Mengenal Business Intelligence

Melalui Sejarah VOC dan Studi Kasus

Data Penjualan Supermarket
Menggunakan Power BI

Nama Kelompok:
1. Afwan Gibran M.A (19231248)
2. Elsa Alia Safinka (19231064)
3. Adinda Putri Pasaribu (19231616)
4. Iman Haqiem A. (19231145)
5. Gischa Nurlaila O. (19231003)
6. Rizki Ramadhani (19231287)

PRODI SISTEM INFORMASI

FAKULTAS TEKNIK & INFORMATIKA
JUNI 2025

0
 DAFTAR ISI

DAFTAR ISI .............................................................................................................................. 1

BAB I PENGANTAR BUSINESS INTELLIGENCE ............................................................... 3

1.1 Mengenal Data dan Perannya ........................................................................................... 3
1.2 Sejarah VOC dan Relevansi Business Intelligence .......................................................... 3
1.3 Peran Business Intelligence .............................................................................................. 4
1.4 Komponen Utama Business Intelligence .......................................................................... 4
1.5 Alur Kerja Business Intelligence ...................................................................................... 5
1.6 Implementasi Karir ........................................................................................................... 6

BAB II PENGENALAN POWER BI ........................................................................................ 7

2.1 Apa Itu Power BI? ............................................................................................................ 7
2.2 Manfaat Power BI terhadap Business Intelligence (BI) ................................................... 7
2.3 Komponen Power BI ........................................................................................................ 7
2.4 Menginstal Power BI ........................................................................................................ 8
2.5 Mengenal Antarmuka Power BI ....................................................................................... 8

BAB III PEMBAHASAN STUDI KASUS SUPERMARKET MENGGUNAKAN POWER

BI .............................................................................................................................................. 10
3.1 Tentang Dataset .............................................................................................................. 10
3.2 Proses Extract, Transform, Load .................................................................................... 11
3.2.1 Extract Data ............................................................................................................. 11
3.2.2 Transfrom Data ........................................................................................................ 13
3.2.3 Load Data ................................................................................................................. 15

BAB IV PENGOLAHAN DATA DI POWER BI .................................................................... 17

4.1 Membuat Measure di Power BI ...................................................................................... 17
4.1.1 Measure Pendapatan Kotor ...................................................................................... 17
4.1.2 Measure Pajak 5%.................................................................................................... 18
4.1.3 Measure Pendapatan Bersih ..................................................................................... 19
4.1.4 Measure Keuntungan ............................................................................................... 19
4.1.5 Measure Persentase Margin Laba Kotor .................................................................. 20

BAB V Visualisasi Data ........................................................................................................... 21

5.1 Design Visual .................................................................................................................. 21

1
5.2 Membuat Visualisasi ....................................................................................................... 21
5.2.1 Tabel Rincian ........................................................................................................... 21
5.2.2 Line Chart ................................................................................................................ 24
5.2.3 Area Chart ................................................................................................................ 26
5.2.4 Stacked Column Chart ............................................................................................. 27
5.2.5 Donut Chart .............................................................................................................. 29
5.2.6 Card Total Penjualan ................................................................................................ 30
5.2.7 Card Total Pendapatan Kotor ................................................................................... 32
5.2.8 Card Total Penjualan Berdasarkan Kategori ............................................................ 34
5.2.9 Slicer Berdasarkan Bulan ......................................................................................... 35
5.2.10 Slicer Metode Pembayaran .................................................................................... 39
5.2.11 Slicer Jenis Kelamin............................................................................................... 40
5.2.12 Slicer Kategori ....................................................................................................... 41
5.3 Hasil Dashboard Penjualan Supermarket ....................................................................... 45

2
 BAB I
PENGANTAR BUSINESS INTELLIGENCE

1.1 Mengenal Data dan Perannya

Data adalah sekumpulan fakta atau angka yang mencerminkan suatu kejadian,
aktivitas, atau kondisi tertentu. Dalam kehidupan sehari-hari, kita sebenarnya sudah
sangat akrab dengan data, meskipun kadang tidak menyadarinya. Misalnya, saat
menerima struk belanja dari supermarket, mengecek jumlah poin loyalitas di aplikasi
pelanggan, atau membandingkan harga produk melalui katalog digital, semua itu adalah
bentuk data. Data ini mencerminkan aktivitas konsumsi dan perilaku belanja kita
sebagai pelanggan. Namun, data mentah seperti itu hanya berguna jika diolah. Ibarat
bahan makanan di rak supermarket, data perlu diolah terlebih dahulu agar bisa menjadi
“hidangan” informasi yang berguna, misalnya, untuk mengetahui kategori produk yang
paling diminati, jam belanja paling ramai, atau produk mana yang paling sering dibeli
bersamaan.

