PRAKTIKUM DATA WAREHOUSE

PERANCANGAN DATA WAREHOUSE UNTUK ANALISIS STRATEGI

PENJUALAN PRODUK KERAJINAN PADA STARTUP DIYDAUR

Oleh :
KELOMPOK V

1. I Komang Wahyu Hadi Permana (1905551010)

2. Shilta Inda Qurroti Ayun Achmadi (1905551002)
3. Bagas Gustama (1905551069)
4. Ni Luh Made Adi Dharma Wati (1905551058)
5. Dimas Bagus Kurniawan (1905551052)

PROGRAM STUDI TEKNOLOGI INFORMASI

FAKULTAS TEKNIK
UNIVERSITAS UDAYANA
2022
 KATA PENGANTAR

Rasa syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, karena
telah memberikan rahmat-Nya sehingga penulis mampu menyelesaikan Praktikum
Data Warehouse serta menyusun laporan dengan baik.
Penyusunan Laporan Praktikum Data Warehouse ini tidak terlepas dari
bantuan berbagai pihak, sehingga dalam kesempatan kali ini, penulis bermaksud
untuk menyampaikan rasa terima kasih kepada:
1. Bapak Dwi Putra Githa, S.T., M.T. selaku dosen pengampu mata kuliah
Praktikum Data Warehouse.
2. Asisten dosen yang telah meluangkan waktu untuk membimbing penulis
dalam menyelesaikan Praktikum Data Warehouse, serta
3. Berbagai pihak yang telah membantu yang tidak bisa penulis sebutkan
semuanya.
Meskipun penulis berhasil menyelesaikan Laporan Praktikum Data
Warehouse ini dengan baik, penulis menyadari akan adanya kekurangan serta
kekeliruan di dalam laporan ini, sehingga penulis akan sangat terbuka dengan
kritik, saran serta masukan dari berbagai pihak. Akhir kata, penulis juga berharap
agar laporan praktikum ini bisa berguna untuk masa kedepannya.

Jimbaran, Mei 2022

Penulis
 ABSTRAK

Data warehouse atau gudang data merupakan kumpulan desain basis data
terintegrasi dan berorientasi subjek untuk mendukung fungsi DSS (Decision
Support System), di mana setiap unit data adalah non-volatile dan relevan
dengan waktu tertentu. Perancangan sebuah data warehouse dapat dijadikan
sebagai sumber informasi bagi manajemen Dalung Frozen Mart terkait tren jenis
produk frozen food berdasarkan kategorinya serta untuk menentukan rencana
strategis toko dalam penjualan produknya. Salah satu proses penting yang harus
dilakukan dalam pengoperasian data warehouse adalah proses penyalinan data
dari basis data operasional. Sebelum masuk ke dalam data warehouse, terlebih
dahulu dilakukan proses ETL (Extract, Transform, dan Load) terhadap data
tersebut untuk standardisasi data yang digunakan dalam data warehouse. Selain
pengumpulan data dan proses ETL, proses penelitian juga akan melalui tahap
identifikasi dimensi dan penarikan simpulan. Penelitian ini juga akan dibantu
dengan beberapa tools tambahan seperti MySQL dan Pentaho.

