kenaikan penjualan daging tertinggi terjadi pada bulan
Butuhbeberapa saat tetapi segmen server AMD telah memenuhi janjinya untuk melewati rekor tertinggi dalam sejarah yang ditetapkan oleh chip Opteron mereka sebelumnya berkat CPU EPYC terbaru. AMD EPYC MelampauiBerandaUntuk menyelesaikan soal nomor 11 – 13 perhatikan ...PertanyaanUntuk menyelesaikan soal nomor 11 – 13 perhatikan diagram batang berikut Perbedaan tertinggi penjualan ayam dan daging terjadi pada bulan ....Untuk menyelesaikan soal nomor 11 – 13 perhatikan diagram batang berikut Perbedaan tertinggi penjualan ayam dan daging terjadi pada bulan .... Januari Februari Maret April NPMahasiswa/Alumni Universitas Negeri JakartaJawabanjawabannya adalah adalah terlihat bahwa perbedaan tertinggi antara penjualan ayam dan daging terjadi pada bulan April perbedaan ketinggian batang merah dan kuning terbesar. Jadi, jawabannya adalah terlihat bahwa perbedaan tertinggi antara penjualan ayam dan daging terjadi pada bulan April perbedaan ketinggian batang merah dan kuning terbesar. Jadi, jawabannya adalah D. Perdalam pemahamanmu bersama Master Teacher di sesi Live Teaching, GRATIS!1rb+Yuk, beri rating untuk berterima kasih pada penjawab soal!VLVani Lufiana Marzeanti Jawaban tidak sesuai©2023 Ruangguru. All Rights Reserved PT. Ruang Raya Indonesia
Kenaikantertinggi terjadi di Sitoli, Nias, yakni 41 persen, dan Lhokseumawe, Aceh yang naik 37 persen. “Sehingga, pada bulan ini, daging ayam ras menjadi penyumbang utama inflasi pada Juni 2020,” katanya dalam konferensi pers live streaming, Rabu (1/7/2020). Komoditas lain yang juga dominan memberikan andil pada inflasi adalah telur ayam
Jakarta - Komisi Pengawas Persaingan Usaha KPPU mengungkapkan adanya penurunan permintaan atau penjualan terhadap komoditas daging sapi gara-gara pandemi COVID-19. Penurunan permintaan daging sapi bahkan terjadi sejak awal Januari 2020 lalu hingga sebesar 36% dari kondisi normalnya."Sapi ini agak menarik, di awal-awal Januari 2020 sudah ada mulai perubahan-perubahan permintaan karena di luar negeri gejolak COVID-19 mulai terasa. Dari data Kementan memang terjadi penurunan perkiraan kebutuhan akibat COVID-19 ini yaitu sebesar 36% dibanding kondisi normal. Ini sangat besar hampir 40%," ungkap Direktur Ekonomi KPPU M. Zulfirmansyah dalam telekonferensi, Selasa 9/6/2020.Sehingga, importasi daging sapi otomatis menurun dan kebutuhan daging sapi dapat dipenuhi dengan pasokan domestik saja."Yang tadinya harus dipenuhi oleh importasi itu dapat dipenuhi oleh pasokan domestik. Nah sehingga realisasi impor sampai 31 Maret lalu itu hanya 25% untuk sapi bakalan. Bahkan untuk sapi indukan itu hanya 3%," memprediksi kenaikan permintaan daging sapi mulai bakal terjadi menjelang perayaan Hari Raya Haji pada akhir Juli 2020 mendatang. Bila produsen tak mampu menyediakan stok yang cukup saat waktu tersebut maka bakal menganggu kebutuhan dalam negeri."Kami prediksi ini jadi booming ketika hari raya lebaran haji, apabila tim kloter tidak memiliki pasokan dan jika COVID-19 membaik ini bisa jadi yang tadinya permintaan menurun, bisa berbalik tertinggi, kemudian kebutuhan domestik tidak terpenuhi dan tentu saja supply demand terganggu," sisi harga, meski permintaan sempat menurun tajam, akan tetapi harga jualnya masih di atas Harga Eceran Tertinggi HET Rp Namun, pergerakannya stabil baik di pasar tradisional maupun modern."Kami sudah potret juga, masih di atas harga HET tapi setidaknya stabil tidak terlalu bergejolak tinggi, baik di pasar modern maupun pasar tradisional. Untuk komoditas ini di pasar modern harga lebih tinggi marginnya hingga 45%, mungkin karena mereka cool storage yang besar untuk menyimpan, sedangkan di tradisional biasanya daging segar," pula bila dibandingkan dengan rata-rata harga internasional. Harga daging sapi domestik masih lebih tinggi dari harga internasional."Di luar negeri memang ada turun naik harga tapi range harga dengan internasional memang lumayan cukup tinggi hampir 2x lipat, intenasional masih di kisaran Rp - Rp paling tinggi di bulan November tapi Januari sudah mulai turun di kita stabil Rp 120 ribu," tandasnya. Simak Video "Jelang Ramadhan, Harga Daging Sapi di Jambi Naik Rp 10 Ribu" [GambasVideo 20detik] dna/dna
