⚖️Legalyze: Perancangan Data Warehouse untuk Mendukung Pengambilan Keputusan Firma Hukum

Legalyze

Empowering Legal Intelligence through Data

JustTech Merupakan Sebuah Tim Kelompok 21 Matakuliah Pergudangan Data Program Studi Sains data Institut Teknologi Sumatera yang menghadirkan Legalyze, sebuah solusi Data Warehouse modern yang dirancang khusus untuk
mentransformasi proses pengambilan keputusan dalam firma hukum dan memperluas edukasi hukum berbasis data di Indonesia.

Legal Tech meets Data Engineering Transparansi, Efisiensi, dan Keadilan di Era Digital.

---

📘 Tentang Legalyze

Legalyze adalah sistem data warehouse komprehensif untuk sektor hukum yang bertujuan memperkuat pengambilan keputusan berbasis data. Data warehouse ini dirancang untuk mengolah berbagai sumber data hukum mulai dari riwayat kasus, profil pengacara, hingga kepuasan klien menjadi insight analitis yang mudah diakses melalui dashboard visual dan query multidimensi.

Legalyze dikembangkan menggunakan pendekatan Medallion Architecture (Bronze → Silver → Gold) serta model Star Schema, menjadikannya sistem yang scalable, modular, dan siap untuk eksplorasi lanjutan menggunakan Business Intelligence Tools atau bahkan Machine Learning.

---

📈 Analisis Kebutuhan Bisnis

🔍 Masalah Bisnis

Firma hukum di Indonesia menghadapi sejumlah tantangan operasional dan strategis yang menghambat efisiensi dan efektivitas pengambilan keputusan:

• Belum tersedia sistem analitik terintegrasi untuk mengevaluasi performa pengacara, klasifikasi kasus, dan efisiensi penanganan perkara.
• Proses pengambilan keputusan strategis masih bersifat subjektif dan tidak berbasis data historis.
• Kebutuhan manajemen untuk mendapatkan laporan kinerja firma dalam format visual dan dinamis belum terpenuhi.

🎯 Tujuan Proyek

• 📊 Menganalisis performa pengacara berdasarkan beban kerja dan tingkat kepuasan
• 🔍 Mengidentifikasi tren jenis kasus dan waktu penyelesaiannya
• 💼 Mendukung keputusan manajerial firma hukum
• 🧭 Menyokong regulator dalam pemantauan kepatuhan dan efisiensi layanan hukum

---

👥 Stakeholder Sistem

Stakeholder	Peran	Tujuan
Pengacara	Pengguna utama DW untuk analisis kasus hukum	Meningkatkan efisiensi pengambilan keputusan hukum berbasis data
Manajer Firma Hukum	Pengelola strategi dan sumber daya firma	Mengoptimalkan alokasi SDM & strategi firma
Tim IT	Pengelola dan pemelihara sistem DW	Menjamin ketersediaan, keamanan, dan efisiensi sistem
Investor / Sponsor Teknologi	Penyandang dana & mitra inovasi	Mendorong inovasi hukum digital dan dampak sosial
Lembaga Swadaya Masyarakat (LSM)	Mediator & edukator hukum masyarakat	Menyediakan edukasi hukum berbasis data & relevan
Regulator & Instansi Pemerintah	Pengawas & penentu arah kebijakan hukum	Memonitor kepatuhan, privasi data, dan digitalisasi hukum
Legal Analyst	Analis data hukum & strategi	Mendapatkan insight hukum dari pola & tren data
Compliance Officer	Pengawas kepatuhan dan etika hukum	Memantau potensi pelanggaran regulasi atau kode etik
Eksekutif / Partner Senior	Pengambil keputusan strategis firma	Menyusun kebijakan berbasis insight dari dashboard dan laporan

---

🧱 Arsitektur Sistem

Legalyze mengimplementasikan pendekatan Medallion Architecture, yang terdiri dari beberapa lapisan

• 🟫 Bronze Layer
  Menyimpan raw data dari berbagai sumber.

