Bidang pendidikan

Dalam memetakan Jurusan/Program Studi dapat dilakukan dengan metode visualisasi dan pengolahan data menggunakan ms excell dan tableau [5]. Input yang digunakan adalah data para pendaftar (calon mahasiswa). Dengan grafik yang ditampilkan, dapat membantu calon mahasiswa untuk melihat seberapa besar persaingan untuk diterima dalam proses seleksi dan menentukan jurusan yang akan dipilih.

Business intelligence juga dapat diimplementasikan untuk membantu tim dalam memenentukan strategi promosi lembaga pendidikan tersebut untuk menjaring calon mahasiswa dari SMA, SMK dan MA [6]. Studi kasusnya adalah pada Institut Sains Teknologi Al-Kamal. Metode yang dipakai adalah pengelompokan mahasiswa melalui persebaran wilayah kota asal, peminatan program studi dan potensi akademik menggunakan K-means Clustering dan diolah dengan Rapidminer. Dari pengelompokan yang dihasilkan, tim promosi dapat menentukan promosi melalui program studi yang banyak diminati pada suatu wilayah tertentu.

Business intelligence dapat diimplementasikan dalam menentukan mahasiswa yang layak menerima beasiswa. Contoh kasusnya adalah pada Universitas Andalas yang mempunyai mahasiswa sekitar 28.000 mahasiswa aktif untuk program Diploma, Sarjana dan Pascasarjana [7]. Mahasiswa yang akan dipilih sebagai calon penerima beasiswa adalah mahasiswa semester 3 sampai 6 dengan kriteria: 1) bukan mahasiswa tahun akhir, 2) Pekerjaan orang tua sebagai buruh/petani atau tak memiliki pekerjaan tetap, dan mempunyai IPK diatas 2,75. Metode yang digunakan adalah metode decision tree dengan bantuan tool rapidminer.

Konsep business intelligence dapat juga diimplementasikan untuk menyajikan informasi rekapitulasi penilaian pada sebuah instansi pendidikan. Data diambil dari sistem yang sudah ada[8]. Data juga dapat dikumpulkan dari file yang dikumpulkan oleh para dosen kepada bagian akademik baik dalam format excel ataupun yang lainnya [9]. Kemudian dimasukkan ke dalam datawarehouse melalui proses ETL (extract, transform, load).  Setelah data dikumpulkan kemudian data di analisis menggunakan teknik OLAP (Online Analytic Prosessing) [8] [9]. Setelah itu, dibuatlah sebuah dashboard untuk menyajikan informasi secara informatif yand dapat digunakan oleh para stakeholder untuk mengambil keputusan.

Dalam menenelusuri data lulusan (alumni) Business intelligence dapat diimplementasikan. Faktor lulusan menjadi tolok ukur keberhasilan sebuah institusi pendidikan. Seberapa lama jarak waktu antara kelulusan dengan mendapatkan pekerjaan serta keterkaitan antara bidang pekerjaan dan prodi/kejuruan yang diambil pada saat masa studi, menjadi tolok ukur keberhasilan institusi pendidikan. Dengan semakin membludaknya data alumni, tentu perlu penanganan khusus agar tidak terjadi masalah dalam menyajikan informasi yang konklusif, cepat dan menarik[10]. Untuk menangani masalah tersebut salah satu caranya adalah dengan membangun data warehouse dan sebuah aplikasi OLAP (Online Analytical Processing) menggunakan Microsoft Business Intelligence.

Industri Perbankan

Penerapan business intelligence pada industri perbankan merupakan kunci sukses dalam mengefisiensikan dan mengefektifkan kegiatan bisnis utama dengan kemampuan dalam mendapatkan, mengelola dan menganalisa data nasabah, produk, layanan, kegiatan operasi, pemasok dan rekan kerja dalam jumlah yang sangat besar [11]. Contoh penerapan business intelligence pada industri perbankan adalah customer relationship management, customer credit analysis, risk management, credit card analysis, customer segmentation, dan lain lain [12]. Peranan business intelligence dalam kegiatan bisnis dapat menyediakan layanan yang lebih personal kepada pelanggan dan secara radikal meningkatkan kualitas servis dari bank tersebut. Pengelola produk perbankan bersaing dalam mendesain produk dan layanan yang dapat menjawab setiap kebutuhan suatu segmen tertentu.

