Hargadaging sapi segar juga kembali naik selama sebulan dengan harga daging knuckle di Pasar Modern di Jakarta Barat sebesar Rp 170.000 per kg naik dari Rp 160.000 bulan lalu. Harga daging kerbau beku India (IBM) juga sempat naik ke level rekor dengan harga di akhir April sebesar Rp 129.000 per kilo dibanding akhir Maret sebesar Rp 98.500. Sementaraitu, harga rata-rata minyak goreng kemasan bermerek 1 mencapai Rp 19.950. 4. Daging Sapi. Selain minyak goreng, harga daging sapi di pasar tradisional juga mengalami lonjakan yang cukup signifikkan. Baru-baru ini, harga daging sampai sudah menyentuh angka Rp 130 ribu per kilogram. Lainlagi dengan Pontianak yang saat ini mengalami kenaikan harga daging babi. Menurut Kepala Dinas Pangan, Peternakan, dan Kesehatan Hewan Provinsi Kalimantan Barat, Abdul Manaf, saat ini harga daging babi naik karena stok daging babi siap potong berkurang. “Untuk kenaikan harga daging babi ini sudah terjadi beberapa bulan lalu, di mana Sumberilustrasi: PEXELS/Stevepb. Harga sejumlah bahan pangan pokok makin mengalami kenaikan memasuki dua pekan menjelang bulan Ramadhan. Berdasarkan laporan dari berbagai daerah di Tanah Air, kenaikan signifikan terjadi pada komoditas bawang,telor dan daging ayam. Ketika harga kebutuhan pokok itu naik cukup tinggi, sebagian besar warga Sedangkanpay back period kredit selama 4 tahun 8 bulan (tabel 5.10) Pada skenario III pada saat terjadi penurunan pendapatan sekaligus kenaikan, biaya operasional maslng-masing sebesar 1,5%, proyek ini masih layak dibayar dengan net SIC sebesar 1,37, NPV sebesar Rp.138.329.306,IR~ ~5,91 % dan lama pengembalian kredit selama 4 tahun 7 bulan. 7fal2j3. Kompas TV bisnis ekonomi dan bisnis Rabu, 2 Februari 2022 1602 WIB Kenaikan harga daging ayam Ras, ikan segar, dan beras menjadi penyumbang utama inflasi Januari 2022 sebesar 0,56 persen. Sumber JAKARTA, Badan Pusat Statistik BPS menyatakan, inflasi pada Januari 2022 mencapai 0,65 persen, dibanding Desember 2021 yang sebesar 0,57 persen. Sedangkan inflasi secara tahunan, inflasi Januari 2022 sebesar 2,18 persen. Lebih tinggi dari inflasi Januari 2021 dan Januari 2020. "Secara tahunan, inflasi Januari 2022 ini merupakan angka tertinggi sejak Mei 2020 dimana saat itu terjadi inflasi 2,19 persen," kata Kepala BPS Margo Yuwono dalam konferensi pers virtual, Rabu 2/2/2022. "Kelompok makanan, minuman dan tembakau memberikan andil inflasi pada Januari sebesar 0,30 persen dengan inflasi mencapai 1,17 persen," tambahnya. Margo menyampaikan, 3 komoditas yang memberikan andil inflasi dalam kelompok bahan makanan adalah daging ayam ras dengan andil 0,07 persen, ikan segar 0,06 persen dan beras 0,03 persen. Kelompok lainnya yang ikut menyumbang andil besar dalam inflasi Januari adalah perumahan, air, listrik dan bahan bakar rumah tangga yang menyumbang andil 0,10 persen dengan inflasi 0,51 persen. Baca Juga Kemendag Sebut Penimbun Minyak Goreng akan Rugi Sendiri "Dari kelompok di atas, komponen yang memberikan andil terbesar adalah bahan bakar rumah tangga sebesar 0,06 persen karena adanya kenaikan harga elpiji non subsidi," ujar Margo. Sedangkan kelompok yang memberikan andil deflasi pada bulan Januari adalah informasi, komunikasi dan jasa keuangan yang memberikan andil 0,01 persen. "Kelompok informasi, komunikasi dan jasa keuangan memberikan andil deflasi karena adanya penurunan biaya administrasi transfer uang dengan andil 0,01 persen," ujarnya. Baca Juga Beredar Kabar Garuda Temui Kemnaker Soal PHK Karyawan, Dirut Belum Ada Agenda Dari survei Indeks Harga Konsumen IHK, tercatat 85 kota menyumbang inflasi dan hanya 5 kota yang mengalami deflasi. Inflasi tertinggi terjadi di Sibolga sebesar 1,53 persen dan terendah di Manokwari 0,02 persen. Sementata deflasi tertinggi terjadi di Kotamobagu 0,66 persen dan terendah di Jayapura 0,04 persen. "Penyebab inflasi tinggi di Sibolga, karena adanya andil kenaikan harga ayam ras 0,16 persen, diikuti ikan serai juga 0,16 persen dan ikan tongkol 0,14 persen," tutur Margo. Sumber BERITA LAINNYA In December 2021, the chicken price peaked at $ per kg, gaining 17% from a month earlier. The average annual price is forecast to rise from $ per kg last year to $ per kg in 2022. LOS ANGELES, Jan. 19, 2022 GLOBE NEWSWIRE - According to a recently published report from IndexBox, the average annual chicken price grew by 38% y-o-y to $ per kg in 2021. Rising feed costs combined with high logistical expenditures are pushing meat prices up. Global production remains stable compared to the 2020’s level of approx. 