian sebelumnya Ika Tresnawati dan Emi Susilowati (2014) melakukan Implementasi Teknologi OLAP Pada Sistem Pengolahan Data Penjualan PT. SWANISH untuk menyajikan informasi penjualan yang akurat dan bermanfaat[1] . Budi, Dessyanto, Markus (2011) melukakan penelitian Analisa Data Transaksional pada E-Commerce dengan Teknologi OLAP dengan memanfaatkan informasi yang ada pada data warehouse dan telah berhasil melakukan analisa data lebih lanjut dengan menggunakan teknologi OLAP[2].
Oleh karena itu, dalam penelitian kali ini untuk mengatasi masalah diatas penulis melakukan pengolahan data yang jumlahnya besar dan membuat sebuah data mart penjualan yang kemudian akan dilakukan analisa dengan menggunakan teknologi OLAP (Online Analytical Processing). Analisa menggunakan OLAP menghasilkan informasi secara multidimensi yang artinya mampu melihat data dari berbagai sudut pandang.
Dengan demikian diharapkan pihak pimpinan perusahaan Gaharu Mekar Lestari dapat menganalisa setiap data penjualan yang diinginkan dan membuat laporan penjualan secara cepat, rinci, dan praktis dengan berbagai bentuk tampilan multidimensi sehingga memudahkan dalam proses pengambilan keputusan untuk membangun strategi bisnis.
II. LANDASAN TEORI
Data WarehouseMenurut O’Brien (2005, p143), data warehouse adalah kumpulan data terintegrasi yang diekstrak dari database operasional, historikal, dan eksternal, dibersihkan, ditransformasi, dan dikatalogkan untuk penarikan dan analisis (data mining), untuk menyediakan Business Intelligence untuk pengambilan keputusan bisnis.
Menurut Inmon (2005:29), data warehouse adalah sekumpulan data yang bersifat subject-oriented, integrated, time-variant dan non-volatile untuk mendukung proses pengambilan keputusan strategis organisasi[3].
Menurut (kimball, ross, 2002) data warehouse adalah sebuah sarana yang dapat meningkatkan kualitas pengambilan keputusan, data warehouse berisi data yang dapat mendukung prosess DSS.
OLAP (Online Analytical Processing)
OLAP singkatan dari On-Line Analytical
Processing. Secara mendasar OLAP adalah suatu
metode khusus untuk melakukan analisis data yang terdapat di dalam media penyimpanan data (database) dan kemudian membuat laporannya sesuai dengan permintaan user [Yudhi Hermawan, 2005 : 110]. OLAP akan menampilkan data dalam sebuah tabel yang dinamis, yang secara otomatis akan meringkas data ke dalam beberapa irisan data yang berbeda dan mengizinkan user untuk secara interaktif melakukan perhitungan serta membuat laporan. Tool untuk membuat laporan tersebut adalah tabel itu sendiri yaitu dengan melakukan drag terhadap kolom dan baris. User dapat mengubah bentuk laporan dan menggolongkannya sesuai dengan keinginan dan kebutuhan user dan OLAP engine secara otomatis akan mengkalkulasi data tersebut [Yudhi Hermawan, 2005 : 105]. Berikut adalah operasi-operasi yang terdapat pada OLAP yang merupakan keunggulan dalam proses analisa OLAP [J. Han & M. Kamber, 2006 : 123] :
a. Rool-up dan Drill Drown
Operasi ini merupakan proses agregasi data. Proses drill down adalah proses penampilan data dalam bentuk yang lebih detail. Proses pendetailan ini berdasarkan konsep hirarki data yang telah terformat sebelumnya. Kebalikannya yaitu
consolidation yaitu penggabungan atau penyatuan data ke dalam level yang lebih tinggi.
b. Slice dan Dice
Operasi slicing dan dicing merupakan kemampuan OLAP untuk melakukan pemilihan subset pada suatu data. Proses
slicing adalah proses pemotongan data pada cube berdasarkan nilai pada satu atau
beberapa dimensi. Sedangkan dicing adalah pemotongan hasil slicing menjadi bagian subset data yang lebih kecil.
c. Pivoting
Pivoting adalah kemampuan OLAP
untuk mengubah berbagai sudut pandang data. Dengan operasi ini perubahan perspektif sudut pandang menjadi lebih mudah. Rotasi dapat dilakukan dengan memutar masingmasing sumbu dari cube yang dikehendaki untuk menampilkan data dari berbagai sudut pandang.
