Tesis dian sugiarto

Dari widuri
Revisi per 7 Desember 2019 05.38 oleh Diansugiarto (bicara | kontrib) (-)

(beda) ← Revisi sebelumnya | Revisi terkini (beda) | Revisi selanjutnya → (beda)

Lompat ke: navigasi, cari

PENERAPAN BUSINESS INTELLIGENCE PADA SISTEM INFORMASI PENJUALAN PT SUBAFOOD PANGAN JAYA

PROPOSAL THESIS

Oleh : DIAN SUGIARTO (1812599228) PASCA SARJANA MAGISTER TEKNOLOGI INFORMASI UNIVERSITAS RAHARJA 2019


KATA PENGANTAR Dengan mengucap puji syukur Alhamdulillah, penulis panjatkan kehadirat Allah SWT karena telah melimpahkan rahmat dan karunia-Nya kepada penulis sehingga pada akhirnya penulis dapat menyelesaikan tesis ini dengan baik. Dimana tesis ini penulis sajikan dalam bentuk buku yang sederhana. Adapun judul penulisan tesis, yang penulis ambil adalah sebagai berikut: “PENERAPAN BUSINESS INTELLIGENCE PADA SISTEM INFORMASI PENJUALAN PT SUBAFOOD PANGAN JAYA”. Tujuan dari pembuatan tesis ini adalah sebagai salah satu persyaratan dalam memperoleh gelar Magister Teknik Informatika (M.T.I) untuk jenjang S2 di Universitas Raharja, Cikokol Tangerang. Dalam penyusunan tesis ini, penulis banyak menerima bantuan dan dorongan baik moril maupun materil, serta bimbingan dan semangat yang diberikan dari berbagai pihak. Oleh karena itu, pada kesempatan ini penulis menyampaikan rasa terima kasih secara tulus dan ikhlas kepada: 1. Bapak Ir. Untung Rahardja, M.T.I., sebagai Ketua Yayasan Universitas Raharja. 2. Bapak Sugeng Santoso, M.Kom, sebagai Kepala Program Studi Magister Teknik Informatika Universitas Raharja. 3. Bapak Dr. Ir. Winarno, M.Kom sebagai Dosen Pembimbing I yang telah berkenan memberikan bimbingan dan pengarahan kepada penulis. 4. Bapak Spits Warnars Harco Leslie Hendric, PhD sebagai Dosen Pembimbing II yang telah berkenan memberikan bimbingan dan pengarahan kepada penulis. 5. Bapak dan Ibu Dosen Universitas Raharja yang telah memberikan ilmu pengetahuan kepada kami. Penulis menyadari bahwa penulisan Laporan Proposal Tesis ini masih jauh dari kesempurnaan dan masih banyak kekurangannya. Untuk itu, penulis mohon kritik dan saran yang bersifat membangun demi kesempurnaan penulisan di masa yang akan datang. Akhir kata, penulis berharap Laporan Proposal Tesis ini dapat memberikan manfaat bagi penulis khususnya dan bagi para pembaca pada umumnya sebagai bahan acuan yang bermanfaat dikemudian hari. Tangerang, 2019 

                                                        (Dian Sugiarto)                                                                                                  
                                                                    Penulis


DAFTAR ISI Lembar Judul Kata Pengantar iii Abstrak iv Daftar Isi v BAB I PENDAHULUAN 1 1.1 Latar Belakang 1 1.2 Identifikasi Masalah 3 1.3 Rumusan Masalah 4 1.4 Batasan Masalah 4 1.5 Tujuan & Manfaat Penelitian 5 BAB II LANDASAN PEMIKIRAN 8 2.1 Tinjauan Pustaka 8 2.2 Dasar Teori 9 2.2.1 Rancang Bangun Sistem 9 2.2.2 Business Intelligence 10 2.2.2.1 Arsitektur Business Intelligence 14 2.2.2.2 Jenis Business Intelligence 16 2.2.3 Data Warehouse 17 2.2.3.1 Karakteristik Data Warehouse 19 2.2.3.2 Tugas Data Warehouse 219 2.2.3.3 Arsitektur Data Warehouse 193 2.2.4 On-Line Analytical Processing 195 2.2.5 Data Mining 199 2.2.6 Alat Bantu Rancang Bangun Sistem Business Intelligence Penjualan 19 2.2.6.1 Unified Modeling Language 19 2.2.6.2 Use Case Diagram 19 2.2.6.3 Activity Diagram 19 2.2.6.4 Class Diagram 19 2.2.6.5 Skema Bintang 19 2.2.6.6 PHP 19 2.2.6.7 MySQL 19 2.2.6.8 Framework Codeigniter 19 BAB III METODE PENELITIAN 19 3.1 Metode Penelitian 19 3.2 Populasi dan Sampel 19 3.3 Desain Penelitian 19 3.4 Teknik Pengumpulan Data 19 3.5 Teknik Analisa Data 19 3.6 Jadual Penelitian 43



ABSTRAK

Sistem business intelligence perusahaan dimulai dengan tahapan integrasi data, analisis data, membuat laporan dan membuat web portal dan kemudian mengitegrasikan laporan tersebut dengan web portal. Analisis data diolah dengan proses ETL dan OLAP untuk mengekstrak informasi dari data yang tersimpan didalam data warehouse. Hasil proses analisis data tersebut direpresentasikan dalam bentuk laporan dashboard, kemudian digunakan sebagai pendukung pengambilan keputusan penjualan. Penelitian ini bertujuan merancang bangun business intelligence perusahaan sebagai pendukung pengambilan keputusan perusahaan pada PT. Subafood Pangan Jaya berbasis web khususnya pada bidang penjualan. Kata kunci :Business Intelligence. Data Warehouse, OLAP





BAB I PENDAHULUAN 1.1. Latar Belakang Pesatnya perkembangan teknologi informasi saat ini telah mendorong dunia bisnis, akademik, pemerintahan dan bidang lainnya untuk memanfaatkannya semaksimal mungkin. Banyak proses bisnis dan pengolahan data sangat bergantung dengan keberadaan teknologi informasi. Hal ini telah mendorong perusahaan-perusahaan yang ingin berkompetisi atau memenangkan persaingan melakukan terobosan-terobosan terkait pemanfaatan teknologi informasi itu sendiri. Informasi dan data yang dikelola atau dimiliki oleh perusahaan kini telah berubah menjadi aset berharga untuk kepentingan kelangsungan dan eksistensi bisnis guna menghadapi persaingan dunia usaha yang begitu ketat. Tanpa pengelolaan dan pemanfaatan data dan informasi tersebut secara maksimal maka boleh dikatakan perusahaan tersebut tidak memaksimalkan salah satu potensi yang dimiliki untuk menghadapi persaingan. Selain itu untuk menghadapi perkembangan dan pertumbuhan bisnis yang cepat, data dan informasi tersebut perlu dipelihara untuk kemudahan akses jika sewaktu-waktu dibutuhkan misalnya untuk keperluan analisa customer, transaksi penjualan dan lain sebagainya. Kemudahan akses data-data operasional yang bersifat historical dapat dikembangkan menjadi informasi guna kebutuhan perencanaan atau kebutuhan strategis untuk melihat peluang ke depan dengan tujuan membuat terobosan-terobosan bisnis baru yang sesuai dengan inti bisnis yang dimiliki perusahaan. Untuk mendukung pengelolaan data yang baik, utamanya bagi perusahaan yang memiliki data dengan volume besar dan tersebar ke dalam berbagai aplikasi terpisah, dewasa ini telah ada teknologi data warehouse yang dapat menggabungkan data dari berbagai sumber data operasional dan sinkronisasi datanya dapat dilakukan secara periodik maupun real time, disesuaikan dengan kebutuhan yang ada. Penerapan data warehouse yang baik dan sesuai dengan kebutuhan secara otomatis memudahkan pengelolaan data dan proses pengambilan informasi dari sumber data, selanjutnya adalah bagaimana data tersebut dapat disajikan secara informatif dan dapat menjawab kebutuhan dan proses bisnis, baik yang telah terjadi, sedang terjadi maupun apa yang terjadi di masa datang berdasarkan informasi yang disajikan. Salah satu bentuk penyajian informasi yang baik dan dapat menjawab pertanyaan apa yang telah terjadi, sedang terjadi maupun apa yang akan terjadi di masa datang berdasarkan informasi dari data operasional adalah penerapan Business Intelligence yang selanjutnya disingkat BI. Jadi singkatnya BI (tools) dapat menjawab tantangan bisnis organisasi ke depan bila diterapkan dengan baik tentunya diawali dengan pengelolaan data yang baik pula. Subbab 1.2 dijabarkan berbagai permasalahan yang dihadapi oleh PT. Subafood Pangan Jaya.