Kata kunci: data warehouse, analisis strategi penjualan, ETL, OLAP

DAFTAR ISI
DAFTAR GAMBAR
DAFTAR TABEL
DAFTAR KODE PROGRAM
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Data warehouse atau gudang data merupakan kumpulan desain basis data
terintegrasi dan berorientasi subjek untuk mendukung fungsi DSS (Decision
Support System), di mana setiap unit data adalah non-volatile dan relevan
dengan waktu tertentu. Pemanfaatan teknologi data warehouse pada masa kini
diperlukan di hampir seluruh organisasi, tidak terkecuali di pertokoan. Terlebih
lagi, data bisnis dalam jumlah banyak merupakan salah satu aset utama
perusahaan dan harus dikelola dengan baik agar dapat memberikan manfaat bagi
perusahaan itu sendiri. Analisis data secara terstruktur dapat menghasilkan
informasi yang lebih akurat untuk menunjang pengambilan keputusan oleh suatu
perusahaan. Perancangan sebuah data warehouse dapat dijadikan sebagai sumber
informasi bagi manajemen perusahaan untuk melakukan analisis rencana strategis
toko dalam penjualan produknya.
Dalung Frozen Mart merupakan salah satu toko penyedia frozen food
baru yang beralamat di Dalung Permai Blok XX/55. Selain frozen food, toko
ini juga menyediakan perlengkapan lainnya pula seperti saus, tusuk sate, bumbu-
bumbu, bahkan beberapa jenis sembako. Namun, toko ini belum memiliki sistem
pembuatan laporan akhir yang efektif. Masalah tersebut terjadi karena kurangnya
pengetahuan tentang pemanfaatan data yang ada. Oleh karena itu, ketersediaan
data penjualan yang ada di Dalung Frozen Mart akan dimanfaatkan untuk
pengembangan sebuah data warehouse yang kemudian dapat digunakan sebagai
solusi bisnis untuk merencanakan pemasaran secara strategis di masa mendatang.
Berdasarkan latar belakang tersebut, penulis ingin membangun sebuah
data warehouse yang bisa dijadikan sebagai sumber informasi bagi manajemen
Dalung Frozen Mart terkait tren jenis produk frozen food berdasarkan kategorinya
serta untuk menentukan rencana strategis toko dalam penjualan produknya.
1.2 Rumusan Masalah
Rumusan Masalah yang dapat diambil berdasarkan pada latar belakang
masalah yang telah dikemukakan di atas dapat dijabarkan sebagai berikut.
a. Bagaimanakah perancangan data warehouse yang tepat untuk analisis
strategi penjualan produk pada Dalung Frozen Mart?
b. Bagaimana penerapan query OLAP seperti pivoting, cross tab, roll up
dan drill down pada data warehouse Dalung Frozen Mart?

1.3 Tujuan
Tujuan merupakan hal - hal yang ingin dicapai selama pelaksanaan
praktikum pemrograman data warehouse. Berdasarkan rumusan masalah yang
telah dijabarkan di atas tujuan penelitian dapat disusun berikut.
a. Mengetahui dan memahami rancangan data warehouse yang tepat untuk
analisis strategi penjualan produk pada Dalung Frozen Mart.
b. Mengetahui dan memahami penerapan query OLAP seperti pivoting,
cross tab, roll up dan drill down pada data warehouse Dalung Frozen
Mart.

1.4 Manfaat
Manfaat yang dapat dicapai dalam pelaksanaan praktikum data
warehouse berdasarkan rumusan masalah yang telah dijabarkan sebelumnya
adalah sebagai berikut.
a. Mahasiswa mampu memahami dan merancang data warehouse yang
tepat untuk analisis strategi penjualan produk pada Dalung Frozen Mart.
c. Mahasiswa mampu memahami penerapan query OLAP seperti pivoting,
cross tab, roll up dan drill down pada data warehouse Dalung Frozen
Mart.

1.5 Batasan Masalah

Batasan masalah menyangkut pokok-pokok pembahasan pada Laporan
Praktikum Data Warehouse berdasarkan parameter dalam penyusunan laporan.
Batasan masalah yang akan dibahas dalam Laporan Pratikum Data Warehouse
adalah perancangan data warehouse pada Dalung Frozen Mart dengan melakukan
proses transformasi data untuk pivoting, cross tab, roll up dan drill down.

1.6 Sistematika Penulisan

Sistematika penulisan Laporan Praktikum Data Warehouse ini membahas
tentang susunan laporan yang benar dan memudahkan dalam penyusunan laporan
ini sehingga ruang lingkup pembahasan tidak menyimpang dari batasan masalah
yang telah ditetapkan. Sistematika penulisan laporan seperti yang dijabarkan pada
Tabel 1.1 berikut.

