00:00:00
[Musik]
00:00:02
Baik, ee asalamualaikum warahmatullahi
00:00:05
wabarakatuh. Di sini kita akan ee
00:00:08
melakukan praktikum terkait dengan mata
00:00:11
kuliah bisnis intelligence. Kita akan
00:00:14
masuk ke modul 6 yaitu data warehouse di
00:00:16
Luc
00:00:18
Studio. Sebelum itu e aku bakal jelasin
00:00:21
beberapa hal mengenai data warehouse di
00:00:23
Luk Studio. Jadi tujuannya itu yang
00:00:25
pertama mahasiswa dapat memvisualisasi
00:00:28
data dengan diagram termasuk diagram
00:00:30
baris, batang dan lingkaran, peta
00:00:32
geografis, grafik area dan balon, tabel
00:00:34
data paginasi, tabel pivot, dan masih
00:00:36
banyak lagi. Terus yang kedua, masih
00:00:38
dapat membuat laporan menjadi interaktif
00:00:40
dengan kontrol filter dan rentang
00:00:42
tanggal bagi pelihat. Yang ketiga itu,
00:00:44
Mas dapat mengeksplore mengenai LCAR
00:00:46
Studio dengan baik dan
00:00:48
benar. Nah, di sini ada ada dasar teori
00:00:51
dan data warehouse ya, Teman-teman. Eh,
00:00:53
data warehous itu adalah proses
00:00:55
mengintegrasikan beberapa sumber data
00:00:56
yang terpisah dan mengumpulkannya ke
00:00:58
dalam sebuah repository yang terpusat.
00:01:01
Data itu difokuskan untuk pengambilan
00:01:03
keputusan sehingga akan berupa
00:01:04
historical data dengan range waktu
00:01:06
tertentu. Sebagai contoh, analisa data
00:01:08
penjualan di 3 bulan terakhir untuk
00:01:10
menyusun strategi pemasaran. Dataus ini
00:01:14
eh ada proses yang terkenal yaitu
00:01:16
dinamakan sebagai ETL proses. Jadi ETL
00:01:19
ini adalah akronim dari ekstrak
00:01:21
transform load. Nah, untuk ekstrak itu
00:01:24
adalah proses mengkoneksikan mengekstrak
00:01:27
dari berbagai format data ke dalam
00:01:28
sebuah data warehouse. Untuk yang T
00:01:31
transform itu adalah proses
00:01:32
mentransformasikan data berdasarkan
00:01:34
format dan kebutuhan. Terus yang L itu
00:01:37
load adalah proses pemasukkan data ke
00:01:39
dalam sebuah data warehouse. Dan di sini
00:01:41
adalah eh skema ya skema dari ETL
00:01:44
proses. Yang pertama di sini ada
00:01:46
file-file-nya ada no SQL filesnya ada
00:01:48
CSV JSON XML terus ada RESPA sama
00:01:51
Webhook. dia diekstrak kemudian dia
00:01:54
ditransformasikan agar data itu bersih
00:01:56
sehingga dioad masuk ke data warehouse.
00:02:00
Sehingga dari data ini teman-teman dari
00:02:02
data analis atau bisnis intelligence
00:02:04
juga bisa mengambil data dari data
00:02:06
warehouse yang sudah bersih
00:02:09
tadi. Nah, sebelum ee masuk ke
00:02:12
praktikumnya di sini ada dua jenis data
00:02:16
yang cukup terkenal yaitu ada
00:02:18
klasifikasi dan ada clustering. Jadi,
00:02:21
apa itu klasifikasi? Klasifikasi adalah
00:02:23
suatu metode pengelumpukan data di mana
00:02:25
data tersebut itu mempunyai label atau
00:02:27
target. Nah, data yang di akan diamatis
00:02:29
sudah dapat diketahui dan dapat
00:02:31
diklasifikasikan ke dalam beberapa
00:02:33
kelompok. Bedanya klasifikasi sama
00:02:36
clustering itu adalah kalau misalkan
00:02:38
klasifikasi itu kita sudah tahu ee
00:02:40
datanya itu ke dalam kelompok yang mana.