120M tonnes. Although global chicken meat production is projected to rise to 121M tonnes this year, the prices are set to increase, propelled by boosting demand. In 2022, the average annual chicken price is forecast to gain 2% y-o-y to $ per kg. An expected decline in the cattle herd, especially in the EU and the is set to drive the demand for beef substitutes, including poultry. Top Leading Chicken Meat Exporters Worldwide In 2020, chicken meat exported worldwide expanded rapidly to 15M tonnes, surging by compared with the year before. In value terms, supplies contracted to $ Brazil tonnes and the tonnes are the leading suppliers in the global chicken market, reaching approx. 25% and 23% of global exports, respectively. The Netherlands tonnes takes a share based on tonnes, which puts it in second place, followed by Poland 8%. The following exporters - Turkey 517K tonnes, Belgium 503K tonnes, Ukraine 429K tonnes, the UK 411K tonnes, Thailand 344K tonnes, Germany 301K tonnes, Russia 280K tonnes and France 227K tonnes - together make up 20% of the total volume. In value terms, Brazil $ the $ and the Netherlands $ appeared to be the countries with the highest levels of exports in 2020, together comprising 52% of global exports. Poland, Thailand, Belgium, Ukraine, Germany, Turkey, France, Russia and the UK lagged somewhat behind, accounting for a further 30%. Top Leading Chicken Meat Importers Worldwide In 2020, China tonnes, followed by Mexico 767K tonnes, were the largest importers of chicken meat, creating 17% of global imports. The Netherlands 542K tonnes, Japan 535K tonnes, Germany 515K tonnes, the United Arab Emirates 480K tonnes, Hong Kong SAR 462K tonnes, South Africa 460K tonnes, Iraq 429K tonnes, France 387K tonnes, the UK 377K tonnes, the Philippines 315K tonnes and Cuba 267K tonnes occupied a relatively small share of total international purchases. In value terms, China $ constitutes the largest market for imported chicken meat worldwide, comprising 16% of global imports. The UK's second position in the ranking was $ with a share of total purchases. It was followed by Germany, with a share. About IndexBox IndexBox is a market research firm developing an AI-driven market intelligence platform that helps business analysts find actionable insights and make data-driven decisions. The platform provides data on consumption, production, trade, and prices for more than 10K+ different products across 200 countries. For more information, please visit Website Twitter YouTube LinkedIn Companies Mentioned in the Report Tyson Foods, Cargill, Sysco, Pilgrim’s, Hormel, Perdue Farms, OSI Group, Koch Foods, Wayne Farms, Mountaire Farms, Keystone Foods, Peco Foods, House of Raeford Farms, Sanderson Farms, Perdue Foods, LDC, Plukon Food Group, PHW Group, Agricola Italiana Alimentare, 2 Sisters Food Group, SV Industries, Maspack Limited Sources World - Chicken Meat - Market Analysis, Forecast, Size, Trends and Insights World – Meat and Poultry - Market Analysis, Forecast, Size, Trends and Insights World – Beef Cattle Meat - Market Analysis, Forecast, Size, Trends and Insights World - Frozen Whole Chickens - Market Analysis, Forecast, Size, Trends and Insights World - Fresh or Chilled Cuts of Chicken - Market Analysis, Forecast, Size, Trends and Insights JAKARTA, - Organisasi Pangan dan Pertanian Perserikatan Bangsa-Bangsa FAO PBB mencatat, harga pangan dunia terus mengalami kenaikkan, bahkan saat ini telah mencapai level tertinggi selama lebih dari 10 tahun terakhir. Berdasarkan data FAO, harga pangan menguat sebesar 3 persen pada Oktober 2021, dari bulan sebelumnya. Kenaikan ini merupakan ketiga kalinya secara berturut-turut. Dengan kenaikan tersebut, harga pangan telah menguat lebih dari 30 persen dalam kurun waktu setahun terakhir. Ini membuat harga pangan dunia berada di level tertinggi sejak Juli juga Harga Pangan Akhir Pekan Cabai Rawit Hijau Naik Paling Tinggi Dilansir dari CNN, Senin 8/11/2021, lonjakan harga terjadi di berbagai jenis pangan. Meningkatnya harga komoditas pangan tidak terlepas dari meningkatnya permintaan global, diiringi dengan pelemahan produksi. Gandum menjadi komoditas serealia yang mengalami kenaikan harga paling tinggi. Secara bulanan, harga gandum naik 5 persen pada Oktober 2021, seiring dengan menurunnya produksi negara-negara eksportir seperti Kanada, Rusia, dan Amerika Serikat. Sementara itu, untuk komoditas sayur-sayuran, lonjakan harga tertinggi terjadi pada kelapa sawit, kacang kedelai, dan biji bunga matahari. Komoditas-komoditas itu mendongkrak harga sayur-sayuran sebesar 9,6 kurangnya tenaga kerja di Malaysia membuat produksi minyak kelapa sawit menurun, sehingga mengkerek harga komoditas tersebut. "Lonjakan permintaan dunia juga terjadi di berbagai komoditas, seperti susu bubuk, unggas, minyak sayur, dan barley," tulis FAO. Lebih lanjut FAO menyatakan, bukan hanya penurunan produksi dan lonjakan permintaan, cuaca ekstrem, kurangnya tenaga kerja, hingga meningkatnya biaya turut mendorong harga pangan dunia. Meskipun