Dasbor Informasi Penyebaran Kopi Menggunakan Metode Star Schema

(1)

DASHBOARD INFORMASI PENYEBARAN KOPI DENGAN METODE STAR SCHEMA

Ahmad Noval (41819010097) Muhammad Amir Hamzah

(41819010077) Rauuf Haadi Setiawan

(41819010071)

PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA

JAKARTA 2022

(2)

DASHBOARD INFORMASI PENYEBARAN KOPI DENGAN METODE STAR SCHEMA

Laporan Tugas Akhir

Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer

Oleh:

Ahmad Noval (41819010097) Muhammad Amir Hamzah

(41819010077) Rauuf Haadi Setiawan

(41819010071)

PROGRAM STUDI SISTEM INFORMASI FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA

JAKARTA 2022

i

(3)

LEMBAR PERSETUJUAN

Nama Mahasiswa : Ahmad Noval

NIM : 41819010097

Judul Tugas Akhir : Dashboard Informasi Penyebaran Kopi Dengan Metode Star Schema

Nama Mahasiswa : Muhammad Amir Hamzah

NIM : 41819010077

Nama Mahasiswa : Rauuf Haadi Setiawan

NIM : 41819010071

Tugas Akhir ini telah diperiksa dan disetujui

Jakarta, 28 mei 2022

Menyetujui,

(Ifan Prihandi, S.Kom, M.Kom)

(4)

ABSTRAK

Nama : Ahmad Noval

NIM : 41819010097

Pembimbing TA : Ifan Prihandi, S.Kom, M.Kom

Judul : Dashboard Informasi Penyebaran Kopi Dengan Metode Star Schema

Nama : Muhammad Amir Hamzah

NIM : 41819010077

Nama : Rauuf Haadi Setiawan

NIM : 41819010071

Perkembangan teknologi saat ini membuat pekerjaan setiap orang menjadi lebih mudah, perkembangan teknologi juga tidak luput dari tersedianya berbagai informasi. Data merupakan faktor penting dalam perkembangan teknologi informasi saat ini, dengan adanya data dapat mempermudah masyarakat untuk mengakses informasi yang diperlukan, tidak hanya informasi, data juga dapat digunakan untuk berbagai kebutuhan, antara lain prediksi dan kebutuhan bisnis, melalui prediksi data, sebuah organisasi atau bisnis dapat mengidentifikasi peluang dan mengelola operasi bisnis dengan baik. Maka pada penelitian ini, penulis ingin menyajikan sebuah informasi dengan menggunakan data warehouse model star schema. Penulis akan menyusun data warehouse model star schema menggunakan

(5)

dataset dari International Coffee Organization (ICO) yang berisi data produksi, konsumsi, impor dan ekspor kopi di dunia. Dari hasil pemodelan data werehouse tersebut, penulis akan membuat dashboard informasi. Maka dengan adanya penelitian ini, penulis mengharapkan dapat memberikan informasi untuk wirausahawan untuk dapat memulai bisnis produk berbahan kopi tanpa salah dalam mengambil keputusan kedepannya.

Kata Kunci: Data werehouse, Star schema, Dashboard, Informasi, Kopi

(6)

ABSTRACT

Name : Ahmad Noval

Student Number : 41819010097

Counsellor : Ifan Prihandi, S.Kom, M.Kom

Title : Coffee Distribution Information Dashboard With Star Schema Method

Name : Muhammad Amir Hamzah

Name : Rauuf Haadi Setiawan

Current technological developments make everyone's work easier, technological developments also do not escape the availability of various information. Data is an important factor in the development of information technology today, with data it can make it easier for people to access the information needed, not only information, data can also be used for various needs, between predictions and business needs, through data prediction, an organization or can identify opportunities and manage business operations well. So in this study, the author wants to present an information dashboard using the star schema data warehouse model. The author will compile a data warehouse model star schema using a dataset from the International Coffee Organization (ICO) which contains data on the

(7)

production, consumption, import and export of coffee in the world. From the results of the data warehouse modeling, the author will create an information dashboard. So with this research, the author hopes to provide information for entrepreneurs to be able to start a coffee-based product business without making mistakes in making decisions in the future.

Keywords: Data warehouse, Star schema, Dashboard, Information, Coffee

(8)

KATA PENGANTAR

Alhamdulillah penulis mengucapkan puji dan syukur kepada Allah SWT.

Atas ridhonya penulis dapat menyelesaikan penyusunan Proposal Metodologi Penelitian Teknologi Informasi ini. Adapun judul Proposal Metodologi Penelitian Teknologi Informasi yang penulis ajukan adalah dashboard informasi penyebaran kopi dengan metode star schema.

Proposal Metodologi Penelitian Teknologi Informasi ini diajukan untuk memenuhi syarat kelulusan di Fakultas Ilmu Komputer Universitas Mercu Buana.

Penulis menyadari banyak pihak yang membantu dalam pembuatan Proposal Metodologi Penelitian Teknologi Informasi ini. Oleh karena itu penulis dengan penuh hormat mengucapkan terimakasih kepada :

1. Bapak Ifan Prihandi, S.Kok, M.Kom. selaku pembimbing MPTI.

2. Bapak Indra Ranggadara, S.Kom, MT. selaku pengampu mata kuliah MPTI.

3. Ibu Ratna Mutu Manikam, S.Kom, MT. selaku ketua program studi Sistem Informasi.

4. International Coffee Organization (ICO), selaku kontributor penyedia dataset.

5. Kedua orang tua, serta keluarga yang selalu mendoakan dan memberikan dukungan semangat.

6. Teman-teman sekerja MPTI, yang bekerjasama dalam penelitian ini.

Akhirnya penulis mengharapkan proposal ini agar bermanfaat bagi rekan- rekan mahasiswa dan para pembaca sekalian. Semoga Allah swt. Selalu melimpahkan taufik dan hidayah-Nya kepada kita semua.

