CALAMUSCALAMUS

EDUTIKEDUTIK

Pertumbuhan volume data transaksi dalam dunia bisnis retail menuntut adanya sistem pengolahan data yang cepat, akurat, dan terintegrasi untuk mendukung pengambilan keputusan strategis. Masalah utama yang sering dihadapi adalah tersebarnya data operasional pada berbagai format database yang mengakibatkan keterlambatan dalam penyusunan laporan penjualan. Penelitian ini bertujuan untuk merancang fact table penjualan menggunakan pipeline Extract, Transform, Load (ETL) berbasis Pentaho Data Integration (PDI) dan mengimplementasikannya pada database target menggunakan SQLyog sebagai user interface MySQL. Metodologi yang digunakan mengadopsi pendekatan perancangan multidimensional siklus hidup Kimball (Five-Step Dimensional Design) yang meliputi pemilihan proses bisnis, deklarasi grain, identifikasi dimensi, identifikasi fakta numerik, dan perancangan skema bintang. Hasil penelitian menunjukkan bahwa pipeline ETL yang dibangun berhasil mengotomatisasi pembersihan data, konversi tipe data, penanganan relasi surrogate key, hingga pemuatan data dari sistem OLTP ke dalam star schema secara konsisten. Kesimpulan dari penelitian ini membuktikan bahwa integrasi Pentaho Data Integration dan SQLyog mampu mengoptimalkan efisiensi waktu eksekusi query data warehousing serta meminimalisir redundansi data, sehingga menyediakan fondasi data yang valid bagi keperluan analisis business intelligence.

Penelitian ini berhasil merealisasikan rancangan tabel fakta (fact table) penjualan yang terintegrasi secara utuh dengan skema multidimensional star schema melalui pemanfaatan pipeline ETL berbasis Pentaho Data Integration (PDI) dan manajemen database berbasis SQLyog.Berdasarkan hasil pengujian sistem, alur pemrosesan data yang dibangun mampu mengekstrak, mentransformasi, serta memuat 100 baris data transaksi operasional ke dalam repositori data warehouse tanpa kehilangan integritas referensial data aslinya.Implementasi delapan tabel dimensi dengan surrogate key terbukti efektif mempercepat waktu respons eksekusi query analitik agregasi pada SQLyog dan meminimalisir redundansi data.

Penelitian lanjutan dapat mengembangkan skema ETL inkremental untuk meningkatkan efisiensi pemrosesan data yang terus bertambah. Selanjutnya, peneliti dapat menguji performa sistem pada volume data yang lebih besar untuk memastikan skalabilitas dan keandalan dalam lingkungan bisnis nyata. Terakhir, eksplorasi integrasi dengan platform business intelligence modern seperti Apache Superset atau Metabase dapat dilakukan untuk memperkaya fitur visualisasi dan analisis data.

Read online
File size545.86 KB
Pages10
DMCAReport

Related /

ads-block-test