net/publication/371608098
CITATIONS READS
0 241
9 authors, including:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Rusdin Tahir on 16 June 2023.
Penulis :
Antonius Prahendratno, SE.,MSi
Gede Surya Mahendra, S.Pd.,M.Kom
Rony Sandra Yofa Zebua, S.T.,M.Pd
Dr. Drs. Rusdin Tahir, M.Si.,CIQaR.,CIQnR
Sepriano, S.Sos.,M.Kom.,CBPA
I Putu Susila Handika, S.Kom.,M.T
Prastyadi Wibawa Rahayu, S.Kom.,M.Kom
I Gede Iwan Sudipa, S.Kom.,M.Cs
Efitra, S.Kom.,M.Kom
Penerbit:
BUSINESS INTELEGENT
(Pengantar Business Intelligence dalam Bisnis)
Penulis :
Antonius Prahendratno, SE.,MSi
Gede Surya Mahendra, S.Pd.,M.Kom
Rony Sandra Yofa Zebua, S.T.,M.Pd
Dr. Drs. Rusdin Tahir, M.Si.,CIQaR.,CIQnR
Sepriano, S.Sos.,M.Kom.,CBPA
I Putu Susila Handika, S.Kom.,M.T
Prastyadi Wibawa Rahayu, S.Kom.,M.Kom
I Gede Iwan Sudipa, S.Kom.,M.Cs
Efitra, S.Kom.,M.Kom
ISBN : 978-623-09-3967-9(PDF)
Editor :
Yayan Agusdi
Penyunting :
Nur Safitri
Desain sampul dan Tata Letak:
Andra Juansa
Penerbit :
PT. Sonpedia Publishing Indonesia
Redaksi :
Jl. Kenali Jaya No 166 Kota Jambi 36129 Tel +6282177858344
Email: sonpediapublishing@gmail.com
Website: www.sonpedia.com
Puji syukur kepada Tuhan yang Maha Esa, telah memberikan rahmat
dan hidayah-Nya sehingga penulis dapat menyelesaikan buku ini
dengan baik. Buku ini berjudul "Bisnis Intelegent : Pengantar Business
Intelligence dalam Bisnis”. Tidak lupa kami ucapkan terima kasih bagi
semua pihak yang telah membantu dalam penulisan dan penerbitan
buku ini.
Di era digital yang terus berkembang, data telah menjadi aset yang
sangat berharga bagi perusahaan. Informasi yang terkandung dalam
data dapat menjadi sumber daya yang sangat kuat jika dikelola
dengan baik. Inilah dimana Business Intelligence hadir sebagai alat
untuk mengubah data menjadi wawasan berharga yang dapat
membantu Anda mengambil keputusan yang lebih baik, lebih cepat,
dan lebih cerdas.
BUSINESS INTELEGENT ii
Buku ini ditulis dengan bahasa yang mudah dipahami dan dilengkapi
dengan contoh kasus, gambar, dan diagram yang membantu
pembaca memahami konsep dan teknologi yang dibahas. Buku
"Business Intelligent" cocok untuk para pemula maupun praktisi bisnis
yang ingin mempelajari konsep dasar dan menerapkan Business
Intelligence dalam bisnis mereka.
BUSINESS INTELEGENT iv
E. MODEL ARSITEKTUR BUSINESS INTELLIGENCE........................... 61
BAGIAN 5 TOOLS DAN PLATFORM BUSINESS INTELLIGENCE .............. 71
A. BEBERAPA TOOLS DAN PLATFORM BUSINESS INTELLIGENCE .... 71
B. TABLEAU ..................................................................................... 72
C. POWER BI.................................................................................... 74
D. QLIKVIEW DAN QLIC SENSE ........................................................ 76
E. GOOGLE DATA STUDIO ............................................................... 77
F. S A S ............................................................................................ 80
BAGIAN 6 KONSEP DASAR DATA WAREHOUSE .................................. 82
A. PENGERTIAN DAN MANFAAT ..................................................... 82
B. SEJARAH DATA WAREHOUSE ..................................................... 84
C. KARAKTERISTIK ........................................................................... 86
D. ARSITEKTUR DATA WAREHOUSE ................................................ 92
BAGIAN 7 STRATEGI PENGEMBANGAN PRODUK ............................... 95
A. PENGERTIAN STRATEGI .............................................................. 95
B. PENGERTIAN PRODUK ................................................................ 98
C. STRATEGI PENGEMBANGAN PRODUK...................................... 101
D. HUBUNGAN STRATEGI PENGEMBANGAN PRODUK DAN
TECHNOPRENEURSHIP ............................................................. 103
BAGIAN 8 PENERAPAN BUSINESS INTELLIGENCE DALAM
PENGAMBILAN KEPUTUSAN ........................................................... 107
A. PENGERTIAN BUSINESS INTELLIGENCE .................................... 107
B. TUJUAN PENERAPAN BUSINESS INTELLIGENCE DALAM
PENGAMBILAN KEPUTUSAN ..................................................... 111
C. MANFAAT BUSINESS INTELLIGENCE ......................................... 113
D. PENERAPAN BUSINESS INTELLIGENCE DALAM
PENGAMBILAN KEPUTUSAN ..................................................... 115
E. CONTOH BUSINESS INTELLIGENCE DALAM PENGAMBILAN
KEPUTUSAN .............................................................................. 118
BUSINESS INTELEGENT v
BAGIAN 9 TANTANGAN DAN PELUANG DALAM IMPLEMENTASI
BUSINESS INTELLIGENCE ................................................................. 120
A. TANTANGAN ............................................................................. 120
B. PELUANG .................................................................................. 134
DAFTAR PUSTAKA .......................................................................... 138
TENTANG PENULIS ......................................................................... 151
BUSINESS INTELEGENT vi
BAGIAN I
PENGENALAN DAN KONSEP DASAR BUSINESS
INTELLIGENCE
BUSINESS INTELEGENT 1
B. KONSEP KUNCI INTELIJEN BISNIS
Domain
Domain hanyalah konteks di mana intelijen bisnis diterapkan.
Sebagian besar bisnis terdiri dari fungsi atau departemen bisnis yang
relatif standar, seperti berikut ini Penjualan, Pemasaran,
Manufaktur/Produksi, Logistik, Penelitian dan Pengembangan,
Pembelian, Sumber Daya Manusia, Akuntansi/Keuangan. Masing-
masing fungsi atau departemen bisnis ini mewakili domain di mana
intelijen bisnis dapat digunakan untuk menjawab pertanyaan yang
dapat membantu kita membuat keputusan yang lebih baik.
Domain membantu mempersempit fokus mengenai pertanyaan
mana yang dapat dijawab dan keputusan apa yang perlu dibuat.
Misalnya, dalam konteks penjualan, sebuah bisnis mungkin ingin
mengetahui staf penjualan yang mana berkinerja lebih baik dan
personil penjualan mana yang berkinerja lebih buruk. Kecerdasan
BUSINESS INTELEGENT 2
bisnis dapat memberikan wawasan ini serta membantu menentukan
aktivitas mana yang memungkinkan profesional penjualan tertentu
mengungguli yang lain. Informasi ini kemudian dapat digunakan
untuk melatih dan membimbing tenaga penjualan yang kinerjanya
lebih buruk. Dalam konteks pemasaran, bisnis dapat menggunakan
kecerdasan bisnis untuk menentukan jenis kampanye/promosi
pemasaran seperti email, radio, media cetak, TV, dan web, yang
paling efektif dalam menarik pelanggan baru. Ini kemudian
menginformasikan bisnis di mana mereka harus membelanjakan
anggaran pemasaran mereka. Dalam konteks manufaktur, sebuah
bisnis dapat menggunakan business intelligence untuk menentukan
mean time between failure (MTBF) untuk mesin yang digunakan
dalam produksi barang. Informasi ini dapat digunakan oleh bisnis
untuk menentukan apakah pemeliharaan pencegahan akan
bermanfaat dan seberapa sering pemeliharaan pencegahan tersebut
harus dilakukan.
BUSINESS INTELEGENT 3
Informasi
Setelah domain diputuskan, langkah selanjutnya adalah
mengidentifikasi dan memperoleh data yang berkaitan dengan
domain tersebut. Ini berarti mengidentifikasi sumber data yang
relevan. Sumber-sumber ini mungkin internal atau eksternal
organisasi dan mungkin terstruktur, tidak terstruktur, atau semi-
terstruktur.
• Data internal dan eksternal
Data internal adalah data yang dihasilkan dalam organisasi
melalui proses dan operasi bisnisnya. Proses bisnis ini dapat
menghasilkan volume data yang besar yang spesifik untuk
operasi organisasi tersebut. Data ini dapat berupa pendapatan
bersih, penjualan ke pelanggan, akuisisi pelanggan baru,
pergantian karyawan, unit yang diproduksi, biaya bahan baku,
dan lebih banyak deret waktu atau informasi transaksional. Data
historis dan terkini ini berharga bagi organisasi jika mereka ingin
mengidentifikasi pola dan tren, serta untuk peramalan dan
perencanaan masa depan. Yang penting, semua data yang
relevan dengan domain dan pertanyaan hampir tidak pernah
disimpan dalam satu sumber data; organisasi pasti memiliki
berbagai sumber data yang relevan. Selain data internal, intelijen
bisnis paling efektif bila data internal digabungkan dengan data
eksternal. Yang terpenting, data eksternal adalah data yang
dihasilkan di luar batas operasi organisasi. Data eksternal
tersebut mencakup hal-hal seperti kinerja ekonomi global bisnis
BUSINESS INTELEGENT 4
secara keseluruhan, informasi sensus, dan harga pesaing. Semua
data ini ada terlepas dari organisasi tertentu.