Gambar 3.1 Usecase Diagram Sistem Yang Sedang Berjalan
III.
ANALISIS
SISTEM
Sistem Yang Sedang BerjalanGambar 3.1 merupakan usecase diagram yang sedang berjalan pada perusahaan Gaharu Mekar Lestari , pada sistem tersebut pimpinan perusahaan hanya dapat menampilkan total penjualan dan mengunduh laporan penjualn hanya dalam format excel.
Analisis Kekurangan Sistem Yang Sedang Berjalan
Pada penelitian yang telah dilakukan untuk mengetahui bagaimana cara kerja sistem yang saat ini berjalan di perusahaan Gaharu Mekar Lestari, maka penulis menemukan dan menyimpulkan bahwa masalah yang ada belum mampu menganalisa secara langsung dari data operasional yang mengakibatkan pimpinan perusahaan mengalami kesulitan ketika dalam proses pengambilan keputusan dalam proses
bisnisnya, beberapa masalah diantaranya seperti berikut dibawah.
1. Sistem yang ada masih berbasis desktop sehingga sulit untuk dikendalikan jarak jauh oleh pimpinan perusahaan.
2. Tidak mampu menganalisa data untuk menghasilkan informasi penjualan yang bermanfaat untuk keperluan strategi bisnisnya.
3. Laporan penjualan yang dihasilkan hanya menampilkan total penjualan.
Usulan Solusi dari Sistem yang Sedang Berjalan
Berdasarkan analisis kekurangan dari sistem yang sedang berjalan, maka dapat disimpulkan bahwa untuk membangun sistem ini kedalam sebuah sistem berbasis web yang membutuhkan hal seperti berikut dibawah.
1. Sistem berbasis web agar pimpinan perusahaan dapat mengetahui perkembangan penjualan dari jarak jauh.
2. Memanfaat data operasional untuk dilakukan analisa data menggunakan konsep
OLAP untuk menghasilkan informasi penjualan yang bermanfaat untuk keperluan strategi bisnisnya.
Sistem yang Akan Dikembangkan
Sesuai dengan hasil analisa dan kebutuhan sistem yang telah diperoleh maka sistem yang akan dikembangkan memiliki fungsi seperti berikut dibawah.
1. Menganalisa data penjualan agar dapat menghasilkan informasi penjualan yang bermanfaat untuk keperluan bisnisnya. 2. Dapat melihat laporan penjualan lebih detil
dengan menggunakan konsep OLAP. 3. Membuat laporan penjualan dalam bentuk
grafik dan tabel untuk memudahkan pimpinan perusahaan dalam proses pengambilan keputusan.
Analisis Metode OLAP (Online Analytical Processing)
Tabel 3.1 Analisis Metode OLAP (Online Analytical Processing)
Konsep OLAP Fitur
Aplikasi OlapCub e Writer 4.3.7.0 Power Play Gaharu Mekar Lestari Menampilkan Tabel Tabel Fakta Tabel Dimensi Query Menampilkan Grafik Tabel Fakta Tabel Dimensi Query Ringkasan Data Tabel Fakta Tabel Dimensi
Query
Pivot Tabel Query
-Export to excel Tabel hasil query Export to pdf Tabel hasil query
Dari hasil analisis yang dilakukan, Aplikasi OlapCube Writer dan PowerPlay dalam menganalisa data mampu menampilkan data dalam bentuk grafik dan tabel, meringkas data, membuat pivot tabel dan dapat mengkonversi dalam bentuk file excel dan pdf. Sistem yang akan dibuat untuk perusahaan Gaharu Mekar Lestari dalam menganalisa data dapat menampilkan data dalam bentuk grafik dan tabel, meringkas data, dan dapat meng-export tabel dalam bentuk file excel dan pdf. Sedangkan penggunaan pivot tabel tidak diperlukan karena sesuai dengan kebutuhan dalam memperoleh informasi dari data penjualan Gaharu Mekar Lestari.
