Daftar Pustaka

Daftar ini berisi sumber (buku, artikel akademis, laporan riset resmi) yang mendasari konsep-konsep utama di handbook ini. Rujukan singkat [Nama, Tahun] muncul inline di teks level yang relevan — cari nama penulis di daftar ini untuk detail lengkap.

Prinsip Penyusunan

Tidak semua istilah di handbook ini punya satu sumber akademis tunggal. Dunia praktik data berkembang lewat kombinasi riset akademis, tulisan praktisi industri, dan dokumentasi vendor. Untuk kejujuran intelektual:

Istilah dengan penulis/karya asal yang jelas (mis. Kimball untuk dimensional modeling) diberi rujukan spesifik dengan [Nama, Tahun].
Istilah yang merupakan konsensus praktik industri tanpa satu sumber definitif (mis. "Data Steward", "Key Person Risk") ditandai di teks sebagai istilah praktik umum dan dirujuk ke kerangka kerja industri yang paling otoritatif membakukannya (biasanya DAMA-DMBOK), bukan dipaksakan ke satu nama penulis.
Tidak ada rujukan yang dikarang atau nomor halaman yang ditebak — setiap entri di bawah sudah diverifikasi keberadaan dan kontennya secara langsung.

Daftar Sumber

Brynjolfsson, E., Hitt, L. M., & Kim, H. H. (2011). "Strength in Numbers: How Does Data-Driven Decision-making Affect Firm Performance?" ICIS 2011 Proceedings. — Studi empiris yang menjadi salah satu rujukan paling dikutip untuk mengukur dampak data-driven decision making terhadap performa perusahaan. Mendasari konsep Data-Driven Culture dan Decision Velocity di Level 4-5.

DAMA International. (2017). DAMA-DMBOK: Data Management Body of Knowledge (2nd Edition). Technics Publications. — Kerangka kerja rujukan global untuk manajemen data, mencakup 11 area pengetahuan dengan Data Governance sebagai inti (digambarkan sebagai "DAMA Wheel"). Sumber utama untuk konsep Data Governance, Data Owner, Data Steward, dan RACI untuk Data di Level 2-3. Edisi ke-3 (DMBOK 3.0) sedang disusun, dijadwalkan terbit 2027.

Dehghani, Z. (2019). "How to Move Beyond a Monolithic Data Lake to a Distributed Data Mesh." MartinFowler.com (blog teknis, dipublikasikan lewat ThoughtWorks). — Artikel yang pertama kali memperkenalkan istilah dan empat prinsip Data Mesh.

Dehghani, Z. (2022). Data Mesh: Delivering Data-Driven Value at Scale. O'Reilly Media. ISBN 978-1492092391. — Buku lengkap yang membakukan konsep Data Mesh, termasuk empat prinsip: domain ownership, data as a product, self-serve data platform, dan federated computational governance. Sumber utama untuk Data Mesh / Federated Data Architecture di Level 5.

Inmon, W. H. (1990). Building the Data Warehouse. Wiley. (Edisi terbaru: edisi ke-4, 2005). — Buku yang melahirkan istilah "data warehouse" dan konsep "single version of the truth" — data warehouse sebagai satu sumber rujukan tunggal (integrated, historical data) untuk pengambilan keputusan enterprise. Sumber utama untuk Data Warehouse dan Single Source of Truth di Level 2.

Kimball, R. (1996). The Data Warehouse Toolkit. Wiley. (Edisi terbaru: edisi ke-3, bersama Margy Ross, 2013). — Buku yang membakukan teknik dimensional modeling (fact table, dimension table, star schema, slowly changing dimensions, conformed dimensions). Sumber utama untuk Dimensional Modeling (Star Schema) di Level 3. Kimball tidak menciptakan konsep dasar fakta/dimensi, tapi membangun kosakata dan metodologi ekstensif yang jadi standar industri.