1.2. Masalah Penelitian 1.2.1. Identifikasi Masalah Permasalahan yang ada dalam di lingkungan PT. Subafood Pangan Jaya adalah secara umum memiliki produk utama yang dijual yaitu bihun jagung. Produk tersebut memiliki beragam jenis produk turunan dengan variasi dan karasteristik yang berbeda-beda. Hal ini tentu seiring dengan berjalannya waktu maka volume data yang disimpan semakin besar sehingga sewaktu-waktu jika dibutuhkan analisa data tentu membutuhkan waktu yang cukup signifikan jika diukur dengan kondisi teknologi informasi sekarang yang dapat menyajikan informasi secara cepat dan akurat dari data yang diolahnya. Analisa data yang dilakukan oleh bagian penjualan untuk kebutuhan penilaian seberapa jauh nilai jual suatu produk seringkali data yang dimiliki atau diambil dari sumber data tidak didukung oleh data-data yang kurang akurat dikarenakan data-data pendukung tersimpan di sumber data yang terpisah. Karena analisa data dilakukan oleh pihak-pihak yang berbeda hanya sesuai dengan kebutuhan masing-masing, maka jika dibandingkan hasil yang diperoleh tersebut memiliki perbedaan yang signifikan, hal ini membuat koordinasi antara fungsi terkait dalam organisasi bekerja tidak maksimal karena masing-masing data yang dimiliki berbeda dalam angka dan interprestasi, dan membuat masing-masing pihak tersebut tidak mempercayai data dan informasi yang dimiliki, salah satu cara untuk meningkatkan kepercayaan data yang dimiliki adalah dengan meminta data langsung ke bagian teknologi informasi sehingga pihak-pihak tersebut seperti mendapat jaminan bahwa data yang dimiliki valid. Sesuai dengan penjelasan diatas, maka untuk permasalahan yang muncul dapat diidentifikasi sebagai berikut : 1. Persaingan bisnis dewasa ini semakin meningkat, sehingga masing-masing perusahaan dituntut untuk bisa meningkatkan daya saing melalui pemanfaatan teknologi. 2. Informasi dan Data yang dikelola oleh perusahaan telah menjadi aset yang berharga bagi pengembangan usaha, sehingga perlu dilakukan pengelolaan data dan informasi secara tepat. 3. Data dan Informasi perlu dipelihara untuk kemudahan akses jika sewaktu-waktu dibutuhkan. 4. Belum adanya data warehouse yang dapat menggabungkan data dari berbagai sumber data operasional. 5. Belum adanya penyajian informasi secara mendalam mengenai data-data penjualan yang dapat digunakan untuk menentukan strategi penjualan. Berdasarkan dari rincian identifikasi masalah tersebut diatas, maka permasalahan pada nomor lima (Belum adanya penyajian informasi secara mendalam mengenai data-data penjualan yang dapat digunakan untuk menentukan strategi penjualan) merupakan identifikasi masalah yang paling tepat untuk dilakukan penelitian dalam hal ini untuk penulisan tesis dengan judul “Penerapan Business Intelligence Pada Sistem Informasi Penjualan PT Subafood Pangan Jaya”. 1.2.2. Rumusan Masalah Berdasarkan latar belakang di atas maka dapat dirumuskan masalah pada penelitian ini yakni : 1. Bagaimana menerapkan Business Intelligence untuk Sistem Informasi Penjualan pada PT. Subafood Pangan Jaya ? 2. Bagaimana mengukur keberhasilan dalam menerapkan business intelligence untuk Sistem Informasi Penjualan pada PT Subafood Pangan Jaya ? 1.2.3. Batasan Masalah Berdasarkan rumusan masalah di atas, penulis memberikan batasan masalah sebagai berikut : 1. Data yang digunakan yakni data penjualan tahun 2010, 2011, dan 2012. 2. Informasi disajikan dalam bentuk grafik yang memberikan informasi mengenai total penjualan barang, trends penjualan barang perbulan dan per tahun berdasarkan produk. 3. Aplikasi Business Intelligence yang dikembangkan yaitu berbasis Web (Web Application). 4. Pengguna dari aplikasi ini yaitu Manajer dan Supervisor pada Departemen Penjualan. 1.3. Tujuan dan Manfaat Penelitian 1.3.1. Tujuan Penelitian a. Mengimplementasikan business intelligence pada Sistem Informasi penjualan pada PT. Subafood Pangan Jaya dapat memberikan output laporan yang baik b. Mengukur keberhasilan dalam menerapkan Business Intelligence pada Sistem Informasi Penjualan PT. Subafood Pangan jaya bertujuan untuk mengetahui seberapa berkualitas BI yang telah diterapkan. 1.3.2. Manfaat Penelitian 1.3.3.1 Manfaat Bagi Pemakai (Eksekutif) Dapat Memberikan informasi tentang masalah yang terjadi sehingga Pimpinan (dalam hal ini pimpinan dalam bidang penjualan) dapat melakukan perbaikan yang berkelanjutan. 1.3.3.2 Manfaat Bagi Penulis Menambah wawasan berfikir dalam penerapan Business Intelligence di lapangan 1.3.3.3 Manfaat Bagi Ilmu Pengetahuan a. Diharapkan dapat memberikan berupa penerapan teori Business Intelligence menggunakan metode pengembangan waterfall dengan teknik analisis dan perancangan berorientasi obyek menggunakan desain model Unified Modelling Language (UML); b. Diharapkan dapat dijadikan bahan referensi terkait dengan pokok bahasan penerapan business intelligence pada sistem informasi penjualan. 1.4. Sistematika Penulisan Sistematika penulisan laporan penelitian tesis ini adalah sebagai berikut : BAB I PENDAHULUAN Bab ini menjelaskan tentang latar belakang, masalah penelitian, tujuan dan manfaat penelitian, sistematika penulisan laporan BAB II LANDASAN TEORI Bab ini berisi tinjauan pustaka, tinjauan studi, tinjauan organisasi atau objek penelitian, kerangka pemikiran dan hipotesis. BAB III METODOLOGI PENELITIAN Bab ini berisi metode penelitian, metode pengumpulan data, teknik analisis data dan langkah-langkah penelitian dan jadwal penelitian. BAB VI PEMBAHASAN HASIL PENELITIAN Bab ini menguraikan tentang penjabaran hasil penelitian berupa hasil analisa, masalah yang ditemukan, usulan solusi yang diusulkan oleh peneliti berupa sistem Business Intelligence. BAB V PENUTUP Pada bab ini penulis menyimpulkan isi dari hasil penelitian serta saran-saran yang dapat berguna bagi penulis.   BAB II LANDASAN PEMIKIRAN 2.1. Tinjauan Pustaka Sistem business intelligence dalam konteks penjualan memiliki pengetahuan luas tentang kinerja bagian penjualan termasuk didalamnya sales, marketing dan unit-unit serta pelaporan untuk pengawasan penjualan. Sistem business intelligence sebagai pembuat keputusan pada perusahaan menghadirkan data warehouse laporan analisis kegiatan penjualan, lalu menyediakan sumber data yang terpusat sehingga dapat diakses diseluruh bagian unit penjualan yang berbeda, sehingga nantinya dapat menyediaan informasi dengan cepat serta dapat pula menganalisa permasalahannya dan dengan cepat memperoleh hasil keputusan yang memuaskan. Sistem business intelligence mengolah data sumber menjadi data ringkasan pada data warehouse dan menggunakan OLAP untuk menyajikan informasi yang diperlukan dalam mengembangkan perusahaan (Dell’Aquila dkk., 2008). Daniel, dkk (2008) melakukan penelitian mengenai pengelolaan kualitas data pada aplikasi business intelligence dengan melakukan investigasi terhadap pengguna utama akhir (end-user-centric) pada Departemen Kesehatan Italia yang berfokus pada permasalahan pengelolaan kualitas data yang minim, dan memberi rekomendasi serta usulan untuk menggunakan konsep business intelligence yang dapat memberi informasi pengetahuan lebih mendalam, serta bagaimana data yang berkualitas menjadi masukannya dapat mempengaruhi terhadap kualitas keluaran dari sebuah business intelligence. Budidarmo, dkk (2010) dalam penelitian mengenai model sistem business intelligence dalam pengambilan keputusan persaingan teknologi perbankan yakni membuat rancang bangun model berbasiskan suatu sistem business intelligence untuk proses pengambilan keputusan dalam menghadapi persaingan dibidang teknologi informasi perbankan. Data dan informasi berbasis pengetahuan pakar, kondisi persaingan internal eksternal, perubahan kebutuhan bisnis yang cepat, digunakan untuk menghasilkan suatu keputusan yang cepat, tepat, dan efektif. 2.2. Dasar Teori 2.2.1. Rancang Bangun Sistem Perancangan atau desain merupakan proses setelah melakukan tahap analisis sistem selesai dilakukan, maka analis sistem telah mendapatkan gambaran dengan jelas apa yang harus dikerjakan. Saatnya bagi analis sistem untuk memikirkan bagaimana membentuk sistem tersebut. Proses ini disebut dengan perancangan sistem atau desain sistem (systems design). Desain sistem dapat dibagi dalam dua bagian, yaitu desain sistem secara umum dan desain sistem terinci. Desain sistem secara umum disebut juga dengan desain secara makro sedangkan desain sistem terinci disebut juga dengan desain sistem secara fisik atau desain internal (Jogiyanto, 2001). Dari pengertian diatas mengenai perancangan atau desain sistem, maka desain sistem dapat diartikan sebagai berikut : 1. Tahap setelah analisis dari siklus pengembangan sistem. 2. Pendefinisian dari kebutuhan-kebutuhan fungsional. 3. Persiapan untuk rancang bangun implementasi. 4. Menggambarkan bagaimana suatu sistem dibentuk. 5. Sistem dibentuk dapat berupa penggambaran, perencanaan dan pembuatan sketsa atau pengaturan dari beberapa elemen yang terpisah ke dalam satu kesatuan yang utuh dan berfungsi. 6. Termasuk menyangkut mengkonfigurasi dari komponen-komponen perangkat lunak dan perangkat keras dari suatu sistem. Dari pengertian diatas dapat diambil kesimpulan bahwa rancang bangun sistem merupakan prosedur atau proses tahapan yang dilakukan setelah analisis sistem yakni mendefiniskan kebutuhan fungsional, melakukan persiapan implentasi sistem, menggambarkan sistem dibentuk berupa penggambaran, perencanaan dan pembuatan sketsa atau pengaturan dari beberapa elemen yang terpisah ke dalam satu kesatuan yang utuh dan berfungsi serta mengkonfigurasi dari komponen perangkat lunak dan perangkat keras dari suatu sistem, dan kemudian mengimplementasikan penggambaran, perencanaan dan pembuatan sketsa tersebut kedalam kode program yang telah ditentukan atau disiapkan. 2.2.2. Business Intelligence Business Intelligence atau disingkat BI merupakan kumpulan dan serangkaian kegiatan atau tahapan-tahapan untuk mengumpulkan data dan menganalisis data sehingga dapat digunakan untuk proses pengambilan keputusan yang lebih baik sehingga dapat digunakan dalam proses pengambilan keputusan vital dalam bisnis perusahaan atau keputusan untuk memperoleh tujuan dari bisnis perusahaan. Business Intelligence seringkali digunakan untuk dapat membantu kegiatan bisnis dalam proses pengambilan keputusan stategis seperti perencanaan anggaran tahunan, penentuan target sales, menganalisa dan memprediksi tren bisnis serta melakukan data konsolidasi untuk keperluan para pengambil keputusan. Business Intelligence merupakan kerangka kerja konseptual untuk mendukung keputusan bisnis, business intelligence menggabungkan arsitektur, basisdata atau data warehouse, tool analisis dan aplikasi (Turban dkk., 2007). Business Intelligence digunakan untuk aplikasi dan teknologi dalam mengumpulkan, menyimpan, menganalisa, dan menyediakan akses pada data sehingga dapat membantu pengguna dari kalangan perusahaan atau organisasi untuk mengambil keputusan dengan lebih baik dan tepat (Brannon, 2010). Business Intelligence menjelaskan tentang suatu konsep dan metode bagaimana cara atau prosedur untuk meningkatkan kualitas pengambilan keputusan bisnis berdasarkan sistem yang berbasiskan data-data dari berbagai data sumber. Dimana dalam proses business intelligence melakukan kegiatan pengambilan jumlah data yang besar, kemudian melakukan proses menganalisis data, dan dilanjutkan dengan menyajikan serta melaporkan hasil dari proses business intelligence tersebut sebagai bahan pertimbangan tindakan manajemen bisnis, memungkinkan untuk mengambil keputusan pokok bisnis saat dibutuhkan. Selain itu, business intelligence dapat digunakan untuk membuat referensi prediksi sehingga orang lain dapat mengukur dampak keputusan yang dibuat berdasarkan data yang ada. Business Intelligence juga merupakan proses yang berulang-ulang dengan cara menganalisis data untuk melihat apa yang terjadi. Kemudian mengambil tindakan untuk melanjutkan setiap hasil positif serta menghentikan jika ada potensi menuju arah negatif, sekaligus mengukur hasil dari setiap keputusan yang ada terhadap faktor pendukung eksternal maupun internal yang bagi bisnis perusahaan. Business Intelligence dalam kaitannya management support terhadap data terstruktur dan data tidak terstruktur, merupakan proses mengintegrasikan dan menyatukan komponen-komponen untuk menangani data-data pada business intelligence framework. Pendekatan tersebut akan dilakukan dengan tiga jenis pendekatan yaitu mengintegrasikan data yang terstuktur dan tidak terstruktur, melakukan analisis koleksi data dan melakukan pendistribusikan hasil analisis ke dalam bentuk yang sesuai dengan kebutuhan. Pendekatan tersebut diatas dapat memanfaatkan tiga lapisan business intelligence framework berupa data layer, logic layer dan access layer seperti yang ditunjukan pada gambar 2.2 arsitektur business intelligence dengan beberapa lapisan (Baars dan Kemper, 2006).


Gambar 2.2 Arsitektur Business Intelligence (Baars dan Kemper, 2008) Dalam sebuah perusahaan atau organisasi, keputusan dibuat pada tingkatan atau level yang berbeda-beda, keputusan juga harus dilakukan secepat mungkin untuk mempertahankan daya saing, sehingga dapat membuat keputusan yang benar dan menjadi dasar yang solid dalam hal data, informasi dan ketersediaan pengetahuan. Dasar ini dapat bersumber dari informasi atau data berita bisnis, konferensi, pelanggan, tenaga penjualan, dan sebagainya.Sehingga bersama-sama membentuk sebuah konsep mengenai pasar dan dunia bisnis tertentu. Gambar 2.3 menyajikan pemahaman dasar mengenai sistem business intelligence. Sebuah sistem business intelligence dengan kata lain merupakan kombinasi data warehouse dan sistem pendukung keputusan. Hal ini menjelaskan bagaimana data dari sumber-sumber yang berbeda dapat diekstraksi dan disimpan dan selanjutnya diambil untuk dianalisis. Kegiatan utama business intelligence meliputi pengumpulan, menyiapkan dan menganalisa data. Dalam proses business intelligence data yang digunakan harus berkualitas tinggi, dengan cara memperolehnya dari berbagai sumber data yang dikumpulkan, kemudian diubah, lalu dibersihkan, selanjutnya dimuat dan disimpan dalam basisdata data warehouse.


Gambar 2.3 Pemahaman Dasar Sistem Business Intelligence (Ranjan, 2009)

2.2.2.1. Arsitektur Business Intelligence Arsitektur dari sebuah sistem business intelligence terdiri atas enam komponen utama (Vercellis, 2009) yaitu : 1. Data Source Pada tahap pertama ini diperlukan proses untuk mengumpulkan dan mengintegrasi data yang disimpan dalam berbagai sumber yang bervariasi yang saling berbeda baik itu asal maupun jenisnya. Sumber data ini berasal dari data yang terdapat pada operational system, tetapi juga bisa berasal dari dokumen yang tidak terstruktur seperti email dan data yang dikirimkan oleh pihak luar. 2. Data Warehouse Pada tahap ini proses menggunakan extraction dan transformation tool yang dikenal sebagai ETL (Extract, Transform, Load), data yang berasal dari berbagai sumber yang berbeda disimpan ke dalam basisdata yang ditujukan untuk mendukung proses analisis business intelligence. 3. Data Exploration Pada tahap ini, tools yang berfungsi untuk keperluan analisis business intelligence pasif digunakan.Tools ini terdiri dari query dan reporting system, serta statistical methods. Metodologi ini bersifat pasif dikarenakan para pengambil keputusan harus mengambil keputusan berdasarkan hipotesis mereka sendiri atau mendefiniskan kriteria dari data extraction, kemudian menggunakan tools analisis untuk menemukan jawaban dan mencocokannya dengan hipotesa awal mereka. 4. Data Mining Pada tahap ini proses terdiri sejumlah metodologi business intelligence bersifat aktif yang tujuannya untuk mengekstrak informasi dan pengetahuan dari data tersebut. Metodologi ini berisi sejumlah model matematika untuk pengenalan pola (pattern), pembelajaran mesin (machine learn) dan teknik data mining. 5. Optimization Pada tahap ini menghasilkan solusi dimana solusi terbaik harus dipilih dari sekian solusis alternatif yang ada, dan biasanya sangat banyak dan beragam atau bervariasi. 6. Decisions Pada tahap ini yang menjadi persoalan utama merupakan bagaimana menentukan keputusan akhir yang akan diambil yang dikenal sebagai decision making process. Walaupun metodologi business intelligence berhasil diterapkan, pilihan untuk mengambil sebuah keputusan tetap ada ditangan para pengambil keputusan tersebut. 2.2.2.2. Jenis Business Intelligence Menurut Turban, dkk (2007), business intelligence terbagi ke dalam lima jenis atau kategori yaitu : 1. Enterprise Reporting yakni digunakan untuk menghasilkan laporan-laporan statis yang didistribusikan ke banyak orang. Jenis laporan ini sangat sesuai untuk laporan operasional dan dashboard. 2. Cube Analysis yakni digunakan untuk menyediakan analisis OLTP multidimensional yang ditujukan untuk manajer bisnis dalam lingkungan terbatas. 3. Ad Hoc Query and Analysis yakni digunakan untuk memberikan akses kepada user agar dapat melakukan query pada basis data, dan menggali informasi sampai pada tingkat paling dasar dari informasi transaksional. Query ini berfungsi untuk mengeksplor informasi yang dilakukan oleh user. 4. Statistical Analysis and Data Mining yakni digunakan untuk melakukan analisis prediksi atau menentukan korelasi sebab akibat diantara dua matrik. 5. Delivery Report and Alert yakni digunakan secara proaktif untuk mengirimkan laporan secara lengkap atau memberikan peringatan kepada populasi user yang besar atau banyak. 2.2.3. Data Warehouse Data Warehouse atau disingkat DW merupakan basisdata relasional yang didesain lebih kepada query dan analisa dari pada proses transaksi, dan biasanya mengandung history data dari proses transaksi dan bisa juga data dari sumber lainnya. Data Warehouse dapat juga dikatakan sebagai tempat penyimpanan ringkasan dari data historis yang seringkali diambil dari basisdata terpisah departemen, organisasi atau perusahaan (Kimball dan Caserta, 2004). Menurut Inmon (2002) bahwa data warehouse merupakan koleksi data yang mempunyai sifat berorientasi subyek, terintegrasi, time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management, proses ini subject-oriented, terintegrasi, waktu yang bervariasi dan permanen. Tujuan utama dari pembuatan data warehouse merupakan untuk menyatukan data yang beragam ke dalam sebuah tempat penyimpanan dimana pengguna dapat dengan mudah menjalankan query, menghasilkan laporan, dan melakukan analisis. Salah satu keuntungan yang diperoleh dari keberadaan data warehouse adalah dapat meningkatkan efektifitas pembuatan keputusan. Dari definisi yang dijelaskan diatas, dapat disimpulkan bahwa data warehouse merupakan basisdata yang saling berinteraksi dan dapat digunakan untuk query dan analisis, bersifat orientasi subyek, terintegrasi, time-variant, tidak berubah (adhoc) yang nantinya digunakan dalam membantu pengambilan keputusan organisasi atau perusahaan oleh pihak pengambil keputusan. 2.2.3.1. Karakteristik Data Warehouse Berikut ini merupakan karakteristik data warehouse (Inmon, 2002) yaitu : 1. Berorientasi Subyek (Subject Oriented) yaitu data warehouse didesain untuk menganalisa data berdasarkan subyek tertentu dalam perusahaan atau organisasi, bukan pada proses atau fungsi aplikasi tertentu. Hal ini dikarenakan kebutuhan dari data warehouse untuk menyimpan data yang bersifat sebagai penunjang suatu keputusan, dari pada aplikasi yang berorientasi terhadap data. Jadi dengan kata lain, data yang disimpan merupakan berorientasi kepada subyek bukan terhadap proses. Secara garis besar perbedaan antara data operasional dan data warehouse yakni :