UD. Giri Sari sebagai salah satu distributor ayam mentah utuh di kota Denpasar, Bali yang mendistribusikan ayam mentah ke banyak konsumen mulai dari konsumen harian hingga industri rantai makanan besar, hingga saat ini belum memiliki sistem berbasis data untuk memudahkan mereka dalam menganalisis data. dan menyederhanakan laporan bisnis mereka. Penelitian ini bertujuan untuk memberikan solusi yang diusulkan berupa perancangan dan implementasi terkait data distributor stok ayam utuh mentah selama tiga bulan, untuk memudahkan pengukuran distribusi penyediaan stok semua jenis bagian dan stok ayam. Metode penelitian yang digunakan adalah menggunakan pendekatan perancangan data warehouse mulai dari pengumpulan data, alur penelitian dan perancangan desain data warehouse serta penerapan kaidah-kaidah pembuatan data multidimensi. Implementasinya menggunakan aplikasi open-source Talend Data-Integration dan Tableau untuk membuat integrasi data di semua jenis file dan menghasilkan laporan untuk dianalisis. Data dibuat dalam bentuk desain dua dimensi dan multi dimensi untuk memudahkan penerapan desain data warehouse yang telah dibuat. Hasil yang diperoleh nanti sesuai dengan tujuan penelitian yaitu integrasi data pejualan yang disertai dengan penyimpanan data ke dalam sebuah data warehouse, Analisa data penjualan, dan pembuatan report dari data yang ada. Penelitian ini tentunya akan sangat membantu UD. Giri Sari dalam menyelesaikan kendala penyimpanan data, analisa data, dan pembuatan report. Discover the world's research25+ million members160+ million publication billion citationsJoin for free 1 ANALISIS HASIL PENJUALAN DAGING AYAM SELAMA 3 BULAN DENGAN UTILISASI DATA WAREHOUSE I Putu Agus Eka Pratama 1, I Wayan Wahyu Ivan Mahendra Jaya 2 1Fakultas Teknik, Universitas Udayana email wahyuivan Abstrak UD. Giri Sari sebagai salah satu distributor ayam mentah utuh di kota Denpasar, Bali yang mendistribusikan ayam mentah ke banyak konsumen mulai dari konsumen harian hingga industri rantai makanan besar, hingga saat ini belum memiliki sistem berbasis data untuk memudahkan mereka dalam menganalisis data. dan menyederhanakan laporan bisnis mereka. Penelitian ini bertujuan untuk memberikan solusi yang diusulkan berupa perancangan dan implementasi terkait data distributor stok ayam utuh mentah selama tiga bulan, untuk memudahkan pengukuran distribusi penyediaan stok semua jenis bagian dan stok ayam. Metode penelitian yang digunakan adalah menggunakan pendekatan perancangan data warehouse mulai dari pengumpulan data, alur penelitian dan perancangan desain data warehouse serta penerapan kaidah-kaidah pembuatan data multidimensi. Implementasinya menggunakan aplikasi open-source Talend Data-Integration dan Tableau untuk membuat integrasi data di semua jenis file dan menghasilkan laporan untuk dianalisis. Data dibuat dalam bentuk desain dua dimensi dan multi dimensi untuk memudahkan penerapan desain data warehouse yang telah dibuat. Hasil yang diperoleh nanti sesuai dengan tujuan penelitian yaitu integrasi data pejualan yang disertai dengan penyimpanan data ke dalam sebuah data warehouse, Analisa data penjualan, dan pembuatan report dari data yang ada. Penelitian ini tentunya akan sangat membantu UD. Giri Sari dalam menyelesaikan kendala