Setiap domain dan pertanyaan akan memiliki data internal dan
eksternal yang relevan dan tidak relevan untuk menjawab
pertanyaan yang ada. Demikian pula, data eksternal yang
menunjukkan pertumbuhan ekonomi secara keseluruhan
mungkin juga sangat relevan sementara data seperti biaya bahan
baku mungkin sangat tidak relevan.
BUSINESS INTELEGENT 5
seperti database dokumen, database grafik, dan penyimpanan
nilai kunci. Basis data ini dirancang khusus untuk menyimpan
data yang tidak terstruktur. Data semi-terstruktur memiliki
struktur tetapi tidak sesuai dengan definisi formal data
terstruktur, yaitu tabel dengan baris dan kolom. Semi-sumber
data terstruktur memiliki struktur yang menentukan sendiri yang
membuatnya lebih mudah untuk dikonsumsi dan dianalisis
daripada sumber data tidak terstruktur, tetapi membutuhkan
lebih banyak pekerjaan daripada sumber data terstruktur yang
sebenarnya
BUSINESS INTELEGENT 6
Model
Model atau model data, mengacu pada cara di mana satu atau lebih
sumber data diatur untuk mendukung analisis dan visualisasi. Model
dibangun dengan mengubah dan membersihkan data, membantu
menentukan tipe data dalam sumber tersebut, serta definisi kategori
data untuk tipe data tertentu. Model bisa sangat sederhana, seperti
tabel tunggal dengan kolom dan baris. Namun, intelijen bisnis
hampir selalu melibatkan banyak hal tabel data, dan paling sering
melibatkan banyak tabel data yang berasal dari berbagai sumber.
Dengan demikian, model menjadi lebih kompleks karena berbagai
sumber dan tabel data harus digabungkan menjadi satu kesatuan
yang kohesif. Hal ini dilakukan dengan mendefinisikan bagaimana
masing-masing sumber data yang berbeda berhubungan satu sama
lain.
Analisis
Setelah domain dipilih dan sumber data digabungkan menjadi
model, langkah selanjutnya adalah melakukan analisis data. Ini
adalah proses kunci dalam intelijen bisnis karena ini adalah saat Anda
mencoba menjawab pertanyaan yang relevan dengan bisnis
menggunakan data internal dan eksternal. Hanya memiliki data
tentang penjualan tidak langsung berguna untuk bisnis. Untuk
memprediksi pendapatan penjualan di masa depan, penting bahwa
data tersebut dikumpulkan dan dianalisis dalam beberapa bentuk.
Misalnya, analisis dapat menentukan rata-rata penjualan suatu
produk, frekuensi pembelian, dan pelanggan mana yang lebih sering
BUSINESS INTELEGENT 7
membeli daripada yang lain. Ini adalah informasi yang
memungkinkan pengambilan keputusan yang lebih baik oleh suatu
organisasi. Analisis data dapat mengambil banyak bentuk, seperti
mengelompokkan data, membuat agregasi sederhana seperti
penjumlahan, hitungan, dan rata-rata, serta membuat perhitungan
yang lebih kompleks, mengidentifikasi tren, korelasi, dan peramalan.
Sering kali, organisasi memiliki, atau ingin memiliki, indikator kinerja
utama (KPI), yang dilacak oleh bisnis untuk membantu menentukan
kesehatan atau kinerja organisasi. KPI dapat mencakup hal-hal seperti
tingkat retensi karyawan, skor promotor bersih, akuisisi pelanggan
baru per bulan, margin kotor, dan Penghasilan Sebelum Bunga,
Pajak, Depresiasi, dan Amortisasi (EBITDA). KPI semacam itu
umumnya mengharuskan data dikumpulkan, perhitungan dilakukan
di atasnya, atau keduanya. Agregasi dan perhitungan ini disebut
metrik atau ukuran dan digunakan untuk mengidentifikasi tren atau
pola yang dapat menginformasikan pengambilan keputusan bisnis.
Dalam beberapa kasus, alat analisis lanjutan seperti bahasa
pemrograman, pembelajaran mesin dan kecerdasan buatan,
penambangan data, analitik streaming, dan analitik tidak terstruktur
diperlukan untuk mendapatkan wawasan yang tepat.
Visualisasi
Konsep kunci terakhir dalam intelijen bisnis adalah visualisasi, atau
presentasi aktual dari analisis yang sedang dilakukan. Manusia
berorientasi visual dan dengan demikian harus dapat melihat hasil
analisis yang dilakukan dalam bentuk grafik, laporan, dan
BUSINESS INTELEGENT 8
dashboard/ pedoman instrumen. Ini dapat berupa tabel, matriks,
diagram lingkaran, grafik batang, dan tampilan visual lainnya yang
membantu memberikan konteks dan makna pada analisis. Dengan
cara yang sama seperti sebuah gambar bernilai ribuan kata, visualisasi
memungkinkan ribuan, jutaan, atau bahkan triliunan titik data
individu untuk disajikan secara ringkas yang mudah dikonsumsi dan
dimengerti. Visualisasi memungkinkan analis atau penulis laporan
membiarkan data bercerita. Kisah ini menjawab pertanyaan yang
awalnya diajukan oleh bisnis dan dengan demikian memberikan
wawasan yang memungkinkan organisasi membuat keputusan yang
lebih baik. Bagan atau visualisasi individu biasanya menampilkan
agregasi, KPI, dan/atau kalkulasi lain dari data pokok yang telah
dirangkum oleh beberapa bentuk pengelompokan. Bagan ini
dirancang untuk menampilkan aspek atau metrik tertentu dari data
dalam konteks tertentu. Misalnya, satu bagan mungkin menampilkan
jumlah pengunjung situs web menurut negara, sementara bagan lain
mungkin menampilkan jumlah kunjungan halaman situs web per
browser. Alat intelijen bisnis memungkinkan beberapa tabel dan
bagan individual digabungkan pada satu halaman atau laporan. Alat
intelijen bisnis modern seperti Power Bisnis Intelijen mendukung
interaktivitas antara visualisasi individu untuk lebih membantu dalam
proses penemuan dan analisis. Interaktivitas ini memungkinkan
konsumen laporan untuk mengklik bagian dari masing-masing
visualisasi seperti bagan batang, peta, dan tabel untuk menelusuri
informasi yang telah disajikan atau menentukan pengaruh antara
bagian diagram tersebut dan visualisasi lainnya pada laporan.
BUSINESS INTELEGENT 9
C. KONSEP, KOMPONEN, dan APLIKASI KECERDASAN BISNIS
BUSINESS INTELEGENT 10
3. Proses ini menyaring informasi yang tidak relevan, menimbang
risiko saat ini dan masa depan, melakukan analisis biaya-manfaat
dan menemukan tindakan yang masuk akal.
4. Gambarkan hasil analisis sebagai visualisasi yang kuat sambil
menyusun cerita data yang meyakinkan.
BUSINESS INTELEGENT 11
a. Ekstrak Data Mentah
Komponen pertama dari solusi Bsnis Intelijen adalah data dari
catatan penjualan, laporan laba rugi, detail gaji, dan lainnya.
Data organisasi ada di berbagai sistem, termasuk CRM, ERP,
file datar, dan lainnya. Karena fragmentasi ini, solusi Bisnis
Intelijen hadir dengan konektor yang kuat untuk memusatkan
segalanya untuk analisis lanjutan.
b. Konsolidasi Informasi
Gudang data mengintegrasikan database yang berbeda untuk
membuat hubungan. Data mengalir ke gudang dari berbagai
sumber, termasuk sistem transaksional, basis data relasional,
dan lainnya.
c. Mengakses dan Menganalisis Data
Setelah data terkonsolidasi di satu lokasi, penting untuk
memahaminya. Di sini, solusi Bisnis Intelijen mengakses
informasi, menginterpretasikannya untuk tren dan pola, dan
menyajikannya secara intuitif.
d. Buat Pedoman Instrumen dan Laporan
Pedoman Instrumen dan laporan mengambil informasi yang
rumit dan tidak dapat dipahami dan menampilkannya
sebagai pola, tren, dan wawasan yang dapat dicerna. Alat-
alat ini memfasilitasi kolaborasi dalam organisasi untuk
berbagi temuan dan penemuan.
BUSINESS INTELEGENT 12
3. Komponen
a. OLAP (On-line Analytical Processing )
Data kueri di berbagai dimensi untuk mengukur berbagai
sudut pandang. OLAP menawarkan tampilan ringkasan data
bisnis yang digunakan untuk pelaporan, analisis, pemodelan,
dan perencanaan. Beberapa operasi OLAP yang berbeda
termasuk roll up, drill down, slice and dice, dan pivot.
Misalnya, pemangku kepentingan dapat meminta laporan
penjualan tas laptop pada bulan Juli di Asia Tenggara dan
membandingkan pendapatan untuk produk tersebut setiap
bulan.
b. Analisis Lanjutan
Komponen ini mencakup teknik seperti pemodelan prediktif,
pembelajaran mesin, pembelajaran mendalam, otomatisasi
proses bisnis, dan teknik statistik lainnya untuk menggali tren,
pola, karakteristik, dan anomali dari berbagai sumber data.
