PENERAPAN BUSINESS INTELLIGENCE MENGGUNAKAN DASHBOARD, FORECASTING, DAN CLASSIFICATION PADA DATA DIVISI TRANS LIVING TRANSMART PADANG

Nurul, Afifah (2022) PENERAPAN BUSINESS INTELLIGENCE MENGGUNAKAN DASHBOARD, FORECASTING, DAN CLASSIFICATION PADA DATA DIVISI TRANS LIVING TRANSMART PADANG. Diploma thesis, Universitas Andalas.

	Text (Cover dan Abstrak) COVER DAN ABSTRAK.pdf - Published Version Download (49kB)
	Text (BAB I) BAB I.pdf - Published Version Download (124kB)
	Text (BAB VI) BAB VI.pdf - Published Version Download (48kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Download (173kB)
	Text (SKRIPSI FULL TEXT) SKRIPSI FULL TEXT NURUL AFIFAH.pdf - Published Version Restricted to Repository staff only Download (14MB)

Abstract

Divisi Trans Living di Transmart Padang berfokus kepada berbagai perabot untuk melengkapi kebutuhan hidup. Saat ini pengolahan data dilakukan dengan Profit, dan ekstraksi data format csv dengan Krofit yang diolah menggunakan Microsoft Excel sehingga menghasilkan laporan untuk di analisis. Hal ini mengakibatkan kurangnya efektivitas dalam pengolahan data karena data semakin banyak, dan laporan kurang interaktif. Oleh karena itu, dibutuhkan Business Intelligence (BI) yang memudahkan pengolahan data dan visualisasi dashboard system. Penelitian ini bertujuan untuk memudahkan reporting data dengan menerapkan BI menggunakan dashboard, forecasting data tiga tahun mendatang, classification sales dan aging, agar laporan lebih efektif dan interaktif sehingga menghasilkan visualisasi data yang memudahkan pengambilan keputusan. Metode pada penelitian ini yaitu pengumpulan data berupa observasi, wawancara, analisis dokumen, studi literatur, dan penerapan BI menggunakan Roadmap BI. Penelitian ini menghasilkan data mart untuk dashboard dari proses Extract, Transform, Load (ETL) menggunakan Pentaho Data Integration (PDI). Forecasting metode Triple Exponential Smoothing menampilkan peramalan dan pola data untuk kebijakan strategis penjualan dan pemusnahan barang. Klasifikasi data metode decision tree algoritma c4.5 menggunakan Rapid Miner yang menghasilkan kategori item slow moving 1890 unit dan 231 unit item bukan slow moving, item sales normal 213.688 unit, item sales high 60.602 unit untuk kebijakan persediaan item. Visualisasi data menggunakan dashboard system pada Microsoft Power BI yang interaktif untuk memudahkan pengambilan informasi dan keputusan.

Actions (login required)

View Item