Tabel 2.1 Perbandingan Fungsi Data Operasional dan Data Warehouse Data Operasional Data Warehouse Dirancang berorientasi hanya pada aplikasi dan fungsi tertentu Dirancang berdasar pada subyek-subyek tertentu (utama) Fokusnya pada desain basisdata dan proses Fokusnya pada pemodelan data dan desain data Berisi rincian atau detail data Berisi data history yang akan dipakai dalam proses analisis Relasi antar tabel berdasar aturan terkini (selalu mengikuti rule(aturan) terbaru) Banyak aturan bisnis dapat tersaji antara tabel-tabel Sumber : (Inmon, 2002). 2. Terintegrasi (Integrated) yaitu data warehouse dapat menyimpan data yang berasal dari sumber-sumber yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya. Dengan demikian data tidak bisa dipecah-pecah karena data yang ada merupakan suatu kesatuan yang menunjang keseluruhan konsep data warehouse itu sendiri. Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara sepeti konsisten dalam penamaan variabel, konsisten dalam ukuran variabel, konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari data. 3. Rentang Waktu (Time-Variant) yaitu seluruh data pada data warehouse dapat dikatakan akurat atau valid pada rentang waktu tertentu. Untuk melihat interval waktu yang digunakan dalam mengukur keakuratan suatu data warehouse, dapat menggunakan cara antara lain yakni : - Cara yang paling sederhana merupakan menyajikan data warehouse pada rentang waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan. - Cara yang kedua, dengan menggunakan variasi/perbedaan waktu yang disajikan dalam data warehouse baik implisit maupun secara eksplisit dengan unsur waktu dalam hari, minggu, bulan. Secara implisit misalnya pada saat data tersebut diduplikasi pada setiap akhir bulan, atau per tiga bulan. Unsur waktu akan tetap ada secara implisit didalam data tersebut. - Cara yang ketiga,variasi waktu yang disajikan data warehouse melalui serangkaian snapshot yang panjang. Snapshot merupakan tampilan dari sebagian data tertentu sesuai keinginan pemakai dari keseluruhan data yang ada bersifat read-only. 4. Non Volatile yaitu data pada data warehouse tidak di update secara real time tetapi di refresh dari sistem operasional secara rutin. Data yang baru selalu ditambahkan sebagai suplemen bagi basisdata itu sendiri dari pada sebagai sebuah perubahan. Basisdata tersebut secara kontinyu menyerap data baru ini, kemudian secara incremental disatukan dengan data sebelumnya. Berikut ini merupakan hal-hal yang berkaitan dengan data warehouse dalam penerapan pada sistem business intelligence (Inmon, 2002) yaitu : 1. Data Mart yakni merupakan suatu bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan. 2. On-Line Analytical Processing yakni merupakan suatu pemrosesan basisdata yang menggunakan tabel fakta dan dimensi untuk dapat menampilkan berbagai macam bentuk laporan, analisis, query dari data yang berukuran besar. 3. On-Line Transaction Processing yakni merupakan suatu pemrosesan yang menyimpan data mengenai kegiatan operasional transaksi sehari-hari. 4. Dimension Table yakni merupakan tabel yang berisikan kategori dengan ringkasan data detail yang dapat dilaporkan. Seperti laporan laba pada tabel fakta dapat dilaporkan sebagai dimensi waktu yang berupa perbulan, perkwartal dan pertahun. 5. Fact Table yakni merupakan tabel yang umumnya mengandung angka dan data history dimana key (kunci) yang dihasilkan sangat unik, karena key tersebut terdiri dari foreign key (kunci asing) yang merupakan primary key (kunci utama) dari beberapa dimensi tabel yang berhubungan. 6. Decision Support System yakni merupakan sistem yang menyediakan informasi kepada pengguna yang menjelaskan bagaimana sistem ini dapat menganalisa situasi dan mendukung suatu keputusan yang baik.

2.2.3.2. Tugas Data Warehouse Ada empat tugas yang bisa dilakukan oleh data warehouse (Kimball dan Caserta, 2004) yaitu : 1. Pembuatan Laporan yakni proses pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari, perbulan, pertahun atau jangka waktu kapan pun yang diinginkan. 2. OLAP yakni dengan adanya data warehouse, semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah di dapat. OLAP mendayagunakan konsep multidimensional dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah query. 3. Data Mining yakni merupakan proses untuk menggali pengetahuan dan informasi baru dari data yang berjumlah banyak pada data warehouse, dengan menggunakan kecerdasan buatan (artificial intelligence), statistik dan matematika. Beberapa solusi yang diberikan data mining antara lain yakni : a. Menebak target pasar dimana data mining dapat mengelompokkan (clustering) model-model pembeli dan melakukan klasifikasi terhadap setiap pembeli dan melakukan klasifikasi terhadap setiap pembeli sesuai dengan karakteristik yang diinginkan. b. Melihat pola beli dari waktu ke waktu dimana data mining dapat digunakan untuk melihat pola beli dari waktu ke waktu. c. Cross-Market Analysis dimana data mining dapat dimanfaatkan untuk melihat hubungan antara satu produk dengan produk lainnya. d. Profil pelanggan dimana data mining bisa membantu pengguna untuk melihat profil pembeli sehingga dapat diketahui kelompok pembeli tertentu cenderung kepada suatu produk apa saja. e. Informasi summary dimana data mining dapat membuat laporan summary yang bersifat multidimensi dan dilengkapi dengan informasi statistik lainnya. 4. Proses Informasi Eksekutif yakni data warehouse dapat membuat ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data warehouse segala laporan telah diringkas dan dapat pula mengetahui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan. 2.2.3.3. Arsitektur Data Warehouse Data yang ada didalam data warehouse bisa berasal dari banyak sumber, misalkan dari basisdata operasinal atau transaksional dan sumber dari luar misalkan dari web, penyedia jasa informasi, dari perusahaan lain, dan sebagainya. Gambar 2.4 merupakan arsitektur data warehouse (Turban, 2011).