Jakarta, 22 Juni 2022

Penulis

(9)

DAFTAR ISI

LEMBAR PERSETUJUAN ... ii

ABSTRAK ... iii

ABSTRACT ... v

KATA PENGANTAR ... vii

DAFTAR ISI ... viii

DAFTAR TABEL ... x

DAFTAR GAMBAR ... xi

DAFTAR LAMPIRAN ... xii

BAB I PENDAHULUAN ... 1

1.1. Latar Belakang ... 1

1.2. Permasalahan ... 2

1.3. Tujuan Penelitian ... 2

1.4. Batasan Masalah ... 3

1.5. Manfaat Penelitian ... 3

1.6. Sistematika Penulisan ... 3

BAB II TINJAUAN PUSTAKA ... 4

2.1. Data Warehouse ... 4

2.2. Star Schema ... 4

2.3. Data Warehouse Implementation ... 5

2.4. Dashboard ... 5

2.5. Power BI ... 6

2.6. Penelitian Terdahulu ... 6

2.7. Analisis Literature Review ... 29

BAB III METODE PENELITIAN ... 31

3.1. Deskripsi Sumber Data ... 31

3.2. Teknik Pengumpulan Data ... 31

3.3. Klasifikasi Data ... 32

3.4. Diagram Alir Penelitian ... 35

3.5. Jadswal Penelitian ... 35

(10)

DAFTAR PUSTAKA ... 37 LAMPIRAN ... 39

(11)

DAFTAR TABEL

Tabel 2. 1 Label Literature Review ... 10 Tabel 3. 1 Jadwal Penyelesaian Tugas Akhir ... 36

(12)

DAFTAR GAMBAR

Gambar 2 1 Data Warehouse Implementation ....5

Gambar 3. 1 Dataset Produksi kopi dunia ....33

Gambar 3. 2 Dataset konsumsi domestik kopi dunia ....33

Gambar 3. 3 Dataset ekspor kopi dunia ....34

Gambar 3. 4 Dataset impor kopi dunia ....34

Gambar 3. 5 Alur Penelitian ....35

(13)

DAFTAR LAMPIRAN

Lampiran 1 Kartu Bimbingan ....39

(14)

BAB I

PENDAHULUAN

1.1. Latar Belakang

Indonesia merupakan eksportir kopi terbesar ke-4 dunia, dengan kontribusi rata-rata sebesar 4,76 persen. Brazil menempati posisi pertama dengan kontribusi rata-rata sebesar 24,30 persen, diikuti oleh Vietnam pada posisi ke-2 sebesar 17,94 persen dan posisi ke-3 di tempati oleh Columbia dengan 10,65 persen.

Adapun negara tujuan ekspor utama produk kopi Indonesia antara lain yaitu Amerika Serikat dengan kontribusi rata-rata sebesar 19,35 persen dari total ekspor kopi Indonesia, serta ke Jepang, Jerman dan Italia, masing-masing dengan kontribusi rata-rata sebesar 14,96 persen, 15,88 persen, dan 6,71 persen. Indonesia mampu memproduksi sedikitnya 748 ribu ton atau 6,6% dari produksi kopi dunia pada tahun 2012. Dari jumlah tersebut, produksi kopi robusta mencapai lebih dari 601 ribu ton atau sebesar 80,4% dan produksi kopi arabika mencapai lebih dari 147 ribu ton atau sejumlah 19,6% [1].

Indonesia perlu memanfaatkan keunggulan dan potensi produk kopi sebagai daya dorong dalam meningkatkan kinerja ekspor kopi Indonesia ke negara tujuan ekspor. Khususnya karena Indonesia sebagai negara yang memiliki 35 jenis kopi Indikasi Geografis (IG) dan terdaftar di Direktorat Jenderal Hak dan Kekayaan Intelektual Kementerian Hukum dan HAM. Selain itu, saat ini kopi Arabika Gayo juga telah terdaftar di Eropa dan merupakan satu-satunya produk Indikasi Geografis (IG) Indonesia yang dilindungi di Eropa [2].

Usaha kopi indonesia sekarang ini juga sedang naik daun. Melihat perkembangan ke depan, bisnis usaha kopi layak dicermati lebih jeli. Karena Minum kopi kini sudah menjadi gaya hidup bagi anak-anak generasi millenial dan bukan sekedar minuman penghilang rasa kantuk. Ini tercermin dari menjamurnya kafe atau kedai-kedai penjual minuman dari seduhan bubuk kopi di seluruh nusantara. Kini untuk dapat menikmati kopi yang berkualitas tidak hanya di

1

(15)

Starbucks atau di Coffee Bean. Sebab, kafe penjaja minuman kopi lokal kini telah hadir di mana-mana, dari pinggir-pinggir jalan, kawasan bisnis hingga ke mall.

International Coffee Organization (ICO) juga mencatat bahwa tren untuk mengkonsumsi kopi domestik di Indonesia terus meningkat selama lima tahun terakhir ini. Pada periode 2018-2019, jumlah konsumsi dari kopi domestik Indonesia mencapai 4.800 kantong berkapasitas 60 kg (kilogram) [3].

Coffee shop menjadi salah satu bisnis di bidang kuliner yang tidak pernah habis peminatnya. Semenjak pandemi, coffee shop cukup sering dikunjungi oleh masyarakat, baik yang sekadar duduk santai menikmati suasana hingga yang memesan minuman untuk takeaway. Meskipun masih dalam sistem protokol kesehatan, coffee shop jarang sepi pembeli.

Karena penggemar kopi berasal dari banyak kalangan mulai dari generasi milenial hingga orang tua. Ada banyak jenis kopi di Indonesia yang mudah ditemukan dengan rasa keaslian sempurna. Melihat celah tersebut, bisnis dan usaha kopi menarik untuk dicoba oleh masyarakat indonesia sebagai peluang usaha yang menjanjikan.

1.2. Permasalahan

Permasalahan yang ingin diselesaikan adalah untuk memberikan informasi kepada wirausahawan agar mereka tau informasi seputar kopi untuk mereka membangun usaha produk berbahan kopi.

1.3. Tujuan Penelitian

Untuk membangun dashboard informasi penyebaran kopi di dunia dan mengetahui jumlah konsumsi kopi masyarakat di seluruh dunia sehingga wirausahawan dapat memulai bisnis produk berbahan kopi tanpa salah dalam mengambil keputusan.

(16)

1.4. Batasan Masalah

Agar pembahasan dalam penelitian ini dapat lebih jelas dan terarah maka penulis memberikan batasan terhadap permasalahan yang akan diteliti berfokus pada sebagai berikut :

1. Menggunakan metode star schema untuk membantu dalam menyusun data.

2. Hanya membahas tentang kopi berdasarkan klasifikasi Impor, ekspor, produksi dan konsumsi dalam kurun waktu dari tahun 2010 - 2020.

3. Tools yang digunakan dalam penelitian ini adalah Power BI.

1.5. Manfaat Penelitian

Adapun manfaat penelitian yang dilakukan adalah untuk mengetahui penggunaan metode star schema terhadap data set kopi berdasarkan impor, ekspor, produksi dan konsumsi kopi di Indonesia dan dunia.

1.6. Sistematika Penulisan BAB I PENDAHULUAN

Pada bab ini membahas latar belakang, permasalahan, tujuan penelitian, batasan masalah, manfaat penelitian dan sistematika penulisan yang merupakan gambaran menyeluruh dari penelitian ini.

BAB II TINJAUAN PUSTAKA

Pada bab ini berisi tentang penelitian terdahulu yang relevan dan kajian teori yang akan digunakan pada penelitian ini.

BAB III METODOLOGI PENELITIAN

Pada bab ini akan membahas tentang deskripsi sumber data, teknik pengumpulan data, diagram alir penelitian, dan jadwal penelitian.