IV. PERANCANGAN SISTEM
Gambar 4.1 Usecase Diagram Usecase Diagram
Gambar 4.1 merupakan rancangan gambar Use Case Diagram pada sistem yang akan dibuat. Pada
sistem tersebut terdapat dua aktor yaitu admin dan user. Admin dan user mempunyai hak akses yang berbeda. Admin mempunyai akses seperti melihat
grafik dan tabel, mengunduh grafik dan tabel, mencetak tabel, melihat prediksi penjualan , serta mengelola user dan data. Sedangkan user hanya dapat melihat grafik dan tabel, mengunduh grafik dan tabel, mencetak tabel dan melihat prediksi penjualan.
Rancangan Data Mart Penjualan
Dalam perancangan data mart pada perusahaan Gaharu Mekar Lestari agar dapat dilakukan dengan baik, ada beberapa tahapan untung membangun data mart penjualan antara lain :
Pemilihan Proses
Proses penjualan barang adalah proses transaksi penjualan yang dilakukan oleh perusahaan Gaharu Mekar Lestari. Data yang di perlukan adalah data transaksi penjualan barang pada perusahaan Gaharu Mekar Lestari.
Pemilihan Grain
Grain dalam data mart ini yaitu sebagai berikut : a. Ratio penjualan berdasarkan nama
barang
b. Total penjualan berdasarkan kategori barang per tanggal
c. Total penjualan berdasarkan kategori barang per bulan
d. Total penjualan berdasarkan kategori barang per tahun
e. Total penjualan berdasarkan supplier barang per tanggal
f. Total penjualan berdasarkan supplier barang per bulan
g. Total penjualan berdasarkan supplier barang per tahun
h. Kategori penjualan paling laku per tanggal
i. Kategori penjualan paling laku per bulan
j. Kategori penjualan paling laku per tahun
k. Supplier penjualan paling laku per tanggal
l. Supplier penjualan paling laku per bulan
m. Supplier penjualan paling laku per tahun
n. Kategori penjualan tidak laku per tanggal
o. Kategori penjualan tidak laku per bulan p. Kategori penjualan tidak laku per tahun q. Supplier penjualan tidak laku per
tanggal
r. Supplier penjualan tidak laku per bulan s. Supplier penjualan tidak laku per tahun
Identifikasi dan Penyesuaian Dimensi Penjualan Barang
Tabel 4.1 Grain dan Dimensi Penjualan Barang
Grain
Dimensi
Ratio penjualan berdasarkan nama barang X X
Total penjualan berdasarkan kategori barang per
tanggal X X X
Total penjualan berdasarkan kategori barang per
bulan X X X
Total penjualan berdasarkan kategori barang per
Total penjualan berdasarkan supplier barang per
tanggal X X X
Total penjualan berdasarkan supplier barang per
bulan X X X
Total penjualan berdasarkan supplier barang per
tahun X X X
Kategori penjualan paling laku per tanggal X X X
Kategori penjualan paling laku per bulan X X X
Kategori penjualan paling laku per tahun X X X
Supplier penjualan paling laku per tanggal X X X
Supplier penjualan paling laku per bulan X X X
Supplier penjualan paling laku per tahun X X X
Kategori penjualan tidak laku per tanggal X X X
Kategori penjualan tidak laku per bulan X X X
Kategori penjualan tidak laku per tahun X X X
Supplier penjualan tidak laku per tanggal X X X
Supplier penjualan tidak laku per bulan X X X
Supplier penjualan tidak laku per tahun X X X
Pemilihan Fakta
Setelah melalui tahap identifikasi dan penyesuaian dimensi, selanjutnya adalah menemukan fakta yang dapat diperoleh dalam
proses pemilihan grain. fakta penjualan barang pada perusahan Gaharu Mekar Lestari seperti pada tabel di bawah ini :
Tabel 4.2 Pemilihan Fakta
Fakta Field Penjualan KD_WAKTU KD_SUPPLIER KD_KATEGORI KD_BARANG
QTY
TOTAL_HARGA
Melengkapi Tabel Dimensi Memberikan deskripsi pada dimensi sedetail
mungkin agar dapat mudah dipahami oleh user. Berikut deskripsi text dari tabel dimensi :
Tabel 4.3 Melengkapi Tabel Dimensi
Dimensi Field Deskripsi
Dim_waktu
KD_WAKTU BULAN
TANGGAL TAHUN
Laporan dapat dilihat berdasarkan tanggal, bulan, atau tahun.