Gambar 2.4 Arsitektur Data Warehouse (Turban, 2011) Data Warehouse mempunyai beberapa elemen penting didalamnya (Mallach, 2000) yaitu : 1. Sumber data atau data source yang digunakan oleh data warehouse yakni basisdata operasional atau transaksional dan sumber data eksternal. 2. Proses extraction, transformation, loading atau ETL dari sumber data ke basisdata data warehouse. 3. Membuat suatu ringkasan atau summary terhadap data warehouse misalkan dengan menggunakan fungsi agregat. 4. Metadata, menguraikan struktur dan beberapa arti mengenai data, dengan demikian mendukung penggunaan efektif atau tidak efektif dari suatu data. 5. Basisdata data warehouse, basisdata ini berisi data yang detail dan ringkasan data dari data yang ada di dalam basisdata data warehouse. 6. User, pengguna yang memanfaatkan data warehouse tersebut. 2.2.4. On-Line Analytical Processing On-Line Analytical Processing atau disingkat OLAP secara mendasar merupakan suatu metode khusus untuk melakukan analisis terhadap data-data yang terdapat dalam media penyimpanan data berupa basisdata dan kemudian dilanjutkan dengan membuat laporan analisis sesuai dengan permintaan para pengguna atau user. Untuk tujuan tersebut data yang berupa informasi dibuat ke dalam format khusus dengan memberikan kelompok atau group terhadap data-data tersebut, hal ini dinamakan dengan model kubus (cube models). OLAP merupakan teknologi yang memungkinkan seorang analis, manajer dan eksekutif secara bersamaan mengakses data-data secara cepat, konsisten dan interaktif dengan berbagai variasi dan visualisasi tinjauan informasi dimana setiap baris data dapat di transformasikan untuk merefleksikan dimensi perusahaan atau organisasi sehingga mudah dipahami oleh pengguna atau user (Ponniah, 2001). Berikut karakteristik utama yang terdapat pada On-Line Analytical Processing yakni meliputi : 1. Mendukung pemanfaatan dan penggunaan data warehouse yang memiliki data multidimensional. 2. Menyediakan fasilitas query interaktif dan analisis yang kompleks. 3. Menyediakan fasilitas drill-down untuk memperoleh informasi yang rinci, dan roll-up untuk memperoleh agregat dalam multidimensional. 4. Mampu menghasilkan perhitungan dan perbandingan. 5. Mampu menyajikan hasil dalam bentuk angka-angka yang mudah dimengerti maupun penyajian dalam bentuk grafik. Data pada OLAP disimpan dalam model multidimensional. Jika pada basisdata relasional terdiri dari dua dimensi, maka pada basis multidimensional terdiri dari banyak dimensi yang dapat dipisahkan oleh OLAP menjadi beberapa sub atribut. OLAP dapat digunakan untuk data mining atau menemukan hubungan antara suatu item yang belum ditemukan. Pada basisdata OLAP tidak perlu memiliki ukuran besar seperti data warehouse, karena tidak semua transaksi membutuhkan analisis tren, karena tujuan OLAP menampilkan data dalam sebuah tabel yang dinamis, yang secara otomatis akan meringkas data ke dalam beberapa irisan data yang berbeda-beda dan mengizinkan pengguna atau user untuk secara interaktif melakukan perhitungan dan serta membuat format suatu laporan. OLAP merupakan proses komputer yang memungkinkan pengguna dapat dengan mudah dan selektif memilih dan melihat data dari sudut pandang yang berbeda-beda. Beberapa aktivitas yang dilakukan OLAP antara lain dapat men-generate query, meminta laporan yang adhoc, mendukung analisis statistik, analisis interaktif, membangun aplikasi multimedia. Untuk memfasilitasi OLAP ini diperlukan DW dengan sekumpulan tools yang memiliki kemampuan multidimensi. tools ini dapat berupa query tools, spreadsheet, data mining tools, dan data visualisation. View berhubungan erat dengan OLAP dan data warehouse. Query OLAP biasanya merupakan query agregat. Seorang analis biasanya menginginkan jawaban cepat untuk query pada sebuah dataset yang sangat besar, dan secara alami memperhatikan perhitungan awal dari view. Secara khusus, operator cube menimbulkan beberapa query agregat yang berhubungan erat. Hubungan yang ada antara banyak query agregat yang muncul dari operasi cube tunggal dapat dieksploitasi untuk mengembangkan strategi komputasi awal yang sangat efektif. Tools untuk membuat laporan tersebut merupakan tabel itu sendiri, yaitu dengan melakukan drag terhadap kolom dan baris. Pengguna atau user dapat mengubah bentuk laporan dan menggolongkannya sesuai dengan keinginan dan kebutuhan pengguna atau user tersebut dan OLAP engine secara otomatis akan mengkalkulasi data yang baru. Query OLAP dipengaruhi oleh dua hal yaitu structure query language (SQL) dan spreadsheet. Operasi yang umum dalam query OLAP adalah melakukan agregasi pada satu atau lebih dimensi. Berikut jenis-jenis query OLAP yaitu : 1. Roll-Up yakni melakukan agregasi pada level yang berbeda dari hirarki dimensi. Misalnya untuk setiap kota diberikan total penjualan, maka untuk total penjualan tiap propinsi bisa didapatkan dengan menambahkan total penjualan pada semua kota dalam satu propinsi. 2. Drill-Down yakni kebalikan dari Roll-Up. Misalnya untuk setiap propinsi dapat diberikan total penjualan, maka total penjualan tiap kota dapat di Drill-Down. 3. Pivoting yakni melakukan agregasi pada dimensi terpilih. Misalnya jika dilakukan pivoting pada location dan time didapatkan cross-tabulation. Cross-tabulation tersebut merupakan kumpulan dari query berikut : SELECT SUM (S.Sales) FROM Sales S, Times T WHERE S.timeid = T.timeid GROUP BY T.year dan SELECT SUM (S.Sales) FROM Sales S, Location L WHERE S.timeid = L.timeid GROUP BY L.state Sehingga menjadi query baru sebagai berikut : SELECT SUM (S.Sales) FROM Sales S, Times T, Location L WHERE S.timeid = T.timeid AND S.timeid = L.timeid GROUP BY T.year, L.state 4. Slicing dan Dicing yakni mencari kesamaan dan jangkauan seleksi pada satu atau lebih dimensi. 2.2.5. ISO/IEC 9126 – Software Product Quality ISO 9126 merupakan sebuah panduan evaluasi standar dari sebuah produk perangkat lunak yang dikeluarkan oleh badan internasional untuk standardisasi. Pada ISO 9126 didefinisikan enam karakteristik yang menggambarkan, mengukur kualitas sebuah perangkat lunak (sistem), yaitu: 1. Kemampuan (Functionality) adalah himpunan atribut yang dikenakan pada keberadaan seperangkat fungsi dan sifat mereka yang teleh ditentukan, dibuat untuk memenuhi kebutuhan. 2. Kehandalan (Reliability) adalah himpunan atribut yang dikenakan pada kemampuan perangkat lunak tersebut untuk mempertahankan tingkat kinerja di bawah kondisi tertentu yang dinyatakan untuk jangka waktu tertentu. 3. Kegunaan (Usability) adalah himpunan atribut untuk menjadikan tingkat kualitas dari sistem yang dibangun, seberapa mudah sistem tersebut dipelajari, seberapa mudah digunakan sehingga dapat mendorong pengguna untuk menggunakan sistem tersebut dalam aktifitas pengolahan data dan informasi. 4. Efisiensi (Efficiency) adalah himpunan atribut yang menghubungkan hubungan antara tingkat kinerja perangkat lunak dengan jumlah sumber daya yang digunakan, untuk membuat dan mengoperasikan sistem. 5. Pemeiharaan (Maintenability) adalah set atribut yang diperlukan sebagai probabilitas suatu komponen atau sistem yang mengalami kerusakan dapat dengan mudah diperbaiki atau dipulihan kembali. 6. Portabilitas (Portability) adalah himpunan atribut yang dikenakan pada kemampuan perangkat lunak yang bangun dapat ditransfer dari satu lingkungan ke lingkungan lain. 2.2.6. Pengujian Black-Box Pengujian black-box, juga disebut pengujian perilaku, berfokus pada persyaratan fungsional perangkat lunak. Artinya, teknik pengujian black-box memungkinkan untuk menurunkan set kondisi input yang sepenuhnya akan melaksanakan semua persyaratan fungsional untuk suatu program. Penguji/pengguna hanya akan mengetahui masukan (input) dan keluaran (output), untuk detail dari proses yang berjalan tidak akan diuji satu per satu. Pengujian black-box berusaha menemukan kesalahan dalam kategori berikut: a. Salah atau fungsi yang hilang, b. Kesalahan antarmuka (inyterface), c. Kesalahan dalam struktur data atau akses database eksternal, d. Perilaku atau kinerja kesalahan, e. Inisialisasi dan kesalahan terminasi (Pressman, 2012: 495) . Black box testing bisa dikatakan sebagai pengujian yang dilakukan hanya dengan cara mengamati hasil eksekusi dari data uji dan memeriksa fungsional dari aplikasi yang dihasilkan. Dapat dianalogikan seperti melihat sebuah kotak hitam, kita hanya bisa melihat tampilan luarnya saja, tanpa dapat mengetahui detail informasi/data/kejadian yang ada didalam kotak hitam tersebut, hal tersebut berlaku untuk pengujian black box, yang akan dievaluasi hanya tampilan luarnya (interfacenya), fungsionalitasnya, dan tidak mengetahui apa sesungguhnya yang terjadi dalam proses detilnya. 2.2.7. Data Mining Data Mining dapat pula disebut sebagai serangkaian proses atau tahapan untuk menggali dan mencari nilai tambah berupa pengetahuan yang selama ini tidak diketahui secara manual dari suatu kumpulan data. Data Mining mempunyai keterkaitan dengan bidang keilmuan lainnya seperti sistem basis data, data warehouse, statistik, machine learning, information retrieval, dan komputasi tingkat tinggi. Selain itu, data mining juga didukung oleh keilmuan lain seperti neural network, pengenalan pola, spatial data analysis, image database,dan signal processing. Dari penjelasan diatas dapat disimpulkan bahwa data mining merupakan kegiatan atau proses menemukan pola-pola dalam data dan dalam menemukan pola yang menarik tersebut bersumber dari data dalam jumlah besar, data tersebut tersimpan dalam basis data, data warehouse, atau teknologi penyimpanan informasi lainnya. 2.2.8. Alat Bantu Rancang Bangun Business Intelligence Penjualan Berikut ini merupakan alat bantu dalam merancang bangun sistem business intelligence penjualan yang digunakan dalam penelitian ini. 2.2.6.1 Unified Modeling Language Unified Modeling Language atau disingkat UML merupakan salah satu alat bantu yang sangat handal di dunia pengembangan sistem yang berorientasi objek. Hal ini disebabkan karena UML menyediakan bahasa pemodelan visual yang memungkinkan pengembang sistem untuk membuat cetak biru atau visi mereka dalam bentuk yang baku, mudah dimengerti serta dilengkapi dengan mekanisme yang efektif untuk berbagi (sharing) dan mengkomunikasikan rancangan mereka dengan yang lain (Munawar, 2005). UML merupakan kesatuan dari bahasa pemodelan yang dikembangkan oleh Booch, Object Modeling Technique (OMT) dan Object Oriented Software Engineering (OOSE). Metode Booch dari Grady Booch sangat terkenal dengan nama metode Design Object Oriented. Metode ini menjadikan proses analisis dan design kedalam empat tahapan interatif, yaitu: identifikasi kelas-kelas dan obyek-obyek, identifikasi semantik dari hubungan obyek dan kelas tersebut, perincian interface dan implementasi. Pemodelan OMT yang dikembangkan oleh Rumbaugh didasarkan pada analisis tersetruktur dan pemodelan entity-relationship.Keunggulan metode ini merupakan dalam penotasian yang mendukung semua konsep Object-Oriented. Metode OOSE dari Jacobson lebih memberi penekanan pada use case. Dengan UML, metode Booch, OMT dan OOSE digabungkan dengan membuang elemen-elemen yang tidak praktis ditambah dengan elemen-elemen dari metode lain yang lebih efektif dan elemen-elemen baru yang belum ada pada metode terdahulu sehingga UML lebih ekspresif dan seragam dari pada model lainnya. 2.2.6.2 Use Case Diagram Use Case merupakan deskripsi fungsi dari sebuah sistem dari perspektif pengguna, use case bekerja dengan cara mendeskripsikan tipikal interaksi antara user (pengguna) sebuah sistem dengan sistemnya sendiri melalui sebuah cerita bagaimana sebuah sistem dipakai. Urutan langkah-langkah yang menerangkan antara pengguna dan sistem disebut scenario.Setiap scenario mendeskripsikan urutan kejadian dan setiap urutan di inisialisasikan oleh orang, sistem yang lain, perangkat keras atau urutan waktu (Munawar, 2005). Pada use case, pengguna disebut dengan actor yaitu sebuah peran yang bisa dimainkan oleh pengguna dalam interaksinya dengan sistem. Use case diagram merupakan abstraksi dari interaksi antara sistem actor. Diagram use case menunjukkan 3 aspek dari sistem yaitu actor, use case, dan sistem serta sub sistem boundary. Actor mewakili peran orang, sistem yang lain atau alat ketika berkomunikasi dengan use case.

Tabel Elemen-elemen Use Case Diagram Nama Elemen Fungsi Notasi Actor Menggambarkan orang atau sistem yang berhubungan dengan sistem dan dengan subyek di luarnya, diletakkan di luar pembatas subyek, dan dapat diasosiasikan dengan actor lain dengan menggunakan specialization atau superclass association. Use Case Mewakili sebuah bagian dari fungsionalitas sistem dan ditempatkan dalam system boundary. Subject boundary Menggambarkan lingkup subyek.

Assocation Relationship Menggambarkan hubungan antara actor dengan use case. 

      *             *

Include relationship Menggambarkan hubungan ke dalam sistem. Arah panah dari base use case ke included use case. <<include>>

Extend relationship Menggambarkan hubungan dengan pilihan optional. Arah panah dari extension use case ke base use case. <<extend>>

Generalization Relationship Menggambarkan hubungan dalam sistem, antara satu use case dengan use case lain.


2.2.6.3 Activity Diagram Activity Diagram merupakan teknik untuk mendeskripsikan logika prosedural, proses bisnis dan aliran kerja dalam banyak kasus. Activity Diagram mempunyai peran seperti halnya flowchart, akan tetapi perbedaanya dengan flowchart, activity diagram bisa mendukung perilaku pararel sedangkan flowchart tidak bisa (Munawar, 2005). Tabel 2.2 menunjukan notasi atau simbol yang sering digunakan pada saat pembuatan activity diagram. Tabel 2.2 Simbol Activity Diagram Nama Elemen Fungsi Notasi Action Menggambarkan aksi atau aktivitas dari suatu proses.

Activity Menggambarkan koneksi dalam sebuah aliran proses.

Object Node Mewakili objek yang terhubungdengan kumpulan object flow.

Control Flow Menunjukkan aliran sebuah objek dari satu aktivitas atau aksi ke aktivitas atau aksi lainnya.

Initial Node Menggambarkan proses mulai berjalan atau start. Final-Activity Node Untuk menghentikan semua proses kontrol atau aliran objek pada sebuah aktivitas atau aksi. Final-Flow Node Untuk menghentikan control flow atau object flow tertentu.

Desicion Node Ini digunakan untuk menggambarkan suatu kondisi untuk mengambil keputusan.

Merge Node Untuk menyatukan kembali decision path yang dibuat dengan menggunakan decision node.

Fork Node Untuk memisahkan atau membagi menjadi sepasang aksi atau aktivitas yang berjalan bersamaan.

Join Node Untuk menyatukan kembali kumpulanaktivitas yang berjalan secara paralelatau bersamaan menjadi satu aktivitas atau aksi.

Swimlane Untuk membagi sebuah activity diagrammenjadi kolom guna menempatkanaktivitas atau aksi tertentu pada individuatau objek yang bertanggung jawabuntuk melaksanakan aktivitas atau aksitersebut. swimline1 swimline2



2.2.6.4 Class Diagram Class Diagram dalam notasi UML digambarkan dengan bentuk kotak. Nama class menggunakan huruf besar di awal kalimatnya dan diletakkan diatas kotak. Bila class mempunyai nama yang terdiri dari dua suku kata atau lebih, maka semua suku kata digabungkan tanpa spasi dengan huruf awal tiap suku kata menggunakan huruf besar. Attribute merupakan property dari sebuah class,attribute ini melukiskan batas nilai yang mungkin ada pada obyek dari class. Sebuah Class mungkin mempunyai nol atau lebih attribute. Jika nama attribute terdiri dari atas satu suku kata, maka ditulis dengan huruf kecil.Akan tetapi jika nama attribute mengandung lebih dari satu suku kata maka semua suku kata digabungkan dengan suku kata pertama menggunakan huruf kecil dan awal suku kata berikutnya menggunakan huruf besar. Tipe dari setiap attribute bisa ditambahkan disini. Tipe-tipe yang mungkin ditambahkan disini diantaranya: string, floating-point number, integer dan booelan. Untuk menunjukkan tipe gunakan titik dua (:) untuk memisahkan nama attribute dan tipe. Operation merupakan sesuatu yang bisa dilakukan oleh sebuah Class atau yang ada (atau Class yang lain) dapat lakukan untuk sebuah Class. Seperti halnya attribute, nama Operation juga menggunakan huruf kecil semua jika terdiri dari satu suku kata. Akan tetapi jika lebih dari satu suku kata, maka semua suku kata digabungkan dengan suku kata pertama huruf kecil dan huruf awal tiap suku berikutnya dengan huruf besar. Tabel Elemen-elemen Class Diagram Nama Elemen Fungsi Notasi Class Menunjukkan sekumpulan object yang serupa. Notasi class terdiri atas 3 bagian, yaitu nama, atribut, dan operasi. Nama suatu class digunakan sebagai pengenal. Atribut merupakan informasi yang dimiliki oleh suatu class, sedangkan operasi merupakan tingkah laku yang didefinisikan suatu class. Class 1 -attribute1 +operation1()

Attribute Menunjukkansifat yang menggambarkan keadaan suatu objek. Dapat berasal dari atribut lain, ditunjukkan olehmenempatkan garis miring sebelum nama atribut itu. attribute name /derived attribute name Operation Menunjukkan operasi atau tindakan yang dilakukan oleh suatu class. operation name () Association Menunjukkan relationship antara beberapa class atau atau dirinya sendiri. AssociatedWith 0..* 1

Generalization Menunjukkan relationship generalisasi atau spesialisasi dari beberapa class.


Aggregation Menunjukkan relationship“bagian dari” atau keseluruhan. 0..* IsPartOf 1


Composition Menunjukkanrelationshipbagian fisikantara beberapa classatau sebuah classdan dirinya sendiri. 1..* IsPartOf 1



2.2.6.5 Skema Bintang Desain data warehouse didasarkan atas konsep pemodelan data multidimensional. Pemodelan multidimensional merupakan suatu model berbasis pemanggilan data yang mendukung akses query volume tinggi. Skema bintang atau star schema merupakan alat pemodelan multidimensional yang dapat digunakan pada pemodelan data warehouse. Skema bintang berisi sebuah tabel fakta pusat.Tabel fakta berisi atribut yang diperlukan untuk melakukan analisis putusan, atribut deskriptif yang digunakan untuk pelaporan query, dan foreigenkey untuk menghubungkan ke tabel dimensi. Atribut analisis keputusan terdiri dari ukuran performa, metrik operasional, ukuran agregat, dan semua matrik lain yang diperlukan untuk menganalisis performa organisasi. Tabel fakta menunjukkan apa yang didukung oleh data warehouseuntuk analisis keputusan, sedangkan tabel dimensi mengelilingi tabel fakta pusat. Tabel dimensi berisi atribut yang menguraikan data yang dimasukkan dalam tabel fakta. Tabel dimensi menunjukan bagaimana data akan dianalisis. Gambar 2.5 menunjukan model skema bintang pada sebuah data warehouse.