Di dunia bisnis ritel seperti supermarket, data hadir dalam skala besar dan sangat
beragam. Setiap transaksi pembelian, jumlah stok di gudang, jenis metode pembayaran
yang digunakan, hingga penilaian pelanggan setelah pembelian adalah sumber data
yang sangat berharga. Namun, sebagaimana di kehidupan sehari-hari, data mentah
dalam bisnis pun tidak serta-merta memberikan nilai. Tanpa pengolahan dan analisis,
data hanya menjadi tumpukan angka yang sulit dimaknai.

1.2 Sejarah VOC dan Relevansi Business Intelligence

Sejarah memberikan pelajaran berharga tentang pentingnya pengelolaan data,

salah satunya melalui kisah VOC (Vereenigde Oost-Indische Compagnie), perusahaan
dagang asal Belanda yang pernah menjadi raksasa ekonomi dunia pada abad ke-17.
Didirikan pada tahun 1602, VOC dikenal sebagai entitas dagang terbesar dan paling
inovatif pada masanya. Perusahaan ini merupakan pelopor dalam praktik akuntansi
double-entry dan merupakan perusahaan multinasional pertama di dunia. Keberhasilan
VOC ditopang oleh dominasi dalam perdagangan rempah-rempah serta dukungan
politik dan finansial dari negara.
Namun, di balik kejayaannya, VOC menghadapi tantangan besar dalam hal
pengelolaan informasi dan data. Kegagalan dalam pencatatan keuangan yang akurat,
keterlambatan laporan pengiriman, serta lemahnya koordinasi antara kantor pusat dan
cabang menyebabkan pengambilan keputusan menjadi tidak tepat sasaran. Salah satu
contohnya adalah kebijakan pembagian dividen dalam jumlah besar yang tetap
dilakukan meskipun kondisi keuangan perusahaan memburuk, akibat tidak adanya
sistem informasi yang akurat dan real-time. Akibat dari kelemahan struktural ini, VOC
yang sempat menjadi perusahaan terkaya di dunia, akhirnya mengalami kerugian besar
dan runtuh karena tidak mampu merespons perubahan pasar secara efektif.

3
 Berbeda dengan masa itu, perkembangan teknologi di era digital telah
menghadirkan sistem Business Intelligence (BI) sebagai solusi modern dalam
pengelolaan dan analisis data. BI memungkinkan organisasi untuk mengolah data guna
mendukung pengambilan keputusan strategis. Berbagai alat pendukung seperti Power
BI, Tableau, dan Looker Studio.
Ketiadaan sistem BI dalam organisasi modern dapat mengakibatkan keputusan
yang tidak selaras dengan realitas, sebagaimana yang pernah dialami oleh VOC.
Seandainya VOC memiliki sistem BI modern, berbagai kelemahan tersebut dapat diatasi
dengan data dari seluruh cabang bisa dikonsolidasikan secara global, dashboard
interaktif menyajikan informasi terkini, erta menggunakan analitik prediktif untuk
perencanaan strategi dan mitigasi risiko. Dengan demikian, VOC berpeluang untuk
bertahan lebih lama, memperbaiki tata kelola internal, dan tetap kompetitif di pasar
global.

1.3 Peran Business Intelligence

Business Intelligence (BI) berperan penting dalam membantu organisasi

mengelola, menganalisis, dan memahami data secara lebih efektif. Dengan BI, proses
pengambilan keputusan tidak lagi didasarkan pada asumsi atau intuisi semata,
melainkan pada informasi yang faktual, akurat, dan real-time. Data mentah yang semula
hanya berupa deretan angka kini dapat diubah menjadi visualisasi yang informatif
seperti, dashboard, grafik interaktif, tren, serta pola yang mudah dimengerti oleh siapa
saja, bahkan oleh orang yang tidak punya latar belakang teknis.
Sebagai ilustrasi, seorang pemilik supermarket dapat memantau berbagai indikator
penting secara real-time, seperti:
• Tren penjualan berdasarkan kategori produk
• Performa keuntungan bulanan
• Efektivitas metode pembayaran yang digunakan pelanggan
• Rata-rata tingkat kepuasan pelanggan
Seluruh informasi tersebut bukan hasil dugaan, melainkan merupakan keluaran dari
analisis data yang valid dan terukur. Dengan demikian, BI membantu organisasi
membuat keputusan yang lebih cepat, tepat sasaran, dan berbasis pada wawasan yang
dapat diandalkan.