Tabel 1.1 Sistematika Penulisan Laporan

Lingkup Bab Pembahasan

Bab I berisikan struktur laporan berupa latar belakang
Bab I Pendahuluan masalah, rumusan masalah, tujuan, manfaat, batasan
masalah, serta sistematika penulisan laporan.
Bab II berisikan struktur laporan berupa landasan teori dari
data warehouse, data mart, data multi dimensi, model
Bab II Tinjauan Pustaka
pengembangan data warehouse, ETL, OLAP, MySQL,
Pentaho, dan Tableau.
Bab III berisikan struktur laporan berupa perancangan
Bab III Metodologi Penelitian
desain data warehouse model Inmon dan Kimball.
Bab IV berisikan struktur laporan berupa query transformasi
Bab IV Hasil dan Pembahasan
data untuk pivoting, cross tab, roll up dan drill down.
Bab V merupakan bagian terakhir dari laporan sebagai
Bab V Penutup penutup berisikan simpulan dan saran dari Laporan
Praktikum Data Warehouse.

Tabel 1.1 menjelaskan mengenai sistematika penulisan yang terdapat

pada Laporan Praktikum Pemrograman Mobile yang terdiri dari lima bab yang
didasarkan atas isi dan pembahasan.
 BAB II
TINJAUAN PUSTAKA

2.1 Data Warehouse

Data warehouse atau gudang data merupakan kumpulan desain basis data
terintegrasi dan berorientasi subjek untuk mendukung fungsi DSS (Decision
Support System), di mana setiap unit data adalah non-volatile dan relevan dengan
waktu tertentu (Putri, 2019). Data warehouse bertugas untuk mengarsipkan dan
menganalisis sebuah data historis untuk keperluan organisasi atau bisnis tertentu.
Analisis data secara terstruktur dapat menghasilkan informasi yang lebih akurat
untuk menunjang pengambilan keputusan oleh suatu perusahaan. Syarat integrasi
sumber data pada data warehouse dapat dipenuhi dengan berbagai cara seperti
konsisten dalam penamaan variabel, konsisten dalam ukuran variabel, konsisten
dalam struktur pengkodean dan konsisten dalam atribut fisik dari data (Junaedi,
2020). Data warehouse memiliki enam sifat utama sebagai berikut (Inmon, 2007).
1. Subject-oriented
Data yang disimpan disesuaikan dengan proses bisnisnya dan
diutamakan untuk pengambilan keputusan. Misalnya untuk produsen,
area subjek utamanya bisa berupa produk, pesanan, vendor, bill of
material, dan barang mentah.
2. Integrated
Ini merupakan hal yang paling penting. Semua data diintegrasikan ke
dalam satu media penyimpanan, dalam hal ini adalah database yang
sangat besar. Meskipun ada perbedaan format, tetapi akan dilakukan
proses penyamaan.
3. Process-oriented
Data warehouse berorientasi pada proses atau pengolahan data yang
awalnya tidak seragam menjadi seragam.
4. Time variant
Varian waktu menyiratkan bahwa setiap unit data dalam data
 warehouse akurat pada suatu saat (bersifat historis). Dalam data
warehouse sering disimpan macam-macam waktu, seperti waktu suatu
transaksi terjadi atau diubah atau dibatalkan, kapan efektifnya, kapan
masuk ke komputer, kapan masuk ke data warehouse, semuanya hampir
selalu disimpan versinya.
5. Accessible
Data granular dalam data warehouse dapat diakses dengan mudah,
seiring dengan hakikat fungsinya yang menampung berbagai macam
data agar dapat dengan mudah dikelola atau diambil ketika dibutuhkan.
6. Non-volatile
Karena bersifat subject-oriented, maka data cenderung tidak berubah.
Artinya, begitu data masuk ke data warehouse seharusnya sudah tidak
boleh berubah lagi karena perubahan data juga akan mempengaruhi
pengambilan keputusan.