penyimpanan data, analisa data, dan pembuatan report. Kata Kunci analisis, report bisnis, data warehouse, data multi-dimensional, talend Abstract UD. Giri Sari as one of the raw whole chicken distributor in the city of Denpasar, Bali that distribute raw chicken to many consumen ranging from daily consumen to huge food chain industry, until now does not yet have a data-based system to facilitate them analyzing data and simplify their business reports. This study aims to provide proposed solutions in the form of design and implementation related to raw whole chicken stock distributor data for three month, to make it easier to measure the stockpilling distribution of all types of chicken parts and stocks. The research method used is to use a data warehouse design approach starting from data collection, research flow and designing data warehouse designs as well as applying the principles of making multidimensional data. The implementation uses the open-source Talend Data-Integration and Tableau application to create data integration across all type of file and generate reports for analysis. Data is created in a form of two-dimensional and multi-dimensional design to facilitate the application of data warehouse design that has been created. The results obtained are in accordance with the research objectives, namely the integration of sales data accompanied by data storage into a data warehouse, analysis of sales data, and generating report from existing data. This research will certainly help UD. Giri Sari in solving the difficulties of data storage, data analysis, and report generating. Keywords analysis, business report, data warehouse, multi-dimensional data, talend 1. PENDAHULUAN UD. Giri Sari merupakan sebuah usaha rumah pemotongan ayam yang menjual dan menyuplai berbagai jenis daging ayam yang berlokasi di Bali tepatnya di Tohpati. Di balik besarnya perusahaan ini sebenarnya terdapat beberapa kendala terutama dalam hal penyimpanan data penjualan serta masalah analisa data penjualan yang ada dan pembuatan report. Pesatnya perkembangan penyimpanan data digital saat ini tentu dapat memudahkan UD. Giri Sari dalam menyimpan informasi 2 usaha dalam jumlah yang besar ke suatu sistem Data Warehouse. Pengimplementasian Data Warehouse pada perusahaan ini diharapkan akan berperan cukup penting dan memudahkan segala urusan penyimpanan data, yang mana cara menyimpanan data yang semula masih dikerjakan secara konvensional, kini dapat dikerjakan dengan efisien dan aman serta mudah. Atas pertimbangan di atas, penulis ingin melakukan sebuah penelitian dengan mengimplementasikan Data Warehouse pada UD. Giri Sari. Penelitian ini bertujuan untuk memperoleh informasi berdasarkan data penjualan yang diberikan dan memberikan masukan kepada pengelola UD. Giri Sari khususnya mengenai penyimpanan data penjualan, jenis ayam dan bagian ayam yang paling sering dibeli dan di bulan apa pembelian tertinggi terjadi agar pihak UD. Giri Sari dapat mempertimbangkan stock ayam mereka. 2. METODE PENELITIAN Penelitian dilakukan melalui beberapa tahapan seperti pengumpulan data dari perusahaan yang dijadikan studi kasus, flowchart penelitian, dan rancangan desain Data Warehouse. a Pengumpulan Data Pengumpulan data yang diperlukan untuk penelitian dilakukan dengan cara meminta langsung ke perusahaan melalui pemiliknya langsung yaitu Ibu Wayan Supeni disertai menjelaskan kepada beliau maksud dan tujuan dari permohonan permintaan data penjualan selama 3 bulan terakhir di tahun 2020 yaitu untuk kebutuhan analisa dan perancangan Data Warehouse. Data yang diberikan oleh pemilik adalah berupa data dalam format .XLSX dan masih dalam keadaan kurang rapi sehingga dibutuhkan proses konversi ke format yang lebih fleksibel yaitu