Industri Retail

pertumbuhan industri retail di Indonesia, customer relationship management (CRM) sebagai pemicu utama dalam pelaku bisnis yang cerdik untuk mendesain ulang fokus bisnis mereka pada pelanggan. Perusahaan retail pada umumnya memiliki pelanggan yang besar dan pada umumnya pelanggan memiliki keinginan yang berbeda-beda. Dengan adanya implementasi CRM maka pihak manajemen dapat mengotomatisasi interaksi dengan pelanggan dan tim penjualan serta dapat menganalisis data pelanggan yang diperoleh dari POS transaction, layanan pelanggan, dan lain-lain sehingga pihak manajemen dapat mendapatkan insight terhadap kebutuhan pelanggan dan mengembangkan hubungan one-to-one dengan pelanggan, desain dan kampanye promosi, optimalisasi tata letak produk. Analytical CRM menggunakan business intelligence tools seperti data warehousing, data mining, dan OLAP [11]. Beberapa penggunaan dari analytical CRM adalah customer segmentation, campaign/promotion effectiveness analysis, customer lifetime value, customer loyalty analysis, cross selling, product pricing, and target marketing.

Beberapa perusahaan retail mulai mengajak para pembeli yang belum menjadi member dengan menerbitkan member card, bekerja sama dengan bank dengan memberikan potongan harga, dll. Pihak manajemen mulai menyadari pentingnya mendapatkan data pelanggan yang komprehensif, dimana data tersebut dapat memberikan informasi seperti karakteristik pelanggan (umur, jenis kelamin, status pernikahan, pendidikan, pekerjaan, pendapatan per bulan), perilaku pelanggan (masukan dari pelanggan terkait produk dan layanan, rekomendasi dari pelanggan terkait produk dan layanan, produk subsitusi yang digunakan oleh pelanggan, loyalitas pelanggan terhadap layanan suatu merk suatu produk) , dan pengeluaran pelanggan (harga pembelian, kuantitas, frekuensi pembelian yang berulang, keinginan pelanggan membeli produk yang lain dan layanan dari produsen tertentu, dll) [13].

Industri Peternakan

Business Intelligence juga dapat diimplementasikan pada industri peternakan. Model yang digunakan antara lain adalah big data analysis untuk menganalisis karakteristik ternak di seluruh dunia kemudian dicari informasi data untuk memprediksi kualitas seekor ternak[14]. Model yang lain yang dipakai adalah penggunaan konsep Artificial Intelligence untuk memprediksi produktifitas ternak berdasarkan data time series perkembangan ternak tersebut dan pengaruh dari faktor lingkungan dari ternak tersebut. Seperti yang dilakukan oleh Sugiono[15].

Kesehatan

Data Mining dapat di implementasikan dengan menggunakan Database penjualan alat-alat kesehatan karena dapat menemukan kecenderungan pola kombinasi itemsets sehingga dapat dijadikan sebagai informasi yang sangat berharga dalam pengambilan keputusan untuk mempersiapkan stok jenis barang apa yang diperlukan kemudian [16].

Dalam memprediksi suatu penyakit, implementasi business intelligence juga dapat diterapkan. Salah satunya adalah penggunaan algoritme C4.5 berbasis Adaboost untuk memprediksi penyakit jantung, seperti yang diteliti oleh Rohman [17].

Untuk mengetahui tren suatu kejadian juga dapat menggunakan implementasi business intelligence. Misalnya seperti yang dilakukan Zikri (2017) yang menggunakan aplikasi tableau public untuk menyajikan informasi tren kelahiran anak dalam 2 tahun (4 semester) terakhir pada sebuah klinik persalinan [18] .

Pemerintahan

Business Intelligence juga dapat diimplementasikan pada instansi pemerintahan. Salah satunya adalah penerapan data warehouse berbasis OLAP untuk menganalisis data-data surat ijin usaha di Kabupaten Purworejo [19]. Diawali dengan memasukkan data dengan proses Extraction Transform and Load, dan setelah tabel  fakta dan dimensi terbentuk, kemudian dibuatlah cube data menggunakan fasilitas cube wizard pada Microsoft Business Intelligence Development Studio.

