Implementasi Business Intelligence Menggunakan Dashboard, Forecasting, dan Classification di TDS Dusdusan Kota Bukittinggi

Syafli, M Afdhal (2025) Implementasi Business Intelligence Menggunakan Dashboard, Forecasting, dan Classification di TDS Dusdusan Kota Bukittinggi. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (594kB)
	Text (BAB 1) BAB 1.pdf - Published Version Download (1MB)
	Text (BAB 6) BAB 6.pdf - Published Version Download (375kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (908kB)
	Text (TA Full Text) TA Full Text.pdf - Published Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

TDS Dusdusan Kota Bukittinggi merupakan salah satu pelaku usaha berbasis komunitas reseller yang aktif dalam mendistribusikan produk-produk rumah tangga di wilayah Sumatera Barat. Dalam proses operasionalnya, TDS ini mencatat ratusan transaksi penjualan tiap bulannya. Namun, pengelolaan data penjualan masih dilakukan secara manual menggunakan Microsoft Excel, sehingga menyulitkan dalam menganalisis performa bisnis secara menyeluruh. Hal ini menyebabkan pengambilan keputusan menjadi tidak optimal, terutama dalam mengenali tren penjualan, segmentasi pelanggan, serta perencanaan stok dan strategi pemasaran. Untuk mengatasi permasalahan tersebut, penelitian ini menerapkan konsep Business Intelligence (BI) dengan membangun sistem dashboard berbasis Microsoft Power BI serta memanfaatkan teknik forecasting dan classification. Proses pembangunan BI dilakukan melalui tahapan ETL (Extract, Transform, Load) menggunakan tools Pentaho Data Integration untuk membangun data warehouse yang terdiri dari enam dimensi dan satu fakta. Penelitian ini menghasilkan empat dashboard utama, yaitu dashboard overview, dashboard customer, dashboard performance, dan dashboard analytics, yang menyajikan informasi penting dalam bentuk visual interaktif. Selain itu, dilakukan forecasting menggunakan metode ARIMA untuk meramalkan penjualan masa depan, serta classification menggunakan metode Random Forest untuk mengelompokkan pelanggan ke dalam tiga kategori: Loyal, Potensial, dan Low Value. Hasil evaluasi menunjukkan bahwa sistem BI yang dibangun mampu memberikan informasi yang lebih akurat dan mudah dipahami, dengan model ARIMA menghasilkan MAPE sebesar 7,69% yang mengindikasikan akurasi prediksi sangat baik, serta model Random Forest yang mencapai akurasi 100% dalam mengklasifikasikan pelanggan, menunjukkan performa klasifikasi yang sangat tinggi dan andal.

Actions (login required)

View Item