| dc.identifier.citation | Anggraini, Dyah. 2009. Analisis Perubahan Kelompok Berdasarkan Perubahan Nilai Jual Pada Bloomberg Market Data dengan Menggunakan Formal Concept Analysis. Available from : http://www.gunadarma. ac.id-/Akuntansi/Artikel_92106032.pdf [16 Maret 2013]. Ardelina, Sari. 2012. Analisis dan Perancangan Data Warehouse Persediaan dan Penjualan pada PT Pertamina (Persero) Aviation DPPU Halim Perdana Kusuma. Skripsi. Jakarta: Bina Nusantara, Jakarta. Bühlman, P. dan Yu, B. 2002. Analyzing Bagging, The Annals of Statistics. Vol. 30 no. 4, hal 927-961. Golfarelli, Matteo and Rizzi, Stefano. 2009. A Survey on Temporal Data Warehousing. International Journal of Data Warehousing & Mining, 5(1), 1-17, January-March 2009. Hirji, Karim K. 2001. Exploring Data Mining Implementation. Communications of the ACM. July 2001/ Vol. 44, No. 7 Hoffer, Jeffery A., Prescott, Mary B., McFadden, Fred R. 2002. Modern Database Management Sixth Edition. Prentice Hall. Jindal, Rajni and Taneja, Shweta. 2012. Comparative Study of Data Warehouse Design Approaches: A Survey. International Journal of Database Management Systems (IJDMS) Vol.4, No.1, February 2012 Jogiyanto, HM. 2005. Analisis dan Desain Sistem Informasi Pendekatan Tersetruktur Teori dan Praktik Aplikasi Bisnis. Penerbit Andi, Yogyakarta. Kadir, Abdul. 2008. Data Warehouse, Data Mart, OLAP, dan Data Mining. Kurniawan, Sandy, Hidayat, Taufiq. 2007. Penerapan Data Mining dengan Metode Interpolasi untuk Memprediksi Minat Konsumen Asuransi (Studi Kasus Asuransi Metlife). Media Informatika, Vol. 5, No. 2. Universitas Islam Indonesia, Yogyakarta. Lesmana, Dody Putu. 2012. Perbandingan Kinerja Decision Tree J48 dan ID3 Dalam Pengklasifikasian Diagnosis Penyakit Diabetes Mellitus. Jurnal Teknologi dan Informatika, Vol. 2, no. 2. Manjunath T. N., Ravindra S. Hegadi, Umesh I. M., and Ravikumar G. K. 2012. Realistic Analysis of Data Warehousing and Data Mining Application in Education Domain. International Journal of Machine Learning and Computing, Vol. 2, No. 4, August 2012 Mulyadi. 2001. Sistem Akuntansi. Jakarta: Graha Ilmu, Yogyakarta. Nugroho, Radityo Adi. Tambotoh, Johan. Hoetama, Tony Justinus. 2008. Aplikasi Data Warehouse untuk Analisis Penjualan Mobil Berbasis MDM (Multidimensional Modelling) dan Star Schema Design (Studi Kasus PT. Asco Automotive). Jurnal Teknologi Informasi – Aiti, Vol. 5 No. 2. Universitas Kristen Satya Wacana, Salatiga. Savitri, Dian Arini. 2013. Implementasi Data Warehouse Sistem Penjualan Batik Di Kampung Batik Laweyan (Studi Kasus Batik Mahkota Laweyan). Skripsi. Universitas Muhammadiyah Surakarta. Sunjaya. 2010. Aplikasi Mining Data Mahasiswa dengan Metode Klasifikasi Decision Tree. Seminar Nasional Aplikasi Teknologi Informasi 2010. Yogyakarta. Suwarningsih, Wiwin. 2008. Aplikasi Data Mining dengan Menggunakan Teknik ARM untuk Pengolahan Informasi Rendemen Obat. Jurnal INKOM, Vol 2, no. 2. LIPI, Bandung. Widyawati, Dewi Kania. 2012. Perancangan Struktur Data Warehouse Untuk Mendukung Perencanaan Pemasaran Produk Menggunakan Star Schema. Jurnal Ilmiah ESAI Volume 6, No.3. ISSN No. 19786034. Politeknik Negeri Lampung, Lampung. | en_US |
| dc.description.abstract | Batik Mahkota Laweyan merupakan perusahaan batik yang sudah menyebar di berbagai daerah
di Indonesia. Perusahaan ini telah memiliki data-data yang terakumulasi dan menumpuk tanpa
adanya tindak lanjut terhadap data tersebut. Hal ini juga tidak didukung dengan pembuatan laporan
akhir yang dilakukan dengan baik. Oleh karena itu perlu dibangun sebuah data warehouse yang
bisa dijadikan sebagai sumber informasi bagi manajemen Batik Mahkota Laweyan terkait tren jenis
motif batik berdasarkan kategori barang dan wilayah pemasarannya dari waktu ke waktu. Salah satu
proses penting yang harus dilakukan dalam pengoperasian data warehouse adalah proses penyalinan
data dari basis data operasional. Sebelum data operasional masuk ke dalam data warehouse, terlebih
dahulu dilakukan proses ETL (extract, transform, load) terhadap data tersebut. Proses tersebut
dimaksudkan untuk standarisasi data yang digunakan dalam data warehouse. Sementara itu, skema
yang dirancang untuk pengembangan data warehouse di Batik Mahkota Laweyan menggunakan
model Snowflake Schema. Hasil penelitian menunjukkan data warehouse Batik Mahkota Laweyan
memiliki empat tabel dimensi (dimensi Produk, dimensi Wilayah, dimensi Waktu, dan dimensi
Pelanggan), empat tabel sub dimensi (dimensi Kategori, dimensi Sub_Kategori, dimensi Pola dan
dimensi Jenis Kelamin) dan satu tabel Fakta, yaitu Fakta Penjualan. Proses ekstraksi menghasilkan
tabel-tabel dimensi (dimensi Produk, dimensi Wilayah, dimensi Waktu dan dimensi Pelanggan)
dan tabel-tabel sub dimensi (dimensi Kategori, dimensi Sub_Kategori, dimensi Pola dan dimensi
Jenis Kelamin). Semua monitoring terhadap data-data penjualan produk Batik Mahkota Laweyan
dilakukan menggunakan cube browser. Informasi yang ditampilkan oleh setiap dimensi dapat
dilihat secara lebih rinci dengan proses drill down atau roll up sesuai dengan aturan hirarki field
setiap dimensi. | en_US |