konversi ke dalam format .CSV. b Flowchart Penelitian Flowchart atau diagram alir penelitian yang dilakukan oleh penulis dapat dilihat pada Gambar 1. Gambar 1 Flowchart Penelitian Gambar 1 merupakan flowchart atau diagram alir penelirian yang memberikan gambaran dan informasi serta proses bagaimana tahapan dari penelitian yang dilakukan di paper ini. Tahapan penelitian dimulai mendapatkan data penjualan ayam dari bulan Juli-September 2020 namun masih dalam format .XLSX, lalu data penjualan dikonversi secara manual oleh penulis menjadi format .CSV yang lebih bersih dan siap diolah untuk keperluan analisa. Selanjutnya adalah proses perancangan desain data dua dimensi dan desain data multi dimensi untuk memberikan bayangan terhadap data dapat dilihat dari dimensi mana saja yang nantinya juga memudahkan proses selanjutnya. Setelah itu dilanjutkan dengan perancangan desain Data Warehouse yang akan memberikan gambaran tentang proses pembuatan Data Warehouse, lalu dilanjutkan dengan pembentukan Data Warehouse yaitu dengan tahapan ETL Extract, Transform, Load dan OLAP Online Analytical Processing dengan bantuan tools Talend Data-Integration. Setelah semua tahapan dilakukan, 3 selanjutnya adalah proses perancangan report dengan bantuan tools Tableau untuk kemudian menghasilkan keluaran berupa report dalam bentuk grafik batang. c Perancangan Desain Data Warehouse Perancagan desain Data Warehouse berguna untuk memberikan gambaran proses pembuatan Data Warehouse untuk memenuhi kebutuhan analisis. Rancangan desain data warehouse dapat dilihat pada Gambar 2. Gambar 2 Perancangan Desain Data Warehouse Gambar 2 merupakan perancangan desain data warehouse. Sistem Data Warehouse dimulai dari sumber data penjualan ayam selama 3 bulan dalam format .XLSX yang kemudian dikonversi dulu secara manual ke bentuk format .CSV. Data setelah berbentuk .CSV nanti akan berisi detail data penjualan selama 3 bulan. Setelah itu data akan melewati proses ETL untuk disimpan ke dalam Data Warehouse, dan di distribusikan ke dalam Data Marts untuk kemudian dilakukan proses OLAP dan output-nya berupa laporan analisis bagian/part ayam yang paling sering dibeli dan di bulan apa pembelian tertinggi terjadi. 3. HASIL DAN PEMBAHASAN Hasil dan pembahasan dari penelitian yang dilakukan akan dipaparkan secara terperinci sehingga menghasilkan informasi yang mudah dibaca dan mudah dimengerti. Berikut adalah hasil dan pembahasan dari penelitian yang dilakukan. a Desain Data Dua Dimensi Desain data dua dimensi bertujuan membantu memudahkan melakukan analisis umum seperti jumlah penjualan part per bulan. Desain data dua dimensi dapat dilihat pada Gambar 3. Gambar 3 Desain Data Dua Dimensi Gambar 3 merupakan desain data dua dimensi. Gambar diatas menunjukan bahwa data dua dimensi yang dibentuk mengambil bentuk sebuah tabel, dimana pada pembuatan desain diatas mengambil sudut pandang dari dua dimensi berbeda yaitu dimensi part ayam dan dimensi waktu. b Desain Data Multi Dimensi Desain data multi dimensi bertujuan membantu memudahkan melakukan analisis yang lebih detail seperti jumlah penjualan part x dari jenis ayam x pada bulan x. Desain data multi dimensi dapat dilihat pada Gambar 4. Gambar 4 Desain Data Multi Dimensi Gambar 4 merupakan desain data multi dimensi. Gambar diatas menunjukan bahwa data multi dimensi yang dibentuk mengambil bentuk sebuah tabel, dimana pada pembuatan desain diatas mengambil sudut pandang dari empat dimensi berbeda yaitu dimensi jenis ayam, dimensi harga, dimensi part ayam, dan dimensi waktu. c Desain Data Multi Dimensi dalam Bentuk Cube Pembuatan desain data multi dimensi dalam bentuk cube bertujuan untuk memberikan gambaran dimensi data dalam bentuk kubus/cube. Desain data multi dimensi dalam bentuk cube dapat