Gambar 2.5 Model Skema Bintang (Langit, 2007) 2.2.6.6 PHP PHP (Hypertext Preprocessor) adalah sebuah bahasa pemrograman yang berbentuk scripting, yang digunakan untuk membuat halaman web yang dinamis. Dinamis berarti halaman yang akan ditampilkan dibuat saat halaman itu diminta oleh client. Mekanisme ini menyebabkan informasi yang diterima client selalu yang terbaru.Sistem kerja dari program ini adalah sebagai interpreter dan bukan sebagai compiler. Dikatakan sebagai bahasa interpreter, script mentahnya tidak harus diubah kedalam bentuk source code. Sehingga pada saat menjalankan program, kode dasar secara langsung akan dijalankan tanpa harus melalui proses pengubahan kedalam bentuk source kode. Sedangkan disebut sebagai bahasa compiler adalah bahasa yang akan merubah script-script program kedalam source code, yang akan diubah menjadi bentuk object code dan akan menghasilkan file yang lebih kecil dari file mentah sebelumnya, sehingga hasil dari bahasa pemrograman yang berbentuk compiler akan membentuk sebuah program yang berstatus sebagai program exe. Diantara kelebihan-kelebihan dari PHP: 1. Mudah dibuat dan kecepatan akses tinggi. 2. Dapat berjalan dalam web server yang berbeda dan dalam sistem operasi yang berbeda pula seperti Unix, Windows NT dan Macintosh. 3. Diterbitkan secara gratis. 4. Dapat berjalan pada web server Microsoft Personal Web Server, Apache, IIS. 5. Termasuk bahasa yang embedded (bisa ditempel atau diletakkan dalam tag HTML). 6. Kemampuan untuk mengolah keluaran gambar (seperti file PDF, dan movie flash). 2.2.6.7 MySQL MySQL termasuk jenis Relational Database Management System (RDBMS) yaitu hubungan antar tabel yang berisi data-data pada suatu database.Database pada MySQL terdiri dari table-tabel. Setiap table mempunyai kolom, baris, sertarecord untuk menyimpan data. Tabel-tabel tersebut di link oleh suatu relasi yang memungkinkan untuk mengkombinasikan data dari beberapa tabel ketika seseorang user menginginkan menampilkan informasi dari suatu database. Penggunaan MySQL biasanya dipadukan dengan menggunakan program aplikasi PHP, karena dengan menggunakan kedua program tersebut telah terbukti akan kehandalannya dalam menangani permintaan data. 2.2.6.8 Framework Codeigniter Merupakan aplikasi sumber terbuka yang berupa kerangka kerja PHP dengan model MVC (Model, View, Controller) untuk membangun website dinamis dengan menggunakan PHP. CodeIgniter memudahkan pengembang web untuk membuat aplikasi web dengan cepat mudah dibandingkan dengan membuatnya dari awal.CodeIgniter dirilis pertama kali pada 28 Februari 2006.Versi stabil terakhir adalah versi 3.0.6. Beberapa kelebihan CodeIgniter (CI) : a) Performa sangat cepat : salah satu alasan tidak menggunakan kerangka kerja adalah karena eksekusinya yang lebih lambat daripada PHP from the scracth, tapi Codeigniter sangat cepat bahkan mungkin bisa dibilang codeigniter merupakan kerangka kerja yang paling cepat dibanding kerangka kerja yang lain. b) Konfigurasi yang sangat minim (nearly zero configuration) : tentu saja untuk menyesuaikan dengan database dan keleluasaan routing tetap diizinkan melakukan konfigurasi dengan mengubah beberapa file konfigurasi seperti database.php atau autoload.php, namun untuk menggunakan codeigniter dengan setting standard, anda hanya perlu mengubah sedikit saja file pada folder config. c) Banyak komunitas: dengan banyaknya komunitas CI ini, memudahkan kita untuk berinteraksi dengan yang lain, baik itu bertanya atau teknologi terbaru. d) Dokumentasi yang sangat lengkap : Setiap paket instalasi codeigniter sudah disertai user guide yang sangat bagus dan lengkap untuk dijadikan permulaan, bahasanya pun mudah dipahami. 2.3 Tinjauan Studi Penelitian mengenai business intelligence telah menarik perhatian banyak peneliti, beberapa penelitian terdahulu adalah: Tabel Ringkasan Tinjauan Studi No Peneliti, Judul dan Publikasi Penelitian yang penulis lakukan 1. Suwarni Isa, Sani Muhamad Susena, Karona Cahya Nugroho, Eko Cahyo Girsang, Abba Suganda Gunarso, Davy Yeria, Business Intelligence for Analyzing Department Unit Performance in eProcurement System, 2018 International Conference on Orange Technologies, ICOT 2018 Penelitian ini menjelaskan bagaimana menerapkan teknologi data warehouse untuk menciptakan cara tercepat untuk membuat laporan berdasarkan persyaratan tanpa menyesuaikan permintaan SQL dan hanya membaca data yang diperlukan saja. Dengan metodologi Kimball, data dapat dilaporkan dalam berbagai bentuk dan pembuat keputusan dapat mengambil keputusan terbaik dalam Sistem eProcurement (Suwarni et al., 2019)

2 Wani, Mudasir Ahmad Jabin, Suraiya, Big Data: Issues, Challenges, and Techniques in Business Intelligence, Advances in Intelligent Systems and Computing Dalam penelitian ini, telah dilakukan identifikasi masalah dan tantangan terkait dengan big data, business intelligence dan menunjukkan perbandingan komprehensif berbagai teknik untuk menangani masalah big data (Wani & Jabin, 2018)

3. Vallurupalli, Vamsi Bose, Indranil, Business intelligence for performance measurement: A case based analysis, Decision Support Systems Penelitian ini memberikan pelajaran utama tentang perencanaan yang sukses, pelaksanaan dan adopsi PMS berbasis BI serta identifikasi faktor-faktor keberhasilan kritis (CSF) dalam implementasi PMS, yang akan menarik bagi organisasi yang berencana untuk mengimplementasikan suatu sistem serupa (Vallurupalli & Bose, 2018)

4. Rikhardsson, Pall Yigitbasioglu, Ogan, Business intelligence & analytics in management accounting research: Status and future focus, International Journal of Accounting Information Systems Penelitian ini mengulas literatur, menunjukkan beberapa kesenjangan penelitian dan mengusulkan kerangka kerja untuk mempelajari hubungan antara Business Intelligence & Analytic dan akuntansi manajemen (Rikhardsson & Yigitbasioglu, 2018)

5. Eder, Florian Koch, Stefan, Critical Success Factors for the Implementation of Business Intelligence Systems, International Journal of Business Intelligence Research Penelitian ini berfokus pada faktor penentu keberhasilan selama penerapan Business Intelligence. Literatur yang ada ditinjau, dan faktor penentu keberhasilan diekstraksi. Selanjutnya, faktor penentu keberhasilan yang terjadi dalam praktik dikumpulkan melalui wawancara ahli kualitatif yang dianalisis melalui analisis konten kualitatif. Ditemukan bahwa banyak faktor penentu keberhasilan disebutkan dalam literatur dan dalam wawancara ahli juga, seperti dukungan manajemen yang kuat, pendekatan ringan, penerimaan pengguna, tim proyek dan kualitas data. Selain itu, kinerja Business Intelligence, definisi standar, terminologi dan indikator kinerja utama serta pelembagaan dan integrasi Business Intelligence disebutkan dalam wawancara ahli. (Eder & Koch, 2018)

6. Narra, Jagan Mohan Bein, Doina Popa, Vlad, Business Intelligence Dashboard Application for Insurance Cross Selling , Information Technology – New Generations, Advances in Intelligent Systems and Computing Penelitian ini adalah untuk membangun solusi perangkat lunak yang menyediakan platform untuk perusahaan asuransi dan e-commerce untuk menemukan seperangkat alat dan solusi yang dapat diimplementasikan untuk analisis data bisnis mereka. Aplikasi BI Dashboard dapat digunakan oleh perusahaan asuransi untuk mengimplementasikan konsep Cross-Selling dan Up-selling produk asuransi kepada pelanggan mereka. Aplikasi berbasis web Ecommerce digunakan untuk mengimplementasikan konsep pemasaran kolaboratif berbasis kelompok dari produk yang secara internal menggunakan data mining dan algoritma clustering. (Narra, Bein, & Popa, 2018)

7. Sun, Zhaohao Sun, Lizhe Strang, Kenneth, Big Data Analytics Services for Enhancing Business Intelligence, Journal of Computer Information Systems Penelitian ini membahas cara menggunakan layanan Big Data Analytic untuk meningkatkan Business Intelligence (BI). Lebih khusus lagi, Penelitian ini mengusulkan ontologi Big Data Analytic dan menyajikan arsitektur berorientasi layanan analisis data besar (BASOA), dan kemudian menerapkan BASOA ke BI, di mana analisis data yang disurvei menunjukkan bahwa BASOA yang diusulkan layak untuk meningkatkan BI. (Sun, Sun, & Strang, 2018)

8. Ali, Md Shaheb Khan, Shahadat , Organizational Capability Readiness Towards Business Intelligence Implementation, International Journal of Business Intelligence Research Penelitian ini bertujuan untuk menganalisis dan mengeksplorasi pandangan literatur yang terintegrasi dalam kaitannya dengan kesiapan kemampuan organisasi untuk implementasi BI. Analisis konten kualitatif dari artikel sampel yang relevan dilakukan untuk mengeksplorasi pemahaman tematik tentang kesiapan kemampuan organisasi untuk implementasi BI. Temuan utama dari studi review ini diklasifikasikan dalam dua kategori, yaitu, kesiapan kemampuan manajerial dan kesiapan lingkungan yang dipimpin IS. (Ali & Khan, 2018)

9. Delen, Dursun Moscato, Gregory Toma, Inga Linda, The Impact of Real-Time Business Intelligence and Advanced Analytics on the Behaviour of Business Decision Makers, 2018 International Conference on Information Management and Processing, ICIMP 2018 Penelitian ini menyelidiki apakah pengiriman informasi pada saat keputusan bisnis dibuat mempengaruhi atau mengubah pikiran pembuat keputusan, dan dengan demikian, mengarah pada hasil keputusan yang berbeda. Penelitian ini berkontribusi pada teori keputusan deskriptif dan preskriptif dan menambah literatur yang ada di bidang BI. Penelitian ini juga, memberikan wawasan tentang persepsi selektif dan perilaku pembuat keputusan ketika peringatan tentang konsekuensi keputusan diberikan. Berdasarkan hasil yang diperoleh dari penelitian ini yaitu menyajikan rekomendasi tentang bagaimana solusi BI dapat berpotensi ditingkatkan (Delen, Moscato, & Toma, 2018)

10. Muntean, Mihaela , Business Intelligence Issues for Sustainability Projects, Sustainability (Switzerland) Penelitian ini mewakili kontribusi penulis dalam memodelkan data untuk mendukung pendekatan BI lebih lanjut dalam inisiatif keberlanjutan perusahaan. Pemodelan multi-dimensi telah digunakan untuk meletakkan proposal dan untuk memperkenalkan indikator kinerja utama. (Muntean, 2018)

11. Rivas, Alberto Mart, Javier J Prieto, Javier Gonz, Alfonso , Model of Integration of Business Intelligence and Knowledge Management, 2018 First International Conference on Artificial Intelligence for Industries (AI4I) Penelitian ini menyajikan model yang menggunakan teknologi yang muncul untuk mengintegrasikan kedua alat, mempertimbangkan juga aset teknologi dan pengetahuan (yang merupakan elemen kunci dalam pengambilan keputusan) untuk memungkinkan pengunduhan kognitif karyawan perusahaan, inovasi dan keunggulan operasional. (Rivas, Mart, Prieto, & Gonz, 2018)

12. Jin, Dong Hui Kim, Hyun Jung , Integrated Understanding of Big Data, Big Data Analysis, and Business Intelligence: A Case Study of Logistics, Sustainability (Switzerland) Penelitian ini memiliki dua tujuan. Pertama, meninjau literatur tentang BI, Big Data, dan Big Data Analytic untuk menunjukkan bahwa hal tersebut diatas bukan metode terpisah tetapi sistem pendukung keputusan yang terintegrasi. Kedua, mengeksplorasi bagaimana bisnis menggunakan Big Data, dan Big Data Analytic secara praktis dalam hubungannya dengan BI melalui studi kasus pemilahan dan pemrosesan logistik dari perusahaan kurir yang khas. (Jin & Kim, 2018)

13. Sluijter, J. Otten, M. , Business Intelligence (BI) for Personalized Student Dashboards, ACM International Conference Proceeding Series Tujuan dari penelitian ini adalah untuk mengembangkan dasbor yang dipersonalisasi untuk siswa melalui Microsoft Office 365 dan Power BI di mana siswa dapat mengatur KPI pribadi mereka sendiri. Data mentah dari Sistem Informasi Siswa (SIS) diubah menjadi visualisasi yang jelas yang akan membantu siswa mendapatkan wawasan yang lebih baik tentang kinerja akademik mereka. (Sluijter & Otten, 2017)