demikian, FAO mencatat adanya sejumlah komoditas pangan yang mengalami penurunan harga. Harga komoditas daging tercatat mengalami penurunan selama tiga bulan berturut-turut. Menurunnya permintaan daging babi di China menjadi penyebab utama harga komoditas daging menuruna. Selain itu, harga komoditas gula juga mengalami penurunan pada Oktober. Ini menjadi kali pertama harga gula melemah, setelah enam bulan berturut-turut menguat. Baca juga Kemendag Ungkap Alasan Harga Minyak Goreng Makin Mahal Dapatkan update berita pilihan dan breaking news setiap hari dari Mari bergabung di Grup Telegram " News Update", caranya klik link kemudian join. Anda harus install aplikasi Telegram terlebih dulu di ponsel. JAKARTA – Kementerian Perdagangan mengeluarkan imbauan kepada rumah pemotongan hewan di kawasan Jabodetabek untuk tidak menerima sapi dengan harga di atas per kilogram bobot ini dilakukan agar harga di tingkat konsumen bisa tetap terkendali seiring dengan tren kenaikan komoditas tersebut jelang Lebaran. Direktur Jenderal Perdagangan Dalam Negeri Kemendag Oke Nurwan mengatakan imbauan ini dikeluarkan untuk mendorong keberpihakan pelaku usaha terhadap konsumen. Selain kebijakan pengendalian harga sapi hidup, Oke mengatakan operasi pasar oleh pedagang dan Perum Bulog dengan daging beku juga dilakukan.“Hal ini dimaksudkan untuk mendorong keberpihakan pelaku usaha atas kebutuhan masyarakat menghadapi Lebaran. Untuk pemenuhan juga didukung dengan operasi pasar oleh asosiasi pedagang maupun Bulog,” kata Oke ketika dihubungi, Selasa 11/5/2021. Harga rata-rata daging sapi secara nasional berada di level per kilogram menurut data Sistem Pemantauan Pasar dan Kebutuhan Pokok Kementerian Perdagangan SP2KP.Harga tersebut naik 6,20 persen dibandingkan dengan bulan lalu dan 4,33 persen lebih tinggi dibandingkan harga sepekan lalu ketika masih berada di level per kilogram. Baca JugaHarga Cabe, Daging Ayam, dan Sapi Melonjak di Jakarta Jelang Lebaran Importir Harga Pangan Dunia Terus Naik, Impor Mulai Terbatas Harga Daging Sapi di Palembang Perkilogram Harga terendah terpantau berada di Provinsi Bali dengan rata-rata harga penjualan daging sapi per kg. Sementara harga tertinggi berada di Provinsi Aceh yakni per kg dan harga rata-rata di Provinsi DKI Jakarta adalah per kg.“Untuk Aceh memang ada preferensi masyarakat yang lebih memilih sapi lokal,” kata Oke menjelaskan kondisi harga di Aceh yang jauh lebih harga rata-rata telah berada di atas harga acuan penjualan per kg sampai per kg sebagaimana tertuang dalam Permendag No. 7/2020, Oke mengatakan harga secara nasional terkendali.“Di DKI dan Bodetabek harga juga sangat bervariasi. Banyak yang memanfaatkan momentum menjelang Lebaran. Namun rata-rata nasional harga terkendali, tinggal variasi di tingkat lokal,” juga menjelaskan kenaikan harga daging turut dipengaruhi oleh kurang diminatinya bagian jeroan sapi pada momen Lebaran. Sebagai kompensasi, pedagang memilih menaikkan harga daging sapi untuk menutup menurunnya penjualan jeroan.“Jeroan tidak diminati masyarakat ketika Lebaran sehingga dikompensasi ke harga daging,” kata memperkirakan harga daging sapi bisa mulai turun pada semester kedua. Perbaikan populasi sapi di Australia, sebagai pemasok sapi bakalan dan daging beku ke Indonesia, diharapkan dapat mulai menurunkan harga di level importir. Cek Berita dan Artikel yang lain di Google News Editor Amanda Kusumawardhani Konten Premium Nikmati Konten Premium Untuk Informasi Yang Lebih Dalam UD. Giri Sari sebagai salah satu distributor ayam mentah utuh di kota Denpasar, Bali yang mendistribusikan ayam mentah ke banyak konsumen mulai dari konsumen harian hingga industri rantai makanan besar, hingga saat ini belum memiliki sistem berbasis data untuk memudahkan mereka dalam menganalisis data. dan menyederhanakan laporan bisnis mereka. Penelitian ini bertujuan untuk memberikan solusi yang diusulkan berupa perancangan dan implementasi terkait data distributor stok ayam utuh mentah selama tiga bulan, untuk memudahkan pengukuran distribusi penyediaan stok semua jenis bagian dan stok ayam. Metode penelitian yang digunakan adalah menggunakan pendekatan perancangan data warehouse mulai dari pengumpulan data, alur penelitian dan perancangan desain data warehouse serta penerapan kaidah-kaidah pembuatan data multidimensi. Implementasinya menggunakan aplikasi open-source Talend Data-Integration dan Tableau untuk membuat integrasi data di semua jenis file dan menghasilkan laporan untuk dianalisis. Data dibuat dalam bentuk desain dua dimensi dan multi dimensi untuk memudahkan penerapan desain data warehouse yang telah dibuat. Hasil yang diperoleh nanti sesuai dengan tujuan penelitian yaitu integrasi data pejualan yang disertai dengan penyimpanan data ke dalam sebuah data warehouse, Analisa