Dim_supplier KD_SUPPLIER NAMA_SUPPLIER
Laporan dapat dilihat berdasarkan kode supplier atau nama supplier.
Dim_kategori KD_KATEGORI NAMA_KATEGORI
Laporan dapat dilihat berdasarkan kode kategori atau nama kategori.
Dim_barang KD_BARANG
NAMA_BARANG
Laporan dapat dilihat berdasarkan kode barang atau nama barang.
Pemilihan Durasi Database dan Waktu Pembaharuan
Tabel 4.4 Pemilihan Durasi Database dan Waktu Pembaharuan
Dwh_gahar u_mekar_lestari Gaharu mekar lestari -Januari 2015 -Februari 2015 -Maret 2015 -April 2015 -Mei 2015 -Juni 2015 1 Tahun
-Juli 2015 -Agustus 2015 -September 2015 -Oktober 2015 -November 2015 -Desember 2015 Proses pembaharuan dari database
operasional kedalam data warehouse akan dilakukan setiap satu tahun.
Melacak Perubahan Dari Dimensi Secara Perlahan
Atribut yang terdapat pada database operasional tidak selamanya memliki nilai yang statis, namun ada kemungkinan bahwa nilai
pada atribut tersebut dapat berubah tetapi dalam jangka waktu yang lama. Dalam dimensi yang telah dirancang tidak akan ada perubahan nilai, karena nilai atribut dalam dimensi sudah tetap.
Skema Bintang
Berikut ini merupakan rancangan skema bintang yang dihasilkan dari proses perancangan data mart.
Gambar 4.12 Skema Bintang Penjualan
V.
IMPLEMENTASI
Mapping ke Data Mart
Mapping ke data mart merupakan perintah-perintah yang akan digunakan untuk memindahkan data dari database operasional ke dalam data mart.
Perintah yang digunakan untuk memindahkan data tersebut tidak menggunakan query secara langsung atau tidak menggunakan bahasa sql. Untuk proses pemindahan data nya menggunakan tools Pentaho Data Integration. Berikut ini merupakan implementasi perintah untuk mengisi data mart menggunakan tools Pentaho Data Integration :
Gambar 5.1 Implementasi Mapping Fact_penjualan
Gambar 5.1 diatas merupakan proses untuk memasukkan data operasional excel ke dalam data mart yang terdiri dari beberapa jenis job entry yang terdapat pada group general :
1. Microsoft excel input, pada tahap ini akan digunakan untuk melakukan proses pembacaan row, column, dan data yang terdapat pada file excel.
2. Select values 1, pada tahap ini akan dilakukan penyeleksian field yang diperlukan.
3. Split fields, pada tahap ini akan dilakukan pemisahan field data tanggal menjadi beberapa field yaitu, TANGGAL, BULAN, dan TAHUN. 4. Select values 2, pada tahap ini akan dilakukan
penyeleksian field yang diperlukan.
5. String operation, pada tahap ini akan dilakukan proses trimming.
6. Database lookup dim_waktu, pada tahap ini akan dilakukan proses penggabungan tabel (join) antara tabel waktu dan tabel dim_waktu untuk mengambil KD_WAKTU yang ada pada tabel dim_waktu.
7. Database lookup dim_supplier, pada tahap ini akan dilakukan proses penggabungan tabel (join) antara tabel supplier dan tabel dim_supplier untuk mengambil KD_SUPPLIER yang ada pada tabel dim_supplier.
8. Database lookup dim_kategori, pada tahap ini akan dilakukan proses penggabungan tabel (join) antara tabel kategori dan tabel dim_kategori untuk mengambil KD_KATEGORI yang ada pada tabel dim_kategori.
9. Database lookup dim_barang, pada tahap ini akan dilakukan proses penggabungan tabel (join) antara tabel barang dan tabel dim_barang
untuk mengambil KD_BARANG yang ada pada tabel dim_barang.