14. Gawin, Bartlomiej Marcinkowski, Bartosz , Business Intelligence in Facility Management: Determinants and Benchmarking Scenarios for Improving Energy Efficiency, Information Systems Management Penelitian ini menyelidiki sumber data untuk solusi Business Intelligence, yang menyediakan dasar untuk analisis holistik, optimisasi, dan peramalan konsumsi daya listrik dalam Manajemen Fasilitas untuk jaringan fasilitas ritel. Para penulis mengidentifikasi, memverifikasi, dan mengatur faktor-faktor penentu yang meningkatkan proses pengambilan keputusan yang berorientasi pada efisiensi energi dan memperkenalkan serangkaian skenario pembandingan potensial untuk mengelolanya. (Gawin & Marcinkowski, 2017)

15. Visinescu, Lucian L. Jones, Mary C. Sidorova, Anna , Improving decision quality: The role of business intelligence, Journal of Computer Information Systems Penelitian ini memberikan model penelitian anteseden persepsi yang valid dan persepsi kualitas keputusan yang dibuat menggunakan dukungan business intelligence. Temuan memberikan wawasan ke dalam sedikit jalan yang diselidiki seperti peran kompleksitas ruang masalah dalam persepsi kualitas keputusan serta menunjukkan interaksi yang lebih kompleks di antara anteseden kualitas keputusan daripada yang sebelumnya diperiksa. Sebagai contoh, hasil menunjukkan bahwa mungkin ada titik kritis di mana kualitas informasi dan penggunaan sistem mendukung kualitas keputusan yang dirasakan lebih tinggi. Selain itu, penelitian ini memberikan arahan bagi penelitian di masa depan untuk menghasilkan kontribusi yang lebih dalam, lebih bermakna dalam pemahaman kolektif tentang bagaimana business intelligence (BI) berfungsi untuk meningkatkan kualitas pengambilan keputusan. (Visinescu, Jones, & Sidorova, 2017)

16. Petermann, André Junghanns, Martin, Scalable business intelligence with graph collections, IT - Information Technology Penelitian ini, membandingkan sistem canggih untuk manajemen data grafik dan analitik sehubungan dengan dukungan untuk pendekatan dalam skenario Big Data. Untuk memberikan contoh nilai analitis model grafik untuk business intelligence, penelitian ini juga mengusulkan alur kerja analitis untuk mengekstraksi pengetahuan dari data bisnis terintegrasi grafik. Pada akhirnya, penelitian ini menunjukkan bagaimana menggunakan Gradoop, sebuah kerangka kerja baru untuk analitik grafik terdistribusi. (Petermann & Junghanns, 2016)

17. Fischer, Tobias Christian, Technology in its context – a literature review of the macro and micro levels of business intelligence, International Journal of Business Intelligence and Data Mining Penelitian ini menggabungkan dua kerangka kerja yang mapan untuk menggambarkan wawasan baru mengenai tingkat makro dan mikro dari BI. Kombinasi komplementer dari kedua level menghasilkan pandangan baru yang menunjukkan konseptualisasi dan karakteristik BI dalam pandangan secara menyeluruh. Hasil penelitian menunjukkan bahwa BI digunakan sebagai konsep monolitik dan alat statis dengan mekanisme kontrol teknis. Hasil lain menyiratkan bahwa BI berada dalam fase kedewasaan, di mana ia memenuhi tujuan organisasi tanpa mempertimbangkan konteks sosial atau ekosistem di mana ia terjadi. (Fischer, 2018)

18. Nasab, Samaneh Salehi Jaryani, Farhang Selamat, Harihodin Bin Masrom, Maslin, Critical success factors for business intelligence system implementation in public sector organisation, International Journal of Information Systems and Change Management Penelitian ini bertujuan untuk menyelidiki faktor penentu keberhasilan (CSF), yang mempengaruhi keberhasilan implementasi sistem BI di organisasi sektor publik. Penelitian ini menyusun penelitian sebelumnya dengan menghadirkan klasifikasi komprehensif di bidang keberhasilan implementasi sistem BI. Tinjauan literatur mengidentifikasi sejumlah besar CSF untuk keberhasilan BI yang sebagian besar terkait dengan organisasi sektor swasta. Selain itu, penelitian sebelumnya menunjukkan bahwa belum ada penelitian yang cukup tentang dampak budaya pada keberhasilan implementasi sistem BI. Akhirnya, temuan utama dari penelitian ini mengungkapkan keberhasilan mencapai implementasi sistem BI dalam organisasi sektor publik dikaitkan dengan empat faktor yaitu budaya belajar, budaya pengambilan keputusan, budaya berbagi informasi dan budaya kolaborasi di bawah dimensi budaya. (Nasab, Jaryani, Selamat, & Masrom, 2017)

19. Garg, Poonam Khurana, Reema, Applying structural equation model to study the critical risks in business intelligence and analytical system implementation in Indian retail, International Journal of Management Concepts and Philosophy Tujuan dari Penelitian ini yaitu untuk mengidentifikasi faktor risiko utama atau terutama untuk sektor ritel India. Model teoritis dikembangkan yang menjelaskan faktor-faktor risiko yang dapat mempengaruhi keberhasilan implementasi BIAS. Dengan menggunakan SEM, ditemukan bahwa 40% variasi dalam keberhasilan implementasi BIAS dapat dijelaskan dengan bantuan model yang disarankan dalam studi penelitian. Temuan dari makalah ini dapat memberikan pemahaman yang lebih besar tentang implementasi BIAS. Peneliti, manajer praktik, dan mereka yang ingin menerapkan BIAS di organisasi ritel juga dapat menggunakan temuan penelitian ini sebagai kendaraan untuk meningkatkan keberhasilan implementasi BIAS di sektor ritel. (Garg & Khurana, 2017)

20. Olszak, Celina M, Toward Better Understanding and Use of Business Intelligence in Organizations, Information Systems Management Penelitian ini memberikan informasi berharga tentang peluang dan kemungkinan penerapan Business Intelligence dalam organisasi. Tiga teori — Pandangan Berbasis Sumberdaya, Model Kematangan, dan Faktor Sukses Kritis — digunakan untuk menyelidiki masalah-masalah Business Intelligence. Penelitian ini memberikan pandangan komprehensif tentang Business Intelligence. (Olszak, 2016)

21. Avinda, Maya Tarigan, Riswan E. Widjaja, Andree E., Evaluasi Aplikasi Business Intelligence pada Proyek Indonesia WIFI PT. PINS Indonesia Maya, Prosiding Seminar Nasional SISFOTEK Penelitian ini mengembangkan sistem yang mampu menampilkan informasi tentang distribusi lokasi pelanggan dalam dasbor. Fitur dasbor membantu dan memfasilitasi masuk pengambilan keputusan tentang strategi pemasaran dengan menggunakan data perusahaan untuk membantu meningkatkan pendapatan perusahaan. Dasbor yang dikembangkan dirancang sebagai aplikasi berbasis web yang memberikan fleksibilitas kepada penggunanya. Dasbor yang dihasilkan memiliki persyaratan seperti mampu menampilkan distribusi lokasi pelanggan, permintaan lokasi pelanggan terbaru, jarak dan waktu pengiriman pesanan masing-masing transaksi dan fitur menarik lainnya yang penting untuk strategi pemasaran. (Avinda, Tarigan, & Widjaja, 2017)

22. Akbar, Ricky Oktaviani, Ria Tamimi, Shabrina Shavira, Syifa Rahmadani, Tri Winda, Implementasi Business Intelligence untuk Menentukan Tingkat Kepopuleran Jurusan pada Universitas, Jurnal Ilmiah Informatika Penelitian ini bertujuan untuk mendapatkan informasi mengenai mahasiswa yang tepat yang berhak untuk menerima beasiswa tersebut, namun banyaknya data mahasiswa yang ada membuat proses pengambilan informasi berjalan lamban jika dilakukan dengan query standard pada database. Dalam menentukan mahasiswa yang berhak menerima beasiswa tentu banyak faktor yang membuat mahasiswa tersebut pantas untuk dipilih karena banyak kriteria yang akan menentukan mahasiswa penerima beasiswa tersebut, seperti nilai indeks prestasi akademik mahasiswa, dan dari tingkat ekonomi mahasiswa. Business intelligence merupakan serangkaian proses untuk mendapatkan informasi dengan mudah dari data yang berukuran besar. Business intelligence tak lepas dari penggunaan data warehouse dan analisis data. Pada penelitian ini dilakukan pembuatan tree decision untuk pembuatan calon mahasiswa yang masuk kategori dalam penerimaan beasiswa selanjutnya akan dilakukan pembuatan dalam pengurutan calon mahasiswa yang berhak menerima beasiswa tersebut dengan menggunakan RapidMiner. Metode yang akan digunakan dalam penelitian ini adalah Online Analytical Processing (OLAP) serta operasi-operasi yang ada di dalamnya. Dengan menggunakan metode OLAP dan RapidMiner diharapkan akan mampu mempermudah dalam data mining yang menghasilkan pohon keputusan dalam pengambilan keputusan serta menentukan mahasiswa yang berhak menerima beasiswa pada sebuah universitas. (Akbar, Oktaviani, Tamimi, Shavira, & Rahmadani, 2017)

23. Rezkiani Indrajit, Richardus Eko Fauzy, Muh, Implementasi konsep bussiness intelligence dalam strategi pemasaran public training pada PT.ZIGOT MEDIATAMA, Prosiding Seminar Nasional Sains dan Teknologi Fakultas Teknik Universitas Muhammadiyah Jakarta Penelitian ini bertujuan untuk dapat meningkatkan jumlah peminat dalam melakukan pelatihan. Suatu strategi pemasaran yang tepat dapat meningkatkan atau memaksimalkan keuntungan yang diperoleh perusahaan. Penelitian ini menggunakan konsep business intelligence dan metode data mining berdasarkan data prospek registrasi peserta untuk proses analisa data. (Rezkiani, Indrajit, & Fauzy, 2017)

24. Ariani, Tiara Retno Tania, Ken Ditha Indah, Dwi Rosa, Penerapan Business Intelligence Pada Sistem Informasi Penjualan Barang PT. WINSA (STUDI KASUS DI PT. WINSA PALEMBANG), Jurnal Sistem Informasi Penelitian ini bertujuan untuk merancang dan mengimplementasikan suatu sistem yang dapat mengekstrak dan mengubah informasi bisnis dari data-data operasional yang ada sehingga pada akhirnya dapat memberikan dukungan terhadap keputusan-keputusan bisnis bagi pimpinan perusahaan. (Ariani, Tania, & Indah, 2016)

25. Pratama, Ridho Najib, Warsun, Pengembangan Business Intelligence Dashboard Untuk Mendukung Strategi Pemasaran Pada Usaha Online Food Delivery, Konferensi Nasional Teknologi Informasi dan Komunikasi (KNASTIK 2016) Penelitian ini mengembangkan sistem yang mampu menampilkan informasi tentang distribusi lokasi pelanggan dalam dashboard. Fitur dashboard membantu dan memfasilitasi dalam pengambilan keputusan tentang strategi pemasaran dengan menggunakan data perusahaan untuk membantu meningkatkan pendapatan perusahaan. Dashboard yang dikembangkan dirancang sebagai aplikasi berbasis web yang memberikan fleksibilitas kepada penggunanya. Dashboard yang dihasilkan memiliki persyaratan sistem terpenuhi, seperti mampu menampilkan distribusi lokasi pelanggan, permintaan lokasi pelanggan terbaru, jarak dan waktu pengiriman pesanan dari setiap transaksi dan fitur menarik lainnya yang penting untuk strategi pemasaran. (Pratama & Najib, 2016)