data penjualan, dan pembuatan report dari data yang ada. Penelitian ini tentunya akan sangat membantu UD. Giri Sari dalam menyelesaikan kendala penyimpanan data, analisa data, dan pembuatan report. Discover the world's research25+ million members160+ million publication billion citationsJoin for free 1 ANALISIS HASIL PENJUALAN DAGING AYAM SELAMA 3 BULAN DENGAN UTILISASI DATA WAREHOUSE I Putu Agus Eka Pratama 1, I Wayan Wahyu Ivan Mahendra Jaya 2 1Fakultas Teknik, Universitas Udayana email wahyuivan Abstrak UD. Giri Sari sebagai salah satu distributor ayam mentah utuh di kota Denpasar, Bali yang mendistribusikan ayam mentah ke banyak konsumen mulai dari konsumen harian hingga industri rantai makanan besar, hingga saat ini belum memiliki sistem berbasis data untuk memudahkan mereka dalam menganalisis data. dan menyederhanakan laporan bisnis mereka. Penelitian ini bertujuan untuk memberikan solusi yang diusulkan berupa perancangan dan implementasi terkait data distributor stok ayam utuh mentah selama tiga bulan, untuk memudahkan pengukuran distribusi penyediaan stok semua jenis bagian dan stok ayam. Metode penelitian yang digunakan adalah menggunakan pendekatan perancangan data warehouse mulai dari pengumpulan data, alur penelitian dan perancangan desain data warehouse serta penerapan kaidah-kaidah pembuatan data multidimensi. Implementasinya menggunakan aplikasi open-source Talend Data-Integration dan Tableau untuk membuat integrasi data di semua jenis file dan menghasilkan laporan untuk dianalisis. Data dibuat dalam bentuk desain dua dimensi dan multi dimensi untuk memudahkan penerapan desain data warehouse yang telah dibuat. Hasil yang diperoleh nanti sesuai dengan tujuan penelitian yaitu integrasi data pejualan yang disertai dengan penyimpanan data ke dalam sebuah data warehouse, Analisa data penjualan, dan pembuatan report dari data yang ada. Penelitian ini tentunya akan sangat membantu UD. Giri Sari dalam menyelesaikan kendala penyimpanan data, analisa data, dan pembuatan report. Kata Kunci analisis, report bisnis, data warehouse, data multi-dimensional, talend Abstract UD. Giri Sari as one of the raw whole chicken distributor in the city of Denpasar, Bali that distribute raw chicken to many consumen ranging from daily consumen to huge food chain industry, until now does not yet have a data-based system to facilitate them analyzing data and simplify their business reports. This study aims to provide proposed solutions in the form of design and implementation related to raw whole chicken stock distributor data for three month, to make it easier to measure the stockpilling distribution of all types of chicken parts and stocks. The research method used is to use a data warehouse design approach starting from data collection, research flow and designing data warehouse designs as well as applying the principles of making multidimensional data. The implementation uses the open-source Talend Data-Integration and Tableau application to create data integration across all type of file and generate reports for analysis. Data is created in a form of two-dimensional and multi-dimensional design to facilitate the application of data warehouse design that has been created. The results obtained are in accordance with the research objectives, namely the integration of sales data accompanied by data storage into a data warehouse, analysis of sales data, and generating report from existing data. This research will certainly help UD. Giri Sari in solving the difficulties of data storage, data analysis, and report generating. Keywords analysis, business report, data warehouse, multi-dimensional data, talend 1. PENDAHULUAN UD. Giri Sari merupakan sebuah usaha rumah pemotongan ayam yang menjual dan menyuplai berbagai jenis daging ayam yang berlokasi di Bali tepatnya di Tohpati. Di balik besarnya perusahaan ini sebenarnya terdapat beberapa kendala terutama dalam hal penyimpanan data penjualan serta masalah analisa data penjualan yang ada dan pembuatan report. Pesatnya perkembangan penyimpanan data digital saat ini tentu dapat memudahkan UD. Giri Sari dalam menyimpan informasi 2 usaha dalam jumlah yang besar ke suatu sistem Data Warehouse. Pengimplementasian Data Warehouse pada perusahaan ini diharapkan akan berperan cukup penting dan memudahkan segala urusan penyimpanan data, yang mana cara menyimpanan data yang semula masih dikerjakan secara konvensional, kini dapat dikerjakan dengan efisien dan aman serta mudah. Atas pertimbangan di atas, penulis ingin melakukan sebuah penelitian dengan mengimplementasikan Data Warehouse pada UD. Giri Sari. Penelitian ini bertujuan untuk memperoleh informasi berdasarkan data penjualan yang diberikan dan memberikan masukan kepada pengelola UD. Giri Sari khususnya mengenai penyimpanan data penjualan, jenis ayam dan bagian ayam yang paling sering dibeli dan di bulan apa pembelian tertinggi terjadi agar pihak UD. Giri Sari dapat mempertimbangkan stock ayam mereka. 