dilihat Gambar 5. Gambar 5 Desain Data Multi Dimensi dalam Bentuk Cube Gambar 5 merupakan desain data multi dimensi dalam bentuk cube. Gambar diatas menunjukan bahwa data multi dimensi yang dibentuk mengambil bentuk sebuah cube, dimana pada pembuatan desain diatas mengambil sudut pandang dari empat dimensi berbeda yaitu dimensi jenis ayam, dimensi harga, dimensi part ayam, dan dimensi waktu. d Relasi Tabel Facts Penjualan Pembuatan relasi tabel facts penjualan bertujuan untuk memberikan gambaran data warehouse dalam bentuk OLAP. Relasi tabel facts penjualan dapat dilihat Gambar 6. Gambar 6 Relasi Tabel Facts Penjualan Gambar 6 merupakan gambar relasi tabel facts penjualan. Gambar diatas memberikan gambaran desain Data Warehouse dalam bentuk OLAP. Facts penjualan membutuhkan empat dimensi yaitu dimensi harga, dimensi waktu, dimensi jenis ayam, dimensi part ayam. tb_dimensi_waktu memiliki kolom kode_dimensi_waktu dan tanggal_pembelian, lalu tb_dimensi_jenis_ayam memiliki kolom kode_jenis_ayam dan nama_ayam, kemudian tb_dimensi_part_ayam memiliki kolom kode_part_ayam dan nama_part,dan yang terakhir tb_dimensi_harga memiliki kolom kode_harga dan harga. e Pembahasan Proses Analisis Pembahasan proses analisis bertujuan untuk menerapkan semua desain dan rancangan yang sudah dibuat ke alur pembuatan Data Warehouse. Proses pertama yang akan dilakukan adalah melakukan ETL Extract, Transform, Load dan OLAP Online Analytic Process menggunakan bantuan tools Talend Data-Integration, untuk kemudian membuat report menggunakan bantuan tools Tableau. Berikut merupakan pembahasan lengkapnya. Gambar 7 Membuat Koneksi ke Database MySQL Menggunakan Talend Data-Integration Gambar 7 merupakan gambar membuat koneksi ke database MySQL menggunakan Talend Data-Integration. Gambar diatas menunjukan bahwa penulis mencoba membuat koneksi ke database MySQL dengan nama database datawarehouse_penjualanayam pada aplikasi Talend Data-Integration untuk melakukan proses integrasi data pada Data Warehouse. • Proses ETL Extract, Transform, Load Gambar 8 Proses ETL Extract, Transform, Load Gambar 8 merupakan proses ETL Extract, Transform, Load dengan sumber data berasal dari file Microsoft Excel dengan format .CSV, lalu akan dibentuk menjadi 4 dimensi yaitu dimensi waktu, dimensi part ayam, dimensi jenis ayam, dan dimensi harga. Semua data yang ada di dalam dimensi akan diinputkan ke dalam database OLTP. Gambar 9 Tabel tb_dimensi_waktu Gambar 9 merupakan tabel diatas menampilkan isi tabel tb_dimensi_waktu pada MySQL dari database OLTP, yang sebelumnya telah dilakukan proses ETL. Gambar 10 Tabel tb_dimensi_part_ayam Gambar 10 merupakan tabel tb_dimensi_part_ayam. Gambar diatas menampilkan isi tabel tb_dimensi_part_ayam pada MySQL dari database OLTP, yang sebelumnya telah dilakukan proses ETL. Gambar 11 Tabel tb_dimensi_jenis_ayam Gambar 11 merupakan tabel diatas menampilkan isi tabel tb_dimensi_jenis_ayam pada MySQL dari database OLTP, yang sebelumnya telah dilakukan proses ETL. Gambar 12 Tabel tb_dimensi_harga Gambar 12 merupakan tabel diatas menampilkan isi tabel tb_dimensi_harga pada MySQL dari database OLTP, yang sebelumnya telah dilakukan proses ETL. 6 • Proses OLAP Online Analytical Process Gambar 13 Proses OLAP Online Analytical Process Gambar 13 merupakan gambar proses OLAP Online Analytical Process. Gambar diatas menunjukan tampilan proses OLAP Online Analytical Processing dengan 4 dimensi yang telah dibuat sebelumnya pada proses ETL diatas. 