Ini memastikan peramalan yang akurat, mempercepat
pengambilan keputusan, meningkatkan manajemen risiko,
dan mengidentifikasi peluang baru.
c. Manajemen Kinerja Perusahaan
Pedoman instrumen atau dasbor menyatukan beberapa
metrik yang terkait dengan kinerja bisnis untuk
menyampaikan cerita data. Misalnya, pedagang saham
mengawasi instrumen keuangan untuk melacak fluktuasi
pasar, menganalisis tren harga saham jangka pendek dan
jangka panjang, dan menciptakan peluang investasi.
BUSINESS INTELEGENT 13
4. Aplikasi dari Bisnis Intelijen diperlukan untuk :
a. Menganalisis Siklus Penjualan
Manfaatkan analitik penjualan untuk melihat kinerja
perwakilan penjualan. Ukur siapa yang berhasil dan gagal
sambil meningkatkan proses yang ada dalam organisasi.
Gunakan pedoman instrumen penjualan untuk menganalisis
siklus penjualan dan membandingkan kinerja manajer.
b. Mengidentifikasi Perilaku Pelanggan
Analisis aktivitas pelanggan di situs web Anda dan bagaimana
mereka menanggapi kampanye atau promosi pemasaran.
Periksa saluran akuisisi pelanggan mana yang mendorong
pendapatan. Berinvestasi di saluran berkinerja tinggi untuk
menarik pelanggan yang menguntungkan.
c. Merencanakan Kegiatan Pemasaran
Manfaatkan analitik prediktif untuk mengidentifikasi
kampanye yang efisien. Ukur performa berbagai promosi
berdasarkan tujuan yang telah ditentukan sebelumnya.
d. Tingkatkan Pengalaman Layanan Pelanggan
Tampilkan KPI layanan pelanggan, termasuk waktu respons
rata-rata, untuk meningkatkan layanan pelanggan, pelatihan
internal, dan inisiatif pengembangan.
BUSINESS INTELEGENT 14
• Memberikan Wawasan Berbasis Data seperti konsep bisnis
intelijen di atas membantu organisasi meningkatkan komunikasi
di dalam dan di luar, memecahkan masalah, menganalisis data,
dan memastikan profitabilitas bisnis dengan wawasan berharga
yang dibuat dari data internal.
• Tetapkan Sasaran Tolok Ukur yang dapat ditindaklanjuti untuk
mendorong kinerja. Merumuskan strategi yang efektif untuk
mencapai tujuan yang telah ditentukan sebelumnya. Evaluasi
kemajuan melalui KPI yang kuat untuk meningkatkan
pendapatan dan ROI.
• Memprediksi Tren dan pola secara akurat untuk memitigasi
risiko dan memanfaatkan keuntungan sebelum pesaing Anda.
• Ciptakan Visual yang Kuat dengan cara mengembangkan
visualisasi untuk menyampaikan cerita data. Ekstrapolasi
informasi yang dapat digunakan dari kumpulan data kompleks
dan sajikan kepada pemangku kepentingan dan anggota tim
untuk diskusi dan perencanaan.
BUSINESS INTELEGENT 15
• Mengidentifikasi pelanggan yang menguntungkan dan menyusun
strategi untuk memitigasi churn. Buat rencana pemasaran yang
kuat untuk menarik pelanggan baru.
• Melakukan penilaian kredit yang akurat untuk mengukur
profitabilitas pelanggan dan mengekang perilaku curang.
• Tentukan pembelian apa yang ingin dilakukan pelanggan dan
kapan mereka ingin membeli berdasarkan aktivitas masa lalu.
• Dalam industri asuransi, tetapkan tarif yang tepat untuk premi.
• Dalam industri medis, menganalisis uji klinis untuk obat dan
senyawa baru.
• Memanfaatkan pemeliharaan prediktif untuk mengurangi waktu
henti peralatan.
BUSINESS INTELEGENT 16
nyata, menemukan wawasan konsumen, memprediksi pendapatan,
dan lainnya.
BUSINESS INTELEGENT 17
BAGIAN 2
KONSEP DASAR KEBUTUHAN BISNIS DAN DATA BUSINESS
INTELLIGENCE
BUSINESS INTELEGENT 18
al., 2022). Setiap perusahaan berupaya untuk memperoleh
keunggulan kompetitif yang memungkinkan mereka meraih
keberhasilan dalam persaingan dan memperoleh pangsa pasar yang
signifikan. Salah satu pendekatan yang dapat diambil dalam
mencapai hal ini adalah melalui implementasi e-business atau e-
commerce. Dengan memanfaatkan dukungan teknologi informasi,
transaksi jual beli dapat dilakukan secara real-time, sehingga
perusahaan dapat meraih pasar yang lebih luas.
BUSINESS INTELEGENT 19
kelangsungan hidup mereka di industri tersebut. Ketidakresponsifan
atau keterlambatan dalam menghadapi perubahan ini dapat
membahayakan kelangsungan bisnis mereka. Misalnya, dalam
industri ponsel cerdas/smartphone, dapat dilihat bagaimana Nokia
dan Blackberry, yang dulunya menjadi pemimpin pasar, kehilangan
dominasi mereka. Kedua perusahaan ini lambat dalam menyesuaikan
diri dengan perubahan di pasar, di mana konsumen mulai beralih ke
sistem operasi Android dan iOS yang berkembang pesat. Selama
masa transisi tersebut, Nokia terus mengandalkan sistem operasi
Symbian mereka, sementara Blackberry tetap menggunakan
BlackberryOS, yang pada akhirnya menyebabkan mereka secara
perlahan kehilangan daya saing (Lamberg et al., 2021; Miller, 2023).
BUSINESS INTELEGENT 20
perusahaan-perusahaan yang dapat menyesuaikan strategi mereka
dengan perubahan dalam lingkungan bisnis, untuk merebut pasar.
Karena itu, penting bagi perusahaan saat ini untuk merespons setiap
perubahan yang terjadi dalam lingkungan bisnis secara cepat
(Azzahra, 2021). Manajemen, sebagai pengambil keputusan, harus
bersikap reaktif, antisipatif, adaptif, dan proaktif dalam menghadapi
perubahan ini. Mereka tidak boleh bersikap pasif dan berakhir
terlambat dalam mengambil tindakan atau mengambil keputusan.
Kita dapat membandingkan perusahaan dengan tubuh manusia.
Ketika manusia mulai merasa tidak sehat dan mengalami gejala awal
penyakit, mereka segera mengambil tindakan pencegahan untuk
menghindari sakit. Misalnya, mereka mengonsumsi makanan bergizi,
mengambil suplemen vitamin, dan beristirahat yang cukup. Mereka
selalu berusaha untuk tidak sakit karena konsekuensinya lebih parah
dan biaya pengobatannya lebih tinggi. Begitu juga, sebuah organisasi
harus dapat mengidentifikasi gejala atau perubahan yang terjadi
dalam lingkungan bisnisnya. Dengan demikian, manajemen dapat
memberikan respons yang lebih baik secara cepat.
BUSINESS INTELEGENT 21
mengimplementasikan teknologi informasi (TI) untuk memperbaiki
komunikasi, pengaksesan data (utilisasi informasi), dan kolaborasi,
menanggapi pesaing dengan cepat (dalam hal penetapan harga,
promosi, produk, dan layanan baru), otomatisasi berbagai kegiatan,
otomatisasi proses pengambilan keputusan tertentu, dan
meningkatkan proses pengambilan keputusan.
BUSINESS INTELEGENT 22
umum yang menggabungkan berbagai arsitektur, teknik, alat analisis,
aplikasi, dan metodologi yang memungkinkan akses mudah ke data
untuk membantu manajer dalam melakukan analisis bisnis (Bentley,
2017). Business intelligence membantu dalam mengubah data
menjadi informasi (dan pengetahuan), yang kemudian mengarah
pada pengambilan keputusan dan pada akhirnya menghasilkan
tindakan (Sherman, 2015).
BUSINESS INTELEGENT 23
1. Spreadsheet
Spreadsheet (lembar kerja) adalah alat yang sederhana dan user-
friendly yang berguna untuk menyusun laporan. Alat ini
memungkinkan pengguna untuk dengan mudah mengurutkan
data dan membuat grafik. Fitur-fitur ini memberikan bantuan
bagi manajer dalam proses pengambilan keputusan. Namun,
walaupun penggunaannya yang mudah, lembar kerja memiliki
beberapa kelemahan, di antaranya adalah efisiensi yang kurang
(menghabiskan waktu yang cukup lama untuk menyusun
laporan) dan risiko kesalahan yang relatif tinggi. Hal ini terjadi
karena pengguna dapat langsung memasukkan data ke dalam
lembar kerja tanpa adanya proses validasi.
2. Decision Support System (DSS).
Sistem Pendukung Keputusan (Decision Support System),
merupakan suatu sistem komputerisasi yang digunakan untuk
mengelola dan menganalisis data dengan menggunakan model-
model tertentu guna meningkatkan efektivitas pengambilan
keputusan. Fungsi utamanya adalah memberikan dukungan
yang terencana dan sistematis dalam pengambilan keputusan,
dengan tujuan memperkuat proses pemilihan keputusan yang
dilakukan.
3. Extract, Transform, Load (ETL)
Proses ETL adalah tahapan penting dalam manajemen data yang
melibatkan tiga langkah utama: ekstraksi data dari berbagai
sumber, transformasi data ke dalam format yang sesuai, dan
memuatnya ke dalam gudang data. Tahap ekstraksi dilakukan
BUSINESS INTELEGENT 24
dengan mengumpulkan data dari beragam sumber data.