BAB III METODOLOGI PENELITIAN 3.1 Jenis Penelitian Model penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan tertentu. Ada empat kata kunci yang perlu diperhatikan, yaitu: 1. Cara ilmiah, kegiatan penelitian didasarkan pada ciri-ciri keilmuan, antara lain: rasional, empiris dan sistematis. 2. Data, data yang diperoleh dalam penelitian itu adalah data empiris (teramati) yang mempunyai kriteria tertentu yaitu valid, reliabel, dan objektif. 3. Tujuan, setiap penelitian mempunyai tujuan dan kegunaan tertentu. Secara umum tujuan penelitian ada tiga macam yaitu: penemuan, pembuktian, pengembangan. 4. Kegunaan, melalui penelitian manusia dapat menggunakan hasilnya. Secara umum data yang telah diperoleh dari penelitian dapat digunakan untuk memahami, memecahkan dan mengantisipasi masalah.(sugiyono, 2014). Penelitian ini menerapkan metode penelitian campuran (kuantitatif & Kualitiatif), dimana untuk wawancara/interview akan dilakukan secara langsung ke pihak-pihak yang telah ditentukan. Teori pengembangan sistem menggunakan metode pengembangan sistem model waterfall. Tahapan analisis dan perancangan sistem menggunakan pendekatan berorientasi objek, implementasi hasil analisis dan perancangan berbasis PHP dan database MySQL, Kualitas penerapan business intelligence yang diimplementasikan diuji berdasarkan pengujian ISO 9126 dan black-box. 3.2 Metode Pemilihan Sampel Metode pengambilan sampel dalam penelitian ini adalah purposive sampling. Pengambilan sampel dengan purposive sampling merupakan teknik pengambilan sampel dengan mengambil responden dipilih oleh peneliti menurut ciri-ciri spesifik yang dimiliki sampel tersebut. Pemilihan responden sampel yang akan peneliti ikut sertakan dalam proses pengumpulan data/informasi dengan pertimbangan bahwa sistem informasi penjualan yang akan diimplementasikan dalam penelitian ini akan digunakan oleh manajemen PT. Subafood Pangan jaya untuk memberikan informasi secara spesifik seputar penjualan, maka peneliti menilai sampel yang representatif adalah : 1. Manajer Penjualan 2. Manajer IT 3. Staff Bagian Penjualan 3.3 Teknik Analisis, Perancangan, Implementasi, Pengujian 3.3.1 Teknik Analisis BI Penelitian ini menggunakan teknik analisis pendekatan Object Oriented Analysis (OOA) atau analisis berorientasi objek dengan UML. Proses analisis sistem yang akan dikembangkan dilakukan terhadap hasil tahapan pengumpulan data yang diperoleh, yaitu dari hasil wawancara, survey, observasi langsung dan studi pustaka yang peneliti lakukan untuk mendapatkan spesifikasi kebutuhan sistem yang akan dikembangkan. Pada proses analisis, teknik analisis yang dilakukan adalah : 1. Analisis data dan sistem yang berjalan. Analisis dilakukan terhadap prosedur pengumpulan dan pelaporan kegiatan yang dilakukan dan pelaporan pengeloaan data penjualan yang sudah berjalan. 2. Analisis kebutuhan fungsional dan pengguna. Pemodelan kebutuhan fungsional untuk menggambarkan fungsi sistem dan pengguna yang terlibat serta fungsi-fungsi apa saja yang bisa didapatkan oleh masing-masing pengguna dimodelkan dengan Use Case Diagram. 3. Analisis perilaku BI. Pada tahapan ini, dilakukan analisis perilaku BI yang dikembangkan dan dimodelkan dengan Activity Diagram dan Sequence Diagram. Perancangan Activity Diagram dan Sequence Diagram disesuaikan dengan situasi dan kondisi pengguna. 3.3.2 Teknik Perancangan BI Teknik perancangan yang digunakan dalam penelitian adalah metode perancangan berorientasi objek. Pada proses perancangan, teknik perancangan yang dilakukan adalah: 1. Perancangan spesifikasi sistem dimodelkan dengan Class Diagram. 2. Perancangan antar muka pengguna meliputi perancangan tampilan utama, form pencarian dan form output. 3. Perancangan database atau struktur data dan hubungan antar data dimodelkan dengan Entity-Relationship Diagram. 4. Perancangan infrastructure architecture (hardware, software, dan jaringan). 3.3.3 Teknik Implementasi Sistem Pengertian implementasi sistem dalam penelitian ini adalah implementasi berdasarkan hasil analisis dan perancangan sistem. Teknik implementasi yang akan dilakukan meliputi: 1. Lingkungan Implementasi Meliputi hardware, software dan jaringan yang digunakan. 2. Implementasi business intelligence, meliputi ETL, pembuatan data warehouse. 3. Implementasi penyusunan kode aplikasi. 3.3.4 Teknik Pengujian Fungsionalitas BI Pengujian Fungsionalitas BI dilakukan dengan maksud melakukan penilaian apakah spesifikasi kebutuhan pengguna telah diakomodasi dalam BI yang dikembangkan dan untuk menilai apakah penerapan business intelligence pada sistem informasi penjualan berfungsi menyediakan informasi data penjualan dalam bentuk dashboard yang dapat meningkatkan efektifitas kerja dan menunjang proses pengambilan keputusan.

Teknik pengujian fungsional BI yang dilakukan dalam penelitian ini menggunakan pendekatan blackbox testing. Blackbox testing adalah Pengujian yang didasarkan pada detail aplikasi seperti tampilan aplikasi, fungsi-fungsi yang ada pada aplikasi, dan kesesuaian alur fungsi dengan bisnis proses yang diinginkan. Pengujian ini tidak melihat dan menguji souce code program. 3.3.5 Teknik Pengujian Kualitas BI Pengujian kualitas BI dilakukan untuk memvalidasi terhadap kualitas yang dihasilkan dalam penerapan Business Intelligence menggunakan ISO 9126. Teknik pengujian kualitas sistem yang dilakukan dalam penelitian ini menggunakan standarisasi ISO 9126 yang meliputi pengujian enam karakteristik yang dihasilkan, yaitu: 1. Kemampuan (functionality) Merupakan pengujian terhadap BI untuk melihat apakah BI sudah berfungsi dan semua fungsi yang terdapat dalam BI dapat memenuhi kebutuhan pengguna. Pengujian ini meliputi: a. Kesesuaian. b. Keakuratan. c. Interoperabilitas. d. Keamanan dan kepatuhan fungsi. 2. Kehandalan (Reliability) Merupakan pengujian seberapa handalnya BI tersebut mempertahankan tingkat kinerja jika dioperasikan dengan jumlah pengguna lebih dari satu orang dengan data yang cukup besar dalam jangka waktu tertentu. Pengujian ini meliputi: kehandalan, toleransi terhadap kesalahan, pemulihan dan kepatuhan kehandalan. 3. Kegunaan (Usability) Merupakan pengujian seberapa mudah BI tersebut untuk dipelajari, seberapa mudah BI tersebut digunakan sehingga dapat mendorong pengguna untuk menggunakan BI tersebut dalam aktifitas dan kegiatan sehari-hari. Pengujian ini meliputi: kemudahan dimengerti, kemudahan dipelajari, kemudahan dioperasikan, menarik, kegunaan dan kepatuhan kegunaan. 4. Efisiensi (Efficiency) Merupakan pengujian efisiensi proses pengembangan BI yang telah dikembangankan dilihat dari jumlah sumber daya yang digunakan, kompleksitas BI yang dihasilkan dan jumlah tenaga kerja yang dibutuhkan untuk mengoperasikan BI tersebut. Pengujian ini meliputi: waktu, utilisasi sumber daya dan kepatuhan efisiensi. 5. Pemeliharaan (Maintenability) Merupakan pengujian seberapa mudah BI yang dibangun, diperbaiki atau dipulihkan kembali jika mengalami kerusakan atau jika ada kebutuhan pengembangan dari BI tersebut. Pengujian ini meliputi: analisa, perubahan, kestabilan, pengujian dan kepatuhan pemeliharaan. 6. Portabilitas (Portability) Merupakan pengujian adalah kemampuan BI yang kembangkan tersebut dapat ditransfer dari satu lingkungan ke lingkungan lain. Pengujian ini meliputi: adaptasi, pemasangan, pendampingan, penggantian dan kepatuhan probabilitas. Pengujian kualitas sistem yang peneliti lakukan akan menggunakan metode kuesioner, dengan memperhatikan: a. Instrumen Pengujian Instrumen pengujian sistem yang dibangun menggunakan kuesioner dengan tujuan agar pengukuran data yang dihasilkan dapat menghasilkan data kuantitatif yang lebih akurat. Peneliti menggunakan skala Likert untuk penyataan positif, dengan skala 5 pengukuran sebagaima terlihat dalam tabel berikut ini: Tabel Skala Pengukuran Jawaban Skor Sangat Setuju 5 Setuju 4 Ragu-ragu 3 Tidak Setuju 2 Sangat Tidak Setuju 1

Skala Likert tersebut diatas akan dijabarkan menjadi indikator untuk kemudian indikator tersebut dijadikan sebagai titik tolak dalam menyusun instrumen-instrumen berupa pernyataan akan sistem yang dihasilkan dan akan dinilai oleh informan/penguji. Tabel Kisi-kisi Pengukuran Kualitas BI dan Indikator Variabel Sub-variabel Indikator Pengukuran Butir Uji Functionality Suitability Kesesuaian BI dengan kebutuhan 1 Accuracy Keakuratan informasi yang dihasilkan oleh BI 2 Security Keamanan data dan pengguna 3 Interoperability Integritas dan akses dengan perbedaan teknologi yang digunakan 4 Compliance Kesesuaian BI dengan peraturan yang berlaku 5 Reliability Maturity Rendahnya tingkat kesalahan 6 Fault tolerance Kemampuan untuk berfungsi seperti biasa setelah terjadi kesalahan 7 Recoverability Kemampuan untuk mengatasi kesalahan yang terjadi 8 Usability Understandibility Kemudahan untuk dipahami 9 Learnability Kemudahan untuk dipelajari 10 Operability Kemudahan untuk dioperasikan 11 Attractiveness Kenyamanan pengguna dalam menggunakan 12 Efficiency Time behavior Kecepatan respon dan waktu pengolahan 13 Resource behavior Kesesuaian penggunaan sumber daya 14 Maintainability Analyzability Kemampuan BI mendiagnosis penyebab kegagalan. 15 Changeability Kemampuan BI untuk dimodifikasi. 16 Stability Kemampuan BI untuk meminimalkan efek tak terduga dari modifikasi sistem. 17 Testability Kemampuan BI untuk dimodifikasi dan divalidasi oleh perangkat lunak lain. 18 Portability Adaptability Kemampuan BI untuk diadaptasikan pada lingkungan yang berbeda-beda. 19 Instalability Kemampuan BI untuk diinstal dalam lingkungan yang berbeda-beda. 20 Coexistence Kemampuan BI untuk berdampingan dengan BI lainnya dalam satu lingkungan dengan berbagi sumber daya. 21 Replaceability Kemampuan BI untuk digunakan sebagai pengganti sistem lainnya. 22

b. Pengujian Validitas Instrumen Pengujian validitas instrumen yang dilakukan menggunakan uji validitas konstruk yaitu validitas yang mempermasalahkan seberapa jauh butir tes dapat mengukur apa yang benar-benar hendak diukur yang sesuai dengan konsep khusus atau definisi konseptual yang telah ditetapkan. Validitas konstruk berhubungan dengan kejadian dan objek yang abstrak, tetapi gejalanya dapat diamati dan diukur. Dalam menguji validitas tiap butir instrumen, maka skor yang ada pada butir yang dimaksud dikorelasikan dengan skor total. Skor tiap butir instrumen dinyatakan dengan skor X dan skor total dinyatakan dengan skor Y. Dengan diperolehnya indeks validitas tiap butir instrumen, dapat diketahui butir instrumen mana yang memenuhi syarat bisa dilihat dari indeks validitasnya. Untuk menentukan koefisien korelasi antara skor hasil tes yang akan diuji validitasnya dengan hasil tes yang terstandar yang dimiliki orang yang sama dapat memakai rumus korelasi produk momen. Rumus Korelasi produk momen

Hitung koefisien validitas instrumen yang diuji (r-hitung), yang mempunyai nilai sama dengan korelasi hasil langkah sebelumnya dikali dengan koefisien validitas instrumen terstandar. Lalu bandingkan nilai koefiesien validitas dengan nilai koefisien Pearson atau tabel Pearson (r-tabel) pada taraf signifikannya a (umumnya dipilih 0,05) dan n= banyaknya data yang sesuai. Kriterianya sebagai berikut: Instrumen valid, jika r-hitung = r-tabel dan Instrumen tidak valid jika r-hitung < r-tabel. Tentukan kategori validitas instrumen yang acuannya pada pengklasifikasian validitas yang dikemukakan oleh Guilford:  0,80 < rxy 1,00 validitas sangat baik (sangat tinggi)  0,60 < ryx 0,80 validitas baik (tinggi)  0,40 < rxy 0,60 validitas cukup (sedang)  0,20 < rxy 0,40 validitas kurang (rendah)  0,00 < rxy 0,20 validitas jelek (sangat rendah)  rxy 0,00 tidak valid c. Pengujian Reliabilitas Instrumen Pengujian Reliabilitas instrumen diukur dengan menggunakan Cronbach’s alpha. Alasan peneliti menggunakan uji Cronbach’s alpha yaitu karena teknik ini merupakan teknik pengujian keandalan kuesioner yang paling sering digunakan (Alan Bryman, 2012). Untuk menghitung uji reliabilitas dapat dilakukan dengan menggunakan rumus Cronbach’s alpha, yaitu:

Kategori koefisien reliabilitas yang dikemukakan oleh Guilford :  0,80 < r11 1,00 reliabilitas sangat tinggi  0,60 < r11 0,80 reliabilitas tinggi  0,40 < r11 0,60 reliabilitas sedang  0,20 < r11 0,40 reliabilitas rendah.  -1,00 r11 0,20 reliabilitas sangat rendah (tidak reliable).

