Permodelan Data Warehouse Penerimaan Negara untuk Mendukung Treasury Open Data Dengan Metode Kimball

Muhammad Alfian Perdana; Ahmad Rivai; Indra

doi:10.51454/decode.v5i3.1343

Authors

Muhammad Alfian Perdana Magister Ilmu Komputer Universitas Budi Luhur
Ahmad Rivai Magister Ilmu Komputer Universitas Budi Luhur
Indra Magister Ilmu Komputer Universitas Budi Luhur

DOI:

https://doi.org/10.51454/decode.v5i3.1343

Keywords:

Data warehouse, Metode kimball, OLAP, Penerimaan negara, Treasury open data

Abstract

Pengembangan data warehouse dalam rangka pengelolaan penerimaan negara merupakan langkah strategis untuk mendukung transparansi serta efisiensi tata kelola keuangan negara. Penelitian ini akan merancang dan mengimplementasikan model data warehouse berbasis four step Kimball Method, dengan fokus pada integrasi data transaksi penerimaan negara ke dalam satu platform terpadu. Sumber data berasal dari berbagai jenis transaksi penerimaan negara. Model data dirancang menggunakan star schema yang mencakup satu tabel fakta serta beberapa tabel dimensi. Sistem ini dirancang untuk memenuhi kebutuhan tiga kelompok pemangku kepentingan: (1) pimpinan instansi yang membutuhkan dashboard realisasi yang ringan dan cepat; (2) pengelola keuangan yang memerlukan integrasi data secara akurat; serta (3) pihak-pihak lain yang membutuhkan data terkait penerimaan negara. Desain yang fleksibel memungkinkan eksplorasi data berdasarkan tahun anggaran, jenis penerimaan, serta penerimaan perwilayah. Hasil implementasi menunjukkan bahwa arsitektur data warehouse ini mampu menyediakan data yang konsisten, terstandar, dan mudah diolah untuk keperluan pelaporan dan analitik. Selain meningkatkan efisiensi pelaporan internal, sistem ini juga membuka potensi integrasi dengan inisiatif Treasury Open Data, guna memperluas akses publik terhadap data penerimaan negara. Dengan demikian, model ini mendukung penguatan prinsip good governance dalam pengelolaan pendapatan nasional.

References

Al-Rahman, S. Q. A., Hasan, E. H., & Sagheer, A. M. (2023). Design And Implementation Of The Web (Extract, Transform, Load) Process In Data Warehouse Application. IAES International Journal of Artificial Intelligence, 12(2), 765–775. https://doi.org/10.11591/ijai.v12.i2.pp765-775

Amorim, L. B. V. D, Cavalcanti, G. D. C., & Cruz, R. M. O. (2023). The choice of scaling technique matters for classification performance. Applied Soft Computing, 133. https://doi.org/10.1016/j.asoc.2022.109924

Asmita, M., Henny, H., & Samidi, S. (2023). Data Warehouse Modelling Information Security Log Management in Building a Security Operation Center in Central Government Agencies With Kimball Method. Jurnal Teknik Informatika (Jutif), 4(4), 987–994. https://doi.org/10.52436/1.jutif.2023.4.4.649

Bahaa, A., Eldemerdash, S. R., & Fahmy, H. (2021). A Systematic Literature Review For Implementing Data Ops In The Data Warehouse Lifecycle During The ETL Phase. Journal of Computer Science, 17(11), 1011–1030. https://doi.org/10.3844/JCSSP.2021.1011.1030

Bakhri, S., & Nuryamin, Y. (2018). Rancangan Data Warehouse Untuk Penunjang Sistem Informasi Eksekutif Pada Yayasan Ummu’l Quro Di Depok. Jurnal Khatulistiwa Informatika, 4(1), 149-155.