00:02:43
Sedangkan kalau yang clustering itu kita
00:02:45
masih belum mengetahui ee dia itu masuk
00:02:47
ke kelompok yang mana gitu. Sebagai
00:02:50
contoh ee di sini kita pernah bahas
00:02:53
mengenai data Iris ya, Teman-teman.
00:02:59
Jadi data AS ini kan adalah data tentang
00:03:01
bunga ya, di mana ee ada sepaleng,
00:03:04
sepalwid, petaleng, petalwi. Nah, di
00:03:06
sini ada spesies. Nah, space ini adalah
00:03:09
data targetnya. Jadi, kita punya
00:03:11
klasifikasi data target di mana kita
00:03:14
akan memprediksi spesies, yaitu eh sposa
00:03:17
atau mungkin ada verginika atau mungkin
00:03:20
ada versi color gitu. Nah, ini adalah
00:03:22
contoh dari data
00:03:25
klasifikasi. Masuk ke ee kedua ya, data
00:03:29
yang kedua yaitu terkait dengan data
00:03:30
yang clustering. Jadi, data clustering
00:03:32
itu adalah data ee yang dikelompokkan ke
00:03:35
dalam beberapa kluster atau kelompok
00:03:37
sehingga data dalam satu cluster itu
00:03:39
memiliki tingkat kemiripan. Nah, metode
00:03:42
cluster ini dilakukan untuk menemukan
00:03:43
suatu kuat tersembunyi pada data yang
00:03:44
akan dianalisis.
00:03:46
Metode yang digunakan untuk melihat
00:03:48
kesamaan tiap objek itu salah satunya
00:03:50
menggunakan eh euclidian distance atau
00:03:53
jarak
00:03:54
eclidians. Sebagai contoh misalkan di
00:03:57
sini ya, Teman-teman. Jadi awalnya
00:03:59
datanya itu hanya seperti ini original.
00:04:01
Setelah dia dikustering ternyata dia
00:04:03
masuk ke beberapa kluster tertentu
00:04:06
sehingga dalam misalkan di kluster yang
00:04:08
warna oren ini dia tuh mempunyai
00:04:09
kemiripan. Terus yang hijau juga dia
00:04:11
punya kemiripan dan yang biru juga dia
00:04:13
punya kemiripan sehingga dia ee termasuk
00:04:16
ke dalam beberapa
00:04:20
kelompok. Oke, jadi ee itu yang sekilas
00:04:23
tentang teori dari data warehouse ya,
00:04:25
Teman-teman. Nah, di sini kita akan
00:04:28
melakukan praktikum mengenai studi
00:04:30
kasus. Ee ada sebagai pemilik retail
00:04:32
fashion online di mana pelanggan sudah
00:04:34
tersebar di seluruh Indonesia. Kamu
00:04:37
ingin mengetahui berapa data pendukung
00:04:39
untuk menstrategikan penjualan pada 1
00:04:40
bulan ke depan dengan melihat bagaimana
00:04:43
behavior penjualan pada 3 bulan terakhir
00:04:45
yang meliputi ee yang pertama ada produk
00:04:47
yang terlaris, yang kedua ada transaksi
00:04:50
yang terbanyak. Nah, di sini ee
00:04:53
teman-teman bisa menyiapkan looker
00:04:56
studionya ya teman-teman.
00:05:04
Oke, Teman-teman ee setelah ini udah
00:05:07
disiapin Toker Studionya, Teman-teman
00:05:11
bisa pakai data setnya. Pakai data set
00:05:14
yang data warehouse retail yang ini,
00:05:18
Teman-teman. Yang dulu kita pernah
00:05:21
praktikum pakai data warehouse retail
00:05:23
yang pas waktu minggu kedua. Nah, itu ee
00:05:27
kalian bisa
00:05:28
langsung download aja di
00:05:31
sini file terus di-download. Kita
00:05:35
langsung download di Excel
00:05:38
ya. Nah, setelah udah download kita
00:05:42
kembali lagi ke Look Studionya. Nah, ini
00:05:45
kita bikin laporan kosongnya.