1.4 Komponen Utama Business Intelligence

Business Intelligence bukan hanya tools, melainkan ekosistem yang terdiri dari:

Komponen Penjelasan
Data Source Merupakan titik awal dari seluruh proses Business
Intelligence, yaitu tempat asal data mentah. Sumber

4
 data ini bisa berasal dari berbagai sistem seperti ERP
(untuk pengelolaan sumber daya perusahaan), CRM
(untuk mengelola hubungan pelanggan), database
relasional, file Excel, API, maupun aplikasi lain yang
menyimpan data.
ETL (Extract, Transform, Proses utama dalam BI yang terdiri dari tiga langkah:
Load) mengambil data dari berbagai sumber (extract),
membersihkan dan menyesuaikan data agar sesuai
kebutuhan analisis (transform), lalu menyimpannya
ke dalam sistem penyimpanan khusus untuk analisis
lebih lanjut (load). (memasukkan data ke dalam data
warehouse atau data mart untuk dianalisis).
Data Warehouse/Data Tempat penyimpanan data hasil olahan dari proses
Mart ETL. Data Warehouse menyimpan data dalam skala
besar dari seluruh bagian organisasi, sedangkan Data
Mart berisi data yang lebih spesifik untuk
departemen atau divisi tertentu.
OLAP Teknologi yang digunakan untuk menganalisis data
secara multidimensi. Dengan OLAP, pengguna bisa
menggali informasi lebih dalam dari berbagai sudut
pandang, seperti waktu, lokasi, atau jenis produk,
menggunakan fitur seperti drill-down atau slice.
Tools BI Perangkat lunak yang membantu dalam menganalisis
dan menyajikan data dalam bentuk visual yang
mudah dipahami. Contohnya termasuk Power BI,
Tableau, QlikView, dan Looker. Tools ini dirancang
agar bisa digunakan oleh orang non teknis sekalipun,
untuk membuat laporan, grafik, dan dashboard
interaktif.
Decision Maker Pihak-pihak yang menggunakan informasi dari
Business Intelligence untuk mengambil keputusan
penting dalam organisasi. Mereka mengandalkan
hasil analisis BI untuk menentukan langkah strategis
maupun operasional yang lebih akurat dan berbasis
data.

Tabel 1. Komponen Utama BI

1.5 Alur Kerja Business Intelligence

1) Data Collection

Mengumpulkan data dari berbagai sumber internal (misalnya: sistem ERP, transaksi
penjualan, data keuangan) dan eksternal (misalnya: data pasar, media sosial, laporan
industri). Keakuratan dan kelengkapan data pada tahap ini sangat menentukan
kualitas analisis.

2) Data Integration & Cleaning

5
 Proses integrasi menyatukan data dari berbagai sumber agar konsisten dalam satu
format standar. Pembersihan data (data cleaning) menghilangkan duplikasi,
kesalahan input, atau data yang hilang agar hasil analisis tidak bias atau
menyesatkan.

3) Data Storage

Setelah dibersihkan, data disimpan dalam sistem seperti data warehouse.

Penyimpanan ini mempermudah akses, konsolidasi, serta efisiensi proses analisis
karena data tersusun dalam struktur yang mendukung kueri dan eksplorasi
multidimensi.

4) Data Analysis & Modelling

Tahap ini melibatkan penggunaan algoritma analitik, statistik, dan machine learning
untuk mengenali pola, tren, atau anomali dalam data. Model yang dibangun dapat
digunakan untuk prediksi atau optimalisasi proses bisnis.

5) Data Visualization & Reporting

Hasil analisis disajikan melalui grafik, diagram, peta interaktif, atau dashboard agar
mudah dipahami oleh pengambil keputusan. Visualisasi yang efektif mampu
menyampaikan insight kompleks secara ringkas dan jelas.

6) Decision Making

Tahap akhir adalah pengambilan keputusan yang didasarkan pada insight dari hasil
analitik dan visualisasi. Keputusan ini bisa berupa tindakan operasional, kebijakan
strategis, atau penyesuaian proses bisnis.

1.6 Implementasi Karir

Karier di Bidang Business Intelligence (BI):

a) Data Analyst
Mengolah dan menyajikan data dalam bentuk insight yang mudah dipahami untuk
mendukung pengambilan keputusan.
b) BI Developer
Merancang dan membangun sistem BI, termasuk dashboard, laporan interaktif, dan
integrasi data.
c) Data Consultant
Memberikan rekomendasi solusi BI yang sesuai dengan kebutuhan organisasi.
d) Entrepreneur Berbasis Data
Membuka atau mengembangkan bisnis dengan pendekatan berbasis data dan
analitik.

