Studi Kasus: Perancangan Database dan Analisis Data Penjualan Erigo

15 min readDec 14, 2022

Project oleh: Denny Dewanta

Pendahuluan

Erigo yang memiliki nama semakin besar [1]

Erigo merupakan brand apparel yang berfokus pada produk-produk pakaian pria dan wanita. Erigo bertujuan untuk merepresentasikan anak muda yang ingin terlihat trendy, semi-formal, kasual, dan lainnya. Erigo memiliki standar dan pembuatan produk menggunakan teknologi. Erigo memiliki website penjualan sendiri dan juga bergabung dengan berbagai macam e-commerce [1].

Dalam memanajemen penjualan, Erigo pastilah membutuhkan sebuah sistem database. Dari database tersebut dapat diperoleh berbagai macam informasi penjualan yang dapat mendukung keputusan-keputusan bisnis. Terutama, Erigo kerap memberikan campaign penjualan kepada pelanggannya.

Data

Data yang dipakai merupakan data dummy dan bukan merupakan data asli dari Erigo. Berikut merupakan beberapa ketentuan data dummy yang telah dibuat:

Data masing-masing tabel dibuat terpisah pada masing-masing file .csv
Dataset memiliki rentang waktu dari tanggal 4 sampai 8 Oktober 2022.
Beberapa field menggunakan fungsi untuk generate nilai random menggunakan Microsoft Excel. Sehingga apabila Anda membuka dataset yang saya buat, bisa jadi akan memiliki hasil analisis yang berubah-ubah karena sifat generate data secara random pada Microsoft Excel tidak tetap.
Untuk field nama, diggunakan data dari Kaggle — Indonesian Name yang kemudian disatukan dengan dummy fields lainnya.
Data merupakan data penjualan pada tanggal 4 sampai dengan 8 Oktober 2022.

Data dalam bentuk .csv tersedia pada Github saya.

Tools: MySQL

MySQL merupakan manajemen basis data dengan Structured Query Language (SQL). MySQL memiliki lisensi GNU (General Public License) dengan fitur yang terbatas [2]. MySQL dapat dioperasikan dengan MySQL Workbench. MySQL Workbench merupakan alat visualisasi arsitektur database, developers dan DBAs. Dengan MySQL Workbench, dapat dilakukan fungsional-fungsional menggunakan MySQL [3].

Dalam project ini, digunakan MySQL Workbench yang dijalankan pada local.

Tujuan

Project ini bertujuan untuk merancang basis data dan analisis data menggunakan dummy data dengan studi kasus Erigo. Sehingga dapat memberikan saran terkait keputusan bisnis untuk Erigo dalam memasarkan produk-produknya.

Perancangan Database

Dibuat enam buah tabel dengan bentuk skema star. Fact table adalah tabel ordering karena dapat dirancang sebagai penghubung banyak tabel. Tabel ordering memiliki primary key order_id yang sekaligus menjadi foreign key. Selain itu, terdapat foreign key lain yaitu cust_id dan shipping_int.

Foreign key shipping_int pada tabel ordering dihubungkan dengan tabel shipping yang memiliki primary key ship_id. Relasi keduanya adalah many mandatory to one optional karena semua baris pada tabel ordering pastilah memiliki keterikatan dengan tabel shipping. Sementara pada tabel shipping belum tentu semua barisnya akan terpakai pada tabel ordering.

Kemudian tabel shipping dihubungkan dengan tabel status dengan relasi many optional to one mandatory karena setiap baris pada tabel status pasti bisa memiliki banyak hubungan dengan tabel shipping.

Tabel sales memiliki relasi dengan tabel ordering menggunakan primary key order_id. Hubungan keduanya adalah one mandatory to one mandatory karena satu baris pada setiap tabel pasti wajib memiliki satu pasangan saja pada tabel satunya. Lalu, tabel sales ini juga memiliki relasi dengan tabel product dengan primary key product_id. Hubungan keduanya adalah one optional to many mandatory karena tidak semua produk bisa dipakai pada tabel sales dan produk yang masuk ke sales bisa masuk ke banyak baris.

Kemudian, terdapat tabel customer yang memuat berbagai macam informasi customer. PK pada tabel ini adalah cust_id yang dapat membedakan berbagai macam customer karena bisa saja ada beberapa customer yang memiliki nama yang sama. Tabel ini dhubungkan dengan tabel ordering dengan relasi one optional to many optional karena tidak semua pengguna (customer) melakukan transaksi pada rentang waktu yang ditentukan.

