Main Article Content

Abstract

Data yang berada dan digunakan pada perguruan tinggi bermacam-macam seperti data akademik, data mahasiswa, data penelitian, dan lain-lain. Penggunaan teknologi data warehouse banyak digunakan oleh berbagai industri karena memungkinkan integrasi berbagai macam aplikasi atau sistem. Desain data warehouse yang efektif dapat membantu manajemen lembaga untuk memutuskan evaluasi kritis untuk organisasinya. Penelitian ini membahas tentang perancangan data warehouse untuk data penelitian di perguruan tinggi menggunakan pendekatan nine steps methodologyData warehouse penelitian yang telah dibuat, berguna didalam menganalisis data-data penelitian di perguruan tinggi. Sebelumnya perguruan tinggi tersebut belum mempunyai database untuk data penelitian. Sehingga dapat dijadikan sebagai analisis data menggunakan OLAP untuk dijadikan pendukung pengambilan keputusan.

Article Details

Author Biographies

Firman Noor Hasan, Universitas Muhammadiyah Prof. Dr. HAMKA

Prodi Teknik Informatika

Arafat Febriandirza, Universitas Muhammadiyah Prof. Dr. Hamka

Prodi Teknik Informatika
How to Cite
Hasan, F. N., & Febriandirza, A. (2021). Perancangan Data Warehouse Untuk Data Penelitian Di Perguruan Tinggi Menggunakan Pendekatan Nine Steps Methodologhy. Pseudocode, 8(1), 49–57. https://doi.org/10.33369/pseudocode.8.1.49-57

References

  1. F. N. Hasan, “Implementasi Sistem Business Intelligence Untuk Data Penelitian di Perguruan Tinggi,” Pros. Semin. Nas. Teknoka 4, vol. 4, no. 1, pp. I1–I10, 2019.
  2. A. Supriyatna, “Sistem Analisis Data Mahasiswa Menggunakan Aplikasi Online Analytical Processing (Olap) Data Warehouse,” J. Pilar Nusa Mandiri, vol. 12, no. 1, pp. 62–71, 2016.
  3. S. Bourekkadi, K. Slimani, O. E. L. Imrani, M. Ezzaki, A. Babounia, and Y. Fakhri, “Toward increasing and investigating e-tourism data warehouse through a websites analysis strategy,” J. Theor. Appl. Inf. Technol., vol. 10, no. 19, pp. 3222–3232, 2020.
  4. R. R. Nadikattu, “Data Warehouse Architecture – Leading the Next Generation Data Science,” SSRN Electron. J., vol. 67, no. 9, pp. 78–80, 2020.
  5. E. V. F. Lapura, J. K. J. Fernandez, M. J. K. Pagatpat, and D. D. Dinawanao, “Development of a University Financial Data Warehouse and its Visualization Tool,” Procedia Comput. Sci., vol. 135, pp. 587–595, 2018.
  6. Febriandirza, A. "Perancangan Aplikasi Absensi Online Dengan Menggunakan Bahasa Pemrograman Kotlin". Pseudocode., vol. 7, no. 2, pp. 123-133, 2020
  7. A. Agung, G. Oka, K. Adnyana, and K. O. Saputra, “Design of Data Warehouse for University Library using Kimball and Ross 9 Steps Methodology,” Int. J. Eng. Emerg. Technol., vol. 4, no. 1, pp. 1–4, 2019.
  8. S. Ren, T. Wang, and X. Lu, “Dimensional modeling of medical data warehouse based on ontology - 2018 {IEEE} 3rd {International} {Conference} on {Big} {Data} {Analysis} ({ICBDA}),” 2018 IEEE 3rd Int. Conf. Big Data Anal., pp. 144–149, 2018.
  9. I. M. A. Bhaskara, L. G. P. Suardani, and M. Sudarma, “Data Warehouse Implemantation To Support Batik Sales Information Using MOLAP,” IJEET (International J. Eng. Emerg. Technol., vol. 3, no. 1, pp. 45–51, 2018.
  10. M. S. A. Bakar, A. Ta’a, S. C. Chit, and M. H. Soid, “DATA WAREHOUSE SYSTEM FOR BLENDED LEARNING IN INSTITUTIONS OF HIGHER EDUCATION,” e-Academia J., vol. 6, no. 1, pp. 86–98, 2017.
  11. R. Kimball and M. Ross, The Data Warehouse Lifecycle Toolkit, Relentlessly Practical Tools for Data Warehousing and Business Intelligence. Wiley Publishing, Inc., 2010.
  12. W. H. Inmon, Building The Data Warehouse, Fourth Edi. Indiana: Wiley Publishing, Inc., 2005.
  13. C. Vercellis, Business Intelligence: Data Mining and Optimization for Decision Making, 1st ed. Italy: Wiley Publishing, Inc., 2009.
  14. R. Kimball and J. Caserta, The Data Warehouse ETL Toolkit, First edit. Indianapolis: Wiley Publishing, Inc., 2004.