6
 BAB II
PENGENALAN POWER BI

2.1 Apa Itu Power BI?

Power BI adalah salah satu alat Business Intelligence (BI) buatan Microsoft yang
digunakan untuk mengolah, menganalisis, dan memvisualisasikan data dalam bentuk
dashboard interaktif, grafik, dan laporan.

2.2 Manfaat Power BI terhadap Business Intelligence (BI)

Power BI mengoptimalkan implementasi Business Intelligence dengan:

a. Memudahkan pengolahan dan integrasi data

Power BI dapat mengakses data dari berbagai sumber seperti database, file Excel,
layanan cloud, API, dan aplikasi bisnis lainnya. Hal ini memungkinkan BI memiliki
gambaran data yang lengkap dan holistik.
b. Menyediakan visualisasi yang powerful dan mudah diakses
Power BI menawarkan berbagai visualisasi interaktif seperti grafik, peta, dan
dashboard yang intuitif, sehingga memudahkan pengguna BI, termasuk yang non-
teknis, memahami data dan insight secara cepat. Dengan antarmuka yang user-
friendly serta fitur otomatisasi, Power BI mengurangi ketergantungan pada tenaga
ahli IT untuk membuat laporan dan dashboard secara manual, sehingga proses
analisis menjadi lebih efisien.
c. Mendukung analisis data yang mendalam dan real-time
Power BI dapat digunakan pada berbagai skala organisasi, mulai dari usaha kecil
hingga perusahaan besar, sehingga mendukung beragam kebutuhan dan tingkat
kompleksitas data. Power BI juga menggunakan bahasa formula DAX yang kuat
untuk analisis data kompleks, perhitungan khusus, dan pembuatan model prediktif,
meningkatkan kualitas insight dalam BI.
d. Mempercepat pengambilan keputusan bisnis berbasis data
Power BI Service memudahkan berbagi dashboard dan laporan secara aman dan
terkontrol di dalam organisasi, sehingga seluruh tim dapat mengakses informasi BI
yang konsisten. Selain itu, dashboard dapat diperbarui otomatis saat data sumber
berubah, memastikan keputusan bisnis didasarkan pada informasi terkini dan real-
time.

2.3 Komponen Power BI

Komponen Penjelasan
Power BI Desktop Aplikasi utama yang digunakan untuk
mengolah data, membuat laporan, dan
menyusun dashboard.

7
 Power BI Service Platform berbasis cloud yang
memungkinkan pengguna untuk berbagi,
mengelola, dan melihat laporan dari
berbagai perangka.
Power BI Mobile Aplikasi untuk perangkat seluler yang
memungkinkan pengguna mengakses
dashboard dan laporan secara fleksibel.

Tabel 2. Komponen Power BI

2.4 Menginstal Power BI

A. Persyaratan System
1) Sebelum menginstal Power BI Desktop, pastikan perangkat memenuhi
persyaratan berikut:
2) Sistem Operasi: Windows 10 atau lebih baru.
3) RAM: Minimal 4GB (disarankan 8GB ke atas untuk performa optimal).
4) Ruang penyimpanan: Minimal 1GB untuk instalasi.
5) Prosesor: Intel Core i3 atau yang lebih tinggi.
6) Koneksi internet: Diperlukan untuk mengunduh, memperbarui, dan
menggunakan fitur cloud

B. Proses Instalasi
1) Unduh Power BI Desktop dari situs resmi Microsoft
([Link]
2) Jalankan file installer dan ikuti petunjuk instalasi hingga selesai.
3) Buka Power BI Desktop setelah instalasi selesai dan mulai eksplorasi fitur-
fiturnya.
4) Login ke akun Microsoft untuk mengakses fitur tambahan.

2.5 Mengenal Antarmuka Power BI

Bagian Deskripsi Fungsi Utama

Ribbon Menu alat utama - Home: Impor & refresh data, transformasi dasar
Menu dalam Power BI - Insert: Tambah elemen visual (grafik, tabel,
slicer)
- Modeling: Kelola relasi & DAX
- View: Ubah tampilan (report/data/model)
- Format: Atur tampilan visual

