Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Pembangunan Data Warehouse Pada PT. Perkebunan Nusantara (PTPN) VIII Kebun Ciater
Muhammad Ihsan Farizi NIM. (2016) | Skripsi | Manajemen Informatika , Sistem Informasi , Manajemen
Bagikan
Ringkasan
PT. Perkebunan Nusantara (PTPN) VIII Kebun Ciater merupakan salah satu cabang perusahaan PT. Perkebunan Nusantara VIII yang berkantor pusat di Bandung dan merupakan bagian dari Manajer Grup Teh I yang berkantor pusat di Sukabumi. Kebun Ciater salah satu Perkebunan yang menghasilkan teh berkwalitas tinggi, hasil jadi teh dijual hampir 90% ke luar negeri diantaranya ke negara-negara Eropa dan 10% dijual ke perusahaan lokal dan sudah mendapatkan predikat pengolahan teh terbaik di Indonesia. Data warehouse menjadikan data perusahaan yang tersebar menjadi terintegrasi sehingga membantu pihak perusahaan dalam menganalisis data yang ada untuk pengambilan keputusan yang bersifat strategis secara cepat dan tepat. Pembangunan data warehouse ini menggunakan pemodelan skema Fact constellations dan perancangan OLAP (On-Line Analytical Processing) untuk pengolahan dan analisis datanya dengan menggunakan teknik Roll-Up dan Drill-Down. Setelah melakukan pengujian hasill penelitian ini diharapkan dapat membantu pihak perusahaan dalam menganalisis data dalam jumlah besar sehingga memudahkan dalam mengambil sebuah keputusan strategi bisnis untuk mengetahui kebutuhan perusahaan.
Ringkasan Alternatif
PT. Perkebuanan Nusantara (PTPN) VIII Kebun Ciater is one of the branches of PT. PTPN VIII is headquartered in Bandung and is part of the Manager Tea Group I, which is headquartered in Sukabumi. Garden Ciater one tea plantations that produce high quality, the results so tea sold almost 90% abroad among all European countries and 10% was sold to a local company and has been awarded the best tea processing in Indonesia. Data warehouses make corporate data are scattered to be integrated so assist the company in analyzing the existing data for strategic decision quickly and accurately. Data warehouse development using modeling schema Fact constellations and design OLAP (On-Line Analytical Processing) for processing and data analysis using techniques Roll-Up and Drill-Down. After testing hasill research is expected to help the company to analyze large amounts of data, making it easier to take a decision business strategy to identify the needs of companies.