2. METODE PENELITIAN Penelitian dilakukan melalui beberapa tahapan seperti pengumpulan data dari perusahaan yang dijadikan studi kasus, flowchart penelitian, dan rancangan desain Data Warehouse. a Pengumpulan Data Pengumpulan data yang diperlukan untuk penelitian dilakukan dengan cara meminta langsung ke perusahaan melalui pemiliknya langsung yaitu Ibu Wayan Supeni disertai menjelaskan kepada beliau maksud dan tujuan dari permohonan permintaan data penjualan selama 3 bulan terakhir di tahun 2020 yaitu untuk kebutuhan analisa dan perancangan Data Warehouse. Data yang diberikan oleh pemilik adalah berupa data dalam format .XLSX dan masih dalam keadaan kurang rapi sehingga dibutuhkan proses konversi ke format yang lebih fleksibel yaitu konversi ke dalam format .CSV. b Flowchart Penelitian Flowchart atau diagram alir penelitian yang dilakukan oleh penulis dapat dilihat pada Gambar 1. Gambar 1 Flowchart Penelitian Gambar 1 merupakan flowchart atau diagram alir penelirian yang memberikan gambaran dan informasi serta proses bagaimana tahapan dari penelitian yang dilakukan di paper ini. Tahapan penelitian dimulai mendapatkan data penjualan ayam dari bulan Juli-September 2020 namun masih dalam format .XLSX, lalu data penjualan dikonversi secara manual oleh penulis menjadi format .CSV yang lebih bersih dan siap diolah untuk keperluan analisa. Selanjutnya adalah proses perancangan desain data dua dimensi dan desain data multi dimensi untuk memberikan bayangan terhadap data dapat dilihat dari dimensi mana saja yang nantinya juga memudahkan proses selanjutnya. Setelah itu dilanjutkan dengan perancangan desain Data Warehouse yang akan memberikan gambaran tentang proses pembuatan Data Warehouse, lalu dilanjutkan dengan pembentukan Data Warehouse yaitu dengan tahapan ETL Extract, Transform, Load dan OLAP Online Analytical Processing dengan bantuan tools Talend Data-Integration. Setelah semua tahapan dilakukan, 3 selanjutnya adalah proses perancangan report dengan bantuan tools Tableau untuk kemudian menghasilkan keluaran berupa report dalam bentuk grafik batang. c Perancangan Desain Data Warehouse Perancagan desain Data Warehouse berguna untuk memberikan gambaran proses pembuatan Data Warehouse untuk memenuhi kebutuhan analisis. Rancangan desain data warehouse dapat dilihat pada Gambar 2. Gambar 2 Perancangan Desain Data Warehouse Gambar 2 merupakan perancangan desain data warehouse. Sistem Data Warehouse dimulai dari sumber data penjualan ayam selama 3 bulan dalam format .XLSX yang kemudian dikonversi dulu secara manual ke bentuk format .CSV. Data setelah berbentuk .CSV nanti akan berisi detail data penjualan selama 3 bulan. Setelah itu data akan melewati proses ETL untuk disimpan ke dalam Data Warehouse, dan di distribusikan ke dalam Data Marts untuk kemudian dilakukan proses OLAP dan output-nya berupa laporan analisis bagian/part ayam yang paling sering dibeli dan di bulan apa pembelian tertinggi terjadi. 3. HASIL DAN PEMBAHASAN Hasil dan pembahasan dari penelitian yang dilakukan akan dipaparkan secara terperinci sehingga menghasilkan informasi yang mudah dibaca dan mudah dimengerti. Berikut adalah hasil dan pembahasan dari penelitian yang dilakukan. a Desain Data Dua Dimensi Desain data dua dimensi bertujuan membantu memudahkan melakukan analisis umum seperti jumlah penjualan part per bulan. Desain data dua dimensi dapat dilihat pada Gambar 3. Gambar 3 Desain Data Dua Dimensi Gambar 3 merupakan desain data dua dimensi. Gambar diatas menunjukan bahwa data dua dimensi yang dibentuk mengambil bentuk sebuah tabel, dimana pada pembuatan desain diatas mengambil sudut pandang dari dua dimensi berbeda yaitu dimensi part ayam dan dimensi waktu. b Desain Data Multi Dimensi Desain data multi dimensi bertujuan membantu memudahkan melakukan analisis yang lebih detail seperti jumlah penjualan part x dari jenis ayam x pada bulan x. Desain data multi dimensi dapat dilihat pada Gambar 4. Gambar 4 Desain Data Multi Dimensi Gambar 4 merupakan desain data multi dimensi. Gambar diatas menunjukan bahwa data multi dimensi yang dibentuk mengambil bentuk sebuah tabel, dimana pada pembuatan desain diatas mengambil sudut pandang dari empat dimensi berbeda yaitu dimensi jenis ayam, dimensi harga, dimensi part ayam, dan dimensi waktu. c Desain Data Multi Dimensi dalam Bentuk Cube Pembuatan desain data multi dimensi dalam bentuk cube bertujuan untuk memberikan gambaran dimensi data dalam bentuk kubus/cube. Desain data multi dimensi dalam bentuk cube dapat dilihat Gambar 5. Gambar 5 Desain Data Multi Dimensi dalam Bentuk Cube Gambar 5 merupakan desain data