2.2 Data Mart

Data mart merupakan sub-bagian dari data warehouse keseluruhan
sebagai sebuah struktur data, yang di dalamnya memuat data untuk memudahkan
pengguna akhir (end user) dalam mengakses data dari data warehouse sesuai
keperluan ataupun untuk analisis data. Data mart berada pada layer akses (access
layer) serta berorientasikan kepada spesifik proses bisnis serta kebutuhan dari unit
organisasi tempat data warehouse tersebut diimplementasikan. Jika dianalogikan
sebagai sebuah himpunan, maka data mart merupakan himpunan bagian dari
sebuah himpunan semesta bernama data warehouse. Sehingga apabila data
warehouse memuat semua data sesuai kebutuhan dari keseluruhan organisasi yang
bersangkutan, maka data mart hanya spesifik memuat data sesuai kebutuhan per
unit atau departemen saja (Pratama I. P., 2017).

2.3 Data Multi Dimensi

Data multidimensi (Multidimensional Data atau MDD) merupakan
model data fisik (physical data model) yang strukturnya dapat dilihat dari
berbagai sudut pandang (dimensi), dengan tiga buah bagian (record atau baris,
field atau kolom, dan layer), dengan objek-objek data multidimensi di dalamnya.
Jika direpresentasikan ke dalam bentuk koordinat, data multidimensi dapat
ditunjukkan ke dalam tiga buah sumbu yaitu X, Y, dan Z. Lalu jika dianalogikan
dengan gambar bangun, maka data multidimensi dapat diibaratkan sebagai bangun
ruang yang memiliki tiga dimensi yaitu panjang, lebar, dan tinggi.
Model data multidimensi terdiri dari tabel dimensi dan tabel fakta. Tabel
dimensi adalah entitas bisnis dari suatu enterprise. Tabel dimensi umumnya berisi
data keterangan, di mana data tersebut jarang sekali mengalami perubahan.
Sementara itu, tabel fakta merupakan sebuah tabel yang menjelaskan tentang
transaksi bisnis dari suatu enterprise biasanya disebut tabel detail. Tabel fakta
umumnya berisi data yang berkaitan langsung dengan proses bisnisnya (Pratama
I. P., 2020).

2.4 Model Pengembangan Data Warehouse

Model pengembangan data warehouse dapat membantu dan
mempermudah seorang developer dalam mengembangkan data warehouse yang
bagus dan sesuai dengan kebutuhan penggunanya. Terdapat dua model dalam
pengembangan sebuah data warehouse yaitu Kimball (Bottom-Up) dan Inmon
(Top-Down) (Abramson, 2004). Kedua metode tersebut memiliki kelebihan dan
kekurangan masing – masing. Namun dalam pengaplikasian metode tersebut perlu
diketahui kebutuhan dan lingkungan dari masing-masing perusahaan. Berikut
penjelasan dari kedua model tersebut.
2.4.1 Model Inmon
Menurut Bill Inmon, data-data yang berasal dari berbagai aplikasi OLTP
perlu ditempatkan secara centralized, dimana data tersebut dapat digunakan untuk
analisa.  Data harus di-manage ke dalam bentuk subject oriented, integrated, non
volatile, dan time variant. Data harus dapat diakses sampai level terendah apabila
dilakukan drill-down, dan dapat di-summarized apabila dilakukan drill-up. Data
mart diperlakukan sebagai bagian dari data warehouse. Setiap data mart dibentuk
dari suatu data warehouse untuk suatu department dan dioptimalkan untuk
kebutuhan analisis department tersebut.

2.4.2 Model Kimball

Berbeda dengan Inmon, Ralph Kimbal lebih mengarah kepada Bottom-
Up Approach. Jadi pendekatannya adalah dari data mart – data mart. Antar data
mart dapat menggunakan dimensi yang sama yang disebut conformed dimension.
Hubungan antar data mart melalui comformed dimension ini yang disebut Bus
Structure. Data warehouse dari model Kimball merupakan virtual atau
aggregation dari data mart – data mart.