Daftar Pertanyaan

Dalam melakukan query, dibuat daftar-daftar pertanyaan untuk melakukan eksplorasi data pada basis data. Berikut merupakan pertanyaan-pertanyaan yang dibuat untuk studi kasus ini:

Berapa jumlah produk tiap-tiap kategori?
Apa saja lima produk termahal?
Apa produk jaket termahal?
Produk dengan keuntungan satu item terkecil?
Siapa saja tiga customer dengan pembelian terbanyak?
Siapa saja customer yang memiliki akun namun tidak melakukan pembelian pada 4–8 Oktober 2022?
Berapa jumlah customer di tiap-tiap provinsi?
Berapa jumlah customer yang memiliki akun namun tidak melakukan pembelian pada 4–8 Oktober 2022 di tiap-tiap provinsi?
Siapa saja lima customer dengan pembelian terbanyak pada tanggal 7 Oktober 2022?
Apa produk dengan keuntungan tertinggi? Berapa keuntungannya? Berapa barang yang laku?
Berapa keuntungan Erigo setiap hari pada tanggal 4–8 Oktober 2022?
Bagaimana traffic penjualan? Berapa barang yang laku berdasarkan sumber order?
Bagaimana traffic penjualan pada 4 Oktober 2022? Berapa barang yang laku berdasarkan sumber order?
Bagaimana status pengiriman barang saat ini? Berapa jumlah tiap-tiap status?
Bagaimana status pesanan saat ini?
Bagaimana sebaran penjualan berdasarkan size produk?
Bagaimana sebaran usia semua pengguna?
Bagaimana sebaran usia pengguna yang bertransaksi pada tanggal 4–8 Oktober 2022?
Bagaimana sebaran status member semua pengguna?
Bagaimana sebaran status member pengguna yang bertransaksi pada tanggal 4–8 Oktober 2022?
Bagaimana sebaran jenis kelamin semua pengguna?
Bagaimana sebaran jenis kelamin pengguna yang bertransaksi pada tanggal 4–8 Oktober 2022?
Bagaimana sebaran jenis kelamin pengguna yang membeli produk Antelope Black pada tanggal 4–8 Oktober 2022?

Implementasi pada MySQL dan Analisis

Berapa jumlah produk tiap-tiap kategori?

# Jumlah product tiap-tiap kategori
select category, count(category)
from product group by category
order by category;

Didapatkan bahwa jacket, pants, dan t-shirt masing-masing memiliki 5, 3, dan 3 buah jenis produk.

Apa saja lima produk termahal?

# Lima product termahal
select name, price from product
order by price desc
limit 0, 5;

Lima produk termahal adalah tertampil seperti di atas dengan produk termahal adalah Coach Jacket Nippon yang dibanderol seharga Rp200.000,00 untuk satu itemnya.

Apa produk jaket termahal?

# Product jaket termahal
select name, price from product
where category='jacket'
order by price desc;

Ternyata, produk jacket termahal sama seperti lima produk termahal pada semua kategori. Hal ini menunjukkan bahwa harga kategori jacket memang memiliki harga yang lebih tinggi dibandingkan kategori lainnya.

Produk dengan keuntungan satu item terkecil?

# Product dengan keuntungan tiap product terkecil
select name, (price-prod_cost) as keuntungan
from product
order by keuntungan asc;

Chino Mika Grey memiliki keuntungan yang paling sedikit dibandingkan dengan produk-produk lainnya, yaitu sebesar Rp19.000,00 saja.

Siapa saja tiga customer dengan pembelian terbanyak?

# Tiga customer dengan pembelian terbanyak
select cust_id, name, count(cust_id) as jumlah_pembelian
from ordering
inner join customer using(cust_id)
group by cust_id
order by jumlah_pembelian desc
limit 0,3;

Customer dengan pembelian terbanyak dipegang oleh Deny Gustriansyah sebanyak enam kali pembelian dalam 4–8 Oktober 2022. Kemudian disusul oleh Debby Jayadi Nugroho dengan jumlah pembelian sebanyak lima dan Nanda Aditya dengan jumlah pembelian sebanyak empat.

Siapa saja customer yang memiliki akun namun tidak melakukan pembelian pada 4–8 Oktober 2022?

# Customer yang memiliki akun namun tidak melakukan pembelian pada 4-8 Oktober 2022
select cust_id, name
from ordering
right join customer using(cust_id)
where order_id is null;

Berapa jumlah customer di tiap-tiap provinsi?