10. Select values 3, pada tahap ini akan dilakukan penyeleksian field yang diperlukan.
11. Sort rows, pada tahap ini akan dilakukan pengurutan data sebelum dilakukan proses group by.
12. Group by, pada tahap ini akan dilakukan pengelompokan data untuk mendapatkan quantity.
13. Calculator, pada tahap ini akan dilakukan penjumlahan quantity dari hasil pengelompokan sebelumnya.
14. Select values 4, pada tahap ini akan dilakukan penyeleksian field yang diperlukan.
15. Insert/update, pada tahap ini akan dilakukan
proses memasukkan data ke dalam data warehouse dengan nama tabel
fact_penjualan.
Implementasi Antarmuka
Implementasi antarmuka merupakan tahapan pembuatan aplikasi, melakukan proses pengkodean yang disesuaikan berdasarkan hasil rancangan sistem yang telah dibuat pada tahap sebelumnya.
Gambar 5.3 Implementasi Antarmuka Beranda
Gambar 5.5 Implemantasi Antarmuka Prediksi Penjualan
VI.
KESIMPULAN
DAN SARAN
KesimpulanBerdasarkan perancangan dan pembangunan data mart pada perusahaan Gaharu Mekar Lestari yang telah dilakukan, maka dapat dikemukakan beberapa kesimpulan sebagai berikut :
1. Dengan dibangunnya data mart Penjualan pada perusahaan Gaharu Mekar Lestari dapat memudahkan pimpinan perusahaan dalam melakukan analisa pada data penjualan, dibandingkan dengan menganalisa database operasional secara langsung.
2. Dengan dibangunnya Sistem Informasi Eksekutif berbasis OLAP pada perusahaan Gaharu Mekar Lestari dapat memudahkan pimpinan perusahaan untuk memperoleh informasi penjualan dan dapat membuat laporan penjualan sesuai yang diinginkan dalam bentuk grafik dan tabel sehingga dapat dijadikan sarana pendukung pada saat proses pengambilan keputusan.
Saran
Dalam penyusunan tugas akhir ini masih belum mencapai sempurna. Karena keterbatasan waktu dan sumber daya yang dimiliki, penyusunan tugas akhir ini masih banyak kekurangan. Penulis berharap dari penyusunan tugas akhir ini dapat memberikan hasil melalui pengembangan dan inovasi. Untuk pengembangan lebih lanjut, penulis memberikan saran sebagai berikut :
1. Penggunaan data yang lebih banyak akan mendapatkan hasil prediksi penjualan yang lebih akurat.
2. Meningkatkan tingkat keamanan sistem agar dapat terhindar dari hal-hal yang tidak diinginkan.
3. Meningkatkan prediksi penjualan yang lebih akurat dengan menggunakan metode selain single moving average.
4. Menambahkan operasi pada OLAP yaitu proses slicing, dicing dan untuk kebutuhan selanjutnya pengguna dapat membuat laporan dalam bentuk pivot tabel.
DAFTAR
PUSTAKA
Ika Tresnawati dan Emi Susilowati. Implementasi Teknologi OLAP Pada Sistem Pengolahan Data Penjualan. Universitas Muhammadiyah Jakarta : 2014.
Budi Santosa, Dessyanto Boedi P , Markus Priharjanto. Analisa Data Transaksional Pada E-Commerce dengan Teknologi OLAP. Yogyakarta : 2011.
W.H. Inmon, 2005. Building the Data Warehouse 4thEdition.
Kimball, Raph., Ross, Margy. 1996. The Data Warehouse Toolkit 2nd Edition.
Connolly, Thomas., Begg, Carolyn. 2005. Database Systems 4thEdition.
Dyah Paramita P, Firdaus, Mira Afrina . Penerapan Data Mart Penjualan Hypermarket XYZ Menggunakan Metode From Enterprise Models To Dimensional Models. Universitas Sriwijaya : 2012.
Mulyana JRP. 2005. “Pentaho : Solusi Open Source untuk Membangun Data Warehouse”. Penerbit Andi, Yogyakarta.
Jogiyanto.HM.1990. “Analisis & Disain Sitem Informasi”. Andi Offset.Yogyakarta
Subagyo. 1986. Forecasting Konsep dan Aplikasi.Yogyakarta: BPFE.