Selanjutnya, tahap transformasi melibatkan pengubahan data
dengan melakukan penggabungan data dengan dimensi yang
serupa dan mengatur formatnya sesuai dengan kebutuhan yang
ditentukan
4. Data warehouse (DW)
Data Warehouse juga dikenal sebagai pusat penyimpanan data,
merupakan tempat utama untuk menyimpan data berharga dan
rahasia perusahaan yang digunakan untuk mendukung proses
pengambilan keputusan. Data yang terdapat di dalam DW
dikumpulkan dari berbagai sumber, baik internal maupun
eksternal, dalam berbagai format. DW digunakan sebagai sarana
untuk memperoleh informasi yang membantu manajer dalam
pengambilan keputusan serta pemecahan masalah yang
dihadapi.
5. Data Mart
Data Mart merupakan sebuah subkelompok dari Data
Warehouse yang berfungsi untuk menyimpan data-data spesifik
yang dibutuhkan oleh pengguna. Berbeda dengan gudang data
yang menyimpan semua data yang ada di perusahaan, data mart
hanya menyimpan subset data yang terkait dengan fungsi atau
divisi tertentu. Tujuan utama dari penggunaan data mart adalah
untuk memenuhi kebutuhan informasi yang spesifik dari
kelompok pengguna tertentu
BUSINESS INTELEGENT 25
6. Metadata
Metadata merujuk pada kumpulan informasi yang berkaitan
dengan data yang sedang dibahas. Metadata berfungsi untuk
memberikan deskripsi atau gambaran mengenai data tersebut.
Sebagai contoh, pada sebuah file Microsoft Word, metadata
dapat mengungkapkan informasi seperti jenis file, format,
tanggal pembuatan dan modifikasi, pemilik file, serta elemen-
elemen lainnya yang terkait.
7. Query and Reporting
Proses query and reporting melibatkan penerapan kode atau
rumus yang bertujuan untuk mengolah data dari suatu basis data
dan menyajikan informasi yang diinginkan kepada pengguna,
khususnya manajer. Dalam rangka mencapai tujuan ini,
perangkat lunak memainkan peran penting dalam mempercepat
dan meningkatkan akurasi proses transformasi data menjadi
informasi yang relevan.
8. Executive Information System (EIS)
EIS merupakan suatu sistem pendukung pengambilan keputusan
yang digunakan oleh manajer dalam menjalankan fungsinya.
Sistem ini menampilkan informasi yang krusial mengenai
berbagai aspek kegiatan bisnis perusahaan secara komprehensif,
namun disajikan dalam format yang praktis dan mudah
dimanfaatkan oleh para manajer. Umumnya, EIS menyajikan
informasi dalam bentuk yang singkat dan padat, seperti grafik
atau diagram yang memberikan gambaran visual yang jelas.
BUSINESS INTELEGENT 26
9. Financial Reporting
Financial Reporting atau pelaporan keuangan merupakan suatu
proses yang melibatkan penyajian informasi mengenai keuangan
suatu entitas bisnis. Proses ini melibatkan penyusunan laporan
keuangan yang mencakup laporan arus kas, laporan laba rugi,
dan perkiraan manajemen untuk periode yang akan datang.
Dengan menggunakan metode yang efektif dalam
mengkomunikasikan konten yang terdapat dalam laporan
keuangan tersebut, manfaat yang dapat diperoleh dari laporan
keuangan tersebut dapat dioptimalkan.
10. Online Analytical Processing (OLAP)
OLAP merupakan suatu metode analisis data yang berfokus pada
pemahaman yang lebih dalam dan komprehensif melalui
pendekatan multidimensional. Dengan penerapan OLAP, data
dapat diurai dari berbagai sudut pandang yang berbeda,
sehingga menghasilkan informasi yang lebih kaya dan beragam.
Sebagai contoh, dengan melakukan perbandingan data
penjualan secara bulanan (dalam dimensi waktu), manajer
mampu memperoleh wawasan yang lebih luas mengenai bulan
dengan tingkat penjualan tertinggi, sehingga mendapatkan
pemahaman yang lebih mendalam.
11. Dashboard
Dashboard merupakan alat yang digunakan untuk menyajikan
informasi yang singkat mengenai aktivitas atau kinerja
perusahaan melalui visualisasi atau grafik yang serupa dengan
kokpit digital kendaraan. Informasi yang terpampang pada
BUSINESS INTELEGENT 27
dasbor diperoleh dari data yang tersimpan di dalam gudang data
dan diolah sesuai dengan kebutuhan yang ada. Informasi yang
ditampilkan pada dasbor akan disesuaikan dengan kebutuhan
pengguna, seperti contohnya departemen atau divisi penjualan
yang memperoleh informasi yang berkaitan dengan penjualan.
12. Scorecard Dashboard
Scorecard Dashboard beroperasi mirip dengan dashboard,
namun juga memuat visualisasi informasi mengenai progres
menuju sasaran strategis perusahaan (target). Pendekatan yang
digunakan dalam hal ini adalah Balanced Scorecard.
13. Workflow
Workflow atau alur kerja mengacu pada rangkaian langkah-
langkah yang melibatkan sejumlah individu dalam rangka
menyelesaikan tugas-tugas perusahaan. Konsep ini
menggambarkan pola kerja berurutan, di mana setiap langkah
saling berinteraksi dan berhubungan satu sama lain. Alur kerja
seringkali diilustrasikan dalam bentuk diagram aliran, yang
memiliki manfaat dalam menggambarkan tahapan-tahapan
yang terlibat dalam proses tersebut.
14. Alert and Notification
Alert and Notification merupakan pesan peringatan yang dikirim
kepada para manajer guna mengindikasikan kondisi yang
penting (atau tidak tepat), sehingga memungkinkan mereka
untuk mengambil keputusan secara cepat. Karena para manajer
tidak mampu melakukan pemantauan terus-menerus terhadap
kondisi perusahaan, mereka mungkin melewatkan informasi-
BUSINESS INTELEGENT 28
informasi penting (atau masalah-masalah) yang berakibat pada
penundaan dalam pengambilan keputusan.
15. Data mining
Data mining merupakan suatu proses eksplorasi data yang
bertujuan untuk mengungkap informasi baru dengan
merangkum dan menggabungkannya dengan data lain yang
telah dikumpulkan. Selain itu, teknik penambangan data juga
mampu mengidentifikasi tren atau pola yang terdapat dalam
data tersebut.
16. Predictive Analytics
Predictive Analytics adalah suatu pendekatan yang melibatkan
analisis pola dalam data yang terkumpul dengan tujuan
membandingkan dan mengidentifikasi hubungan antara
berbagai jenis data. Dengan menggunakan pendekatan ini,
informasi mengenai risiko dan peluang terkait dengan tindakan
di masa depan dapat diberikan. Selain itu, analitik prediktif juga
mampu melakukan prediksi terhadap peristiwa-peristiwa masa
depan berdasarkan data yang telah diperoleh.
17. Broadcasting tools
Broadcasting tools digunakan dalam proses distribusi dan
penyebaran informasi kepada pengguna. Selain itu, peralatan
tersebut juga berperan dalam meningkatkan efektivitas
pelaporan.
18. Portal
Portal adalah sebuah sistem yang berperan dalam pengumpulan
serta penyajian semua laporan yang ada dalam suatu
BUSINESS INTELEGENT 29
perusahaan. Fungsi utama dari sistem ini adalah untuk
menampilkan laporan dan informasi dalam format yang
terstruktur seperti tabel dan grafik.
BUSINESS INTELEGENT 30
1. Pengiriman laporan dan alert.
2. Pelaporan enterprise (dengan dashboards dan scorecards).
3. Analisis cube (analisis slice-and-dice).
4. Ad-hoc queries.
5. Statistik dan data mining.
BUSINESS INTELEGENT 31
BAGIAN 3
TEKNOLOGI INTELEJEN BISNIS
BUSINESS INTELEGENT 32
A. APA ITU BI-TECH
BUSINESS INTELEGENT 33
data yang besar dari berbagai sumber dan kondisi tersebut (Sharda et
al., 2020; Skyrius, 2021). Proses pengolahan dimulai dari indentifikasi
sampai kepada pengembangan. Kemudian proses penyajian hasil dari
BI-Tech yang dapat dengan mudah digunakan untuk memberikan
suatu inovasi atau ide yang potensial.
BUSINESS INTELEGENT 34
Perangkat-perangkat BI-Tech merupakan satu kesatuan yang
kompleks atau satu perangkat yang mampu melakukan seluruh
proses secara integratif dan komprehensif, seperti yang diilustrasikan
pada Gambar 3.1. Setiap tahapan memiliki karakteristik proses yang
membutuhkan aplikasi atau fitur tertentu. Berdasarkan hal ini, maka
BI-Tech dapat di klasifkasikan menjadi beberapa tipe yang akan
disajikan pada sub bagian berikut.
B. TIPE BI-TECH
Secara umum, klasifikasi jenis atau tipe dari BI-Tech dapat dilakukan
berdasarkan tahapan dari serangkaian proses BI, seperti yang
ditunjukkan pada Gambar 3.1. Tipe BI-Tech secara umum, yaitu (a)
perangkat untuk pengambilan data; (b) perangkat analisis data; (c)
perangkat untuk penyimpanan data; (d) perangkat untuk penyajian
data.
1. Perangkat Pengambilan Data
Karakteristik utama perangkat ini adalah memiliki kemampuan untuk
mengambil data yang eksplisit maupun implisit dari berbagai sumber
yang berbeda dalam jumlah yang besar (e.g. Nogués & Valladares,
2017; Sharda et al., 2020; Skyrius, 2021), Sumber data tersebut dapat
berupa sumber eksternal maupun sumber internal (Skyrius, 2021).