8
 - Help: Akses dokumentasi & bantuan
Panel Panel berisi pilihan - Grafik batang/kolom: Banding nilai antar
Visualisasi visualisasi data kategori
- Grafik garis: Lihat tren waktu
- Pai/Donat: Lihat proporsi
- Peta: Lokasi geografis
- Matriks/Tabel: Tampilan terstruktur
- Slicer: Filter interaktif
- Card: Tampilkan nilai agregat
Fields Pane Menampilkan data - Tampilkan tabel & kolom data
yang diimpor ke - Seret kolom ke visualisasi
Power BI - Buat kolom kalkulasi (DAX)
- Atur agregasi (sum, avg, count)
Report Area utama untuk - Tambah & susun visualisasi
Canvas mendesain laporan - Edit tampilan visual (warna, label, ukuran)
dan dashboard - Tambah interaktivitas antar elemen
- Buat beberapa halaman laporan

Tabel 3. Fungsi Antarmuka Power BI

9
 BAB III
PEMBAHASAN STUDI KASUS SUPERMARKET
MENGGUNAKAN POWER BI

3.1 Tentang Dataset

Pemilihan dataset Supermarket Sales dari Kaggle didasarkan pada sifat dataset-
nya yang terbuka dan tidak memerlukan proses pembersihan data (data cleaning) yang
terlalu kompleks. Hal ini menjadikannya sangat sesuai digunakan dalam konteks
edukatif, khususnya bagi pemula yang ingin belajar tentang Business Intelligence (BI),
visualisasi data, dan pengambilan keputusan berbasis data.
(sumber:[Link]
Dataset ini memiliki data penjualan dalam format Excel dengan struktur sebagai
berikut:
• Invoice ID • Jenis Kelamin
• Hari • Kategori Produk
• Bulan • Harga Satuan
• Tahun • Kuantitas
• Cabang • Metode Pembayaran
• Kota • cogs
• Tipe Pelanggan • Peringkat

Melalui dataset ini, kami akan mengembangkan sebuah Dashboard Power BI yang
menyajikan:
▪ Total kategori dan unit terjual ▪ Pendapatan per kategori
▪ Total pendapatan ▪ Rata-rata peringkat pelanggan
▪ Distribusi metode pembayaran ▪ Filter Dinamis
▪ Keuntungan berdasarkan waktu ▪ Rincian pajak & margin keuntungan

Gambar 1. Dashboard Visualisasi Penjualan Supermarket

10
3.2 Proses Extract, Transform, Load

3.2.1 Extract Data

1) Buka Power BI

2) Pilih Home → lalu klik Get Data From Other Sources.

3) Pilih Excel → Klik Connect

11
4) Pilih Dataset → Klik Open

5) Klik Transfrom Data

12
3.2.2 Transfrom Data

Dalam kegiatan ini, kami melakukan transformasi dengan menggabungkan

beberapa kolom (merge columns) menjadi satu kolom, serta mengubah tipe data
agar sesuai dengan jenis informasi yang diolah. Langkah ini penting dilakukan agar
Power BI dapat membaca, menghitung, dan menampilkan data dengan akurat dalam
visualisasi.

A. Merge Colums
1) Blok kolom Hari, Bulan, dan Tahun secara bersamaan → dengan
menahan tombol Ctrl lalu klik masing-masing header kolom.

2) Pilih tab Transform pada ribbon → lalu klik opsi Merge Columns.

13
 3) Saat jendela Merge Columns terbuka → pilih Comma sebagai pemisah
(Separator) → kemudian beri nama kolom hasil gabungan tersebut dengan
Tanggal.

4) Kolom Hari, Bulan, serta Tahun sudah digabung menjadi satu di kolom
Tanggal.

B. Mengubah Format Data

1) Arahkan kursor ke header kolom Tanggal → klik ikon tipe data di
sebelah kiri nama kolom → lalu pilih tipe data Date dari daftar yang
muncul.

14
 2) Kolom Tanggal akan otomatis berubah ke format tanggal yang sesuai.

3.2.3 Load Data

1) Klik Tombol Close & Apply

2) Power BI akan mulai memuat data ke dalam model.

15
16
 BAB IV
PENGOLAHAN DATA DI POWER BI

Measure adalah rumus atau perhitungan yang digunakan di Power BI untuk mengolah
dan menampilkan data secara otomatis. Dengan measure, kita bisa menghitung berbagai
hal seperti:
• Total penjualan
• Rata-rata peringkat
• Persentase keuntungan
Measure ini bersifat dinamis, hasil perhitungannya akan secara otomatis menyesuaikan
dengan filter atau data yang dipilih pada laporan. Sebagai contoh, apabila pengguna
memilih data untuk bulan Januari, maka nilai total penjualan yang ditampilkan akan
langsung menyesuaikan hanya untuk data pada bulan tersebut, tanpa perlu mengubah
rumus yang telah dibuat.

4.1 Membuat Measure di Power BI

1) Klik tab Home → lalu pilih New Measure.