2.5 ETL
ETL (Extract, Transform, Loading) adalah suatu proses mengambil dan
mengirim data dari data sumber ke data warehouse (Rainardi, 2008). Extract
adalah proses memilih dan mengambil data dari satu atau beberapa sumber data
serta membaca atau mengakses data yang dipilih tersebut. Transform
merupakan proses cleansing data yang telah diambil pada proses extract. Format
asli data tersebut diubah menjadi bentuk yang sesuai dengan kebutuhan
data warehouse. Dan load adalah proses terakhir untuk memasukkan data ke
dalam data warehouse (Qalam, 2020). Dalam proses pengambilan data, data harus
bersih agar didapat kualitas data yang baik. Pendekatan tradisional pada proses
ETL mengambil data dari data sumber, meletakan pada staging area, dan
kemudian mentransformasikan dan me-load ke data warehouse. Kualitas data
merupakan hal terpenting yang harus diperhatikan dalam membangun data
warehouse karena kualitas data sangat mempengaruhi proses ETL. Pada proses
ETL jika pada data terjadi suatu noise maka proses ETL akan gagal.

2.6 OLAP
Data warehouse sering terdiri dari data besar dan memungkinkan analisis
data tersebut.Ada banyak alat untuk menganalisis data, salah satu alatnya adalah
On-Line Analytical Processing (OLAP) yang memungkinkan analisis data ini
disimpan di gudang data secara online untuk mendukung pengambilan keputusan.
OLAP adalah keseluruhan rangkaian alat yang ditujukan untuk melakukan
analisis intelijen bisnis dan mendukung proses pengambilan keputusan. Oleh
karena itu, dapat diasumsikan bahwa fungsi dari gudang data adalah untuk
menyediakan data masukan ke aplikasi OLAP (Cucus, 2017). Beberapa operasi
OLAP dijelaskan berikut ini.
a. Roll up (drill up) dilakukan dengan cara menaikkan tingkak hierarki atau
mereduksi jumlah dimensi.
b. Drill down merupakan kebalikan dari roll up. Operasi ini
merepresentasikan data secara lebih detail.
c. Pivot (Rotate) yaitu merotasikan sumbu data untuk memberikan alternatif
dalam presentasi data.
d. Crosstab yaitu memvisualisasikan data tabular sepanjang dua atau lebih
sumbu.

2.7 MySQL
MySQL adahlah salah satu jenis database server yang sangat populer,
hal ini disebabkan karena MySQL menggunakan SQL sebagai bahasa dasar untuk
mengakses database-nya. MySQL bersifat open source dan dilengkapi dengan
source code (kode yang dipakai untuk membuat MySQL) (Winanjar, 2021).
MySQL adalah sebuah perangkat lunak atau software system manajemen basis
data (DBMS) yang multi-user. MySQL salah satu turunan dalam database sejak
lama, yaitu SQL (Structured Query Language). SQL adalah sebuah konsep
pengoperasian database untuk pemilihan, seleksi, dan pemasukan data yang dapat
melakukan pengoperasian data dengan mudah dan cepat secara otomatis (Pratama
I. P., 2020).