multi dimensi dalam bentuk cube. Gambar diatas menunjukan bahwa data multi dimensi yang dibentuk mengambil bentuk sebuah cube, dimana pada pembuatan desain diatas mengambil sudut pandang dari empat dimensi berbeda yaitu dimensi jenis ayam, dimensi harga, dimensi part ayam, dan dimensi waktu. d Relasi Tabel Facts Penjualan Pembuatan relasi tabel facts penjualan bertujuan untuk memberikan gambaran data warehouse dalam bentuk OLAP. Relasi tabel facts penjualan dapat dilihat Gambar 6. Gambar 6 Relasi Tabel Facts Penjualan Gambar 6 merupakan gambar relasi tabel facts penjualan. Gambar diatas memberikan gambaran desain Data Warehouse dalam bentuk OLAP. Facts penjualan membutuhkan empat dimensi yaitu dimensi harga, dimensi waktu, dimensi jenis ayam, dimensi part ayam. tb_dimensi_waktu memiliki kolom kode_dimensi_waktu dan tanggal_pembelian, lalu tb_dimensi_jenis_ayam memiliki kolom kode_jenis_ayam dan nama_ayam, kemudian tb_dimensi_part_ayam memiliki kolom kode_part_ayam dan nama_part,dan yang terakhir tb_dimensi_harga memiliki kolom kode_harga dan harga. e Pembahasan Proses Analisis Pembahasan proses analisis bertujuan untuk menerapkan semua desain dan rancangan yang sudah dibuat ke alur pembuatan Data Warehouse. Proses pertama yang akan dilakukan adalah melakukan ETL Extract, Transform, Load dan OLAP Online Analytic Process menggunakan bantuan tools Talend Data-Integration, untuk kemudian membuat report menggunakan bantuan tools Tableau. Berikut merupakan pembahasan lengkapnya. Gambar 7 Membuat Koneksi ke Database MySQL Menggunakan Talend Data-Integration Gambar 7 merupakan gambar membuat koneksi ke database MySQL menggunakan Talend Data-Integration. Gambar diatas menunjukan bahwa penulis mencoba membuat koneksi ke database MySQL dengan nama database datawarehouse_penjualanayam pada aplikasi Talend Data-Integration untuk melakukan proses integrasi data pada Data Warehouse. • Proses ETL Extract, Transform, Load Gambar 8 Proses ETL Extract, Transform, Load Gambar 8 merupakan proses ETL Extract, Transform, Load dengan sumber data berasal dari file Microsoft Excel dengan format .CSV, lalu akan dibentuk menjadi 4 dimensi yaitu dimensi waktu, dimensi part ayam, dimensi jenis ayam, dan dimensi harga. Semua data yang ada di dalam dimensi akan diinputkan ke dalam database OLTP. Gambar 9 Tabel tb_dimensi_waktu Gambar 9 merupakan tabel diatas menampilkan isi tabel tb_dimensi_waktu pada MySQL dari database OLTP, yang sebelumnya telah dilakukan proses ETL. Gambar 10 Tabel tb_dimensi_part_ayam Gambar 10 merupakan tabel tb_dimensi_part_ayam. Gambar diatas menampilkan isi tabel tb_dimensi_part_ayam pada MySQL dari database OLTP, yang sebelumnya telah dilakukan proses ETL. Gambar 11 Tabel tb_dimensi_jenis_ayam Gambar 11 merupakan tabel diatas menampilkan isi tabel tb_dimensi_jenis_ayam pada MySQL dari database OLTP, yang sebelumnya telah dilakukan proses ETL. Gambar 12 Tabel tb_dimensi_harga Gambar 12 merupakan tabel diatas menampilkan isi tabel tb_dimensi_harga pada MySQL dari database OLTP, yang sebelumnya telah dilakukan proses ETL. 6 • Proses OLAP Online Analytical Process Gambar 13 Proses OLAP Online Analytical Process Gambar 13 merupakan gambar proses OLAP Online Analytical Process. Gambar diatas menunjukan tampilan proses OLAP Online Analytical Processing dengan 4 dimensi yang telah dibuat sebelumnya pada proses ETL diatas. 4 dimensi tersebut yaitu dimensi waktu, dimensi part ayam, dimensi jenis ayam, dan dimensi harga. Hasil dari proses OLAP Online Analytical Processing akan disimpan pada database OLTP dengan nama tabel facts_tabel_penjualan. Gambar 14 Tabel facts_tabel_penjualan Gambar 14 merupakan Tabel facts_tabel_penjualan. Gambar diatas menunjukan hasil dari proses OLAP Online Analtytical Processing yaitu berupa tabel facts_tabel_penjualan. Isi dari table facts_tabel_penjualan berupa kode_jenis_ayam yang berasal dari dimensi jenis ayam, kode_part_ayam berasal dari data dimensi part ayam, kode_dimensi_waktu berasal dari dimensi waktu, kode_harga yang berasal dari dimensi harga dan total_penjualan yang berisikan data total penjualan ayam. Total data yang ada di dalam tabel facts_tabel_penjualan adalah 885 data. • Report Building Gambar 15 Membuat Koneksi ke Database MySQL Menggunakan Tableau Gambar 15 merupakan gambar membuat koneksi ke database MySQL menggunakan Tableau. Gambar diatas menunjukan bahwa penulis mencoba membuat koneksi ke database MySQL dengan nama database datawarehouse_penjualanayam pada tools Tableau untuk melakukan proses report building pada Data Warehouse. Gambar 16 Fitur Report Builder di Tableau Gambar 16 merupakan fitur report builder di Tableau. Setelah membangun koneksi ke database OLTP MySQL, maka tampilan akan berubah seperti diatas. Penggunaan fitur report builder di Tableau sangatlah