2) Formula bar akan muncul → ketikkan rumus (DAX) untuk measure yang
ingin dibuat.

4.1.1 Measure Pendapatan Kotor

1) Ketikkan Rumus DAX Berikut:

Pendapatan Kotor = SUMX(supermarket_sales,supermarket_sales[Harga
Satuan] * supermarket_sales[Kuantitas]) + 0

17
 2) Ubah tipe data menjadi Whole Number → lalu atur Decimal Number
menjadi 0.

4.1.2 Measure Pajak 5%

1) Ketikkan Rumus DAX Berikut:

Pajak 5% = SUMX(supermarket_sales, supermarket_sales[Pendapatan Kotor] *
0.05) + 0

18
4.1.3 Measure Pendapatan Bersih

1) Ketikkan Rumus DAX Berikut:

Pendapatan Bersih = supermarket_sales[Pendapatan Kotor] + supermarket_sales
[Pajak 5%] + 0

4.1.4 Measure Keuntungan

1) Ketikkan Rumus DAX Berikut:

Keuntungan = [Pendapatan Bersih]-
SUM(supermarket_sales[cogs]) + 0

19
4.1.5 Measure Persentase Margin Laba Kotor

1) Ketikkan Rumus DAX Berikut:

Persentase Margin Laba Kotor = DIVIDE (supermarket_sales[Keuntungan],
[Pendapatan Bersih]) + 0

3) Ubah tipe data menjadi Percentage → lalu atur Decimal Number

menjadi 1.

2) Setelah dibuat, measure muncul di panel Fields sebelah kanan, di bawah

tabel asal dengan ikon kalkulator.

20
 BAB V
Visualisasi Data

Visualisasi data merupakan penyajian data dalam bentuk grafis yang bertujuan untuk
mempermudah pemahaman informasi. Melalui visualisasi, pola, tren, dan insight yang
tersembunyi dalam data dapat dikenali lebih cepat dibandingkan jika hanya menggunakan
tabel atau angka mentah.

5.1 Design Visual

Atur semua visual menggunakan pengaturan di bawah ini, atau gunakan fitur Format
Painter untuk menyeragamkan tampilan antar visual. Setelah itu, silakan sesuaikan kembali
tampilannya sesuai kebutuhan dan karakteristik masing-masing visual.
• Catatan: Pengaturan ini tidak wajib sepenuhnya sama, bisa disesuaikan secara kreatif
agar desain visual lebih menarik dan informatif.

5.2 Membuat Visualisasi

5.2.1 Tabel Rincian

• Langkah Langkah
1) Klik panel Visualizations → Pilih visual Tabel → Seret kolom Kategori Produk,
Pajak 5%, Pendapatan Bersih, Keuntungan, dan Persentase Margin Laba Kotor
→ Letakkan di area "Add data fields here".

21
2) Arahkan kursor ke kolom Persentase Margin Laba Kotor, klik ikon panah bawah
→ pilih “Rename for this visual” → ganti namanya menjadi Persentase, lalu
Enter.

3) Aktifkan Data Bar → Klik ikon panah bawah pada kolom Persentase dan
Keuntungan → Pilih Conditional formatting → Klik Data bars.

22
4) Tentukan warna di bagian Data colors → Lalu klik OK.

5) Data Bar berhasil diterapkan pada visualisasi.

6) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual

(background, border, title, shadow).

23
7) Setelah itu, lakukan penyesuaian pada Tabel sesuai kebutuhan, karena tidak
dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih informatif dan
menarik. Maka, hasil desain visual kami adalah seperti ini.

5.2.2 Line Chart

Menampilkan tren rata-rata peringkat masing-masing kategori produk dari waktu ke

waktu. Dengan visualisasi ini, pengguna dapat membandingkan bagaimana setiap
kategori produk memperoleh penilaian dari pelanggan dan bagaimana peringkatnya
berubah atau berkembang selama periode tertentu.
• Langkah Langkah
1) Klik panel Visualizations → Pilih Line Chart → Seret kolom Kategori Produk
ke sumbu X-axis → Seret kolom Peringkat ke sumbu Y-axis.

24
2) Klik panah di sebelah kolom Peringkat → Pilih Average sebagai jenis
perhitungan.

3) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual

(background, border, title, shadow).

4) Setelah itu, lakukan penyesuaian pada Line Chart sesuai kebutuhan, karena tidak
dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih informatif dan
menarik. Maka, hasil desain visual kami adalah seperti ini.