BUSINESS INTELEGENT 35
2021). Data yang diperoleh akan membutuhkan pengorganisasian
yang tepat dengan format yang sesuai sebelum selanjutnya disimpan
dalam perangkat penyimpanan data.
BUSINESS INTELEGENT 36
❖ Perangkat Data Mining
Perangkat ini mengekstrak atau memilah dan mengambil data
atau esensi data tertentu yang dibutuhkan dari sekumpulan data
yang berjumlah besar dan kompleks, (Sharda et al., 2014, 2020;
Skyrius, 2021; Sumathi & Sivanandam, 2006). Selanjutnya,
perangkat data mining dapat digunakan untuk identifikasi pola
dan hubungan dari data tersebut, yang kemudian dapat
dimanfaatkan untuk memprediksi tren yang berpotensi. Contoh
perangkat Data Mining adalah KNIME, Orange Data Mining,
RapidMiner.
BUSINESS INTELEGENT 37
Gambar 3.4. Tampilan ScrapingBee & Octoparse
BUSINESS INTELEGENT 38
Data streaming mencakup beragam data seperti log (Gupta &
Shilpi, 2016) yang dibuat berdasarkan aktivitas dari
penggunakaan aplikasi seluler atau web, pembelian e-niaga,
aktivitas pemain dalam game, informasi dari jejaring sosial, lantai
perdagangan keuangan, atau layanan geospasial, dan telemetri
dari perangkat yang terhubung atau instrumentasi di pusat data.
Contoh perangkat Streaming Data adalah Apache Flume, Apache
Spark Streaming, Apache Storm, dan Dataflow (Google Cloud).
BUSINESS INTELEGENT 39
Vaisman & Zimányi, 2022). Data yang disimpan adalah data yang
telah ditransformasi dan diintegrasikan, serta juga telah diproses dan
dapat digunakan oleh perangkat analisis lainnya atau lebih lanjut
maupun perangkat penyajian data. Perangkat yang berfungsi sebagai
Data Warehouse cukup banyak yang ditersedia, diantaranya
MarcLogic, Oracle, dan Amazon RedShift.
BUSINESS INTELEGENT 40
Pemilihan perangkat penyajian data tergantung pada jenis data yang
ingin disajikan, kompleksitas informasi yang ingin ditampilkan, dan
preferensi pengguna. Penggunaan beberapa perangkat yang
dikombinasikan terkadang juga dilakukan untuk memenuhi
kebutuhan penyajian data yang lebih baik.
C. MENGENAL APLIKASI BI
BUSINESS INTELEGENT 41
disesuaikan dengan berbagai kebutuhan (Google, n.d.; Kemp &
White, 2020; Kukreti, 2023; Pulipati & Kelly, 2022). Visualisasi data
yang dihasilkan menjadikan informasi yang diolah oleh Looker
Studio dapat lebih mudah dipahami dan digunakan secara lebih
tepat.
BUSINESS INTELEGENT 42
Looker Studio memiliki berbagai fitur unggulan seperti konektivitas
data yang luas, visualisasi data yang kaya, interactive dashboard,
integrasi dengan ekosistem Google, dan fasilitas untuk kolaborasi &
distribusi, (Kemp & White, 2020; Kukreti, 2023; Pulipati & Kelly,
2022).
BUSINESS INTELEGENT 43
para pengguna dapat mengintegrasikan dan menganalisis data dari
berbagai sumber secara komprehensif dan aktual dengan mudah.
Kemudian fitur visualisasi data pada Looker Studio menyediakan
berbagai jenis bentuk penyajian data seperti grafik batang, grafik
garis, grafik lingkaran, tabel, dan banyak lagi (Holder, 2022; Kemp
& White, 2020; Pulipati & Kelly, 2022). Fitur ini menyediakan
berbagai pengaturan agar dapat menyesuaikan tata letak, gaya, dan
tema visualisasi yang sesuai dengan kebutuhan (Kemp & White,
2020; Pulipati & Kelly, 2022).
Fitur penting lainnya yang ada pada Looker Studio adalah interactive
dashboard dan integrasi dengan ekosistem Google. Interactive
dashboard memberikan pengalaman dan kemudahan kepada
pengguna untuk menghasilkan informasi yang interaktif pada
laporan dan dashboard. Contohnya adalah penambahan filter, filter
waktu, atau pemilihan dimensi untuk memungkinkan pengguna lain
memodifikasi tampilan data sesuai kebutuhan mereka (Kemp &
White, 2020; Kukreti, 2023; Pulipati & Kelly, 2022). Adapun Looker
Studio yang terintegrasi dengan berbagai produk Google lainnya
memberikan kemudahan dan kenyamanan bagi para pengguna
untuk memanfaatkan data yang ada dalam ekosistem tersebut (Kemp
& White, 2020; Pulipati & Kelly, 2022). Contoh produk-produk lain
yang ada dalam ekosistem Google adalah Google Drive, Google
Analytics, dan lain-lain.
BUSINESS INTELEGENT 44
melakukan kolaborasi dan berbagai data antara anggota tim.
Pengguna dapat mengundang dan mengorganisasikan orang lain
untuk mengulas atau melihat maupun mengedit laporan dan
dashboard, serta membagikannya melalui tautan dengan izin akses
tertentu.
2. Domo
Aplikasi ini berfungsi untuk mengintegrasikan, mengelola,
menganalisis, dan menvisualisasikan data dari berbagai sumber data,
termasuk data real-time, kemudian mentransformasi data tersebut
menjadi informasi yang interaktif dan mudah dipahami (Burtenshaw,
2022; Pulipati & Kelly, 2022). Fitur-fitur Domo juga lengkap untuk
sebuah aplikasi BI, diantaranya konektivitas dan integrasi data yang
luas; visualisasi hasil pengolahan data yang beragam dan interaktif;
fitur keamanan data yang handal; fasilitas untuk kolaborasi &
distribusi; dan mobilitas yang tinggi.
BUSINESS INTELEGENT 45
Penawaran mobilitas yang tinggi pada Domo disebabkan karena
aplikasi ini tidak hanya berbasis web, tetapi juga tersedia aplikasi
Domo berbasis perangkat ponsel cerdas. Sehingga para pengguna
dapat dengan mudah mengakses fitur-fitur Domo dimanapun dan
kapanpun.
3. Tableau
Tableau merupakan aplikasi yang unggul dalam tampilan dashboard
yang dapat disusun secara interaktif. Aplikasi ini memiliki
kemampuan membuat visualisasi data dengan menganalisis data
langsung tanpa membawa data faktual dan real time secara langsung
ke dalam format pelaporan terpisah (Meier et al., 2021; Sharda et
al., 2020).
BUSINESS INTELEGENT 46
Data yang diolah dapat ditampilkan ke dalam berbagai bentuk yang
bukan hanya interaktif dan familiar tetapi juga intuitif (Meier et al.,
2021; Milligan, 2019). Sehingga, aplikasi ini akan membantu
pengguna untuk memperoleh gambaran yang lebih dalam pada
berbagai perspektif.
BUSINESS INTELEGENT 47
BAGIAN 4
ARSITEKTUR BUSINESS INTELLIGENCE
A. PENDAHULUAN
BUSINESS INTELEGENT 48
Bussiness Intelligence merupakan evolusi dari sistem pendukung
keputusan Decision Support Systems (DSS) yang dimulai pada tahun
1960 dan dikembangkan pada tahun 1980-an. Decision Support
Systems merupakan implementasi sebuah model dengan bantuan
komputer yang dirancang guna membantu pengambilan keputusan
(Executive Information Systems-EIS) dan perencanaan selanjutnya.
Business Intelligent
Online analytical
Information System
Warehouse Data
processing
Executive
Systems
Suport
Den
BUSINESS INTELEGENT 49
Howard Dresner (1989), seorang analis Gartner Group, mengusulkan
supaya istilah intelijen bisnis digunakan untuk menggambarkan
konsep dan metodologis untuk meningkatkan pengambilan
keputusan bisnis dengan menggunakan sistem pendukung berbasis
empiris. Pada akhir tahun 1990, Bussiness Intelligence menjadi
berkembang demikian pesat.
BUSINESS INTELEGENT 50
Pengukuran (Measurement), sebagai aplikasi atau program yang
mampu mendorong terciptanya hirarki metrik kinerja dan
benchmarking yang menginformasikan pemimpin bisnis tentang
kemajuan menuju tujuan bisnis; Analysis (Analytics), sebagai aplikasi
atau program yang mampu membangun proses kuantitatif bisnis
sampai pada keputusan yang optimal dalam meningkatkan
pengetahuan dan mengimplementasikan dalam proses bisnis. Pada
proses analisis ini, sering melibatkan: data mining, data proccess,
analisis statistik, analisis prediktif, pemodelan prediktif, pemodelan
proses bisnis, pengolahan informasi kompleks dan analisis preskriptif.
BUSINESS INTELEGENT 51
B. KONSEP DASAR ARSITEKTUR BUSSINESS INTELLIGENCE
BUSINESS INTELEGENT 52
Namun tim intelijen bisnis dan manajemen data masih menghadapi
berbagai tantangan dalam praktik, mengelola dan mendukung sistem
intelijen bisnis, mulai dari mendapatkan persetujuan dan pendanaan
program intelijen bisnis untuk mengintegrasikan kumpulan data guna
kepentingan analisis, memilih perangkat lunak intelijen bisnis,
melatih pengguna, dan memelihara implementasi intelijen bisnis
swalayan di unit bisnis yang berbeda dari devolusi menjadi
lingkungan yang kacau dan menghasilkan analitik yang tidak
konsisten.