# Jumlah customer tiap-tiap provinsi
select ship_prov, count(ship_prov) as jumlah_user
from customer
group by ship_prov
order by ship_prov asc;

Dilakukan order by ship_prov agar apabila mencari suatu provinsi maka akan dengan mudah ditemukan berdasarkan urutan alfabet.

Berapa jumlah customer yang memiliki akun namun tidak melakukan pembelian pada 4–8 Oktober 2022 di tiap-tiap provinsi?

# Jumlah customer yang memiliki akun namun tidak melakukan pembelian pada 4-8 Oktober 2022 tiap daerah
select ship_prov, count(ship_prov) as jumlah_user_inact
from ordering
right join customer using(cust_id)
where order_id is null
group by ship_prov
order by ship_prov asc;

Provinsi dengan pengguna terbanyak yang memiliki akun namun tidak melakukan transaksi pada 4–8 Oktober 2022 dipimpin oleh DKI Jakarta.

Siapa saja lima customer dengan pembelian terbanyak pada tanggal 7 Oktober 2022?

# Lima customer dengan pembelian terbanyak pada tanggal 7 Oktober 2022
select cust_id, name, count(cust_id) as jumlah_pembelian
from ordering
inner join customer using(cust_id)
where order_date = '2022-10-07'
group by cust_id
order by jumlah_pembelian desc
limit 0,6;

Dibuat limit hingga enam baris karena ternyata pada data ditemukan jumlah pembelian yang sama persis, yaitu dua pada lima data teratas. Sehingga, lima customer dengan pembelian terbanyak pada 7 Oktober 2022 adalah Muhammad Maksum Sugondo, Ilda Ikhwana Lubis, Muhammad Bagoes Samaron, Naufal Abiyyu, dan Agustiando Rahmat.

Apa produk dengan keuntungan tertinggi? Berapa keuntungannya? Berapa barang yang laku?

# Product dengan keuntungan tertinggi
select product.product_id, product.name,
count(product.product_id) as product_sold, sum(product.price-product.prod_cost) as keuntungan
from ordering
inner join sales using(order_id)
inner join product using(product_id)
group by product.product_id
order by keuntungan desc;

Tidak dilimitkan agar dapat dilihat perbedaan tiap-tiap product antara product_sold dan keuntungan. Coach Jacket Nippon memiliki keuntungan yang sangat tinggi, yaitu pada tanggal 4–8 Oktober 2022 berhasil meraih keuntungan sebanyak Rp1.050.000,00 dengan 21 item Coach Jacket Nippon terjual.

Kemudian, dapat diamati juga bahwa meskipun Migumi Black memiliki product_sold yang lebih rendah daripada Chino Long Pants, namun Migumi Black unggul dalam keuntungan produk yang terjual. Hal ini menunjukkan bahwa perusahaan sebaiknya tidak hanya berfokus pada kuantitas produk yang laku, namun bagaimana mengoptimalkan produk yang berpotensi menghasilkan keuntungan lebih banyak.

Berapa keuntungan Erigo setiap hari pada tanggal 4–8 Oktober 2022?

# Total keuntungan per hari
select ordering.order_date,
count(product.product_id) as sales, sum(product.price-product.prod_cost) as keuntungan
from ordering
inner join sales using(order_id)
inner join product using(product_id)
group by ordering.order_date
order by order_date asc;

Pada data ditemukan bahwa keuntungan tertinggi ada pada tanggal 7 Oktober 2022 dengan keuntungan sebesar Rp1.253.000,00. Sedangkan keuntungan terkecil ada pada hari berikutnya, yaitu pada 8 Oktober 2022 dengan keuntungan hanya Rp464.250,00. Hal ini dapat dianalisis lebih lanjut dengan faktor-faktor lain seperti faktor kompetitor maupun faktor lainnya yang dapat menyebabkan sales dan keuntungan yang melonjak mendadak menurun begitu saja.

Bagaimana traffic penjualan? Berapa barang yang laku berdasarkan sumber order?