(17)

BAB II

TINJAUAN PUSTAKA

2.1. Data Warehouse

Data warehouse merupakan tempat untuk menyimpan semua data penting untuk, diamati, dipahami dan diproses oleh perusahaan ataupun wirausahawan [4].

Tujuan dari data warehouse adalah untuk memfasilitasi analisis data dengan menyediakan sumber informasi utama untuk menghasilkan laporan. Pengguna dapat menelusuri data terperinci, menganalisis data lebih cepat, dan membuat laporan dengan lebih mudah. Hasil analisis mengarah pada pengambilan keputusan yang lebih baik dan menarik untuk mempromosikan produk bagi kebutuhan pelanggan [5].

2.2. Star Schema

Star schema adalah jenis skema yang dibuat untuk memodelkan sistem gudang data. Mengadopsi desain data werehouse menggunakan star schema dapat menggantikan integrasi tingkat tinggi antar tabel saat menggunakan database tradisional. Skema pemodelan dimensional yang digunakan adalah star schema, karena kecepatannya dalam proses pengambilan data. Star schema adalah hubungan beberapa tabel banyak dimensi yang berpusat pada tabel fakta [6]. Star schema merupakan model yang sampai sekarang masih digunakan sampai sekarang untuk merepresentasikan data multidimensi yang meliputi 2 macam tabel, yaitu tabel Fakta dan tabel Multidimensi. Tabel didenormalisasi untuk membentuk diagram ERD (diagram hubungan entitas) berbentuk bintang. Skema ini ditampilkan dengan tabel fakta yang berpusat pada beberapa tabel dimensi [7].

(18)

2.3. Data Warehouse Implementation

Gambar 2 1 Data Warehouse Implementation

Dari database dan dataset akan diubah menjadi ETL, setelah itu dijadikan data warehouse, setelah jadi data warehouse selanjutnya akan diubah menjadi model star schema, dan tahap terakhir akan diubah menjadi bentuk laporan yang berupa dashboard.

2.4. Dashboard

Dashboard adalah alat yang digunakan untuk manajemen informasi dan intelijen bisnis. Data dashboard mengatur, menyimpan, dan menampilkan informasi penting dari berbagai sumber data di satu tempat yang mudah diakses.

Menggunakan visualisasi data, dashboard mengomunikasikan metrik secara visual untuk membantu pengguna memahami hubungan kompleks dalam data mereka.

Manajemen Data dengan Visualisasi Dashboard Interaktif Aplikasi Business Intelligence (BI), dapat dibuat dengan melakukan desain BI terlebih dahulu [8].

Dashboard untuk desain minimalis yang efektif menyampaikan informasi dan juga semua peningkatan yang digabungkan ke dalam versi produksi dari dashboard dan memunculkan umpan balik berupa grafik [9].

(19)

2.5. Power BI

Aplikasi Power BI adalah komponen penting dari pengguna yang melihat dan mengakses dashboard di beberapa aplikasi seperti Power Apps dan Mobile Power BI. Konektor Power BI memainkan peran penting dalam mengambil data dari database dan sumber lainnya. Basis data, konsumsi Azure Connector Insights, dan lain-lain [10]. Microsoft Power BI menghadirkan 3 konsep kerja yang akan sangat membantu menganalisis data seperti dashboard, laporan, dan kumpulan data. Kumpulan data adalah kumpulan data yang diimpor atau dihubungkan ke Power BI. Sedangkan laporan adalah satu atau lebih halaman tampilan. Dashboard itu sendiri adalah tampilan terintegrasi yang menampilkan kumpulan laporan dari kumpulan-kumpulan data.

2.6. Penelitian Terdahulu

Penelitian terdahulu yang relevan dengan penelitian yang akan dilakukan salah satunya yang berjudul Data Warehouse Implementation Techniques In Data Processing (Case Study Data Sales at PT Spirit Sejahtera Bersama). Dari jurnal tersebut dilakukan perancangan dan pembangunan sistem data warehouse untuk mendukung penilaian kinerja pemasaran dan pencapaian penjualan. Dari data warehouse tersebut dibuatlah aplikasi dashboard berbasis web yang memungkinkan untuk menganalisis data, karena data telah dibagi beberapa dimensi dan juga dilengkapi dengan grafik dan laporan.

Penelitian selanjutnya yang berjudul Business Intelligence for Construction Company Acknowledgement Reporting System. Dalam jurnal ini dilakukan pengumpulan data, setiap data yang mendukung dalam studi kasus dianalisis untuk menghasilkan informasi tentang perhitungan dan pengukuran yang akan ditampilkan dalam analisis OLAP, desain laporan, dan indikator untuk ditampilkan di dalam dashboard. Data-data tersebut akan menjadi acuan untuk mengembangkan Data Warehouse. Data tersebut akan disaring untuk di analisa.

Data akan dibagi menjadi fakta dan dimensi. Dimensi digunakan untuk membuat kategori yang mengelompokkan data dari fakta. Fakta di sisi akan berperan sebagai sumber

(20)

informasi utama yang akan dianalisis. Perancangan data diwakili oleh star schema, star schema terdiri dari 1 tabel fakta dan 5 tabel dimensi. Dari data warehouse tersebut dibuatlah aplikasi untuk mengubah cara manual dan sulit untuk menghasilkan laporan menjadi lebih teratur. Metode ini menggunakan proses ETL untuk memanipulasi data dari database operasional menjadi star schema yang lebih mudah untuk dianalisis. Data akan diwakili dengan laporan dan dashboard untuk membantu manajemen meninjau dan mengambil keputusan.

Penelitian selanjutnya yang berjudul Design and Implementation of Efficient Decision Support System Using Data Mart Architecture. Dalam jurnal ini dilakukan pembangunan star schema untuk DMS di SQL server 2017 R2 sesuai dengan kebutuhan yang memiliki tiga ukuran yaitu rata-rata pengarsipan dokumen, rata-rata pemindaian dokumen dan jumlah dokumen pengguna. Untuk membangun Document Data Mart (DDM), gunakan star schema dan tambahkan perincian sebanyak mungkin untuk menyempurnakan analisis. DSS yang efisien telah dibangun untuk DMS yang mengumpulkan data dari database DMS yang dinormalisasi dan menyimpannya dalam repositori data mart, dan memecahkan masalah yang dihadapi oleh pembuat keputusan, dan meningkatkan kecepatan untuk menjawab pertanyaan. Sangat mudah untuk melihat bagaimana mengisi star schema dengan alat ETL aktif dari database. Dengan implementasi, melihat ke dalam mengeksekusi kueri yang sama tetapi dalam berbagai sistem. Saat membandingkan hasil eksekusi kueri, jelas dalam setiap contoh bahwa data kembali dari star schema terorganisir secara dramatis lebih cepat daripada ERD.

Penelitian selanjutnya yang berjudul Data Warehouse Development For Flight Reservation System. Dalam jurnal dilakukan pengembangan Business Intelligence dimulai dari perancangan star schema yang ditunjukkan pada. Melalui proses ETL, data dari star schema yang dipilih akan diproses dari Online Transactional Processing (OLTP) menjadi Online Analytical Processing (OLAP).