BUSINESS INTELEGENT 53
pengambil keputusan untuk mencapai tujuan penting perusahaan
seperti mencapai atau melampaui pendapatan, peluang untuk
mengurangi biaya, dll (Belghith, et al., 2023). Namun, 80 persen
penerapan BI memiliki masalah untuk menghasilkan data yang
berguna karena masalah integrasi data. Masalah ini terjadi karena
meningkatnya jumlah data., kesulitan integrasi, dan kompleksitas
tinggi. Model integrasi data universal diperlukan untuk menyediakan
data yang berguna dalam aplikasi BI. Misal hasil penelitian Belghith,
et al., 2023 menunjukkan bahwa NXD dan JSON adalah dua
pendekatan yang telah diterapkan dalam integrasi data. Pendekatan
ini terbukti efisien untuk integrasi data dalam hal waktu respons
penyisipan data dan waktu respons pemrosesan kueri. Berdasarkan
NXD dan JSON, yang diusulkan Native JSON (N-JSON) sebagai
integrasi data alternatif baru untuk aplikasi BI. Tiga percobaan seperti
waktu respons penyisipan data, waktu respons pemrosesan kueri dan
penggunaan CPU telah dilakukan dengan menggunakan dua set data
yang berbeda; SigmodRecord dan DBLP. Hasilnya menunjukkan
bahwa N-JSON menghasilkan kinerja yang lebih baik dibandingkan
NXD. Akibatnya, N-JSON dapat digunakan sebagai integrasi data
alternatif untuk aplikasi BI dalam menyediakan data yang berguna
bagi pengambil keputusan.
BUSINESS INTELEGENT 54
produktif, efektif, dan bermanfaat. Tantangan dibentuk oleh
berbagai faktor, termasuk infrastruktur data yang beragam, masalah
manajemen data, jenis kemampuan BI baru dan berbagai tingkat
literasi data dalam angkatan kerja. Di satu sisi, tim BI harus
memastikan bahwa tata kelola data dan perlindungan keamanan
yang tepat diterapkan; di sisi lain, mereka perlu menunjukkan
bagaimana BI dapat menguntungkan pekerja, termasuk yang kurang
melek data.
BUSINESS INTELEGENT 55
mendapatkan detail lebih lanjut tentang manfaat bisnis intelijen bisnis
dan tantangan yang ditimbulkannya. Sepanjang panduan, Anda akan
menemukan hyperlink ke TechTarget terkait Artikel yang menggali
lebih dalam topik yang sedang dibahas.
BUSINESS INTELEGENT 56
C. ELEMEN KUNCI ARSITEKTUR BUSINESS INTELLIGENCE
BUSINESS INTELEGENT 57
data. Teknik pemodelan data umum termasuk skema bintang dan
skema kepingan salju.
5. Data Transformation
Data mungkin perlu diubah dan dibersihkan untuk memastikan
kualitas dan konsistensi. Data Transformation ini melibatkan tugas-
tugas seperti pembersihan data, validasi data, pengayaan data, dan
membuat kolom atau pengukuran kalkulasi untuk tujuan analisis.
6. Business Analytics
Setelah data diubah dan disimpan, berbagai alat dan teknik analitik
dapat digunakan untuk memperoleh wawasan. Ini termasuk analisis
deskriptif (meringkas dan memvisualisasikan data), analisis diagnostik
(mengidentifikasi tren dan pola), analisis prediktif (meramalkan hasil
di masa depan), dan analisis preskriptif (menyarankan tindakan
berdasarkan wawasan).
7. Reporting and Dashboards
Platform BI sering menyediakan alat pelaporan untuk membuat dan
mendistribusikan laporan. Dasbor adalah visualisasi interaktif yang
memberikan snapshot real-time dari indikator kinerja utama (KPI)
dan metrik. Pengguna dapat menelusuri data untuk analisis
terperinci.
8. Data Visualization
Memvisualisasikan data dengan cara yang bermakna membantu
pengguna memahami informasi yang kompleks dengan mudah. Alat
BI menawarkan berbagai opsi visualisasi seperti bagan, grafik, peta,
dan tabel. Representasi visual ini membantu dalam menemukan tren,
anomali, dan pola.
BUSINESS INTELEGENT 58
9. Data Security and Governance
Keamanan dan tata kelola data adalah aspek penting dari arsitektur
BI. Ini melibatkan pendefinisian kontrol akses, memastikan privasi
data, mematuhi peraturan, dan menetapkan kebijakan tata kelola
data untuk menjaga kualitas, integritas, dan konsistensi data.
10. User Interfaces
Platform BI menyediakan antarmuka pengguna untuk berbagai jenis
pengguna, termasuk pengguna bisnis, analis, dan ilmuwan data.
Antarmuka harus intuitif, ramah pengguna, dan dapat disesuaikan
untuk memenuhi beragam kebutuhan pengguna.
11. Scalability and Performance
Arsitektur BI harus dapat diskalakan untuk menangani volume data
yang besar dan permintaan pengguna yang terus meningkat. Ini
membutuhkan infrastruktur perangkat keras yang sesuai,
pengoptimalan basis data, dan penyetelan kinerja untuk memastikan
waktu respons kueri yang cepat.
12. Integration with other Systems
Sistem BI kadangkala perlu berintegrasi dengan sistem perusahaan
lain seperti Enterprise Resource Planning (ERP), Customer
Relationship Management (CRM), dan sistem analitis atau
operasional lainnya untuk memberikan wawasan yang
komprehensif.
BUSINESS INTELEGENT 59
pengambilan keputusan berdasarkan informasi dan keunggulan
kompetitif. Komponen dan teknologi spesifik yang digunakan dapat
bervariasi tergantung pada persyaratan organisasi, sumber data, dan
infrastruktur Teknologi Informasi.
BUSINESS INTELEGENT 60
mereka terpenuhi, seperti manajer eksekutif, manajer bisnis, dan
pengguna bisnis lainnya yang mengandalkan analisis data untuk
merumuskan strategi dan memandu pengambilan keputusan mereka
harus memiliki kepentingan dalam menciptakan arsitektur.
BUSINESS INTELEGENT 61
pendekatan federasi data yang mengumpulkan informasi dalam
database virtual alih-alih gudang data fisik atau data mart.
BUSINESS INTELEGENT 62
Gambar 4.2 Model of Business Intelligence Architecture
BUSINESS INTELEGENT 63
Sumber: Habibu (2013)
Gambar 4.4 Model of Business Intelligence Architecture
BUSINESS INTELEGENT 64
Sumber: Goilkar (2020)
Gambar 4.6 Model of Business Intelligence Architecture
BUSINESS INTELEGENT 65
2. Data mart adalah sistem yang mengumpulkan semua data yang
dibutuhkan oleh departemen perusahaan tertentu, seperti
pemasaran atau logistik.
BUSINESS INTELEGENT 66
Menggunakan alat ETL, data yang berasal dari sumber yang berbeda
disimpan dalam database. Database ini biasanya disebut sebagai
gudang data dan data mart.
BUSINESS INTELEGENT 67
Gambar 4.7b Contoh Process of Extract, transform, and load
BUSINESS INTELEGENT 68
Intelijen bisnis dapat menangani sejumlah besar informasi untuk
membantu mengidentifikasi dan mengembangkan peluang baru
dalam dunia bisnis. Dengan memanfaatkan intelijen bisnis, akan
dapat mendapatkan peluang baru dan menerapkan strategi yang
efektif, sehingga mampu menghasilkan keuntungan pasar kompetitif
dan stabilitas jangka panjang.
BUSINESS INTELEGENT 69
Modeling, Data Transformation, Business Analytics, Reporting and
Dashboards, Data Visualization, Data Security and Governance, User
Interfaces, Scalability and Performance, dan Integration with other
Systems.
BUSINESS INTELEGENT 70
BAGIAN 5
TOOLS DAN PLATFORM BUSINESS INTELLIGENCE
QlikView dan Qlik Sense: QlikView dan Qlik Sense adalah platform
BI yang kuat untuk analisis data dan visualisasi. Mereka
memungkinkan pengguna untuk menjelajahi data dari berbagai
sumber, membuat visualisasi interaktif, dan membagikan hasilnya
dengan pengguna lain.
BUSINESS INTELEGENT 71
Microsoft Excel: Excel bukanlah platform BI khusus, tetapi tetap
merupakan alat yang populer untuk analisis data dan pembuatan
laporan. Dengan menggunakan fitur seperti tabel dinamis, grafik, dan
rumus-rumus yang kompleks, Excel dapat digunakan sebagai alat BI
yang cukup efektif.
SAS: SAS adalah platform yang kuat untuk analisis data dan business
intelligence. Ini menawarkan berbagai alat dan fitur untuk
pemrosesan data, pemodelan prediktif, dan pelaporan.
B. TABLEAU
BUSINESS INTELEGENT 72
tabel, dan sebagainya. Ini membantu pengguna dalam memahami
dan mengkomunikasikan data dengan lebih efektif.
BUSINESS INTELEGENT 73
dari perangkat seluler. Ini memungkinkan pengguna untuk tetap
terhubung dengan data dan analisis di mana saja dan kapan saja.
C. POWER BI
BUSINESS INTELEGENT 74
Pembuatan Laporan Interaktif: Dengan Power BI, pengguna dapat
membuat laporan interaktif yang dapat dibagikan dengan pengguna
lain. Laporan ini memungkinkan pengguna untuk mengeksplorasi
data, mengubah tampilan, dan menerapkan filter sesuai kebutuhan
mereka.