# Traffic penjualan
select order_source, count(order_source) as sold
from ordering
group by order_source
order by sold desc;

Youtube Ads memegang peringkat tertinggi yang dapat mempengaruhi orang untuk membeli produk Erigo. Disusul dengan affiliate dengan penjualan 31. Order source organik adalah keadaan di mana pembeli membeli produk langsung dengan membuka website tanpa perantara iklan. Sayangnya, Facebook Ads kurang berpengaruh dalam menarik calon pembeli. Perusahaan dapat mengoptimalkan kembali konten-konten iklan pada Youtube Ads untuk menarik lebih banyak lagi calon pembeli. Kemudian, perusahaan juga dapat menggalakkan program affiliate sebagai upaya menaikkan sales. Lalu, perusahaan juga dapat mempertimbangkan kembali Facebook Ads. Apabila Facebook Ads memiliki biaya yang tidak sebanding dengan hasil penjualan, dapat disarankan untuk dicabut dan dialokasikan ke affiliate. Hal ini karena affiliate bersifat menyebarkan link dan bagi siapa yang menyebarkan link akan mendapatkan reward, dana anggaran Divisi Marketing untuk Facebook Ads akan lebih baik dialokasikan ke affiliate untuk menggalakkannya.

Bagaimana traffic penjualan pada 4 Oktober 2022? Berapa barang yang laku berdasarkan sumber order?

# Traffic penjualan pada 4 Oktober 2022
select order_source, count(order_source) as sold_20221004
from ordering
where order_date='2022-10-04'
group by order_source
order by sold_20221004 desc;

Pada 4 Oktober 2022, dapat dilihat bahwa order_source organik dan Youtube Ads memimpin. Disusul dengan affiliate dan IG Ads. Namun, pada hari tersebut Facebook Ads tidak memberikan dampak positif sama sekali.

Bagaimana status pengiriman barang saat ini? Berapa jumlah tiap-tiap status?

# Mengetahui status pengiriman pesanan saat ini
select shipping.status, count(shipping.status) as jumlah
from shipping
inner join ordering on shipping.ship_id = ordering.shipping_id
group by shipping.status
order by ship_id asc;

Terlihat bahwa proporsi status hampir sama. Hanya status “dikirim ke ekspedisi” memiliki proporsi yang lebih sedikit. Namun, hal ini menunjukkan hal positif yaitu bahwa tidak adanya proses yang menumpuk. Misalkan terdapat proses dengan proporsi yang jauh lebih besar, maka hal tersebut menunjukkan bahwa adanya proses yang menumpuk dan diperlukan pemeriksaan lebih lanjut. Namun, pada data ini tidak menunjukkan hal tersebut.

Bagaimana status pesanan saat ini?

# Mengetahui status pesanan saat ini
select status.status, count(shipping.status_order) as jumlah
from shipping
inner join ordering on shipping.ship_id = ordering.shipping_id
inner join status on shipping.status_order = status.status_order
group by shipping.status_order
order by ship_id asc;

Berbeda dengan sebelumnya, pada status ini menunjukkan status pesanan. Status “diproses ekspedisi” menumpuk karena hal ini merupakan gabungan beberapa baris pada poin sebelumnya.

Bagaimana sebaran penjualan berdasarkan size produk?

# Sebaran penjualan size
select size, count(size) as sold
from sales
group by size
order by sold desc;

Dari hasil query di atas, dapat diketahui bahwa ukuran S, L, dan M memiliki proporsi penjualan yang lebih tinggi dibandingkan dengan ukuran XL dan XXL. Hal ini menunjukkan bahwa pembeli Erigo memiliki rentang ukuran pakaian S sampai L. Bagi perusahaan, sebaiknya dapat memaksimalkan produk dengan stok tersebut untuk mencegah habisnya stok untuk dijual.

Bagaimana sebaran usia semua pengguna?

# Sebaran usia pengguna (termasuk inact) pada database
select
 case
  when usia < 18 then 'Di bawah 18'
        when usia between 18 and 20 then '18-20 tahun'
        when usia between 21 and 30 then '21-30 tahun'
        when usia between 31 and 40 then '31-40 tahun'
        when usia between 41 and 50 then '41-50 tahun'
        when usia between 51 and 60 then '51-60 tahun'
        when usia > 60 then 'Di atas 60'
 end as range_usia,
count(cust_id) as jumlah_user
from customer
group by range_usia order by range_usia;

Pengguna Erigo (termasuk yang tidak transaksi di 4–8 Oktober 2022) didominasi oleh orang dewasa dengan rentang usia 21–30 tahun. Sehingga, perusahaan dapat memberikan varian yang sesuai dengan usia tersebut. Ditambah pula bahwa rentang usia tersebut umumnya sudah memiliki pekerjaan dan income mandiri, sehingga Erigo dapat memanfaatkannya sebagai salah satu segmentasi market.

Bagaimana sebaran usia pengguna yang bertransaksi pada tanggal 4–8 Oktober 2022?