00:05:54
Oke, ee setelah udah bikin laporan
00:05:57
kosong, langsung aja kita ee tambahin
00:06:01
datanya yang tadi yang sudah kita
00:06:03
download ke
00:06:06
Excel. Kita ini ke
00:06:10
Excel.
00:06:12
Terus ini e jikalau teman-teman masih
00:06:16
ada ini ya yang masih nyangkut di warna
00:06:19
enak yang sebelumnya. yang kita bikin
00:06:22
dashboard itu bisa di-delete dulu ya,
00:06:24
Teman-teman, di datanya itu. Terus kita
00:06:27
bakal upload file yang baru yang akan
00:06:30
kita pakai nanti yaitu data warehouse
00:06:33
retail baru. Kita langsung upload aja.
00:06:52
Oke, ee setelah
00:06:55
di-upload ini ya, Teman-teman,
00:06:58
akan muncul seperti ini. Nah, di setelah
00:07:03
di-upload akan muncul seperti ini. Kan
00:07:05
di data retail baru ini ada lagi nih
00:07:07
datanya tuh ada DB pelanggan, DB produk,
00:07:09
dan DB penjualan. Nah, di sini kita akan
00:07:13
tambahkan satu persatu dari DB
00:07:15
pelanggan, terus DB produk, setelah itu
00:07:19
ke DB penjualan. Jadi, enggak bisa
00:07:21
langsung ketiga-tiganya.
00:07:23
Jadi ini langsung aja ee tambahkan
00:07:26
ininya di konfigurasinya tidak abaikan
00:07:29
aja enggak usah apa-apain. Kita langsung
00:07:39
tambahkan ini. Tambahkan ke
00:07:43
laporan. Setelah itu tambahkan data
00:07:46
lagi. Klik Excel.
00:07:52
Ini klik Excel langsung aja teman-teman
00:07:55
sama langkahnya kayak tadi cuman ini ke
00:07:59
TB produk ya kliknya ya terus ini
00:08:02
tambahkan
00:08:07
langsung terus ini tambahkan ke
00:08:10
laporan terus kita tambahkan sekali
00:08:13
lagi.
00:08:21
Ini DB penjualan terus tambahkan.
00:08:33
[Musik]
00:08:35
Nah, ini udah tambah semua, Teman-teman,
00:08:39
di datanya tuh di DB pelanggan, DB
00:08:42
penjualan, sama DB produknya pun udah
00:08:46
masuk semua di sini. Nah, ini ada
00:08:50
data-data yang tadi yang sudah kita
00:08:51
tambahkan itu bakal kita ETL dulu atau
00:08:56
kita ekstrak, transform sama load. Nah,
00:08:59
di caranya gimana? Klik bagian sini aset
00:09:03
atau resource terus klik yang kelola
00:09:06
sumber data yang ditambahkan yang sudah
00:09:08
kita tambahkan tadi yang manage
00:09:11
resource-nya yang ini yang sudah
00:09:12
ditambahin. Nah, di sini kan ada tiga DB
00:09:17
nih. Nah, ini kita ee cari yang di DB
00:09:21
pelanggannya ya buat kita
00:09:24
ETL-nya. Ini edit.
00:09:27
Nah, di DP perangkat ini ada ada
00:09:32
berbagai fitur ya, ada email, ID
00:09:34
pelanggang, jenis kelamin, kota, nama,
00:09:35
sama nomor telepon. Nah, di nomor
00:09:37
telepon ini kita bakal rubah ee jenis
00:09:42
bentuknya tuh dari tipe number ke bentuk
00:09:48
teks. Ee di sini udah otomatis ke tidak
00:09:52
ada ya yang buat ininya ya enggak ada
00:09:55
maksudnya enggak sama atau apa gitu ya.