• ⚪ Silver Layer
  Menyimpan cleaned data yang telah melalui proses pembersihan dan transformasi dasar.

• 🟨 Gold Layer
  Menyediakan business-ready insights untuk kebutuhan analisis dan pelaporan.

Alur data:
Raw Data → Cleaned Data → Business-Ready Insight

---

---

📊 Database Schema

Skema database Legalyze dibangun menggunakan pendekatan Star Schema dengan satu tabel fakta utama yang terhubung ke lima tabel dimensi. Skema ini dirancang untuk mempermudah proses analisis multidimensi terhadap data kasus hukum, performa pengacara, dan kepuasan klien.

🗃️ Tabel Fakta: Fakta_Kasus

Kolom	Tipe Data	Deskripsi
id_kasus	INT	ID unik setiap kasus hukum
id_pengacara	INT (FK)	Referensi ke Dim_Pengacara
id_klien	INT (FK)	Referensi ke Dim_Klien
id_waktu	INT (FK)	Referensi ke Dim_Waktu
id_jenis_kasus	INT (FK)	Referensi ke Dim_Jenis_Kasus
id_lokasi	INT (FK)	Referensi ke Dim_Lokasi
durasi_penyelesaian	INT	Lama penanganan kasus (dalam hari)
biaya_kasus	FLOAT	Biaya yang dikeluarkan untuk kasus (dalam Rupiah)
skor_kepuasan	INT	Nilai kepuasan klien (skala 1–10)

---

📁 Tabel Dimensi

🔹 Dim_Pengacara

Kolom	Tipe Data	Deskripsi
id_pengacara	INT	ID unik pengacara
nama	TEXT	Nama pengacara
spesialisasi	TEXT	Bidang hukum yang dikuasai
pengalaman	INT	Lama pengalaman kerja (tahun)

🔹 Dim_Klien

Kolom	Tipe Data	Deskripsi
id_klien	INT	ID unik klien
nama	TEXT	Nama klien
usia	INT	Usia klien
jenis_kelamin	TEXT	Laki-laki / Perempuan
kota	TEXT	Kota domisili
provinsi	TEXT	Provinsi domisili

🔹 Dim_Waktu

Kolom	Tipe Data	Deskripsi
id_waktu	INT	ID waktu
tanggal	DATE	Tanggal kasus ditangani
bulan	TEXT	Nama bulan
tahun	INT	Tahun

🔹 Dim_Jenis_Kasus

Kolom	Tipe Data	Deskripsi
id_jenis_kasus	INT	ID jenis kasus
tipe_kasus	TEXT	Kategori utama (Pidana, Perdata, dsb)
sub_kategori	TEXT	Sub-kategori kasus

🔹 Dim_Lokasi

Kolom	Tipe Data	Deskripsi
id_lokasi	INT	ID lokasi
kota	TEXT	Kota tempat kasus
provinsi	TEXT	Provinsi tempat kasus

---

🔗 Relasi Antar Tabel

Relasi antar tabel dalam database Legalyze mengikuti pola many-to-one:

• Fakta_Kasus → Dim_Pengacara
• Fakta_Kasus → Dim_Klien
• Fakta_Kasus → Dim_Waktu
• Fakta_Kasus → Dim_Jenis_Kasus
• Fakta_Kasus → Dim_Lokasi

---

📏 Ukuran (Measures)

Tabel fakta menyimpan metrik kuantitatif sebagai dasar analisis:

• durasi_penyelesaian: waktu penyelesaian kasus
• biaya_kasus: total biaya hukum
• skor_kepuasan: nilai kepuasan dari klien
• jumlah_kasus: total kasus
• jumlah_kasus_per_tipe: agregasi per kategori kasus
• rata-rata_durasi_per_tipe: perbandingan efisiensi antar tipe kasus

---

🗂️ Hierarki Dimensi

Dimensi	Hirarki
Waktu	Tanggal → Bulan → Tahun
Klien	Kota → Provinsi
Jenis Kasus	Tipe Kasus → Sub-Kategori
Pengacara	Spesialisasi → Pengalaman (ops)

---

Implementasi

ETL

📌 Skema ini mendukung analitik OLAP (Online Analytical Processing) dan memungkinkan visualisasi multidimensi melalui dashboard Power BI atau tools serupa.