# Sebaran usia pengguna yang aktif bertransaksi pada 4-8 Oktober 2022
select
 case
  when usia < 18 then 'Di bawah 18'
        when usia between 18 and 20 then '18-20 tahun'
        when usia between 21 and 30 then '21-30 tahun'
        when usia between 31 and 40 then '31-40 tahun'
        when usia between 41 and 50 then '41-50 tahun'
        when usia between 51 and 60 then '51-60 tahun'
        when usia > 60 then 'Di atas 60'
 end as range_usia,
count(distinct(ordering.cust_id)) as jumlah_user
from customer
inner join ordering using(cust_id)
group by range_usia order by range_usia;

Didapatkan bahwa rentang usia pengguna yang aktif bertransaksi pada 4 sampai 8 Oktober 2022 adalah usia 21–30 tahun. Seperti pada poin sebelumnya, rentang usia ini dapat dilihat sangat potensial untuk ditargetkan lebih tinggi lagi. Erigo dapat mengeluarkan model yang lebih trendy dan dengan marketing untuk menarik rentang usia tersebut.

Bagaimana sebaran status member semua pengguna?

# Sebaran status member user pada database (termasuk inact)
select status, count(status) as jumlah_user
from customer
group by status;

Dengan urutan pengguna tingkat atas adalah Gold-Silver-Bronze, maka dapat diamati bahwa masih banyak pengguna yang status membernya adalah bronze.

Bagaimana sebaran status member pengguna yang bertransaksi pada tanggal 4–8 Oktober 2022?

# Sebaran status member user yang aktif transaksi pada 4-8 Oktober 2022
select status, count(distinct(ordering.cust_id)) as jumlah_user
from customer
inner join ordering using(cust_id)
group by status order by status desc;

Meskipun Bronze adalah “kasta” terendah, namun penjualan Bronze menunjukkan angka yang tinggi pada rentang 4–8 Oktober 2022. Bisa jadi terdapat banyak pengguna baru yang melakukan transaksi pertamanya di Erigo. Sebaiknya perusahaan dapat memanfaatkan peluang ini dengan memberi promo atau potongan harga untuk menarik lebih banyak pengguna baru kembali.

Bagaimana sebaran jenis kelamin semua pengguna?

# Sebaran jenis kelamin user pada database (termasuk inact)
select
 case
  when gender='m' then 'Laki-laki'
        when gender='f' then 'Perempuan'
 end as jenis_kelamin,
count(gender) as jumlah_user
from customer
group by gender order by gender desc;

Diketahui bahwa banyak pengguna laki-laki di Erigo. Hal ini dapat dikarenakan banyak desain pakaian Erigo yang terlihat lebih maskulin serta pemilihan warna yang dominan disukai oleh pria. Apabila Erigo masih mengincar market perempuan, maka dapat disarankan Erigo menciptakan desain pakaian yang lebih girly dengan warna yang cerah.

Bagaimana sebaran jenis kelamin pengguna yang bertransaksi pada tanggal 4–8 Oktober 2022?

# Sebaran jenis kelamin user aktif tanggal 4-8 Oktober 2022 pada database
select
 case
  when gender='m' then 'Laki-laki'
        when gender='f' then 'Perempuan'
 end as 'Jenis Kelamin',
count(distinct(ordering.cust_id)) as 'Jumlah User'
from customer
inner join ordering using(cust_id)
group by gender order by gender desc;

Masih didominasi oleh laki-laki dengan jumlah user yang bertransaksi pada 4–8 Oktober 2022 sebanyak 48 orang dan disusul perempuan dengan 21 orang.

Bagaimana sebaran jenis kelamin pengguna yang membeli produk Antelope Black pada tanggal 4–8 Oktober 2022?

# Sebaran jenis kelamin user aktif tanggal 4-8 Oktober 2022 yang membeli antelope black
select
 case
  when gender='m' then 'Laki-laki'
        when gender='f' then 'Perempuan'
 end as 'Jenis Kelamin',
count(distinct(ordering.cust_id)) as 'jumlah user pembeli antelope black'
from customer
inner join ordering using(cust_id)
inner join sales using(order_id)
inner join product using(product_id)
where product.name = 'antelope black'
group by gender order by gender desc;

Pembelian produk Antelope Black didominasi oleh lelaki sebanyak enam pembelian pada waktu 4–8 Oktober 2022. Sehingga segmentasi produk Antelope Black ini ditujukan untuk pria.