2.8 Pentaho
Menurut Phi-Integration.com, Pentaho adalah sebuah perusahaan yang
menawarkan produk business intelligence (BI) yang menyediakan data integrasi,
pelayanan OLAP, reporting, dashbording, data mining, serta kemampuan ETL
atau extract transform load pada Kettle (Qisthani, 2019). Pentaho terdiri dari
banyak program komputer yang bekerja secara bersamaan dan menyediakan
solusi bisnis intelijen. Pentaho berbasis Java dengan platform desktop. Karena
terdiri dari berbagai komponen, di mana terdapat komponen level bawah, namun
juga ada komponen yang menyediakan fungsionalitas level atas yang biasanya
mengandalkan fungsionalitas yang ditawarkan oleh komponen level bawah,
keseluruhan koleksi komponen dalam Pentaho dapat dilihat seperti stack. Semakin
tinggi levelnya, maka akan semakin dekat dengan end-user. Berikut adalah
kumpulan beberapa aplikasi Pentaho.
a. Pentaho BI Server, merupakan portal aplikasi web yang terdiri dari
layanan web service, workflow engine, dan sebagai user interface untuk
laporan operasional maupun analisis di Pentaho.
b. Pentaho Data Integration/Kettle, merupakan aplikasi yang berfungsi
untuk proses ETL (Extract, Transformation, and Load) dalam business
intelligence.
c. Pentaho Analysis/Mondrian, merupakan aplikasi engine OLAP (Online
Analytical Processing) berbasis open source yang sangat populer dan
saat ini bernaung di bawah Pentaho Corporation.
d. Pentaho Reporting, merupakan aplikasi reporting ad hoc untuk laporan
operasional dan dashboard sederhana.
e. Weka, adalah aplikasi data mining open source berbasis Java, yang
terdiri dari koleksi algoritma machine learning yang dapat digunakan
untuk melakukan generalisasi atau formulasi dari sekumpulan data
sampling.
f. Ctools, adalah sebuah tools yang dikembangkan secara open source yang
diciptakan untuk pembuatan dashboard pada Pentaho Community
Edition (edisi komunitas). Tools ini memberikan satu set alat untuk
merancang dashboard yang interaktif yang semuanya terintegrasi erat
dengan Pentaho BI Server
2.9 Tableau
Dikutip dari Interworks, Tableau adalah sebuah tools yang dapat
mempermudah pembuatan analisis visual interaktif dalam bentuk dashboard.
Adapun menurut Techtarget, Tableau adalah software yang mendukung
visualisasi data secara kolaboratif bagi seseorang yang bekerja dalam
menganalisis informasi bisnis (Arviana, 2021). Dari kedua pengertian
tersebut, dapat disimpulkan bahwa Tableau adalah software yang bisa
mengolah data menjadi sebuah visual yang menarik. Dengan begitu, kumpulan
data tersebut menjadi interaktif, mudah dibaca, dan mudah dianalisis.
 BAB III
METODOLOGI PENELITIAN

3.1 Perancangan Desain Model Inmon

3.2 Perancangan Desain Model Kimball
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Pivoting
4.2 Cross Tab
4.3 Roll Up
4.4 Drill Down
 BAB V
PENUTUP

5.1 Kesimpulan
Berdasarkan hasil perancangan data warehouse pada Dalung Frozen
Mart, maka penulis dapat menarik simpulan sebagai berikut.
a. Proses perancangan data warehouse untuk analisis strategi penjualan
produk pada Dalung Frozen Mart disusun dengan menggunakan konsep
ETL dan OLAP dengan menggunakan tools Pentaho Data Integration.
Adapun visualisasi data hasil ETL dan OLAP pada data penjualan
tersebut dibuat dengan menggunakan tools Tableau yang dikoneksikan
dengan rancangan data warehouse yang telah dibuat. Rancangan data
warehouse yang telah dibuat tersebut dapat membantu pemilik Dalung
Frozen Mart dalam memprediksi minat konsumen agar dapat membantu
perusahaan atau instansi dalam mengambil sebuah keputusan atau
strategi yang benar dan tepat bagi konsumennya. Rancangan data
warehouse yang dikembangkan di Dalung Frozen Mart juga akan
digunakan untuk menjawab pertanyaan yang bersifat strategis guna
mendukung keputusan-keputusan yang akan diambil oleh perusahaan.
b. Kesimpulan mengenai query

5.2 Saran
Berdasarkan penelitian yang telah dilakukan dan simpulan yang didapat,
perancangan data warehouse sangat bermanfaat bagi perusahaan guna
membantu dalam proses pengambilan keputusan dan menyusun rencana-rencana
strategis. Diharapkan perusahaan-perusahaan di Indonesia dapat menerapkan
penggunaan data warehouse lebih baik lagi, terlebih pada masa sekarang ini
ilmu pengetahuan dan teknologi berkembang dengan sangat pesat sehingga
penguasaan teknologi pun menjadi hal yang sangat penting.
 DAFTAR PUSTAKA

