View/Open

Author

Date Published
20 Jan 2026

Advisor

Subject
Sains Data

Publisher

Penerapan sistem Business Intelligence (BI) yang andal merupakan kebutuhan krusial bagi perusahaan modern untuk mengoptimalkan efisiensi operasional. Namun, PT. Kinarya Selaras Solusi (KSS) masih menghadapi tantangan produktivitas akibat ketergantungan pada proses pelaporan transaksi harian yang dikerjakan secara manual menggunakan Excel, sebuah beban kerja repetitif yang memboroskan waktu dan seharusnya dapat diautomatisasi sepenuhnya. Penelitian ini bertujuan mengatasi inefisiensi tersebut dengan merancang sistem BI terotomasi berbasis arsitektur lima lapis menggunakan Apache Airflow yang mengintegrasikan pola Audit-Write-Audit-Publish (AWAP) dan Dead-Letter Tables (DLT). Selain itu, untuk mendukung kebijakan evaluasi kinerja pelanggan yang dilakukan perusahaan secara rutin, sistem ini mengintegrasikan lapisan analitik yang memuat modul segmentasi pelanggan mingguan menggunakan metode Incremental K-Means. Berdasarkan pengujian operasional selama 14 hari, sistem menunjukkan reliabilitas tinggi dengan tingkat keberhasilan eksekusi 100\%, di mana implementasi DLT berhasil mengungkap transparansi data melalui isolasi 16 data bermasalah yang sebelumnya tidak terdeteksi sekaligus membuktikan konsistensi data yang sempurna melalui perbandingan total angka terhadap data acuan. Pada sisi analitik, modul segmentasi berhasil mengelompokkan pelanggan ke dalam 5 klaster dengan Silhouette Score 0.521 dan DBI Score 0.548 pada tahap inisialisasi, serta menunjukkan stabilitas struktur klaster yang memadai pada pembaruan inkremental mingguan meskipun terdapat sedikit penurunan kualitas akibat trade-off penggunaan algoritma incremental k-means. Penelitian ini menyimpulkan bahwa sistem yang diusulkan mampu mengeliminasi ketergantungan pada proses manual, meningkatkan efisiensi pelaporan secara signifikan, serta menyediakan wawasan strategis bagi perusahaan.

URI
https://repo.itera.ac.id/depan/submission/SB2601190087

Keyword
Business Intelligence Data Engineering Incremental K-Means Segmentasi Pelanggan