4 dimensi tersebut yaitu dimensi waktu, dimensi part ayam, dimensi jenis ayam, dan dimensi harga. Hasil dari proses OLAP Online Analytical Processing akan disimpan pada database OLTP dengan nama tabel facts_tabel_penjualan. Gambar 14 Tabel facts_tabel_penjualan Gambar 14 merupakan Tabel facts_tabel_penjualan. Gambar diatas menunjukan hasil dari proses OLAP Online Analtytical Processing yaitu berupa tabel facts_tabel_penjualan. Isi dari table facts_tabel_penjualan berupa kode_jenis_ayam yang berasal dari dimensi jenis ayam, kode_part_ayam berasal dari data dimensi part ayam, kode_dimensi_waktu berasal dari dimensi waktu, kode_harga yang berasal dari dimensi harga dan total_penjualan yang berisikan data total penjualan ayam. Total data yang ada di dalam tabel facts_tabel_penjualan adalah 885 data. • Report Building Gambar 15 Membuat Koneksi ke Database MySQL Menggunakan Tableau Gambar 15 merupakan gambar membuat koneksi ke database MySQL menggunakan Tableau. Gambar diatas menunjukan bahwa penulis mencoba membuat koneksi ke database MySQL dengan nama database datawarehouse_penjualanayam pada tools Tableau untuk melakukan proses report building pada Data Warehouse. Gambar 16 Fitur Report Builder di Tableau Gambar 16 merupakan fitur report builder di Tableau. Setelah membangun koneksi ke database OLTP MySQL, maka tampilan akan berubah seperti diatas. Penggunaan fitur report builder di Tableau sangatlah mudah karena User tinggal melakukan drag and drop dimensi untuk membuat report yang interaktif dan mudah dibaca. Hasil dari report builder dapat dilihat pada Gambar 17 dan 18. Gambar 17 Diagram Batang Report Penjualan Jenis Ayam Tertinggi pada Bulan Tertentu Gambar 17 merupakan diagram batang report penjualan jenis ayam tertinggi pada bulan tertentu. Gambar diatas menunjukan bahwa pada bulan Juli, penjualan Ayam Merah berada di kisaran 873 Kg dan Ayam Potong berada di kisaran 3282 Kg menjadikan Ayam Potong sebagai jenis ayam dengan penjualan tertinggi pada bulan Juli, lalu pada bulan Agustus penjualan Ayam Merah berada di kisaran 1541 Kg dan Ayam Potong berada di kisaran 3860 Kg menjadikan Ayam Potong sebagai jenis ayam dengan penjualan tertinggi pada bulan Agustus, dan pada bulan September penjualan Ayam Merah berada di kisaran 873 Kg dan Ayam Potong berada di kisaran 8632 Kg menjadikan Ayam Potong sebagai jenis ayam dengan penjualan tertinggi pada bulan September, lalu diantara ketiga bulan di atas, penjualan Ayam Potong pada bulan September menjadi penjualan ayam tertinggi di antara ketiga bulan di atas, sehingga pemilik UD. Giri Sari harus memperhitungkan supply Ayam Potong pada bulan September agar dapat memenuhi demand yang ada. Gambar 18 Diagram Batang Report Penjualan Part Ayam Tertinggi Gambar 18 merupakan diagram batang report penjualan part ayam tertinggi. Gambar diatas menunjukan bahwa terdapat 12 part ayam yang dijual dan tentunya tiap part memiliki harga yang variative tergantung jenis ayamnya. Dalam kurun waktu 3 bulan untuk jenis Ayam merah, part dengan penjualan tertingginya adalah part Dada Breast dengan total penjualan sebanyak 652 Kg, lalu untuk jenis Ayam Potong, part dengan penjualan tertingginya adalah Ayam Utuh Whole Chicken dengan total penjualan sebanyak Kg. Pemilik UD. Giri Sari disini harus benar-benar memperhitungkan supply Ayam Potong bagian Ayam Utuhnya Whole Chicken agar dapat memenuhi demand yang cukup besar. 4. KESIMPULAN Mengacu pada hasil penelitian serta penjelasan dan pembahasan di atas, dapat disimpulkan bahwa utilisasi Data Warehouse pada studi kasus perusahaan Daging Ayam UD. Giri Sari sangatlah bermanfaat sehingga diharapkan perusahaan sejenis bisa juga menerapkannya guna memudahkan segala urusan penyimpanan data maupun membuat report. Adapun kesimpulan lainnya yang didapat dari penelitian di atas yaitu sebagai berikut. a Implementasi Data Warehouse pada UD. Giri Sari sangat membantu penyelesaian masalah penyimpanan data penjualan dan analisa serta report building penjualan sehingga melalui paper ini, diharapkan sudah