BUSINESS INTELEGENT 75
alat pembelajaran dan pengejaran, serta bekerja secara bersama-
sama pada proyek BI.
QlikView dan Qlik Sense adalah dua platform bisnis intelligence yang
dikembangkan oleh perusahaan Qlik. Meskipun keduanya dibuat
oleh perusahaan yang sama, mereka memiliki perbedaan dalam hal
fungsionalitas dan penggunaan. Berikut adalah penjelasan tentang
keduanya:
QlikView: QlikView adalah platform BI yang lebih tua dan telah ada
sejak lama. QlikView menggunakan pendekatan "associative data
model" yang memungkinkan pengguna untuk menjelajahi data
secara bebas tanpa batasan dari hierarki atau dimensi yang telah
ditentukan sebelumnya. Ini berarti pengguna dapat menemukan
hubungan antara data dengan cara yang intuitif. QlikView juga
menawarkan kemampuan yang kuat dalam hal visualisasi data dan
analisis interaktif.
Qlik Sense: Qlik Sense adalah generasi berikutnya dari platform Qlik.
Qlik Sense juga menggunakan pendekatan "associative data model"
seperti QlikView, tetapi dengan antarmuka pengguna yang
BUSINESS INTELEGENT 76
ditingkatkan dan lebih intuitif. Qlik Sense dirancang dengan fokus
pada self-service analytics, yang memungkinkan pengguna bisnis
yang tidak memiliki latar belakang teknis atau analitik yang
mendalam untuk membuat analisis, visualisasi, dan laporan sendiri
dengan mudah. Qlik Sense juga menawarkan fitur pembuatan
visualisasi yang lebih fleksibel dan pilihan tata letak yang lebih
variatif.
Baik QlikView maupun Qlik Sense adalah platform yang kuat dalam
memungkinkan pengguna untuk menggali data, membuat visualisasi
yang menarik, dan mendapatkan wawasan bisnis yang berharga
melalui analisis data. Pilihan antara keduanya tergantung pada
kebutuhan, tingkat keahlian, dan preferensi pengguna.
BUSINESS INTELEGENT 77
menggabungkannya, dan membuat laporan dan dashboard interaktif
yang dapat dibagikan dengan orang lain.
BUSINESS INTELEGENT 78
dan bekerja secara bersama-sama untuk mengembangkan laporan
yang lebih baik.
BUSINESS INTELEGENT 79
F. SAS
BUSINESS INTELEGENT 80
laporan yang disesuaikan dengan menggunakan berbagai elemen
visual seperti grafik, tabel, dan dashboard interaktif. Laporan ini
dapat dibagikan dengan pengguna lain untuk berkolaborasi dan
berbagi wawasan.
BUSINESS INTELEGENT 81
BAGIAN 6
KONSEP DASAR DATA WAREHOUSE
BUSINESS INTELEGENT 82
diorganisir untuk analisis dan pengambilan keputusan." (Inmon,
Linstedt, & Levins, 2011, p. 5)
4) Paulraj Ponniah: "Data warehouse adalah sistem penyimpanan
data yang didesain untuk membantu organisasi mengambil
keputusan bisnis yang lebih baik. Data warehouse adalah subjek-
orientasi, terintegrasi, dan memuat data yang sudah dirapikan
dan disederhanakan untuk memudahkan akses dan analisis."
(Ponniah, 2010, p. 4)
BUSINESS INTELEGENT 83
3) Meningkatkan efisiensi dan produktivitas: Dengan
mengorganisir data secara terstruktur dan mudah diakses, data
warehouse dapat membantu meningkatkan efisiensi dan
produktivitas bisnis, serta mengurangi waktu yang diperlukan
untuk mengumpulkan dan memproses data.
4) Memberikan informasi yang akurat dan konsisten: Data
warehouse menyediakan informasi yang akurat dan konsisten
kepada pengguna bisnis. Hal ini memungkinkan para pemimpin
bisnis untuk membuat keputusan berdasarkan fakta yang
terpercaya.
BUSINESS INTELEGENT 84
memungkinkan organisasi untuk memulai dengan data
warehouse yang lebih kecil dan lebih terfokus, dan kemudian
memperluasnya ke data warehouse yang lebih besar.
3) Konsep Data Warehouse (awal 1990-an): Konsep data
warehouse pertama kali diperkenalkan oleh Bill Inmon pada
awal 1990-an. Data warehouse adalah tempat penyimpanan
data yang dirancang untuk mendukung pengambilan keputusan
bisnis jangka panjang. Data warehouse biasanya mencakup data
dari berbagai sumber, termasuk sistem operasional internal dan
eksternal.
4) Konsep Data Mining (pertengahan 1990-an): Konsep data
mining muncul pada pertengahan 1990-an dan berfokus pada
analisis data untuk menemukan pola dan tren dalam data yang
berguna untuk pengambilan keputusan bisnis.
5) Konsep Big Data (awal 2000-an): Konsep big data muncul pada
awal 2000-an sebagai respons terhadap jumlah data yang
semakin besar dan kompleks. Konsep big data mencakup
teknologi dan metodologi untuk mengelola, menyimpan, dan
menganalisis data yang besar dan beragam.
6) Konsep Cloud Data Warehouse (akhir 2000-an - saat ini):
Konsep cloud data warehouse muncul pada akhir 2000-an
sebagai respons terhadap kebutuhan organisasi untuk akses cepat
dan mudah ke data dari mana saja. Cloud data warehouse
adalah data warehouse yang disimpan di awan dan dapat
diakses melalui internet.
BUSINESS INTELEGENT 85
7) Secara keseluruhan, sejarah data warehouse menunjukkan
bahwa konsep ini telah berkembang dan terus berkembang
seiring dengan kemajuan teknologi dan kebutuhan organisasi
untuk mengambil keputusan bisnis yang lebih baik dan lebih
cepat.
C. KARAKTERISTIK
BUSINESS INTELEGENT 86
1) Fokus pada kebutuhan bisnis: Dengan menggunakan
pendekatan subjek-oriented, data warehouse dapat difokuskan
pada kebutuhan bisnis yang spesifik. Data yang relevan untuk
subjek atau area bisnis tertentu dapat digabungkan secara
terpusat dalam satu tempat, membuatnya lebih mudah diakses
dan dianalisis oleh pengguna.
2) Kemudahan dalam analisis: Dengan menyusun data berdasarkan
subjek, pengguna data warehouse dapat melakukan analisis yang
lebih mendalam dan komprehensif terkait dengan subjek bisnis
yang spesifik. Ini memungkinkan pengguna untuk menjawab
pertanyaan bisnis yang lebih mendalam dan memahami
hubungan antara entitas-entitas yang terkait dengan subjek
tersebut.
3) Pengambilan keputusan yang lebih baik: Orientasi subjek
membantu dalam pengambilan keputusan yang lebih baik
dengan menyediakan informasi yang lebih terfokus dan relevan.
Dengan memiliki data yang terorganisir berdasarkan subjek
bisnis, pengambilan keputusan dapat melihat gambaran yang
lebih lengkap dan akurat tentang subjek tersebut, membantu
mereka membuat keputusan yang lebih informasional dan
terarah.
4) Peningkatan produktivitas: Dengan menyusun data warehouse
berdasarkan subjek, pengguna dapat mengakses dan
menganalisis data dengan lebih efisien. Data yang terkait dengan
subjek bisnis tertentu dapat ditemukan dengan mudah, tanpa
harus melibatkan data yang tidak relevan. Ini meningkatkan
BUSINESS INTELEGENT 87
produktivitas pengguna dalam mencari informasi yang mereka
butuhkan.
BUSINESS INTELEGENT 88
1) Penggabungan data: Integrasi data warehouse melibatkan
penggabungan data dari berbagai sumber yang terpisah. Ini
termasuk sistem operasional yang mungkin menggunakan
format, struktur, dan bahasa pemrograman yang berbeda. Data
dari berbagai sumber ini diambil, diubah formatnya (jika
diperlukan), dan digabungkan ke dalam format yang konsisten
di dalam data warehouse. Contohnya data jenis kelamin pada
sistem A memiliki format L untuk laki-laki, dan format P untuk
perempuan. Sementara pada sistem B format jenis kelamin laki-
laki adalah m dan format jenis kelamin perempuan adalah f.
Perbedaan jenis format data ini harus dikodekan ulang agar
dapat tersimpan pada datawarehouse.
2) Transformasi data: Selama proses integrasi, data seringkali harus
diubah atau ditransformasi untuk memastikan keseragaman dan
konsistensi. Hal ini dapat meliputi pengubahan format data,
penghapusan data yang tidak relevan atau duplikat, perhitungan
tambahan, atau penggabungan data berdasarkan kriteria
tertentu.
3) Konsistensi data: Integrasi data warehouse bertujuan untuk
menciptakan keseragaman dan konsistensi data di seluruh
organisasi. Data dari berbagai sumber yang semula tidak terkait
diintegrasikan dan disatukan ke dalam satu kesatuan yang
terpusat. Ini memastikan bahwa data yang digunakan untuk
analisis dan pengambilan keputusan bersifat akurat, konsisten,
dan dapat diandalkan.
BUSINESS INTELEGENT 89
4) Sinkronisasi data: Data warehouse biasanya memerlukan
pembaruan data secara teratur untuk mencerminkan perubahan
yang terjadi di sistem operasional yang mendasarinya. Oleh
karena itu, integrasi data warehouse melibatkan sinkronisasi data
secara berkala agar data yang disimpan dalam data warehouse
selalu mutakhir.
5) Metadata: Metadata merupakan informasi yang menjelaskan
atau menggambarkan data yang ada dalam data warehouse.