Kohavi, R., Tang, D., & Xu, Y. (2020). Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press. ISBN 978-1108724265. — Panduan definitif untuk eksperimentasi terkontrol online, ditulis oleh pemimpin tim eksperimentasi di Google, Microsoft (Bing), Amazon, dan LinkedIn. Sumber utama untuk Experimentation Platform (A/B Testing) di Level 4, termasuk konsep Overall Evaluation Criterion dan disiplin signifikansi statistik yang dirujuk di checklist konsultan.

McAfee, A., & Brynjolfsson, E. (2012). "Big Data: The Management Revolution." Harvard Business Review, 90(10), 60-68. — Artikel HBR yang banyak dikutip sebagai titik masuk konsep data-driven management ke ranah bisnis arus utama, mendorong pergeseran dari keputusan berbasis "gut and intuition" ke keputusan berbasis bukti data. Mendasari kontras Keputusan Berbasis Insting (Level 0) vs Data-Driven Culture (Level 5) di seluruh handbook.

Republik Indonesia. (2022). Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi. Lembaran Negara Republik Indonesia Tahun 2022 Nomor 196. — Dasar hukum utama pelindungan data pribadi di Indonesia, mengatur kewajiban pengendali data (dasar pemrosesan/consent, keamanan data, kewajiban lapor insiden kebocoran) dan hak subjek data. Sumber utama untuk Kepatuhan Data Pribadi (UU PDP) di Level 2.

Patil, D. J. (2012). Data Jujitsu: The Art of Turning Data into Product. O'Reilly Media (laporan/e-book). — Sumber definisi pertama yang terdokumentasi untuk istilah "data product": "a product that facilitates an end goal through the use of data." Mendasari Data Product Mindset di Level 4, sebelum konsep ini diperluas oleh Dehghani (2019, 2022) dalam konteks Data Mesh.

Sculley, D., Holt, G., Golovin, D., Davydov, E., Phillips, T., Ebner, D., Chaudhary, V., Young, M., Crespo, J.-F., & Dennison, D. (2015). "Hidden Technical Debt in Machine Learning Systems." Advances in Neural Information Processing Systems (NeurIPS) 28. — Makalah dari tim riset Google yang mengidentifikasi bahwa kode model machine learning hanyalah bagian kecil dari sistem produksi ML yang jauh lebih besar dan kompleks (pipeline data, monitoring, konfigurasi). Titik awal akademis yang memicu berkembangnya disiplin MLOps sebagai respons terhadap masalah ini. Sumber utama untuk MLOps / AI Production Infrastructure di Level 5.

Istilah Praktik Umum (Tanpa Satu Sumber Akademis Tunggal)

Istilah berikut dipakai luas di industri data tapi tidak berasal dari satu penulis/karya tunggal yang bisa disitasi secara definitif. Definisinya di handbook ini disusun berdasarkan konsensus praktik yang tercermin di kerangka kerja seperti DAMA-DMBOK, dokumentasi vendor (Databricks, Snowflake, dbt Labs, Microsoft), dan publikasi praktisi industri:

Data Steward, Key Person Risk, Data Freshness & Latency, Data Quality Rules & Testing, Data Catalog & Dokumentasi, Analytics Engineer, Metric Definition, Metric Tree/KPI Hierarchy, Self-Service Analytics/Semantic Layer, Reverse ETL, Decision Velocity, Data Literacy Program, Data Ethics & Responsible AI Governance, Center of Excellence (CoE), Data Moat, Scenario Planning & Simulation, Continuous Improvement Flywheel, Blind Spot Operasional, Cerita vs. Bukti (Anecdote-Driven Narrative), Backup & Recovery Dasar, Higiene Akun Dasar, Prosedur Insiden/Kebocoran Data.

Untuk istilah-istilah ini, handbook menandai secara eksplisit di teks bahwa definisi yang dipakai adalah rumusan konsensus praktik, bukan kutipan dari satu sumber otoritatif tunggal — supaya pembaca tidak salah kira ini adalah istilah yang punya "penemu" tunggal seperti Star Schema (Kimball) atau Data Mesh (Dehghani).

Lihat juga: 00-pengantar.md