Dengan dikembangkannya data warehouse, perusahaan XYZ dapat mengambil keputusan yang lebih baik melalui analisis wawasan dari informasi yang disajikan dari analisis OLAP. Informasi dapat dihasilkan dengan cepat tanpa perlu menunggu

(21)

tim pengembang untuk mengembangkan kueri untuk menghasilkan laporan berdasarkan kebutuhan manajemen eksekutif.

Penelitian selanjutnya yang berjudul Analisis Kinerja Pemodelan Data Star Schema Pada Data Perpustakaan. Dalam jurnal ini dilakukan pemodelan data perpustakaan dengan star schema dan membantu proses analisis pola data perpustakaan dibuat dengan web dengan teknologi OLAP. Maka dengan pemodelan star schema dapat menghasilkan informasi berupa pola peminjam dan pengunjung pada perpustakaan PCR. Dan dengan Pemodelan star schema pada data mahasiswa, data peminjaman dan data pengunjung melibatkan join antar dimensi yang berpengaruh pada kecepatan waktu eksekusi.

Penelitian selanjutnya yang berjudul Report Generation Using Slowly Changing Dimension. Dalam jurnal ini menghasilkan bentuk data terstruktur yang dapat dianalisis dengan mudah untuk meningkatkan readability. Teknik penelitian yang dilakukan dengan cara Dimension star schema, dengan star schema pembuatan dashboard untuk mahasiswa non akademik ini bertujuan untuk menampilkan kinerja mahasiswa dalam kegiatan ekstrakurikuler seperti jumlah makalah yang dipresentasikan, jurnal yang diterbitkan, hadiah yang dimenangkan dalam kegiatan olahraga, dll dalam diagram batang.

Penelitian selanjutnya yang berjudul Design Of Business Intelligence Dashboard To Support Decisions On Telkomsel Internet Package Service Provision Using The Business Dimensional Life Method. Dalam jurnal ini dilakukan tahap perancangan database dalam data warehouse yang dibuat berdasarkan dimensi- dimensi yang telah ditentukan. Physical design yang dibuat pada penelitian ini yaitu star schema. Perancangan business intelligence dashboard merupakan solusi untuk mengatasi masalah, dimana hasil dashboard report dapat memberikan informasi kepada PT Telkomsel sehingga dapat digunakan untuk mengambil keputusan.

Penelitian selanjutnya yang berjudul Analysis and Design Optimize Data for the Depok Center Information System's Health Services on the E- Government Data Warehouse Application using an Olap Pivot Table and Star Schema. Dalam

(22)

jurnal ini dapat diketahui bahwa tujuan dari star schema adalah untuk memodifikasi tabel OLTP yang dinormalisasi menjadi struktur yang sederhana dan dinormalisasi di gudang data. kebutuhan yang diharapkan oleh pimpinan Dinas dan Walikota adalah tersedianya informasi monitoring pelayanan berupa Dashboard dan Laporan dari masing-masing puskesmas menjadi sebuah aplikasi.

Penelitian selanjutnya yang berjudul Designing a Lecturer’s Performance Data Warehouse Model Using Star Schema. Dalam jurnal ini berfokus pada pembentukan model yang lengkap untuk memenuhi kebutuhan pembentukan analisis kinerja dosen. Untuk penelitian selanjutnya, model data yang dihasilkan dalam penelitian ini dapat digunakan.

Penelitian selanjutnya yang berjudul Data Warehouse And Dashboard Design Using The Kimball Method With A Case Study Hr Data At Institute Of Technology Telkom Surabaya. Dalam jurnal ini ketika top level magement ITTelkom Surabaya membutuhkan informasi yang ringkas dan mudah dipahami terkait data SDM. Metode pengambilan data ini menggunakan dashboard, Dengan adanya dashboard yang dibangun maka dapat membantu top level management ITTelkom surabaya untuk melihat informasi mengenai data SDM.

Penelitian selanjutnya yang berjudul Implementasi Star Schema Pada Studi Kasus Perpustakaan Berskala Universitas. Dalam jurnal ini menunjukkan bahwa star schema dapat diimplementasikan pada kasus perpustakaan, data warehouse dan OLAP dapat mendukung pengambilan keputusan penambahan buku, serta dihasilkan 3 dimensi dari 4 grain yang ditemukan.

Penelitian selanjutnya yang berjudul Perbandingan Model Star Schema Dan Snowflake Data Akademik (Studi Kasus UNSIQ Jawa Tengah Di Wonosobo). Dalam jurnal ini Dilakukan rangkaian proses atau langkah-langkah dalam rangka mengembangkan data warehouse menggunakan modeling multidimensional dengan dua skema sekaligus. Hasi dari Pengujian star schema dan snowflake dengan melihat dari performa yang diujiakan yaitu Row Lenght, Respontime, Block Size dan cpu time pada penerimaan Mahasiswa baru Unsiq Jawa Tengah di

(23)

Wonosobo lebih dimenangkan oleh star schema,jika dilihat dari eksekusi baris dan eksekusi waktu pemanggilan.

Selanjutnya penelitian terkait yang relevan dengan penelitian yang akan dilakukan dapat dilihat pada tabel 2.1

Literature Review

Tabel 2. 1 Label Literature Review

Kriteria Rincian

Judul Artikel

Data Warehouse Implementation Techniques In Data Processing (Case Study Data Sales at PT Spirit

Sejahtera Bersama)

Penulis Made Hanindia Prami Swari¹, Fawwaz

Ali Akbar², Martoni³

Nama Jurnal Journal Mantik

Tahun, halaman 2019, 135-142

Tujuan Penelitian

Penelitian ini bertujuan untuk merancang dan membangun sistem data warehouse untuk mendukung penilaian kinerja pemasaran dan pencapaian penjualan pada PT Spirit Sejahtera Bersama

Hipotesis/Pertanyaan Penelitan/Masalah Penelitan

Ciri yang membedakan database data warehouse biasa sebagian besar pada sumber data yang belum tentu seragam dan berasal dari satu sumber seperti yang terjadi pada PT Spirit Sejahtera Bersama. Perusahaan ini bergerak di bidang penjualan alat

(24)

kesehatan, hingga saat ini telah memiliki lebih dari 70 showroom dan terbagi dalam 12 wilayah, dimana sistem informasi penjualan yang digunakan oleh perusahaan di setiap wilayah memiliki database tersendiri dalam format excel, ini dia membuat perusahaan kesulitan dalam proses menganalisis data penjualan

perusahaan Metode pengambilan data

Metode/Teknik penelitian yang

digunakan Pemodelan dimensional star schemas

Hasil penelitian

Aplikasi dashboard berbasis web yang akan menampilkan data penjualan dari data warehouse yang dilengkapi dengan grafik dan laporan, dan dari hasil pengujian dengan metode black box testing dapat diketahui bahwa sistem telah berjalan dengan baik sesuai dengan yang diharapkan

Kriteria Rincian

Judul Artikel

Business Intelligence for Construction Company Acknowledgement

Reporting System

Penulis

Abba Suganda Girsang¹, Sani Muhamad Isa², Herry Saputra³, M.

