<![CDATA[ABSTRAK Pertumbuhan volume data transaksi dalam dunia bisnis retail menuntut adanya sistem pengolahan data yang cepat, akurat, dan terintegrasi untuk mendukung pengambilan keputusan strategis. Masalah utama yang sering dihadapi adalah tersebarnya data operasional pada berbagai format database yang mengakibatkan keterlambatan dalam penyusunan laporan penjualan. Penelitian ini bertujuan untuk merancang fact table penjualan menggunakan pipeline Extract, Transform, Load (ETL) berbasis Pentaho Data Integration (PDI) dan mengimplementasikannya pada database target menggunakan SQLyog sebagai user interface MySQL. Metodologi yang digunakan mengadopsi pendekatan perancangan multidimensional siklus hidup Kimball (Five-Step Dimensional Design) yang meliputi pemilihan proses bisnis, deklarasi grain, identifikasi dimensi, identifikasi fakta numerik, dan perancangan skema bintang. Hasil penelitian menunjukkan bahwa pipeline ETL yang dibangun berhasil mengotomatisasi pembersihan data, konversi tipe data, penanganan relasi surrogate key, hingga pemuatan data dari sistem OLTP ke dalam star schema secara konsisten. Kesimpulan dari penelitian ini membuktikan bahwa integrasi Pentaho Data Integration dan SQLyog mampu mengoptimalkan efisiensi waktu eksekusi query data warehousing serta meminimalisir redundansi data, sehingga menyediakan fondasi data yang valid bagi keperluan analisis business intelligence. ABSTRACT The growth of transaction data volume in retail businesses demands a fast, accurate, and integrated data processing system to support strategic decision-making. The main problem often faced is the scattered operational data in various database formats, resulting in delays in preparing sales reports. This study aims to design a sales fact table using an Extract, Transform, Load (ETL) pipeline based on Pentaho Data Integration (PDI) and implement it on the target database using SQLyog as the MySQL user interface. The methodology adopted is the Kimball multidimensional lifecycle design approach (Five-Step Dimensional Design) which includes business process selection, grain declaration, dimension identification, numerical fact identification, and star schema design. The results show that the ETL pipeline successfully automates data cleansing, data type conversion, surrogate key relationship handling, and data loading from the OLTP system to the OLAP star schema consistently. The conclusion proves that the integration of Pentaho Data Integration and SQLyog optimizes the efficiency of data warehousing query execution time and minimizes data redundancy, thereby providing a valid data foundation for business intelligence analysis.]]>