Abramson, I. (2004). Data Warehouse: The

Choice of Inmon versus Kimball. IAS Inc.
Arviana, G. N. (2021, January 18). Mengenal Tableau, Software yang Bisa Ubah
Datamu Jadi Visual Menarik. Retrieved from glints.com:
https://glints.com/id/lowongan/tableau-adalah/#.YYGS7p7P1PZ
Astuti, P. (2018). PENGGUNAAN METODE BLACK BOX TESTING
(BOUNDARY VALUE ANALYSIS) PADA SISTEM AKADEMIK
(SMA/SMK). Faktor Exacta, 186-195.
Cucus, A. R. (2017). Implementasi OLAP Untuk Efektivitas Pelaporan Data
(Study Kasus Data Dosen dan Karyawan). Jurnal Sistem Informasi dan
Telematika, 1-6.
Girsang, A. S. (2017, December 22). Nine Steps Design Methodology for
Developing Data Warehouse. Retrieved from
mti.binus.ac.id:
https://mti.binus.ac.id/2017/12/22/nine-steps-design-methodology-for-
developing-data-warehouse/
Inmon, W. H. (2007). Building The Data Warehouse. New York: Wiley
Publishing, Inc.
Junaedi, I. D. (2020). ANALISIS PERANCANGAN DAN PEMBANGUNAN
APLIKASI BUSINESS INTELLIGENCE PENERIMAAN NEGARA
BUKAN PAJAK KEMENTERIAN KEUANGAN RI. JISAMAR
(Journal
of Information System, Applied, Management, Accounting and
Research), 88-101.
Pratama, I. P. (2017). Handbook Data Warehouse. Bandung: Informatika.
Pratama, I. P. (2020). PERANCANGAN DATA WAREHOUSE
UNTUK
PREDIKSI PENJUALAN PRODUK PADA ORBA
EXPRESS
MENGGUNAKAN PENTAHO. Jurnal Sains dan Sistem Informasi , 43-
48.
Putri, S. A. (2019). Modul Data Warehouse & Business Intelligence.
Jakarta: STMIK Nusa Mandiri.
Qalam, Y. I. (2020, August 18). Hubungan Data Warehouse dengan
Business Intelligence dan ETL. Retrieved from
https://kepo.co/: https://kepo.co/hubungan-data-
warehouse-dengan-business-intelligence- dan-etl/
Qisthani, N. N. (2019). Perancangan Sistem Business Intelligence untuk
Mengetahui Perilaku Penjualan Produk. Yogyakarta: Program
Pascasarjana Teknik Industri Fakultas Teknologi Industri Universitas
Islam Indonesia.
Rachmat, U. M. (2019). PENGARUH PERHATIAN ORANG TUA
TERHADAP MINAT BELAJAR TERHADAP SISWA KELAS IV DI
SEKOLAH DASAR
(Penelitian Deskriptif Kuantitatif dilakukan di Kecamatan Cipatat
Kabupaten Bandung Barat). Bandung: Program Studi Pendidikan Guru
Sekolah Dasar Fakultas Keguruan dan Ilmu Pendidikan Universitas
Pasundan.
Rainardi, V. (2008). Building a Data Warehouse with Examples in SQL
Server.
New York: Apress.
Suryana. (2010). Metodologi Penelitian: Model Praktis Penelitian Kuantitatif
dan Kualitatif. Bandung: Universitas Pendidikan Indonesia.

Winanjar, J. D. (2021). RANCANG BANGUN SISTEM

INFORMASI ADMINISTRASI DESA BERBASIS WEB
MENGGUNAKAN PHP DAN
MySQL. ProsidingSeminar Nasional Aplikasi Sains & Teknologi
(SNAST), 97-105.