Apriadin Nuriawan⁴, Reginald Putra Ghozali⁵, Emil Robert Kaburuan⁶

(25)

Nama Jurnal The 1st 2018 INAPR International Conference

Tujuan Penelitian

Memberikan laporan terperinci kepada pemerintah, investor baik domestik maupun internasional, dan setiap lembaga yang membutuhkan informasi seperti kebutuhan pasar, perkembangan sumber daya, dan peningkatan teknologi konstruksi,

Salah satu asosiasi perusahaan jasa konstruksi Indonesia, asosiasi

memastikan untuk merekomendasikan dan mencatat setiap perusahaan jasa konstruksi (anggotanya) untuk bekerja sesuai dengan hukum dan konstitusi Indonesia yang berlaku. Masalah dalam asosiasi ini, karena tugasnya adalah memberikan laporan terperinci kepada pemerintah, investor baik domestik maupun internasional, dan setiap lembaga yang membutuhkan informasi seperti kebutuhan pasar, perkembangan sumber daya, dan peningkatan teknologi konstruksi, adalah membuat kueri untuk setiap data dari tabel di MySQL untuk membuat laporan dengan cepat, efisien, dan otomatis. Contoh kebutuhan pelaporan adalah: Pada

(26)

bulan apa proyek pembangunan dilakukan paling lama dalam waktu 1 tahun; Durasi proyek, biaya proyek, dan pengalaman paling banyak untuk setiap perusahaan konstruksi; atau jumlah proyek berdasarkan sumber dana (APBN, APBD, PINJAMAN PEMERINTAH, BUMN, atau SWASTA) untuk masing-masing perusahaan konstruksi

Metode pengambilan data Metode/Teknik penelitian yang digunakan

Pemodelan dimensional star schemas, Kimball dan ETL

Hasil penelitian

Dengan menggunakan aplikasi pelaporan dan dashboard, data dapat diolah menjadi diagram atau tabel yang mudah dipahami. Laporan mudah dipahami dengan

menggunakan diagram yang mewakili ringkasan data berdasarkan kondisi yang diberikan. Jika detail data diperlukan untuk dianalisis, dashboard akan memberikan visualisasi yang lebih lengkap

Kriteria Rincian

Judul Artikel

Design and Implementation of Efficient Decision Support System Using Data Mart Architecture Penulis Refed A. Jaleel¹, Talib M.J. Abbas ²

(27)

Nama Jurnal

Proc. of the 2 nd International Conference on Electrical, Communication and Computer Engineering (ICECCE)

Tahun, halaman 2020

Tujuan Penelitian

Menyajikan dan membahas keuntungan tentang desain dan implementasi Sistem Pendukung Keputusan dengan membangun data mart, yang merupakan tempat penyimpanan dan partisipasi data, yang dapat dengan mudah

dimanfaatkan oleh pengguna untuk menghasilkan keputusan yang lebih baik.

Permasalahan dalam sistem Informasi dan Telekomunikasi Perusahaan Terbuka untuk memperoleh data dengan metode yang sukses

membutuhkan potensi yang harmonis Maka, makalah ini menyajikan kerangka usulan Sistem Pendukung Keputusan Perusahaan Informasi dan Telekomunikasi yang membahas keuntungan tentang desain, integrasi membangun data mart dan apa perbedaan antara itu dan database relasional untuk pengambil keputusan untuk mendapatkan informasi yang

(28)

berisi empat lapisan (Lapisan

antarmuka menentukan sumber data, Metode pengambilan data

Metode/Teknik penelitian yang digunakan

Pemodelan dimensional star schemas dan Kimball

Hasil penelitian

DSS yang efisien telah dibangun untuk DMS yang mengumpulkan data dari database DMS yang dinormalisasi dan menyimpannya dalam repositori data mart, dan memecahkan masalah yang dihadapi oleh pembuat

keputusan, dan meningkatkan kecepatan untuk menjawab pertanyaan. Sangat mudah untuk melihat bagaimana mengisi star schema dengan alat ETL aktif dari database. Dengan implementasi, melihat ke dalam mengeksekusi kueri yang sama versus data yang sama tetapi dalam berbagai sistem. Saat membandingkan hasil eksekusi kueri, jelas dalam setiap contoh bahwa data kembali dari star schema terorganisir secara dramatis lebih cepat daripada dari ERD

Kriteria Rincian

Judul Artikel Data Warehouse Development For

Flight Reservation System

(29)

Penulis

Yoel Frans Alfredo¹, Abba Suganda Girsang², Sani Muhamad Isa³, Ahmad Nurul Fajar⁴

Nama Jurnal

1st 2018 Indonesian Association for Pattern Recognition International Conference, INAPR 2018

Tujuan Penelitian

Membutuhkan laporan yang cepat untuk membantu manajemen membuat keputusan untuk mengembangkan produk mereka.

XYZ adalah perusahaan travel online yang fokus pada layanan reservasi penerbangan dan hotel. Saat ini, perusahaan XYZ berkembang pesat dan siap bersaing dengan sesama rival.

Manajemen membutuhkan laporan untuk mendukung keputusan mereka melalui analisis data. Saat ini, data transaksi mereka hanya tersimpan dalam database dan tidak dapat digunakan oleh manajemen dalam pengambilan keputusan untuk pengembangan produk mereka.

Manajemen biasanya melakukan permintaan langsung kepada tim pengembangan mereka jika mereka membutuhkan permintaan laporan khusus. Biasanya akan memakan banyak waktu untuk memproses

(30)

laporan yang diminta oleh manajemen dari database transaksional saat ini.

Pemodelan dimensional star schemas dan OLAP

Hasil penelitian

Dengan dikembangkannya data warehouse, perusahaan XYZ dapat mengambil keputusan yang lebih baik.

Informasi dapat dihasilkan dengan cepat tanpa perlu menunggu tim pengembang untuk mengembangkan kueri untuk menghasilkan laporan berdasarkan kebutuhan manajemen eksekutif dengan data

Kriteria Rincian

Judul Artikel Analisis kinerja pemodelan data star schema pada data perpustakaan Penulis Dini Nurmalasari¹, Mutia Sari Zulvi²,

Puja Hanifah³

Nama Jurnal Jurnal Politeknik Caltex Riau

Tujuan Penelitian Melakukan pemodelan data perpustakaan dengan star schema.

Menguji kinerja pemodelan star schema, dari segi kesederhanaan perancangan, volume penyimpanan,

(31)

efisiensi join, query OLAP dan kinerja CRUD. Melakukan operasi OLAP untuk menghasilkan informasi yang bermanfaat bagi pengelola perpustakaan.

