⏳UAS

---

Mata Kuliah: Datawarehouse   Dosen: Vit Zuraida, S.Kom., M.Kom Endah Septa Sintiya, S.Pd., M.Kom. Vipkas Al Hadid Firdaus, S.T., M.T   Waktu: 60 menit  Prodi/Kelas: D4 Sistem Informasi Bisnis / SIB 2A-2G   Sifat: Praktikum (Non PBL)

---

1. Cari Studi Kasus Pengelolaan Data

• Cari studi kasus pengelolaan data dalam konteks perusahaan atau organisasi pada sumber data publik online, misalnya Kaggle, data.gov, atau repositori data dummy.

• Pilih minimal 4 kasus sebagai berikut:

  • Data Karyawan – atribut seperti ID karyawan, nama, jabatan, departemen, gaji, tanggal masuk, dll.

  • Data Penjualan – atribut seperti ID transaksi, tanggal, produk, jumlah, harga, pelanggan, dll.

  • Data Inventaris – atribut seperti ID barang, nama barang, kategori, jumlah stok, lokasi gudang, dll.

  • Data Pelanggan – atribut seperti ID pelanggan, nama, alamat, histori pembelian, kategori pelanggan, dll.

• Pastikan data dummy yang dipilih tersedia, lengkap, dan dapat digunakan untuk pembangunan proyek ETL dan data warehouse.

2. Pilih Studi Kasus yang Memenuhi Kriteria

• Pilih satu studi kasus yang paling lengkap dan sesuai untuk kebutuhan analisis ETL dan desain data warehouse.

• Pastikan data mudah diakses dan digunakan secara legal untuk proyek.

3. Ambil Data Dummy dari Studi Kasus Terpilih

• Download atau akses data dummy tersebut.

• Periksa format data (CSV, JSON, Excel, dsb) dan atribut yang tersedia.

4. Rancang Skema Bintang (Star Schema) untuk Data Warehouse

• Tentukan tabel fakta dan tabel dimensi berdasarkan data studi kasus.

• Contoh untuk kasus data karyawan:

  • Tabel Fakta: Fact_Penggajian (atribut: gaji, bonus, tanggal pembayaran, id_karyawan, id_departemen, dll)

  • Tabel Dimensi:

    • Dim_Karyawan (id_karyawan, nama, tanggal_lahir, jenis_kelamin, status_kerja, dll)

    • Dim_Departemen (id_departemen, nama_departemen, lokasi)

    • Dim_Jabatan (id_jabatan, nama_jabatan, level)

    • Dim_Waktu (id_waktu, tanggal, bulan, tahun)

• Untuk kasus lain, sesuaikan skema, misal:

  • Data Penjualan: Fact_Penjualan, Dim_Produk, Dim_Pelanggan, Dim_Waktu

  • Data Inventaris: Fact_Stok, Dim_Barang, Dim_Gudang, Dim_Waktu

• Tentukan relasi antar tabel melalui foreign key.

5. Rancang Proyek ETL Berdasarkan Skema Bintang

• Buat pipeline ETL yang terdiri dari:

  • Extract: Mengambil data dari sumber data dummy (file CSV, database, API, dsb).

  • Transform: Membersihkan data, mengubah format data, konversi tipe data, agregasi, dan transformasi lainnya sesuai kebutuhan.

  • Load: Memasukkan data yang sudah bersih dan siap ke dalam tabel fakta dan dimensi di data warehouse.

6. Jelaskan Langkah-Langkah Proses ETL

• Extract: Membaca data dummy dari sumber, misalnya membaca file CSV berisi data karyawan atau data lain.

• Transform: Melakukan pembersihan data seperti memperbaiki format tanggal, normalisasi nama atau kategori, menghapus data duplikat, menyesuaikan struktur data sesuai skema star schema.

• Load: Memasukkan data ke tabel fakta dan dimensi dengan memperhatikan integritas data, kunci primer, dan relasi antar tabel.

7. Buat Laporan/Dokumentasi Proyek ETL

• Jelaskan seluruh proses pembangunan proyek ETL mulai dari pengambilan data dummy, perancangan skema, implementasi pipeline ETL.

• Jelaskan hasil yang diperoleh, misalnya data yang sudah terstruktur di data warehouse dan contoh hasil query atau dashboard.

• Analisis KPI (Key Performance Indicators) seperti:

  • Waktu proses ETL

  • Konsistensi dan kualitas data

  • Akurasi dan kelengkapan data dalam warehouse

8. Pengumpulan: Kumpulkan semua file proyek di repository GitHub kelas masing-masing, dengan folder terpisah per individu. Sertakan file dengan ekstensi .etl yang berisi pipeline ETL dan laporan dalam format PDF sebagai dokumentasi.