Balázs, B., Mooney, P., Nováková, E., Bastin, L., & Arsanjani, J. J. (2021). Data quality in citizen science. The Science of Citizen Science, 139–157. https://doi.org/10.1007/978-3-030-58278-4_8

Dhaouadi, A., Bousselmi, K., Gammoudi, M. M., Monnet, S., & Hammoudi, S. (2022). Data Warehousing Process Modeling from Classical Approaches to New Trends: Main Features and Comparisons. Data, 7(8), 113. https://doi.org/10.3390/data7080113

Fattah, A. M. M., Ridwan. T. T. Sulistiyowati, N.(2023). Dimensional Data Design for Event Feedback Data Warehouse. Jurnal Informatika dan Sains, 6(1), 69-73. https://doi.org/10.31326/jisa.v6i1.1648

Gupta, N., & Jolly, S. (2021). Enhancing Data Quality At ETL Stage Of Data Warehousing. International Journal of Data Warehousing and Mining, 17(1), 74–91. https://doi.org/10.4018/IJDWM.2021010105

Hartono, R., Saputra, H. A., & Triyono, G. (2024). Pemodelan Prediksi Alokasi Pagu Belanja Pegawai dengan Metode Neural Network dan Linear Regression. Decode: Jurnal Pendidikan Teknologi Informasi, 4(3), 865–880. https://doi.org/10.51454/decode.v4i3.708

Kalinina, I., Gozhyj, A., Bidyuk, P., Gozhyi, V., Korobchynskyi, M., & Nadraga, V. (2025). A Systematic Approach to Data Normalization and Standardization in Machine Learning Problems. Lecture Notes on Data Engineering and Communications Technologies, 244, 206–219. https://doi.org/10.1007/978-3-031-88483-2_11

Khan, B., Khan, W., Jan, S., & Chughtai, M. I. (2024). An Overview of ETL Techniques, Tools, Processes and Evaluations in Data Warehousing. Journal on Big Data, 6(1), 1–20. https://doi.org/10.32604/JBD.2023.046223

Kimball, R., & Ross, M. (2013). The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling. Wiley Computer Publishing.

Koppichetti, R. K. (2022). ETL Strategies for Large-Scale Retail Data Warehouses. International Journal Research of Leading Publication (IJLRP), 3(8), 1-12. https://doi.org/10.5281/zenodo.15026506

Koppula, R. S. (2021). Optimizing Etl Workflows For Big Data Processing. International Journal of Core Engineering & Management, 6(12), 118-127.

Mandala, N. R. (2021). ETL in Data Lakes vs. Data Warehouses. ESP Journal of Engineering & Technology Advancements, 1(2), 224–230. https://doi.org/10.56472/25832646/JETA-V1I2P123

Rafique, S., Mushtaq, R., Anum, L., Hamid, K., Iqbal, M. W., & Ruk, S. A. (2024). Analytical Study of OLTP Workload Management in Database Management System. Journal of Computing & Biomedical Informatics, 6(2). https://doi.org/https://doi.org/10.56979/602/2024

Ratu, A., Kusneti, L., & Wijaya, A. (2023). Prototype Data Warehouse Kantor Penilai Publik XYZ Dengan Metode Nine-Step Kimball. Journal Of Informatics And Busisnes, 1(3), 89–96.

Rizal, D. F., & Nuryasin, I. (2025). Implementasi Blackbox Testing Pada Sistem Informasi Sirkulasi Perpustakaan Berbasis Website dengan Teknik Equivalence Partitioning. Decode: Jurnal Pendidikan Teknologi Informasi, 5(1), 65–78. https://doi.org/10.51454/decode.v5i1.1052

Sethi, S. (2021). Designing ETL Pipelines for Scalable Data Processing. IJIRMPS, 9(6), 1-10. https://doi.org/10.5281/ZENODO.14945154

Smith, J., & Elshnoudy, I. A. (2023). A Comparative Analysis of Data Warehouse Design Methodologies for Enterprise Big Data and Analytics. Emerging Trends in Machine Intelligence and Big Data, 15(10).

Tamma, R. O., Syahidin, Y., & Yunengsih, Y. (2025). Perancangan Sistem Informasi Pelaporan 10 Besar Tindakan Operasi Rawat Inap Menggunakan Metode Agile. Decode: Jurnal Pendidikan Teknologi Informasi, 5(1), 106–120. https://doi.org/10.51454/decode.v5i1.1070

Triaji, B., Subagyo, A. A., & Rifai, M. A. (2024). Development of a Higher Education Data Warehouse Using the Data Vault 2.0 Method. Sinkron, 8(4), 2591–2602. https://doi.org/10.33395/sinkron.v8i4.14215

Ygnacio, L. A. V., Retuerto, M. G., & Andrade-Arenas, L. (2023). Mobile Application With Business Intelligence To Optimize The Control Process Of Tourist Agencies. Indonesian Journal of Electrical Engineering and Computer Science, 29(3), 1708–1718. https://doi.org/10.11591/ijeecs.v29.i3.pp1708-1718