00:09:57
Nah, ini setelah udah kita ubah langsung
00:09:59
aja kita tutup. Nah, di sini kita pencet
00:10:05
finish ya, Teman-teman. Jangan lupa biar
00:10:08
langsung
00:10:09
ke-save. Terus yang ini yang di DB
00:10:12
penjualan maupun DB produk
00:10:15
udah datanya udah bagus, udah enggak
00:10:18
perlu kita ETL lagi. Jadi kita abaikan
00:10:21
aja, kita tutup langsung. Habis itu kita
00:10:25
bakal ee menuju ke ini ya ee table ya.
00:10:29
Caranya gimana?
00:10:31
Tambahkan diagram terus klik table kita
00:10:36
tarik
00:10:38
sini. Nah, di pertama ini kita bakal
00:10:42
buat table yang
00:10:45
ee kasus yang pertama ya, buat
00:10:47
pertanyaan pertama tuh buat produklaris
00:10:50
ya. Nah, di produklaris tuh ada ee ada
00:10:55
variabelnya tuh yang dibutuhin ada ID
00:10:59
produk, nama, sama jumlahnya. Nah, di
00:11:03
situ kita cari ID produk sama nama itu
00:11:07
di sini ya. ID produk tuh di DB
00:11:11
produknya. DB produknya ya, ID produk
00:11:14
ya. Di sini ID produk sama nama ya.
00:11:20
Nah, di produk sama nama. Cuman kan di
00:11:23
sini ee kita enggak bisa nih kayak
00:11:27
gabungin gabungnya jadi salah satu ya.
00:11:31
Jadi kan nama di sini
00:11:33
DB ee produk yang tadi yang tadi yang di
00:11:38
DB penjualan kan di ID Product ini sama
00:11:41
yang di DB
00:11:46
Produ ini kan ee enggak bisa nih kayak
00:11:51
di gabungin jadi satu ya buat ininya
00:11:55
caranya gimana caranya ini ya
00:11:57
teman-teman di DB penjualan ini juga
00:12:00
Kita kan butuhin nama juga yang sini.
00:12:03
Caranya kan enggak bisa buat ee nama ya,
00:12:06
enggak pun nama. Kita bakal gabunginnya
00:12:09
di sini, aset terus kelola
00:12:11
gabungan. Nah, di aset kelola gabungan
00:12:14
ini kita bakal tambahkan
00:12:15
gabungan. Terus kita pilih DB produk
00:12:19
dulu yang paling awal di table 1. Terus
00:12:23
kita pilih ID product. Kita tarik aja
00:12:26
sini sama nama.
00:12:31
Lanjut ke table yang kedua di
00:12:35
sini. Gabungkan tabel lainnya itu di
00:12:38
tabel kedua di DB
00:12:41
penjualan. Di DB penjualan itu kita
00:12:44
pilih ee ID product sama matriknya yaitu
00:12:48
jumlah ya.
00:12:51
Oke, ee di sini bakal tampil ya,
00:12:53
Teman-teman, yang sudah kita masukin di
00:12:56
table 1 sama table 2 yang di ee
00:13:00
gabungannya tabelnya itu ada nama sama
00:13:03
ID product di tabel DB product sama ID
00:13:06
product sama jumlahnya itu di ini ya
00:13:10
matrik jumlah di tabel DB penjualan.
00:13:13
Terus setelah itu teman-teman klik yang
00:13:15
ini konfigurasi join. Terus klik yang
00:13:18
bagian dalam atau inner
00:13:20
join-nya. Terus ini klik simpan. Habis
00:13:24
itu di sini kita ubah ke ini ya. Ini kan
00:13:28
yang pertama produklaris ya teman-teman.
00:13:32
Jadi kita ubah di sini
00:13:35
produklaris.