Untuk membantu proses analisis pola data perpustakaan, telah dibuat sistem berbasis web dengan menggunakan teknologi OLAP (Online Analytical Process), dengan pemodelan data berbasis multidimensi data. Untuk membuktikan kesederhanaan perancangan data berbasis multidimensi, waktu akses dan efisiensi join, pada penelitian ini pemodelan data yang pilih adalah star schema.

Metode pengambilan data nine steps Kimball Metode/Teknik penelitian yang

digunakan

Analisis dan Perencanaan Pembangunan data werehouse Pengujian dari star schema

Hasil penelitian Dengan membuat sistem yang

menerapkan metode nine-step kimball dengan pemodelan star schema dapat menghasilkan informasi berupa pola peminjam dan pengunjung pada perpustakaan PCR.

Pemodelan star schema pada data mahasiswa, data peminjaman dan

(32)

data pengunjung melibatkan join antar dimensi yang berpengaruh pada kecepatan waktu eksekusi. Beberapa hal yang mempengaruhi waktu eksekusi adalah jumlah data, kualitas data dan jumlah join.

Kriteria Rincian

Judul Artikel Report Generation using Slowly

Changing Dimension

Penulis V. Arul Kumar¹, L. Akshayaa², K.

Madhumidha³, D. Radhika⁴, E.

Ramya Kamatchi⁵

Nama Jurnal International Journal of Research in Engineering, Science and

Management

Tujuan Penelitian Tujuan dari sistem yang di usulkan adalah untuk menghasilkan bentuk data terstruktur yang dapat dianalisis dengan mudah untuk meningkatkan readability.

Masalah utama dengan bakat terbuka adalah bahwa fitur yang digunakan untuk penjadwalan adalah fitur dasar yang hanya tersedia dengan edisi perusahaan dan tidak dengan distribusi terbuka. Karena masalah ini, pengguna yang bekerja dengan

(33)

bakat terbuka tidak dapat

menggunakan fitur penjadwalan.

Dimension Star schema, Proses ETL, OLAP

Hasil penelitian Pembuatan dashboard untuk mahasiswa non akademik ini

bertujuan untuk menampilkan kinerja mahasiswa dalam kegiatan

ekstrakurikuler seperti jumlah makalah yang dipresentasikan, jurnal yang diterbitkan, hadiah yang dimenangkan dalam kegiatan olahraga, dll dalam diagram batang.

Kriteria Rincian

Judul Artikel Design Of Business Intelligence Dashboard To Support Decisions On Telkomsel Internet Package Service Provision Using The Business Dimensional Life Method

Penulis Agung Riansyah¹, Rachmadhita

Andreswari², Edi Sutoyo³

Nama Jurnal e-Proceeding of Engineering

Tahun, Halaman 2021, 4077-4084

Tujuan Penelitian Perancangan business intelligence dashboard merupakan solusi untuk mengatasi masalah diatas dimana hasil

(34)

dashboard report dapat memberikan informasi kepada PT Telkomsel sehingga dapat digunakan untuk mengambil keputusan.

Telkomsel sebagai operator seluler perlu mengolah data pengguna produk agar dapat dianalisis dan membantu meminimalkan terjadinya penurunan pelanggan.

Metode pengambilan data APJII terhadap survey pengguna internet di Indonesia yang dilakukan mencatat sebanyak 51,1 % dari 196,71 juta pengguna internet di tahun 2019- 2020.

Melakukan perancangan business intelligence dashboard menggunakan metode business dimensional life cycle serta aplikasi Pentaho untuk proses ETL data dan aplikasi Tableau yang digunakan untuk

memvisualisasikan hasil penelitian dalam bentuk dashboard.

Hasil penelitian Penelitian ini menghasilkan output berupa visualisasi dalam bentuk dashboard untuk penyediaan internet Telkomsel. Terdapat dua dashboard diantaranya dashbard pengguna produk per wilayah dan dashboard

(35)

kuota popular dengan rata-rata kuota yang dikonsumsi.

Kriteria Rincian

Judul Artikel Analysis and Design Optimize Data

for the Depok Center Information System's Health Services on the E- Government Data Warehouse Application using an Olap Pivot Table and Star Schema

Penulis Rendy Renaldi Berahim¹, Dr.

Mohammad Iqbal²

Nama Jurnal International Research Journal of

Advanced Engineering and Science

Tahun, Halaman 2021, 218-226

Tujuan Penelitian Untuk menganalisis perkembangan jumlah penulis setiap tahunnya, dan sebaran penulisnya.

Berdasarkan hasil analisis dapat diketahui bahwa kebutuhan yang diharapkan oleh pimpinan Dinas dan Walikota adalah tersedianya

informasi monitoring pelayanan berupa Dashboard dan Laporan dari masing-masing puskesmas menjadi sebuah aplikasi Data Warehouse yang nantinya akan diolah di Data

(36)

Warehouse dalam bentuk angka dan grafik trend untuk mendukung Pengambilan Keputusan Kepemimpinan.

Metode pengambilan data Data pelayanan kesehatan puskesmas yang digunakan dalam penelitian sumber data diperoleh dari database Sistem Informasi Puskesmas

(SIMPUS) yang digunakan oleh puskesmas. Dimana data pelayanan ini diambil dari bulan Januari 2018 sampai dengan Maret 2021.

Pada penelitian ini menggunakan Snowflake Schema yang merupakan metode normalisasi tabel dimensi pada star schema.

Tujuan dari star schema adalah untuk memodifikasi tabel OLTP yang dinormalisasi menjadi struktur yang sederhana dan dinormalisasi di gudang data.

Hasil penelitian Penelitian ini menggunakan pemodelan Stars Schema dengan empat fakta yaitu tabel Fakta Diagnosis, tabel Fakta Kunjungan, tabel Fakta Agg Diagnosis, tabel, Fakta Kunjungan Agg dan tabel sepuluh dimensi yaitu tabel Dimensi Populasi, tabel dimensi Area, Tabel

(37)

Dimensi Waktu, Tabel Dimensi Fasilitas Kesehatan, Diagnostik Tabel dimensi, tabel Dimensi Kunjungan, tabel Dimensi Gender, tabel Dimensi Konten, tabel Dimensi Agregat Diagnostik, tabel Dimensi Agregat Kesehatan, semua tabel ini diproses menjadi Skema Bintang. Ini dibentuk melalui proses OLAP menggunakan data kunjungan. pasien dan diagnosa di puskesmas yang berada di wilayah Kota Depok.

Dari proses OLAP, telah dibuat desain data warehouse untuk menganalisis data dari berbagai dimensi yang kemudian dibuat untuk menampilkan informasi dalam bentuk grafik atau dashboard agar informasi mudah dibaca dan dipahami oleh berbagai pihak.