3.4 Langkah-langkah Penelitian Dalam pengembangan sistem informasi, keseluruhan proses yang dilalui harus melalui beberapa tahapan. Dalam penelitian ini digunakan metode pengembangan sistem informasi model Waterfall. Tahapan yang dilakukan meliputi: Studi Pustaka dan Tinjauan Penelitian, Pengumpulan Data, tinjauan obyek penelitian, analisis sistem, perancangan sistem, Pengkodean, Pengujian validasi, Implementasi sistem pada jaringan lokal, dan Pengujian kualitas perangkat lunak. Langkah-langkah pada tahapan pelaksanaan penelitian akan melalui beberapa tahapan proses yaitu : 1. Studi Pustaka dan Tinjauan Penelitian. Tahapan ini dilakukan dengan mempelajari literatur yang berkaitan dengan Business Intelligence, data warehouse, dan pengujian sistem. Dalam tahapan ini juga dilakukan studi dan analisa dari beberapa penelitian sebelumnya, berupa jurnal internasional, nasional maupun tesis mengenai penerapan Business Intellligence. 2. Pengumpulan Data. Proses ini dilakukan dengan cara melakukan wawancara dan observasi dengan Manajer Penjualan untuk mempelajari kebutuhan dari Output atau keluaran yang diinginkan dari penerapan Business Intelligence. 3. Tinjauan Obyek Penelitian. Pada tahap ini akan dilakukan identifikasi obyek penelitian berdasarkan aspek organisasi dan aspek teknis. Secara organisasi menyangkut ketersediaan organisasi pelaksana sistem dan aturan-aturan pendukung. Secara teknis menyangkut ketersediaan sumber daya berupa hardware, software, jaringan, data, dan sumber daya manusia. 4. Analisis. Berdasarkan hasil pengumpulan data, akan dilakukan analisa kebutuhan pengguna dan analisa perilaku sistem. Pemodelan yang dilakukan dalam tahapan analisis ini adalah: a. Pembuatan use case diagram untuk memodelkan kebutuhan fungsional dan pengguna. b. Pembuatan activity diagram. Activity diagram untuk memodelkan proses use case yang berjalan di dalam sistem. 5. Perancangan. Berdasarkan hasil analisis, kemudian dilanjutkan dengan melakukan perancangan untuk menggambarkan bagaimana penerapan BI dapat memenuhi kebutuhan yang sudah ditetapkan, dengan melakukan prosedur-prosedur berikut: a. Perancangan struktur program dengan membuat class diagram. b. Perancangan physical architecture dengan membuat deployment diagram. c. Perancangan antarmuka (input, output, dan navigasi) d. Perancangan Extract, Transfer, Load (ETL) e. Perancangan data warehouse. f. Perancangan infrastructure architecture. 6. Pengkodean. Pada tahap ini dilakukan pengkodean (coding) berdasarkan hasil analisis dan perancangan kedalam bahasa pemograman yang digunakan yaitu Framework Codeigniter yang akan dikoneksikan dengan database MySQL. Langkah-langkah pengkodean mencakup sumber daya yang digunakan, database, pembuatan rancangan input dan output yaitu bentuk entry data, report, query, sistem menu dan membuat panduan penggunaan aplikasi, agar aplikasi lebih mudah dipahami oleh pengguna. 7. Implementasi sistem pada jaringan lokal. Berdasarkan tinjauan obyek penelitian, dalam tahap implementasi untuk penelitian ini dilakukan pada jaringan lokal di PT Subafood Pangan Jaya. 8. Pengujian kualitas perangkat lunak. Pengujian kualitas perangkat lunak dilakukan sesuai dengan metode pengembangan sistem yang digunakan, yaitu pada tahap penyerahan sistem model Waterfall. Pengujian sistem dilakukan untuk menguji tingkat kualitas perangkat lunakyang dikembangkan dengan menggunakan ISO 9126 dan Black box testing.





Langkah-langkah Penelitian dapat digambarkan sebagaimana gambar dibawah :

Gambar Langkah-langkah Penelitian 3.5 Jadwal Penelitian Tabel Jadwal Penelitian No. Kegiatan Bulan1 Bulan2 Bulan3 Bulan4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1. Pencarian dan Pemilihan Obyek Penelitian X X X X 2. Studi ke Instansi//Obyek Penelitian X X X X X X X X 3. Perumusan Masalah Penelitian X X 4. Penentuan Topik dan Pembimbing Tesis X X 5. Pengumpulan Bahan Literatur/Referensi X X X X X X X X 6. Penyerahan Formulir Pendaftaran Penulisan Tesis X 7. Penyusunan Kerangka/Landasan Pemikiran (Tinjauan Pustaka/Studi/Organisasi sampai dengan Kerangka Konsep dan Hipotesis) X X X X 8. Penyusunan Metodologi Penelitian (Jenis Penelitian, Metode Sampling, Metode Pengumpulan Data, Instrumentasi, Teknik Analisis, Perancangan, Implementasi dan UjiSistem X X X X 9. Penyusunan Naskah Proposal Tesis X X X X 10. Penyerahan Formulir Pendaftaran Sidang Proposal Tesis X 11. Pelaksanaan Pengumpulan Data Sampel 12. Analisis Data, Perancangan, Pembuatan Program, Implementasi, Pengujian 13. Penyusunan Naskah Akhir Tesis 14. Penyerahan Formulir Pendaftaran Sidang Akhir Tesis 15. Sidang Akhir Tesis 16. Penyempurnaan Naskah Akhir Tesis 17. Pembuatan Paper Ringkasan Tesis 18. Penggandaan Naskah Akhir Tesis dan Paper 19. Pembuatan CD berisi Naskah Akhir Tesis, Paper, dan Slide Presentasi 20. Penyerahan Naskah Akhir Tesis, Paper dan CD





DAFTAR PUSTAKA

Akbar, R., Oktaviani, R., Tamimi, S., Shavira, S., & Rahmadani, T. W. (2017). Implementasi Business Intelligence untuk Menentukan Tingkat Kepopuleran Jurusan pada Universitas. Jurnal Ilmiah Informatika, 2(2), 135–138. Alan Bryman. (2012). Social Research Methods 4th Edition. In Oxford University Press (4th ed.). Ali, M. S., & Khan, S. (2018). Organizational Capability Readiness Towards Business Intelligence Implementation. International Journal of Business Intelligence Research, 10(1), 42–58. https://doi.org/10.4018/ijbir.2019010103 Ariani, T. R., Tania, K. D., & Indah, D. R. (2016). Penerapan Business Intelligence Pada Sistem Informasi Penjualan Barang PT. WINSA (STUDI KASUS DI PT. WINSA PALEMBANG). Jurnal Sistem Informasi, 103–110. Avinda, M., Tarigan, R. E., & Widjaja, A. E. (2017). Aplikasi Business Intelligence pada Proyek Indonesia WIFI PT . PINS Indonesia Sistem Informasi dan Teknologi Informasi Evaluasi Aplikasi Business Intelligence pada Proyek Indonesia WIFI PT . PINS Indonesia. Prosiding Seminar Nasional SISFOTEK, 3584(September), 1–6. Delen, D., Moscato, G., & Toma, I. L. (2018). The impact of real-time business intelligence and advanced analytics on the behaviour of business decision makers. 2018 International Conference on Information Management and Processing, ICIMP 2018, 2018-Janua, 49–53. https://doi.org/10.1109/ICIMP1.2018.8325840 Eder, F., & Koch, S. (2018). Critical success factors for the implementation of business intelligence systems. International Journal of Business Intelligence Research, 9(2), 27–46. https://doi.org/10.4018/IJBIR.2018070102 Fischer, T. C. (2018). Technology in its context – A literature review of the macro and micro levels of business intelligence. International Journal of Business Intelligence and Data Mining, 13(1–3), 347–368. https://doi.org/10.1504/IJBIDM.2017.10008076 Garg, P., & Khurana, R. (2017). Applying structural equation model to study the critical risks in ERP implementation in Indian retail. International Journal of Management Concepts and Philosophy, 24(1), 143–162. https://doi.org/10.1108/BIJ-12-2015-0122 Gawin, B., & Marcinkowski, B. (2017). Business Intelligence in Facility Management: Determinants and Benchmarking Scenarios for Improving Energy Efficiency. Information Systems Management, 34(4), 347–358. https://doi.org/10.1080/10580530.2017.1366219 Jin, D. H., & Kim, H. J. (2018). Integrated understanding of big data, big data analysis, and business intelligence: A case study of logistics. Sustainability (Switzerland), 10(10). https://doi.org/10.3390/su10103778 Muntean, M. (2018). Business intelligence issues for sustainability projects. Sustainability (Switzerland), 10(2). https://doi.org/10.3390/su10020335 Narra, J. M., Bein, D., & Popa, V. (2018). for Insurance Cross Selling. Information Technology – New Generations, Advances in Intelligent Systems and Computing. https://doi.org/https://doi.org/10.1007/978-3-319-77028-4_56 Nasab, S. S., Jaryani, F., Selamat, H. Bin, & Masrom, M. (2017). Critical success factors for business intelligence system implementation in public sector organisation. International Journal of Information Systems and Change Management, 9(1), 22–43. https://doi.org/10.1504/IJISCM.2017.086210 Olszak, C. M. (2016). Toward Better Understanding and Use of Business Intelligence in Organizations. Information Systems Management, 33(2), 105–123. https://doi.org/10.1080/10580530.2016.1155946 Petermann, A., & Junghanns, M. (2016). Scalable business intelligence with graph collections. It - Information Technology, 58(4), 166–175. https://doi.org/10.1515/itit-2016-0006 Pratama, R., & Najib, W. (2016). Pengembangan Business Intelligence Dashboard Untuk Mendukung Strategi Pemasaran Pada Usaha Online Food. Konferensi Nasional Teknologi Informasi Dan Komunikasi (KNASTIK 2016), (November). Rezkiani, Indrajit, R. E., & Fauzy, M. (2017). Implementasi konsep bussiness intelligence dalam strategi pemasaran public training pada PT.ZIGOT MEDIATAMA. Prosiding Seminar Nasional Sains Dan Teknologi Fakultas Teknik Universitas Muhammadiyah Jakarta, (November), 1–9. Rikhardsson, P., & Yigitbasioglu, O. (2018). Business intelligence & analytics in management accounting research: Status and future focus. International Journal of Accounting Information Systems, 29(March), 37–58. https://doi.org/10.1016/j.accinf.2018.03.001 Rivas, A., Mart, J. J., Prieto, J., & Gonz, A. (2018). for Industry 4 . 0. 2018 First International Conference on Artificial Intelligence for Industries (AI4I), 1, 537–548. https://doi.org/10.1007/978-3-319-95204-8 Sluijter, J., & Otten, M. (2017). Business intelligence (BI) for personalized student dashboards. ACM International Conference Proceeding Series, 562–563. https://doi.org/10.1145/3027385.3029458 sugiyono. (2014). Metode penelitian. Metode Penelitian. Sun, Z., Sun, L., & Strang, K. (2018). Big Data Analytics Services for Enhancing Business Intelligence. Journal of Computer Information Systems, 58(2), 162–169. https://doi.org/10.1080/08874417.2016.1220239 Suwarni, Isa, S. M., Susena, K. C., Nugroho, E. C., Girsang, A. S., & Gunarso, D. Y. (2019). Business Intelligence for Analyzing Department Unit Performance in eProcurement System. 2018 International Conference on Orange Technologies, ICOT 2018, 1–4. https://doi.org/10.1109/ICOT.2018.8705817 Vallurupalli, V., & Bose, I. (2018). Business intelligence for performance measurement: A case based analysis. Decision Support Systems, 111(2017), 72–85. https://doi.org/10.1016/j.dss.2018.05.002 Visinescu, L. L., Jones, M. C., & Sidorova, A. (2017). Improving decision quality: The role of business intelligence. Journal of Computer Information Systems, 57(1), 58–66. https://doi.org/10.1080/08874417.2016.1181494 Wani, M. A., & Jabin, S. (2018). Big data: Issues, challenges, and techniques in business intelligence. Advances in Intelligent Systems and Computing, 654, 613–628. https://doi.org/10.1007/978-981-10-6620-7_59

Adithama1, S.P., Wisnubhadra, I. & Sinaga, B. L. , “Analisis Dan Desain Real-Time Business Intelligence Untuk Subjek Kegiatan Akademik Pada Universitas Menggunakan Change Data Capture”, Seminar Nasional Teknologi Informasi dan Komunikasi 2013 (SENTIKA 2013), Yogyakarta, 9 Maret 2013

Baars, Henning, & Kemper, Hans-George, 2008, “Management Support with Structured and Unstructured Data—An Integrated Business Intelligence Framework”, Information Systems Management, 25:2, 132-148, United Kingdom, Taylor& Francis

Ependi, Usman, 2012, “Pengembangan E-Trace Alumni Dengan Menggunakan Pendekatan Metode Agile”, Seminar Nasional Informatika 2012 (semnasIF 2012)


Harijanto, B. & Budiprasetyo, G., Perancangan Aplikasi Business Intelligence Hasil Proses Belajar Mengajar (Studi Kasus Program Studi Manajemen Informatika)”Jurnal ELTEK, Vol 11 No 01, April 2013

Hasan, 2009, “Action Research : Desain Penelitian Integratif Untuk Mengatasi Permasalahan Masyarakat”, AKSES: Jurnal Ekonomi dan Bisnis, Vol. 4 No. 8, Oktober 2009,

Jogiyanto HM., 2005, Analisis dan Disain Informasi: Pendekatan Terstruktur Teori dan Praktek Aplikasi Bisnis, Yogyakarta, Andi Offset.

Manjunath, T. N., Ravindra S. Hegadi, Umesh I. M. & 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

Mcleod, Raymond, Jr.& George P. Schell, 2007, Sistem Informasi Manajemen, edisi ke-9, Jakarta, PT. Indeks,

Moss, L. & Atre, S., 2003, Business Intelligence Roadmap – The complete project lifecycle for decision-support applications, Boston, Pearson Education.

Ponniah, Paulraj, 2001, Data Warehousing Fundamentals, New York, John Wiley and Sons.

Pressman, Roger S, 2010, Software Engineering : a Practitioner’s Approach— 7th ed, New York, McGraw-Hill

Rainardi, Vincent, 2008, Building a data warehouse : with examples in SQL server, New York, Apress.

Ranjan, Jayanthi, 2009, “Business Intelligence: Concepts, Components, Techniques And Benefits”, Journal of Theoretical and Applied Information Technology, Vol 9 No 1 : 060-070.


Stackowiak, R., Rayman, J. and Greenwald, R., 2007, Oracle Data Warehousing and Business Intelligence Solutions, Indianapolis, Wiley Publishing, Inc,.

Syafei, Henderi & Winarko, Edi, 2013, “Rancangan Framework Business Intelligence Pada Perguruan Tinggi”, Seminar Nasional Matematika dan Aplikasinya 2013


Tarhan, Ayca & Yilmaz, SG, 2013, “Systematic analyses and comparison of development performanceand product quality of Incremental Process and Agile Process”, Information and Software Technology 56 (2014) 477–494

Vercellis, Carlo, 2009, Business Intelligent : Data Mining and Optimization for Decision Making, United Kingdom, John wiley & Sons.


Warnars, Spits, 2008, “Rancangan Infrastruktur E-Bisnis Business Intelligence Pada Perguruan Tinggi”, TELKOMNIKA, Vol. 6, No. 2, Agustus 2008 ISSN: 1693-6930

Contributors

Diansugiarto

Diperoleh dari "https://widuri.raharja.info/index.php?title=Tesis_dian_sugiarto&oldid=349635"