Integrasi data warehouse juga melibatkan pengumpulan dan
integrasi metadata yang berkaitan dengan sumber data.
Metadata ini digunakan untuk menjelaskan dan
menggambarkan struktur, hubungan, dan karakteristik data yang
ada dalam data warehouse.
BUSINESS INTELEGENT 90
Gambar 6.2. Nonvolatile (Inmon, 2005)
BUSINESS INTELEGENT 91
Karakteristik terakhir pada datawarehouse adalah time variant.
Karakteristik ini mengacu pada kemampuan data warehouse untuk
menyimpan dan menganalisis data dalam konteks waktu yang
berbeda. Data warehouse tidak hanya menyimpan data saat ini,
tetapi juga menyimpan sejarah data. Data yang dimasukkan ke dalam
data warehouse dilengkapi dengan informasi waktu yang
mencerminkan kapan data tersebut valid atau relevan. Dengan
adanya informasi waktu, memungkinkan pengguna untuk melihat
perubahan dan evolusi data seiring waktu, membantu dalam analisis
tren, pola, dan perubahan dalam bisnis (Kimball, R., & Ross, M.,
2015).
BUSINESS INTELEGENT 92
Gambar 6.3. Arsitektur Data Warehouse (Vaisman & Zimányi,
2014).
BUSINESS INTELEGENT 93
Extract Transform Load (ETL). Proses ETL menggunakan data
staging dalam prosesnya.
3) Data warehouse Tier, merupakan penyimpanan data hasil dari
proses ETL. Data yang tersimpan merupakan data summary yang
siap digunakan untuk analisa.
4) OLAP Tier, menyediakan informasi multidimensi dari data
warehouse atau data mart pengguna bisnis atau knowledge
worker pada sebuah perusahaan.
5) Fron-end Tier, adalah sistem yang memungkinkan pengguna
untuk melihat informasi yang disediakan oleh data warehouse.
Contohnya adalah sistem untuk melihat laporan, sistem untuk
melihat data statistik dari sebuah perusahaan, sistem untuk data
mining, dll.
BUSINESS INTELEGENT 94
BAGIAN 7
STRATEGI PENGEMBANGAN PRODUK
A. PENGERTIAN STRATEGI
BUSINESS INTELEGENT 95
Henry Mintzberg: Strategi adalah pola dalam tindakan yang
berbeda-beda, dilakukan atas dasar suatu rencana, atau konsep yang
membedakan organisasi dengan lingkungannya.
BUSINESS INTELEGENT 96
produk yang sudah ada agar sesuai dengan kebutuhan dan keinginan
konsumen serta pasar yang sedang berkembang.
BUSINESS INTELEGENT 97
Pengembangan produk adalah proses untuk menciptakan produk
yang baru atau memperbaiki produk yang sudah ada. Strategi
pengembangan produk bertujuan untuk menciptakan produk yang
lebih baik daripada produk yang sudah ada, atau menciptakan
produk yang benar-benar baru yang memenuhi kebutuhan dan
keinginan pelanggan. Strategi ini juga mencakup pemilihan pasar
yang tepat, harga yang kompetitif, dan promosi yang efektif untuk
memastikan produk tersebut sukses di pasaran.
B. PENGERTIAN PRODUK
BUSINESS INTELEGENT 98
Produk menjadi bagian penting dari strategi pemasaran perusahaan,
dan perusahaan harus terus melakukan pengembangan produk untuk
memenuhi kebutuhan dan keinginan konsumen yang terus berubah.
Produk yang sukses akan membawa manfaat bagi perusahaan, yaitu
meningkatkan penjualan, meningkatkan keuntungan, dan
memperkuat merek perusahaan.
PRODUK DIGITAL
Produk digital adalah produk yang dihasilkan dan dikonsumsi secara
elektronik, melalui media digital seperti internet, perangkat mobile,
atau komputer. Produk digital dapat berupa aplikasi, game, musik,
film, e-book, dan sebagainya. Produk digital juga dapat berupa
layanan online, seperti layanan e-commerce, layanan streaming, dan
layanan perbankan online.
BUSINESS INTELEGENT 99
Namun, produk digital juga dapat menimbulkan tantangan bagi
perusahaan, seperti keamanan data, perlindungan hak cipta, dan
persaingan yang ketat di pasar digital yang terus berkembang. Oleh
karena itu, perusahaan harus memperhatikan faktor-faktor tersebut
dalam mengembangkan dan memasarkan produk digital.
Pada era digital dan juga era data yang terus mengalami
perkembangan, business intelligence menjadi semakin penting untuk
sebuah organisasi agar tetap bersaing serta mengambil keputusan
yang cerdas. Dengan menggunakan business intelligence secara
efektif, perusahaan dapat mengoptimalkan proses bisnis mereka,
meningkatkan kinerja operasional, mengurangi biaya, dan
merespons perubahan pasar dengan lebih cepat dan tepat (Rana et
al., 2022).
5. Visualisasi Data
Visuallisasi data yang interaktif terus berkembang dalam business
intelligence. Alat yang digunakan dalam visuallisasi data yang
lebih kuat dan juga fleksibel memungkinkan pengambilan
keputusan untuk mengeksplorasi data dengan lebih baik, melihat
tren dan pola dengan lebih jelas, dan menjalankan simulasi dan
juga analisis langsung pada visualisasi data (Dewi et al., 2021;
Saputra et al., 2022). Hal ini memungkinkan pengambilan
keputusan untuk memahami data dengan lebih baik dan
menggali wawasan yang lebih dalam.
A. TANTANGAN
2. Integrasi Data
Integrasi data merupakan proses menggabungkan data dari
berbagai sumber yang terpisah menjadi satu tampilan yang
terpadu dan konsisten. Tujuan utama dari integrasi data adalah
untuk menggabungkan informasi yang tersebar menjadi satu
sumber data yang dapat diakses dan dimanfaatkan secara efisien.
Berikut adalah beberapa langkah yang dapat membantu dalam
proses integrasi data:
1) Identifikasi sumber data: Langkah pertama adalah
mengidentifikasi sumber data yang akan diintegrasikan. Sumber
data ini dapat berasal dari sistem internal seperti database
perusahaan, aplikasi bisnis, file Excel, atau sistem eksternal
seperti API dari pihak ketiga.
B. PELUANG
Ahmad, S., Miskon, S., Alabdan, R., & Tlili, I. (2020). Towards
Sustainable Textile and Apparel Industry: Exploring the Role of
Business intelligence Systems in the Era of Industry 4.0.
Sustainability, 12(7), 2632.
https://doi.org/10.3390/su12072632
Ain, N., Vaia, G., DeLone, W. H., & Waheed, M. (2019). Two
decades of research on business intelligence system adoption,
utilization and success–A systematic literature review. Decision
Support Systems, 125, 113113.
Gupta, S., & Shilpi. (2016). Real-Time Big Data Analytics. Packt
Publishing Ltd.
Kimball, R., & Ross, M. (2015). The data warehouse toolkit: The
definitive guide to dimensional modeling (3rd ed.). Wiley
Publishing, Inc.
Kwintiana, B., Nengsih, T. A., Baradja, A., Harto, B., Sudipa, I. G. I.,
Handika, I. P. S., Adhicandra, I., & Gugat, R. M. D. (2023).
DATA SCIENCE FOR BUSINESS: Pengantar & Penerapan
Berbagai Sektor. PT. Sonpedia Publishing Indonesia.
Lakshmanan, G., & Manish, P. (2009). How the cloud stretches the
SOA scope. Retrieved from https://blogs.msdn.microsoft.com/
Lamberg, J.-A., Lubinaitė, S., Ojala, J., & Tikkanen, H. (2021). The
Curse of Agility: The Nokia Corporation and the Loss of
Market Dominance in Mobile Phones, 2003-2013. Business
History, 63(4), 574–605.
https://doi.org/10.1080/00076791.2019.1593964
Liu, Z., Gu, N., & Yang, G. (2007, 26-27 July). A reliability evaluation
framework on service oriented architecture. Paper presented at
Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh,
C., & Hung Byers, A. (2011). Big data: The next frontier for
innovation, competition and productivity. Mckinsey &
Company.
Mulik, S., Ajgaonkar, S., & Sharma, K. (2008). Where do you want
to go in your SOA Adoption Journey? IEEE Xplore IT
Professional, 10(3), 36-39.
https://doi.org/10.1109/MITP.2008.61.
Pulipati, S., & Kelly, N. (2022). Data Storytelling with Google Looker
Studio: A hands-on guide to using Looker Studio for building
compelling and effective dashboards. Packt Publishing Ltd.
Shao, C., Yang, Y., Juneja, S., & GSeetharam, T. (2022). IoT data
visualization for business intelligence in corporate finance.
Information Processing and Management, 59(1).
https://doi.org/10.1016/j.ipm.2021.102736
Sharda, R., Delen, D., & Turban, E. (2014). Business Intelligence and
Analytics: Systaems for Decision Support. In Higher Education
Strategy and Planning. Pearson Education Limited.
https://doi.org/10.4324/9781315206455-12
Yusof, M.K., Man, M., Wan Hamzah, W.A.F., Safei, S., Ismail, I.
(2022). Native Json Model For Data Integration In Business
Intelligent Applications. Journal of Theoretical and Applied
Information Technology. 100(18), pp. 5384-5395.
Redaksi :
Jl. Kenali Jaya No 166
Kota Jambi 36129
Tel +6282177858344
Email: sonpediapublishing@gmail.com
Website: www.sonpedia.com