mudah karena User tinggal melakukan drag and drop dimensi untuk membuat report yang interaktif dan mudah dibaca. Hasil dari report builder dapat dilihat pada Gambar 17 dan 18. Gambar 17 Diagram Batang Report Penjualan Jenis Ayam Tertinggi pada Bulan Tertentu Gambar 17 merupakan diagram batang report penjualan jenis ayam tertinggi pada bulan tertentu. Gambar diatas menunjukan bahwa pada bulan Juli, penjualan Ayam Merah berada di kisaran 873 Kg dan Ayam Potong berada di kisaran 3282 Kg menjadikan Ayam Potong sebagai jenis ayam dengan penjualan tertinggi pada bulan Juli, lalu pada bulan Agustus penjualan Ayam Merah berada di kisaran 1541 Kg dan Ayam Potong berada di kisaran 3860 Kg menjadikan Ayam Potong sebagai jenis ayam dengan penjualan tertinggi pada bulan Agustus, dan pada bulan September penjualan Ayam Merah berada di kisaran 873 Kg dan Ayam Potong berada di kisaran 8632 Kg menjadikan Ayam Potong sebagai jenis ayam dengan penjualan tertinggi pada bulan September, lalu diantara ketiga bulan di atas, penjualan Ayam Potong pada bulan September menjadi penjualan ayam tertinggi di antara ketiga bulan di atas, sehingga pemilik UD. Giri Sari harus memperhitungkan supply Ayam Potong pada bulan September agar dapat memenuhi demand yang ada. Gambar 18 Diagram Batang Report Penjualan Part Ayam Tertinggi Gambar 18 merupakan diagram batang report penjualan part ayam tertinggi. Gambar diatas menunjukan bahwa terdapat 12 part ayam yang dijual dan tentunya tiap part memiliki harga yang variative tergantung jenis ayamnya. Dalam kurun waktu 3 bulan untuk jenis Ayam merah, part dengan penjualan tertingginya adalah part Dada Breast dengan total penjualan sebanyak 652 Kg, lalu untuk jenis Ayam Potong, part dengan penjualan tertingginya adalah Ayam Utuh Whole Chicken dengan total penjualan sebanyak Kg. Pemilik UD. Giri Sari disini harus benar-benar memperhitungkan supply Ayam Potong bagian Ayam Utuhnya Whole Chicken agar dapat memenuhi demand yang cukup besar. 4. KESIMPULAN Mengacu pada hasil penelitian serta penjelasan dan pembahasan di atas, dapat disimpulkan bahwa utilisasi Data Warehouse pada studi kasus perusahaan Daging Ayam UD. Giri Sari sangatlah bermanfaat sehingga diharapkan perusahaan sejenis bisa juga menerapkannya guna memudahkan segala urusan penyimpanan data maupun membuat report. Adapun kesimpulan lainnya yang didapat dari penelitian di atas yaitu sebagai berikut. a Implementasi Data Warehouse pada UD. Giri Sari sangat membantu penyelesaian masalah penyimpanan data penjualan dan analisa serta report building penjualan sehingga melalui paper ini, diharapkan sudah menyelesaikan permasalahan yang dihadapi perusahaan UD. Giri Sari yaitu kendala penyimpanan data penjualan dan susahnya menganalisa data penjualan yang ada serta pembuatan report. b Data Warehouse tidak hanya menjadi sarana penyimpanan data atau gudangnya data, tetapi data warehouse juga dapat digunakan juga sebagai sarana pembuatan suatu laporan analisis data dengan mudah, cepat, dan efisien c Diperlukannya desain Data Warehouse yang efisien, utilisasi data dua dimensi dan multi dimensi serta alur proses ETL dan OLAP yang matang dalam pembuatan suatu Data Warehouse agar Data Warehouse yang di buat sesuai ekspektasi dan tentunya menghasilkan Data Warehouse yang robust 8 d Talend Data-Integration dan Tableau dapat digunakan sebagai salah satu tools yang bermanfaat dalam proses integrasi data dan pembuatan report penjualan jenis ayam tertinggi pada bulan tertentu dan report penjualan part ayam tertinggi 5. REFRENSI Pratama, I. P. A. E. 2018. Handbook Data Warehouse. Bandung. Ahmad, I. 2000. Data Warehousing in Construction Organizations. Construction Congress VI Building Together for a Better Tomorrow in an Increasingly Complex World. Orlando American Society of Civil Engineers. Connolly, T. M., & Begg, C. E. 2005. Database Systems A Practical Approach to Design, Implementation, and Management. Addison Wesley. Inmon, W. H. 2005. Building the Data Warehouse. Indianapolis Wiley. Reddy, G. S., Srinivasu, R., Rao, M. P., & Rikkula, S. R. 2010. Data Warehousing, Data Mining, OLAP and OLTP Technologies are Essential Elements to Support Decision-Making Process in Industries. International Journal on Computer Science and Engineering, 2 9, 2865-2873. Sheta, O. E., & Eldeen, A. N. 2013. The Technology of Using A Data Warehouse to Support Decision-Making in Health Care. International Journal of Database Management Systems, 5 3, 75-86. Suzana, M. 2013. Analisis dan Perancangan Data Warehouse Rumah Sakit Umum Daerah Palembang Bari. Skripsi, Universitas Bina Darma, Program Studi Teknik Informatika. Turban, E., Rainer, R. K., & Potter, R. E. 2005. Introduction to Information Technology. Canada John Wiley & Sons. Nugroho, Didik, 2013, Design of Data Warehouse