00:13:37
Produklaris kita namain
00:13:39
produklaris terus kita simpan.
00:13:43
Oke, ee setelah ada pemberitaan gabungan
00:13:47
data telah disiman, kita langsung tutup
00:13:50
saja. Habis itu yang ee sumber datanya
00:13:53
ini kita bakal ubah ya, Teman-teman, ke
00:13:57
data gabungan ini yang sudah terlampir.
00:13:59
Sini ada
00:14:03
produklaris. Oke, ditunggu. Nah, setelah
00:14:07
udah ini bakal muncul seperti ini yang
00:14:09
sudah kita tambahin tadi. Nah, tadi kan
00:14:12
ada ID produk, nama, sama jumlah ya.
00:14:14
Nah, di sini di dimensinya tuh ada ID
00:14:18
product udah ada di sini. Terus ini bisa
00:14:21
tambahin nama ditambahkan
00:14:25
dimensi. Terus matriknya ini hapus dulu
00:14:29
namanya. Terus ini ganti ke jumlah.
00:14:35
Oke. Nah, di sini ee kita bisa lihat ya,
00:14:40
Teman-teman, di tabel-nya
00:14:43
ee di
00:14:45
sini bakal kelihat dari tabelnya sini
00:14:49
dari pensil, puzzle, dining set dan ini
00:14:52
ada kayak gini. Setelah itu kita
00:14:55
bakal buat chart-nya, diagram batangnya
00:14:59
itu pilih yang ini diagram batang yang
00:15:01
horizontal.
00:15:03
kita tarik aja
00:15:06
sini. Kita tarik. Setelah itu ee ini
00:15:10
sumber datanya kita pilih yang
00:15:12
produklaris
00:15:15
juga. Habis itu ee dimensinya dimensinya
00:15:20
kita ubah ya teman. Teman-teman ini klip
00:15:24
yang
00:15:26
nama. Terus yang di sini matriknya tuh
00:15:29
jangan nama. Kita ubah ke jumlah.
00:15:36
sama yang ininya dimensi perinciannya
00:15:38
tuh ada IP
00:15:46
product. Oke. Ee ininya dimensi
00:15:51
perinciannya tuh kalau kita tambahin ID
00:15:54
produk tadi ini ya teman-teman kelihatan
00:15:56
kalau kecil jadi agak banyak yang
00:16:00
itunya. Jadi kita enggak perlu buat
00:16:03
tambahin ID produknya di dimensi
00:16:05
perikan, hanya nama sama jumlahnya aja.
00:16:08
Karena tadi nama sama jumlahnya udah
00:16:10
kita gabungin yang di inner joinnya
00:16:14
tadi. Oke. Ee selanjutnya ini kan udah
00:16:18
kebentuk nih ee produklarisnya ya. Jadi
00:16:23
kalian bisa namain di sini aja ee
00:16:26
tampilkan
00:16:27
judulnya
00:16:30
ini ee
00:16:34
produklaris
00:16:37
terlaris. Terus ini kalian bisa bol
00:16:41
terus ini bisa digitiin juga. Nah, ini
00:16:45
udah tahu produk terlari ini menunjukkan
00:16:48
ini ya, Teman-teman. Overlong P ya
00:16:51
dengan total ee pembeliannya tuh ada 18
00:16:55
sama yang paling dikit tuh ada hom
00:16:59
dengan total pembeliannya tuh tiga
00:17:01
doang.
00:17:02
Sedangkan yang di daud itu ada 12 dan
00:17:07
yang mendekati yang paling bawah tuh ada
00:17:09
basel denim set yang 4. Nah, di sini itu
00:17:12
eh kita bisa tingkatin promosinya di
00:17:15
overlong P supaya lebih banyak yang ee
00:17:18
beli di sini ya. Kita fokuskan ke sini.