Kriteria Rincian

Judul Artikel Designing a Lecturer’s Performance Data Warehouse Model Using Star Scheme

Penulis Adam Japal^1, Sutedi²

Nama Jurnal International Conference On

Information Technology and Business (ICITB)

(38)

Tahun, Halaman 2021

Tujuan Penelitian Tujuan dari penelitian ini adalah membuat model berupa star schema yang dapat digunakan untuk

pengembangan data warehouse pada mata kuliah performance dosen.

Hipotesis/Pertanyaan

Penelitian/Masalah Penelitian

Kinerja dosen di Institut Teknologi Sumatera sangat berpengaruh dalam kegiatan pembelajaran. Dalam situasi ini, diperlukan kontrol yang

komprehensif. Selanjutnya, data dosen, penelitian, dan sebagainya tersimpan secara masif di database karena jumlah dosen lembaga ini lebih dari 500 dosen. Oleh karena itu, pimpinan membutuhkan sistem monitoring untuk mengontrol kinerja dosen di lembaganya. Untuk

mengatasi masalah ini, harus ada sesuatu yang dapat menghasilkan informasi yang mendukung kebutuhan pemantauan.

Pemodelan skema bintang

Hasil penelitian Penelitian ini berfokus pada pembentukan model yang lengkap untuk memenuhi kebutuhan

pembentukan analisis kinerja dosen.

Untuk penelitian selanjutnya, model

(39)

data yang dihasilkan dalam penelitian ini dapat digunakan.

Kriteria Rincian

Judul Artikel Data Warehouse And Dashboard

Design Using The Kimball Method With A Case Study Hr Data At Institute Of Technology Telkom Surabaya

Penulis Mochamad Ilham Fanani¹, Luciana

Andrawina², Rayinda Pramuditya Soesanto³

Nama Jurnal e-Proceeding of Engineering

Tahun, Halaman Vol.8, No.5 Oktober 2021

Tujuan Penelitian Tujuan dari penelitian ini adalah membuat informasi yang ringkas dan mudah dipahami terkait data SDM.

Permasalahan yang terjadi di

ITTelkom Surabaya adalah ketika top level magement ITTelkom Surabaya membutuhkan informasi yang ringkas dan mudah dipahami terkait data SDM.

Metode Kimball

(40)

Hasil penelitian Dengan adanya dashboard yang dibangun maka dapat membantu top level management ITTelkom surabaya untuk melihat informasi mengenai data SDM

Kriteria Rincian

Judul Artikel Implementasi Star Schema Pada

Studi Kasus Perpustakaan Berskala Universitas

Penulis Wildan Suharso, Abims Fardiansa,

Yuda Munarko, Hardianto Wibowo

Nama Jurnal SINTECH JOURNAL

Tahun, Halaman 2021

Tujuan Penelitian Tujuan dari penelitian ini adalah membuat informasi yang ringkas dan mudah dipahami terkait data SDM.

Data yang tidak terintegrasi

menjadikan permasalahan semakin kompleks karena setiap tahunnya proses yang dilakukan terus

bertambah terutama untuk sirkulasi peminjaman.

Star Schema

(41)

Hasil penelitian Hasil dari penelitian ini menunjukkan bahwa star schema dapat

diimplementasikan pada kasus perpustakaan, data warehouse dan OLAP dapat mendukung

pengambilan keputusan penambahan buku, serta dihasilkan 3 dimensi dari 4 grain yang

ditemukan.

Kriteria Rincian

Judul Artikel Perbandingan Model Skema Star Dan

Snowflake Data Akademik (Studi Kasus UNSIQ Jawa Tengah Di Wonosobo)

Penulis Khomsatun1) , Kusrini2) , Andi

Suyoto3)

Nama Jurnal Jurnal INFORMA Politeknik

Indonesia Surakarta

Tahun, Halaman 2020

Tujuan Penelitian Tujuan dari penelitian ini adalah memberikan rekomendasi skema yang terbaik denga pengukuran parameter average row len, block size dan response time

(42)

Sejauh mana pengujian dimensional modeling dengan model skema star dan snowflake Akademik Unsiq Jawa Tengah di Wonosobo

Metode pengambilan data Penelitian ini bersifat Kuantitatif dan digunakan penelitian dan

Pengembangan atau Research and Development (R&D)

Pengujian performa dimensional modeling datawarehouse star skema dan Snowflakedata

Hasil penelitian Hasi dari Pengujian starskema dan snowflake dengan melihat dari performa yang diujiakan yaitu Row Lenght, Respontime, Block Size dan cpu time pada penerimaan

Mahasiswa baru Unsiq Jawa Tengah di Wonosobo lebih dimenangkan oleh star skema,jika dilihat dari eksekusi baris dan eksekusi waktu pemangilan.

2.7. Analisis Literature Review

Berdasarkan perbandingan dengan penelitian-penelitian terhadulu di atas, keunggulan dari penelitian ini, terletak pada teknik pengambilan data, dimana dataset yang digunakan pada penelitian ini yang belum digunakan oleh penelitian terdahulu sebelumnya.

Mengacu pada latar belakang masalah dan juga tinjauan terhadap penelitian terdahulu, maka kami memutuskan untuk menggunakan metode Star Schema pada

(43)

data warehouse yang lebih cenderung membantu untuk dipahami karena modelnya yang lebih sederhana. Memudahkan mencari isi karena kesederhanaannya dengan cara melihat step by step dari masing-masing dimensinya.

(44)

BAB III

METODE PENELITIAN

3.1. Deskripsi Sumber Data

Jenis penelitian ini adalah penelitian menggunakan data sekunder, dimana data tersebut berasal dari suatu penelitian ataupun melalui media perantara yang dikumpulkan. Penelitian ini termasuk penelitian kuantitatif dimana peneliti dapat menentukan hanya beberapa variabel saja dari objek yang diteliti kemudian dapat membuat instrumen untuk mengukurnya. Data sekunder adalah data yang diperoleh dari sumber kedua atau sumber sekunder dari data yang dibutuhkan.

Data yang kita ambil berasal jurnal-jurnal penelitian yang berkaitan dengan masalah dan tujuan penelitian.

Kelebihan menggunakan data sekunder adalah penelitian kuantitatif banyak dituntut menggunakan angka, mulai dari pengumpulan data, penafsiran terhadap data tersebut, serta penampilan dari hasilnya. Demikian juga pemahaman akan kesimpulan penelitian akan lebih baik apabila juga disertai dengan tabel, grafik, bagan, gambar atau tampilan lain.

Kerugian menggunakan data sekunder adalah adanya jeda waktu yang besar antara pengumpulan data dan publikasi data. Akibatnya, data mungkin tidak lagi relevan dengan kondisi terkini. Atau, data tidak akan tersedia selama beberapa tahun karena tidak diperbarui searah berkala oleh penyedia data.