menyelesaikan permasalahan yang dihadapi perusahaan UD. Giri Sari yaitu kendala penyimpanan data penjualan dan susahnya menganalisa data penjualan yang ada serta pembuatan report. b Data Warehouse tidak hanya menjadi sarana penyimpanan data atau gudangnya data, tetapi data warehouse juga dapat digunakan juga sebagai sarana pembuatan suatu laporan analisis data dengan mudah, cepat, dan efisien c Diperlukannya desain Data Warehouse yang efisien, utilisasi data dua dimensi dan multi dimensi serta alur proses ETL dan OLAP yang matang dalam pembuatan suatu Data Warehouse agar Data Warehouse yang di buat sesuai ekspektasi dan tentunya menghasilkan Data Warehouse yang robust 8 d Talend Data-Integration dan Tableau dapat digunakan sebagai salah satu tools yang bermanfaat dalam proses integrasi data dan pembuatan report penjualan jenis ayam tertinggi pada bulan tertentu dan report penjualan part ayam tertinggi 5. REFRENSI Pratama, I. P. A. E. 2018. Handbook Data Warehouse. Bandung. Ahmad, I. 2000. Data Warehousing in Construction Organizations. Construction Congress VI Building Together for a Better Tomorrow in an Increasingly Complex World. Orlando American Society of Civil Engineers. Connolly, T. M., & Begg, C. E. 2005. Database Systems A Practical Approach to Design, Implementation, and Management. Addison Wesley. Inmon, W. H. 2005. Building the Data Warehouse. Indianapolis Wiley. Reddy, G. S., Srinivasu, R., Rao, M. P., & Rikkula, S. R. 2010. Data Warehousing, Data Mining, OLAP and OLTP Technologies are Essential Elements to Support Decision-Making Process in Industries. International Journal on Computer Science and Engineering, 2 9, 2865-2873. Sheta, O. E., & Eldeen, A. N. 2013. The Technology of Using A Data Warehouse to Support Decision-Making in Health Care. International Journal of Database Management Systems, 5 3, 75-86. Suzana, M. 2013. Analisis dan Perancangan Data Warehouse Rumah Sakit Umum Daerah Palembang Bari. Skripsi, Universitas Bina Darma, Program Studi Teknik Informatika. Turban, E., Rainer, R. K., & Potter, R. E. 2005. Introduction to Information Technology. Canada John Wiley & Sons. Nugroho, Didik, 2013, Design of Data Warehouse System to Support the Quality Management of Information Technology Based School; IJCSI. Ramadhan, Hasnur and Soepriadi, Agus, 2011, Studi Kasus Pembangunan Enterprise Data Warehouse/Business Intelligence EDW/BI di Perusahaan Multi Finance Nasional; Seminar Nasional Aplikasi Teknologi Informasi, pp. 95-100. ResearchGate has not been able to resolve any citations for this quality of each school in Indonesia is appraised by the government based on an Accreditation Standard established by the Board of School Accreditation Badan Akreditasi Sekolah. The standard of accreditation system consists of eight standards. There are more than a hundred chapters among those eight standards that must be answered and proved by related documents, and data records. In addition, there are several chapters of criteria that need data measurement of the result of the recording. At present, there have been many schools applying OLTP to record the activity of data recording. However, there have not been many schools that apply the Information Technology for processing the school acreditation. In this research funded by the Board of High Education, the researchers would like to make a management system of data warehouse so that the data from OLTP can be loaded into the data warehouse and later can be analyzed by OLAP tools. By storing data, it will support the acreditation system which makes either the school or the acreditation reviewer easier to conduct the acreditation process. In addition, it also becomes one of the forms of theTotal Quality Mangement TQM implementation