---

🧪 Dokumentasi Proyek

Misi	Deskripsi	Laporan
Misi 1	Identifikasi masalah & desain konseptual	📄 Lihat
Misi 2	Desain & implementasi skema multidimensi	📄 Lihat
Misi 3	Penerapan ETL pipeline & visualisasi	📄 Lihat

---

---

⚙️Rencana Pengembangan

Short Term (3-6 bulan)

1. ETL Automation:

   • Apache Airflow digunakan untuk otomatisasi proses ETL (Extract, Transform, Load) agar dapat dijalankan secara terjadwal dan terorganisir.
   • Manfaat: Memastikan data yang masuk ke dalam data warehouse selalu terbarui secara otomatis dan tepat waktu.

2. BI Integration:

   • Power BI dan Tableau akan diintegrasikan untuk visualisasi data dan pembuatan dashboard interaktif.
   • Manfaat: Memudahkan manajemen dan pengacara dalam menganalisis data kasus, performa pengacara, dan keuangan secara visual.

3. Security Enhancement:

   • Mengimplementasikan encryption untuk data sensitif, seperti informasi klien dan hasil kasus.
   • Menambahkan audit trails untuk memastikan jejak audit yang jelas dan kontrol akses yang aman.
   • Manfaat: Meningkatkan keamanan dan menjaga kerahasiaan data.

4. Performance Tuning:

   • Melakukan query optimization dan menerapkan caching strategies untuk meningkatkan performa akses data.
   • Manfaat: Meningkatkan kecepatan query dan efisiensi dalam pengolahan data di Data Warehouse.

Long Term (6-12 bulan)

1. Machine Learning:

   • Mengimplementasikan predictive analytics untuk melakukan forecasting dan prediksi terkait kinerja kasus dan pengacara.
   • Manfaat: Membantu firma hukum merencanakan dan mengalokasikan sumber daya dengan lebih baik berdasarkan data historis.

2. Real-time Processing:

   • Menggunakan Apache Kafka untuk melakukan streaming data secara real-time dari sistem manajemen kasus dan sistem keuangan.
   • Manfaat: Memungkinkan pengambilan keputusan berbasis data secara langsung dan real-time, mempercepat respon terhadap kasus yang sedang berjalan.

3. Data Lake Integration:

   • Mengintegrasikan Data Lake sebagai arsitektur hibrid untuk menangani big data yang lebih besar dan lebih kompleks, memungkinkan analisis data lebih lanjut.
   • Manfaat: Menyediakan penyimpanan data yang lebih fleksibel dan scalable untuk analisis lebih mendalam.

4. API Development:

   • Mengembangkan REST APIs untuk integrasi dengan sistem eksternal, seperti aplikasi pihak ketiga, untuk memungkinkan pertukaran data secara lebih fleksibel.
   • Manfaat: Memungkinkan Data Warehouse untuk terhubung dengan sistem lain secara mudah dan memfasilitasi aliran data secara lebih efisien.

---

---

👨‍💻 Kontributor

JustTech – Kelompok 21
Institut Teknologi Sumatera (ITERA)
Mata Kuliah: Data Warehouse (2024/2025)

• Gede Moena (121450014) GedeMoenaa
• Tria Yunanni (122450062) triayunannii
• Afifah Syaharani (121450097) syaharani097
• Ratu Keisha Jasmine Deanova (122450106) jasminednva27
• Muhammad Regi Abdi Putra Amanta (122450031)

---