25
5.2.3 Area Chart

Menampilkan perkembangan total keuntungan setiap bulan dalam bentuk grafik area.
Visualisasi ini membantu pengguna melihat pola pertumbuhan atau penurunan
keuntungan dari bulan ke bulan secara jelas, sekaligus membandingkan volume
keuntungan antar periode waktu.
• Langkah Langkah
1) Klik Panel Visualizations → lalu pilih Area Chart

2) Pilih dan seret kolom Tanggal → ke area “Add data fields” di sumbu X-axis →
lalu seret kolom Keuntungan → ke area sumbu Y-axis.

26
 3) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual
(background, border, title, shadow).

4) Setelah itu, lakukan penyesuaian pada Area Chart sesuai kebutuhan, karena tidak
dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih informatif dan
menarik. Maka, hasil desain visual kami adalah seperti ini.

5.2.4 Stacked Column Chart

Menampilkan kontribusi masing-masing kategori produk terhadap total pendapatan

kotor dalam bentuk kolom bertumpuk. Visualisasi ini memungkinkan pengguna untuk
melihat perbandingan pendapatan antar kategori serta proporsi setiap kategori dalam
total keseluruhan pendapatan.

27
• Langkah Langkah
1) Klik panel Visualizations → lalu pilih Stacked Column Chart

2) Pilih dan seret kolom Kategori Produk → ke area Add data fields here di sumbu
X-axis → lalu seret kolom Pendapatan Kotor → ke area sumbu Y-axis.

3) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual

(background, border, title, shadow).

4) Setelah itu, lakukan penyesuaian pada Stacked Column Chart sesuai kebutuhan,
karena tidak dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih
informatif dan menarik. Maka, hasil desain visual kami adalah seperti ini.

28
5.2.5 Donut Chart

Menampilkan proporsi jumlah transaksi (kuantitas) berdasarkan metode pembayaran

seperti Cash, Credit, atau E-Wallet dalam bentuk grafik melingkar (donat).
Visualisasi ini membantu pengguna memahami distribusi preferensi pelanggan dalam
memilih metode pembayaran.
• Langkah Langkah
1) Klik panel Visualizations → lalu pilih Donut Chart

2) Pilih dan seret kolom Metode Pembayaran → ke bagian Legend → lalu seret
kolom Kuantitas → ke bagian Values.

29
 3) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual
(background, border, title, shadow).

4) Setelah itu, lakukan penyesuaian pada Donut Chart sesuai kebutuhan, karena
tidak dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih informatif dan
menarik. Maka, hasil desain visual kami adalah seperti ini.

5.2.6 Card Total Penjualan

Menampilkan total keseluruhan unit produk yang terjual dalam bentuk Card visual di
Power BI.

30
• Langkah Langkah
1) Klik panel Visualizations → lalu pilih Card

2) Klik ribbon Home → lalu klik New Measure → masukkan DAX ini:
unit terjual = COALESCE(SUM(supermarket_sales[Kuantitas]), 0)

3) Seret Measure Unit Terjual → letakkan di area “Add data fields here”.

31
 4) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual
(background, border, title, shadow).

5) Setelah itu, lakukan penyesuaian pada Card sesuai kebutuhan, karena tidak
dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih informatif dan
menarik. Maka, hasil desain visual kami adalah seperti ini.

5.2.7 Card Total Pendapatan Kotor

Menampilkan total keseluruhan pendapatan kotor dalam bentuk Card visual di Power
BI. Visual ini memberikan informasi ringkas dan langsung mengenai jumlah total
pendapatan yang diperoleh dari penjualan selama periode tertentu.
• Langkah Langkah
1) Klik panel Visualizations → lalu pilih Card

32
2) Seret kolom Pendapatan Kotor → lalu taruh di area “Add data fields here”.

3) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual

(background, border, title, shadow).

4) Setelah itu, lakukan penyesuaian pada Card sesuai kebutuhan, karena tidak
dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih informatif dan
menarik. Maka, hasil desain visual kami adalah seperti ini

33
5.2.8 Card Total Penjualan Berdasarkan Kategori

Menunjukkan berapa banyak kategori produk berbeda yang ada dalam data penjualan.
• Langkah Langkah
1) Klik panel Visualizations → lalu pilih Card

2) Klik ribbon Home → lalu klik New Measure → masukkan DAX ini:
total kategori = COUNT(supermarket_sales[Kategori Produk]) + 0

34
 3) Seret Measure Unit Kategori → letakkan di area “Add data fields here”.

4) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual

(background, border, title, shadow).