System to Support the Quality Management of Information Technology Based School; IJCSI. Ramadhan, Hasnur and Soepriadi, Agus, 2011, Studi Kasus Pembangunan Enterprise Data Warehouse/Business Intelligence EDW/BI di Perusahaan Multi Finance Nasional; Seminar Nasional Aplikasi Teknologi Informasi, pp. 95-100. ResearchGate has not been able to resolve any citations for this quality of each school in Indonesia is appraised by the government based on an Accreditation Standard established by the Board of School Accreditation Badan Akreditasi Sekolah. The standard of accreditation system consists of eight standards. There are more than a hundred chapters among those eight standards that must be answered and proved by related documents, and data records. In addition, there are several chapters of criteria that need data measurement of the result of the recording. At present, there have been many schools applying OLTP to record the activity of data recording. However, there have not been many schools that apply the Information Technology for processing the school acreditation. In this research funded by the Board of High Education, the researchers would like to make a management system of data warehouse so that the data from OLTP can be loaded into the data warehouse and later can be analyzed by OLAP tools. By storing data, it will support the acreditation system which makes either the school or the acreditation reviewer easier to conduct the acreditation process. In addition, it also becomes one of the forms of theTotal Quality Mangement TQM implementation based on Information Technology at schoolThis paper describes the technology of data warehouse in healthcare decision-making and tools for support of these technologies, which is used to cancer diseases. The healthcare executive managers and doctors needs information about and insight into the existing health data, so as to make decision more efficiently without interrupting the daily work of an On-Line Transaction Processing OLTP system. This is a complex problem during the healthcare decision-making process. To solve this problem, the building a healthcare data warehouse seems to be efficient. First in this paper we explain the concepts of the data warehouse, On-Line Analysis Processing OLAP. Changing the data in the data warehouse into a multidimensional data cube is then shown. Finally, an application example is given to illustrate the use of the healthcare data warehouse specific to cancer diseases developed in this study. The executive managers and doctors can view data from more than one perspective with reduced query time, thus making decisions faster and more Reddy RikkulaThis paper provides an overview of Data warehousing, Data Mining, OLAP, OLTP technologies, exploring the features, applications and the architecture of Data Warehousing. The data warehouse supports on-line analytical processing OLAP, the functional and performance requirements of which are quite different from those of the on-linetransaction processing OLTP applications traditionally supported by the operational databases. Data warehouses provide on-line analytical processing OLAP tools for the interactive analysis of multidimensional data of varied granularities, which facilitates effective data mining. Data warehousing and on-line analytical processing OLAP are essential elements of decision support, which has increasingly become a focus of the database industry. OLTPis customer-oriented and is used for transaction and query processing by clerks, clients and information technology professionals. An OLAP system is market-oriented and is used for data analysis by knowledge workers, including managers, executives and analysts. Data warehousing and OLAP have emerged as leading technologies that facilitate data storage, organization and then, significant support places some rather different requirements on database technology compared to traditional on-line transaction processing dan Perancangan Data Warehouse Rumah Sakit Umum Daerah Palembang Bari. SkripsiM SuzanaSuzana, M. 2013. Analisis dan Perancangan Data Warehouse Rumah Sakit Umum Daerah Palembang Bari. Skripsi, Universitas Bina Darma, Program Studi Teknik to Information TechnologyE TurbanR K RainerR E PotterTurban, E., Rainer, R. K., & Potter, R. E. 2005. Introduction to Information Technology. Canada John Wiley & Kasus Pembangunan Enterprise Data Warehouse/Business Intelligence EDW/BI di Perusahaan Multi Finance NasionalHasnur RamadhanAgus SoepriadiRamadhan, Hasnur and Soepriadi, Agus, 2011, Studi Kasus Pembangunan Enterprise Data Warehouse/Business Intelligence EDW/BI di Perusahaan Multi Finance Nasional; Seminar Nasional Aplikasi Teknologi Informasi, pp. 95-100.

kenaikan penjualan daging tertinggi terjadi pada bulan