3.2. Teknik Pengumpulan Data

Teknik pengumpulan data adalah langkah terpenting dalam penelitian karena tujuan utama dari penelitian adalah data. Jika teknik pengumpulan data tidak dikuasai, peneliti tidak akan bisa mendapatkan data yang sudah memenuhi syarat yang sudah ditetapkan. Dari sini dapat disimpulkan, metode pengumpulan data

(45)

berkaitan erat dengan masalah penelitian yang ingin diketahui sangat penting untuk mengetahui Teknik pengumpulan data yang akan digunakan dalam penelitian.

Terdapat dua jenis data yang digunakan yaitu data kuantitatif dan kualitatif. Data kuantitatif adalah data numerik, data tersebut kemudian diolah dengan tools analisis. Sedangkan data kualitatif adalah data lisan atau verbal yang diperoleh dengan wawancara dengan objek penelitian.

Teknik pengumpulan data yang digunakan untuk memperoleh data dalam penulisan laporan ini dibuat dengan menggunakan metode kualitatif yang didapatkan dari International Cofee Organization (ICO) dan Kaggle.

International Cofee Organization (ICO) adalah organisasi antar pemerintah utama untuk kopi, menyatukan Pemerintah pengekspor dan pengimpor untuk mengatasi tantangan yang dihadapi sektor kopi dunia melalui kerja sama internasional.

Pemerintah Anggotanya mewakili 98% produksi kopi dunia dan 67% konsumsi dunia.

3.3. Klasifikasi Data

Klasifikasi adalah penyusunan sistematis dalam kelompok atau golongan menurut kaidah atau standar yang telah ditetapkan. Secara harfiah bisa pula dikatakan bahwa klasifikasi adalah pembagian data menurut kelas-kelasnya.

Tahap selanjutnya setelah mengumpulkan semua dataset, yaitu mengklasifikasikan dataset tersebut dari tahun 2010 sampai 2020.

(46)

Gambar 3. 1 Dataset Produksi kopi dunia

Gambar 3. 2 Dataset konsumsi domestik kopi dunia

(47)

Gambar 3. 3 Dataset ekspor kopi dunia

Gambar 3. 4 Dataset impor kopi dunia

(48)

3.4. Diagram Alir Penelitian

Langkah-langkah yang dilakukan pada penelitian ini adalah melakukan pengumpulan data, melakukan klasifikasi pada dataset yang sudah dikumpulkan, mengubah dataset menjadi data warehouse model star schema, mengubah data warehouse model star schema menjadi dashboard informasi.

Gambar 3. 5 Alur Penelitian

3.5. Jadswal Penelitian

Waktu rencana penyelesaian jadwal tugas akhir seperti pada tabel 3.1

No Kegiatan Waktu Penyelesaian Tugas Akhir

Mar Apr Mei Jun Jul Agst Sep Okt Nov 1 Menentukan

data set

(49)

2

Menentukan metode data warehouse

3

Diskusi dan Analisa masalah

4

Mencari literatur review

5

Mengerjakan Proposal BAB 1-3 6 Membuat

Presentasi

7

Melanjutkan proposal BAB 4-5

Tabel 3. 1 Jadwal Penyelesaian Tugas Akhir

(50)

DAFTAR PUSTAKA

[1] A. Yoansyah, A. Ibrahim, and Z. Abidin, “Analisis Kemitraan Petani Kopi Dengan PT Nestle Dan Pengaruhnya Terhadap Pendapatan Petani Kopi Di Kecamatan Sumber Jaya Kabupaten Lampung Barat,” J. Trop. Upl. …, vol.

02, no. 02, pp. 191–203, 2020, [Online]. Available:

https://jtur.lppm.unila.ac.id/jtur/article/view/103

[2] M. R. Aridhayandi, “Peran Pemerintah Daerah Dalam Pelaksanaan Pemerintahan Yang Baik (Good Governance) Dibidang Pembinaan Dan Pengawasan Indikasi Geografis,” J. Huk. Pembang., vol. 48, no. 4, p. 883, 2018, doi: 10.21143/jhp.vol48.no4.1807.

[3] B. S. Budiargo, B. Praptono, and B. H. Sagita, “Perancangan Pelayanan Bisnis Coffee Shop Pada Kelingan Coffee Dengan Menggunakan Metode Quality Function Deployment ( Qfd ) Design of Coffee Shop Business Services in Kelingan Coffee Using Quality Function Deployment ( Qfd ) Method,” e-Proceeding Eng., vol. 8, no. 5, pp. 7734–7743, 2021.

[4] I. N. A. Prabawa, I. G. N. Janardana, and others, “Analysis and Design Data Warehouse For E-Travel Business Optimization,” Int. J. Eng. Emerg.

Technol., vol. 4, no. 1, pp. 25–30, 2019.

[5] G. Garani, A. V. Chernov, I. K. Savvas, and M. A. Butakova, “A Data Warehouse Approach for Business Intelligence,” Proc. - 2019 IEEE 28th Int. Conf. Enabling Technol. Infrastruct. Collab. Enterp. WETICE 2019, pp. 70– 75, 2019, doi: 10.1109/WETICE.2019.00022.

[6] E. Triandini, M. S. Rijal, and M. P. Ambara, “Implementasi Star Schema Dalam Pembangunanan Data Warehouse Penjualan Produk Tour,” CSRID (Computer Sci. Res. Its Dev. Journal), vol. 12, no. 1, p. 23, 2021, doi:

10.22303/csrid.12.1.2020.23-33.

[7] A. S. Girsang, S. M. Isa, H. Saputra, M. A. Nuriawan, R. P. Ghozali, and E.

R. Kaburuan, “Business Intelligence for Construction Company

(51)

Acknowledgement Reporting System,” 1st 2018 Indones. Assoc. Pattern Recognit. Int. Conf. Ina. 2018 - Proc., pp. 113–122, 2019, doi:

10.1109/INAPR.2018.8627012.

[8] R. Akbar, M. Silvana, M. H. Hersyah, and M. Jannah, “Implementation of Business Intelligence for Sales Data Management Using Interactive Dashboard Visualization in XYZ Stores,” 2020 Int. Conf. Inf. Technol.

Syst. Innov. ICITSI 2020 - Proc., pp. 242–249, 2020, doi:

10.1109/ICITSI50517.2020.9264984.

[9] N. Fareed, C. M. Swoboda, P. Jonnalagadda, T. Griesenbrock, H. R.

Gureddygari, and A. Aldrich, “Visualizing Opportunity Index Data Using a Dashboard Application: A Tool to Communicate Infant Mortality-Based Area Deprivation Index Information,” Appl. Clin. Inform., vol. 11, no. 4, pp. 515–527, 2020, doi: 10.1055/s-0040-1714249.

[10] M. G. Bhargava, K. T. Phani, S. Kiran, and D. R. Rao, “Analysis and Design of Visualization of Educational Institution Database using Power BI Tool,” Glob. Journals Comput. Sci. Technol., vol. 18, no. 4, pp. 2–8, 2018.

(52)