5) Setelah itu, lakukan penyesuaian pada Card sesuai kebutuhan, karena tidak
dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih informatif dan
menarik. Maka, hasil desain visual kami adalah seperti ini

5.2.9 Slicer Berdasarkan Bulan

Memfilter data berdasarkan bulan tertentu sehingga pengguna bisa melihat data atau
laporan hanya untuk bulan yang dipilih saja.
• Langkah Langkah

35
1) Klik panel Visualizations → lalu pilih Slicer

2) Klik ribbon Modeling → pilih New Table → masukkan DAX:

Tanggal = CALENDAR(DATE(2019, 1, 1), DATE(2019, 12, 31))

3) Klik panel Model View

4) Kemudian relasikan antar tabel → seret kolom Date dari tabel Tanggal → ke
kolom Tanggal pada tabel supermarket_sales.

36
5) Lalu akan muncul detail relasi seperti pada gambar di bawah ini → sesuaikan
pengaturannya agar sama dengan tampilan pada gambar.

6) Relasi berhasil dibuat → lalu klik panel Report View untuk kembali ke
tampilan Dashboard.

7) Seret kolom Date dari tabel Tanggal → lalu letakkan di area “Add data fields
here”.

37
8) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual
(background, border, title, shadow).

9) Setelah itu, lakukan penyesuaian pada Slicer sesuai kebutuhan, karena tidak
dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih informatif dan
menarik. Maka, hasil desain visual kami adalah seperti ini

38
5.2.10 Slicer Metode Pembayaran

Memfilter data berdasarkan jenis metode pembayaran seperti Cash, Credit, atau E-
Wallet, sehingga pengguna bisa melihat data transaksi sesuai metode pembayaran yang
dipilih atau kombinasi ketiganya.
• Langkah Langkah
1) Klik panel Visualizations → lalu pilih Slicer

2) Seret kolom Metode Pembayaran → lalu taruh di area “Add data fields here”.

3) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual

(background, border, title, shadow).

39
 4) Setelah itu, lakukan penyesuaian pada Slicer sesuai kebutuhan, karena tidak
dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih informatif dan
menarik. Maka, hasil desain visual kami adalah seperti ini

5.2.11 Slicer Jenis Kelamin

Memfilter data berdasarkan jenis kelamin sehingga pengguna dapat menampilkan

informasi hanya untuk laki-laki, perempuan, atau keduanya sesuai pilihan.
• Langkah Langkah
1) Klik panel Visualizations → lalu pilih Slicer

2) Seret kolom Jenis Kelamin → lalu taruh di area “Add data fields here”.

3) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual

(background, border, title, shadow).

40
 4) Setelah itu, lakukan penyesuaian pada Slicer sesuai kebutuhan, karena tidak
dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih informatif dan
menarik. Maka, hasil desain visual kami adalah seperti ini.

5.2.12 Slicer Kategori

Memfilter data berdasarkan kategori tertentu sehingga pengguna bisa melihat informasi
yang spesifik sesuai kategori yang dipilih dengan mudah dan interaktif.
• Langkah Langkah
1) Klik panel Visualizations → lalu pilih Slicer

2) Klik ribbon Modeling → lalu klik New Table → masukkan DAX ini:
kategori = DATATABLE(
"Kategoriproduk", STRING,
{
{"Electronic accessories"},
{"Fashion accessories"},
{"Food and beverages"},
{"Health and beauty"},
{"Home and lifestyle"},

41
 {"Sports and travel"}
}
)

3) Klik panel Model View

4) Kemudian relasikan antar tabel → seret kolom Kategoriproduk dari tabel

kategori → ke kolom Kategori Produk pada tabel supermarket_sales.

5) Lalu akan muncul detail relasi seperti pada gambar di bawah ini → sesuaikan
pengaturannya agar sama dengan tampilan pada gambar.

42
6) Relasi berhasil dibuat → lalu klik panel Report View untuk kembali ke tampilan
Dashboard.

7) Seret kolom Kategori Produk di Tabel supermarket_sales → lalu taruh di area

“Add data fields here”.

8) Ubah format slicer → buka panel Visualisasi → klik ikon di tengah bertuliskan
“Format your visual”

43
9) Buka Slicer settings → pilih Style: Tile → lalu atur tampilan slicer lainnya
sesuai kebutuhan.

10) Gunakan fitur Format Painter untuk menyalin pengaturan desain visual
(background, border, title, shadow).

11) Setelah itu, lakukan penyesuaian pada Slicer sesuai kebutuhan, karena tidak
dijelaskan secara rinci. Sesuaikan tampilan agar visual lebih informatif dan
menarik. Maka, hasil desain visual kami adalah seperti ini

44
5.3 Hasil Dashboard Penjualan Supermarket

45
46