based on Information Technology at schoolThis paper describes the technology of data warehouse in healthcare decision-making and tools for support of these technologies, which is used to cancer diseases. The healthcare executive managers and doctors needs information about and insight into the existing health data, so as to make decision more efficiently without interrupting the daily work of an On-Line Transaction Processing OLTP system. This is a complex problem during the healthcare decision-making process. To solve this problem, the building a healthcare data warehouse seems to be efficient. First in this paper we explain the concepts of the data warehouse, On-Line Analysis Processing OLAP. Changing the data in the data warehouse into a multidimensional data cube is then shown. Finally, an application example is given to illustrate the use of the healthcare data warehouse specific to cancer diseases developed in this study. The executive managers and doctors can view data from more than one perspective with reduced query time, thus making decisions faster and more Reddy RikkulaThis paper provides an overview of Data warehousing, Data Mining, OLAP, OLTP technologies, exploring the features, applications and the architecture of Data Warehousing. The data warehouse supports on-line analytical processing OLAP, the functional and performance requirements of which are quite different from those of the on-linetransaction processing OLTP applications traditionally supported by the operational databases. Data warehouses provide on-line analytical processing OLAP tools for the interactive analysis of multidimensional data of varied granularities, which facilitates effective data mining. Data warehousing and on-line analytical processing OLAP are essential elements of decision support, which has increasingly become a focus of the database industry. OLTPis customer-oriented and is used for transaction and query processing by clerks, clients and information technology professionals. An OLAP system is market-oriented and is used for data analysis by knowledge workers, including managers, executives and analysts. Data warehousing and OLAP have emerged as leading technologies that facilitate data storage, organization and then, significant support places some rather different requirements on database technology compared to traditional on-line transaction processing dan Perancangan Data Warehouse Rumah Sakit Umum Daerah Palembang Bari. SkripsiM SuzanaSuzana, M. 2013. Analisis dan Perancangan Data Warehouse Rumah Sakit Umum Daerah Palembang Bari. Skripsi, Universitas Bina Darma, Program Studi Teknik to Information TechnologyE TurbanR K RainerR E PotterTurban, E., Rainer, R. K., & Potter, R. E. 2005. Introduction to Information Technology. Canada John Wiley & Kasus Pembangunan Enterprise Data Warehouse/Business Intelligence EDW/BI di Perusahaan Multi Finance NasionalHasnur RamadhanAgus SoepriadiRamadhan, Hasnur and Soepriadi, Agus, 2011, Studi Kasus Pembangunan Enterprise Data Warehouse/Business Intelligence EDW/BI di Perusahaan Multi Finance Nasional; Seminar Nasional Aplikasi Teknologi Informasi, pp. 95-100.
Inflasimungkin sudah tidak asing lagi di pendengaran kita, akan tetapi tahukah kamu jika inflasi di sepanjang 2021 merupakan inflasi tertinggi. Inflasi pada Bulan November Capai 0,37 %, Tertinggi di Sepanjang Tahun 2021 Halaman all - Kompasiana.comDagingayam. Harga daging ayam ras segar juga mengalami kenaikan pada Kamis (10/3/2022). Kenaikan harganya sekira 0,45 persen atau sebesar Rp150 per kg, menjadi Rp 36.200 per kg. Adapun di DKI Jakarta, harga daging ayam mencapai Rp 36.850 per kg, sedangkan lonjakan harga daging ayam tertinggi terjadi di Nusa Tenggara Timur (NTT), yakni sebesar