00:17:21
Oke. Ee lanjut
00:17:23
ke visualisasi yang kedua itu ada
00:17:28
tanggal transaksi terbanyak ya. Oke,
00:17:31
tanggal transaksi terbanyak kita buat ee
00:17:34
patch baru
00:17:36
aja. Tambahkan halaman ini. Terus lanjut
00:17:41
ke ini ya.
00:17:43
Ee tambahkan diagram
00:17:46
langsung. Terus kita pilih yang ini.
00:17:49
Stack vertical bar. Oke, kita tarik aja.
00:17:55
Taruh
00:17:56
sini. Oke, kita tunggu dulu. Oke,
00:18:00
setelah udah kita pilih yang DB ini ya
00:18:04
ee
00:18:06
penjualan, DP
00:18:08
penjualan. Terus dimensinya tanggal sama
00:18:12
yang dimensi perinciannya kita pilih ee
00:18:16
kita abaikan aja dimensi perincian.
00:18:18
Terus yang di matriknya ini ganti ke
00:18:23
jumlah ya.
00:18:29
ke jumlah ya.
00:18:33
Ee
00:18:35
oke. Oke. Ee setelah ini ke
00:18:42
jumlah kayak gini ya,
00:18:46
Teman-teman. Oh, ya. Ininya juga ini ya.
00:18:51
ganti yang di sininya tuh ee ada tulisan
00:18:54
keterangan sini ya, matrinya sini ganti
00:18:56
ke bentuk jumlah kan masih total ya
00:19:00
count-nya ini. Terus ini langsung di ini
00:19:04
dulu ditutup terus ini akan bentuk kayak
00:19:07
gini ya
00:19:09
teman-teman
00:19:11
ee visual kayak gini. Terus kita bakal
00:19:14
ubah
00:19:16
style-nya ke ini dulu buat judulnya. Ini
00:19:20
kan tanggal jumlah transaksi terbanyak
00:19:25
ya.
00:19:28
Jumlah
00:19:32
transaksi. Ini transaksi terbanyak terus
00:19:35
ini aku buat 20 aja. Terus aku B. Aku B.
00:19:42
Terus lanjut
00:19:45
ini aku warnain ini ya. Ini bebas
00:19:49
teman-teman aku warnain
00:19:51
orangen. Oke. Ee nanti bakal tampilannya
00:19:55
kayak gini ya
00:19:58
teman-teman tampilannya kayak gini ya.
00:20:00
Nah, ini kalian bisa lihat bahwa ee
00:20:04
jumlah transaksi terbanyak tuh pada
00:20:06
tanggal 9 19 Januari 2023. Sedangkan
00:20:10
yang paling ee dikit tuh ada tanggal 24
00:20:14
sama tanggal 29 Januari 2023 ya,
00:20:16
Teman-teman. Ini kita bisa lihat tuh
00:20:18
jumlah transaksi paling banyak tuh di 19
00:20:21
Januari 2023. Mungkin ee penjelasannya
00:20:25
dari ee aku sama Imam tuh cukup sekian.
00:20:29
Tapi ini jangan lupa dinamain ya
00:20:31
teman-teman di sini
00:20:33
ee
00:20:36
modul ee 6
00:20:38
ya. Modul 6 ee aja gini aja. Terus ee
00:20:44
ini udah udah kalian sudah bisa membuat
00:20:48
visualisasi yang dari mengolah dari
00:20:52
ETL-nya tadi ke dalam Look Studio yang
00:20:56
kemarin kita membuat dashboard dari
00:21:00
visualisasi aja tapi kita ini ada
00:21:02
mengolahnya dari straak transformat-nya
00:21:05
ke bentuk ee visualisasi yang di dalam
00:21:09
Look Studioya. Jadi mungkin dari aku
00:21:12
sama Himam cukup sekian. Ee kurang
00:21:14
lebihnya aku mohon maaf sama HIM. E
00:21:17
wasalamualaikum warahmatullahi
00:21:19
wabarakatuh.
00:21:22
Yeah.
