Modernisasi Data Warehouse Berbasis Cloud Untuk Standar Kebutuhan Business Intelligence Skala Mikro
DOI:
https://doi.org/10.36423/index.v6i2.2024Abstract
Penelitian ini mengeksplorasi modernisasi Data Warehouse (DWH) berbasis cloud untuk memenuhi kebutuhan Business Intelligence (BI) di tingkat skala mikro. Teknologi cloud sebagai solusi untuk modernisasi DWH, yang memungkinkan perusahaan skala mikro untuk menggunakan BI dengan lebih efektif. Pendekatan berbasis cloud memberikan fleksibilitas, skalabilitas, dan aksesibilitas yang diperlukan untuk mengelola dan menganalisis data dengan lebih baik. Penelitian ini merinci langkah-langkah strategis dalam merancang, menerapkan, dan mengelola DWH berbasis cloud serta mengintegrasikannya dengan alat BI yang tepat. Metode yang digunakan dalam penelitian ini adalah metode Nine Step Kimball. Hasil penelitian ini adalah pengembangan memodernisasi DWH melalui teknologi cloud. Dengan mengadopsi solusi ini, UMKM dapat meningkatkan aksesibilitas data, efisiensi operasional, dan kemampuan mereka dalam menghasilkan wawasan BI yang berharga. Hal ini membantu untuk tetap kompetitif di pasar yang berubah-ubah dan membuat keputusan bisnis yang lebih cerdas demi pertumbuhan yang berkelanjutanReferences
A. Priyatna, “Implementasi Sistem Penunjang Keputusan Menggunakan Business Intelligence Untuk UMKM Di Gunung Putri Kab. Bogor,” Jurnal Khatulistiwa Informatika, vol. 7, no. 1, pp. 7–12, 2019, doi: 10.31294/jki.v7i1.5737.
O. Herdiana, S. S. Maesaroh, and A. F. Nazya, “Perencanaan Business Intelligence untuk Strategi Pengembangan Produk Unggulan UMKM,” Jurnal Teknologi Informatika dan Komputer, vol. 8, no. 2, pp. 101–109, 2022, doi: 10.37012/jtik.v8i2.1142.
S. Wahono and H. Ali, “Peranan Data Warehouse, Software Dan Brainware Terhadap Pengambilan Keputusan (Literature Review Executive Support Sistem for Business),” Jurnal Ekonomi Manajemen Sistem Informasi, vol. 3, no. 2, pp. 225–239, Dec. 2021, doi: 10.31933/jemsi.v3i2.781.
R. Ari Setyawan, E. Prasetyo, and A. S. Girsang, “Design and Implementation Data Warehouse in Insurance Company,” J Phys Conf Ser, vol. 1175, no. 1, 2019, doi: 10.1088/1742-6596/1175/1/012072.
I. G. W. Darma, K. S. Utami, and N. W. S. Aryani, “Data Warehouse Analysis to Support UMKM Decisions using the Nine-step Kimball Method,” International Journal of Engineering and Emerging Technology, vol. 4, no. 1, pp. 1–5, 2019.
P. Rahardiyanto and M. Rizky Wahyudi, “Perancangan Data Warehouse Akademik Stmik Yadika Bangil Untuk Pelaporan Kinerja Perguruan Tinggi,” Jurnal SPIRIT, vol. 12, no. 2, pp. 1–6, 2020, [Online]. Available: http://jurnal.stmik-yadika.ac.id/index.php/spirit/article/view/177
A. Nambiar and D. Mundra, “An Overview of Data Warehouse and Data Lake in Modern Enterprise Data Management,” Big Data and Cognitive Computing, vol. 6, no. 4, p. 132, Nov. 2022, doi: 10.3390/bdcc6040132.
A. Rahman, Ermatita, and D. Budianta, “Data Warehouse Design for Soil Nutrients with IoT Based Data Sources,” Proceedings - 1st International Conference on Informatics, Multimedia, Cyber and Information System, ICIMCIS 2019, pp. 181–186, 2019, doi: 10.1109/ICIMCIS48181.2019.8985209.
P. P. Ramadhani, S. Hadi, and R. Rosadi, “Implementation of Data Warehouse in Making Business Intelligence Dashboard Development Using PostgreSQL Database and Kimball Lifecycle Method,” in 2021 International Conference on Artificial Intelligence and Big Data Analytics, ICAIBDA 2021, IEEE, Oct. 2021, pp. 88–92. doi: 10.1109/ICAIBDA53487.2021.9689697.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 rudi hartono, Teguh Ikhlas Ramadhan, Salsabila Dewi Nugrah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