Kesimpulan dan Saran

Dari project ini, dapat diberikan kesimpulan dan saran kepada perusahaan antara lain:

Perancangan basis data membutuhkan enam buah tabel. Fact table adalah ordering karena memuat banyak informasi yang dapat menghubungkan dengan tabel lainnya. Kemudian tabel lainnya adalah customer, sales yang dihubungkan dengan tabel product, dan tabel shipping yang dapat dihubungkan dengan tabel status.
Produk pada basis data hanya terbatas pada lima buah jaket, tiga buah pants, dan tiga buah t-shirt.
Produk termahal Erigo didominasi oleh kategori jacket.
Keuntungan satu item produk terkecil dipegang oleh Chino Mika Grey. Sebaiknya Erigo dapat menaikkan harga produk ini jika diperlukan karena keuntungan produk ini paling rendah, yaitu Rp19.000,00 untuk satu itemnya.
Customer dengan pembelian terbanyak pada 4–8 Oktober 2022 dipegang oleh Deny Gustriansyah dengan enam buah pembelian.
Jumlah pengguna di DKI Jakarta adalah terbanyak dibandingkan dengan provinsi lainnya. Namun, hal ini juga sebanding lurus dengan jumlah pengguna inactive di DKI Jakarta yang tidak melakukan transaksi pada 4–8 Oktober 2022. Erigo mungkin dapat melakukan marketing campaign untuk menaikkan sales pada daerah sepotensial DKI Jakarta ini.
Produk dengan total keuntungan tertinggi dipegang oleh Coach Jacket Nippon dengan 21 sales dan keuntungan sebesar Rp1.050.000,00 selama periode 4–8 Oktober 2022.\
Dapat diamati bahwa jumlah produk terjual tidak selalu berbanding lurus dengan keuntungan yang didapatkan. Keuntungan produk Migumi Black hanya dengan penjualan sembilan item dapat mengalahkan keuntungan Chino Long Pants yang terjual sebanyak 12 item selama 4–8 Oktober 2022.
Perlu dilakukan analisis lebih lanjut mengenai naiknya penjualan pada 7 Oktober 2022 beserta keuntungannya yang kemudian merosot pada 8 Oktober 2022. Perlu dilakukan analisis kompetitor, analisis keberhasilan campaign, analisis promo, dan analisis lainnya.
Erigo dapat berfokus pada menghasilkan konten yang menarik untuk Youtube Ads dan mempertimbangkan kembali Facebook Ads sebagai sarana promosi.
Sistem pengiriman dapat dinilai baik karena tidak terjadinya penumpukan dan proporsi antar status yang hampir rata.
Erigo dapat berfokus pada penjualan size S, M, dan L karena ketiga ukuran tersebut paling laku di pasar. Sehingga Erigo dapat menaikkan stock yang ada.
Pengguna didominasi oleh rentang usia 21–30 tahun. Erigo dapat membuat inovasi produk yang sesuai dengan rentang usia tersebut. Kemudian, karena rentang usia tersebut kebanyakan sudah bekerja, maka dapat pula membuat campaign seperti PayDay yang umum muncul pada awal gajian.
Erigo dapat memberikan promo kepada Bronze member untuk dapat terus belanja di Erigo karena Bronze member terbukti banyak memiliki sales.
Erigo didominasi oleh konsumen pria karena sebagian besar produknya bersifat maskulin. Apabila Erigo ingin merambah market wanita, maka sebaiknya Erigo memberikan produk yang cocok untuk wanita tanpa perlu menghilangkan produk “maskulin”-nya.

Referensi

[1] “About Us,” ERIGO, 2022. https://erigostore.co.id/pages/about-us (accessed Dec. 14, 2022).

[2] Yasin K, “Pengertian MySQL, Fungsi, dan Cara Kerjanya (Lengkap),” Niagahoster Blog, Apr. 24, 2022. https://www.niagahoster.co.id/blog/mysql-adalah/ (accessed Dec. 14, 2022).

[3] “MySQL :: MySQL Workbench,” Mysql.com, 2022. https://www.mysql.com/products/workbench/ (accessed Dec. 14, 2022).

Link Github

Data dan kode terlampir dalam Github saya:

GitHub - dedewanta/erigo-database-casestudy

You can't perform that action at this time. You signed in with another tab or window. You signed out in another tab or…

github.com

Saran dan Masukan

Apabila terdapat saran/kritik terhadap project yang saya buat, dapat disampaikan melalui e-mail dennydewanta@gmail.com atau akun LinkedIn saya. I’m open to any advice :)

‌‌