Implementasi business intelligence yang lain adalah pengembangan aplikasi Business Intelligence untuk menganalisis dan memprakirakan cuaca maritim. Data yang diperoleh dari pengamatan langsung maupun dari alat pengamatan cuacar otomatis (Automatic weather Station) yang berupa data sinoptik disimpan dalam data mart dengan proses ETL [20]. Kemudian dibuatlah dashboard untuk menyajikan perbandingan Kecepatan angin, Suhu Udara, suhu Titik embun dan tutupan Awan , tinggi gelombang, dana analisis untuk data-data tersebut.

Kesimpulan

Businees intelligence akan berkembang mengikuti perkembangan teknologi yang ada. Saat teknologi berubah, business intelligence akan segera beradaptasi dengan memunculkan teknik-teknik analisis yang baru menggunakan teknologi yang baru pula. Businees intelligence dapat diimplementasikan pada hampir semua aspek baik pada perusahaan, industri, instansi pendidikan, instansi kesehatan, instansi pemerintah dan lain-lain. Implementasi Businees intelligence ini dapat membantu stakeholder untuk membuat keputusan dengan tepat, cepat dan terukur yang dapat berimbas pada kemajuan dan perkembangan organisasi.

 

Reference:

[5]          R. Akbar, R. Oktaviani, S. Tamimi, S. Shavira, and T. W. Rahmadani, “IMPLEMENTASI BUSINESS INTELLIGENCE UNTUK MENENTUKAN TINGKAT KEPOPULERAN JURUSAN PADA UNIVERSITAS,” vol. 2, no. 2, p. 4, 2017.

[6]          I. Kurniawati, R. E. Indrajit, and M. Fauzi, “Peran Bussines Intelligence Dalam Menentukan Strategi Promosi Penerimaan Mahasiswa Baru,” vol. 1, no. 2, p. 10, 2017.

[7]          R. Akbar, W. Wulandari, Z. Hasanah, H. Gravina, Y. R. Alditya, and A. Sadewa, “IMPLEMENTASI BUSINESS INTELLIGENCE UNTUK MENENTUKAN MAHASISWA PENERIMA BEASISWA,” vol. 3, no. 1, p. 5, 2017.

[8]          A. L. Ghozali and M. S. Bunga, “IMPLEMENTASI SISTEM BUSINESS INTELLIGENCE TERHADAP REKAP NILAI PERKULIAHAN MENGGUNAKAN METODE ONLINE ANALITYCAL PROCESSING (OLAP),” p. 6, 2017.

[9]          B. Harijanto and G. Budiprasetyo, “PERANCANGAN APLIKASI BUSINESS INTELLIGENCE HASIL PROSES BELAJAR MENGAJAR (STUDI KASUS PROGRAM STUDI MANAJEMEN INFORMATIKA),” vol. 11, no. 01, p. 13, 2013.

[10]        W. D. Suryanto, “PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP DATA TRACER STUDY ALUMNI IPB BERBASIS WEB MENGGUNAKAN MICROSOFT BUSINESS INTELLIGENCE,” p. 8.

[11]        “Penerapan Business Intelligence Pada Industri Perbankan, Retail dan Pendidikan,” School of Information Systems. [Online]. Available: http://sis.binus.ac.id/2013/05/27/penerapan-business-intelligence-pada-industri-perbankan-retail-dan-pendidikan/. [Accessed: 24-May-2018].

[12]        J. F. Hair, “Knowledge creation in marketing: the role of predictive analytics,” Eur. Bus. Rev., vol. 19, no. 4, pp. 303–315, Jul. 2007.

[13]        S. Zhou and G. Lei, “Application of Data Mining Technology in Membership Supermarket’s Customer Segmentation,” 2011, pp. 181–183.

[14]        W. J. Yan, X. Chen, O. Akcan, J. Lim, and D. Yang, “Big data analytics for empowering milk yield prediction in dairy supply chains,” 2015, pp. 2132–2137.

[15]        S. Sugiono, R. Soenoko, and D. P. Andriani, “Analysis the relationship of physiological, environmental, and cow milk productivity using AI,” 2016, pp. 1–6.

[16]        K. Tampubolon, H. Saragih, and B. Reza, “IMPLEMENTASI DATA MINING ALGORITMA APRIORI PADA SISTEM PERSEDIAAN ALAT-ALAT KESEHATAN,” p. 14, 2013.

[17]        A. Rohman, “PENERAPAN ALGORITMA C4.5 BERBASIS ADABOOST UNTUK PREDIKSI PENYAKIT JANTUNG,” p. 10.

[18]        A. Zikri, J. Adrian, A. Soniawan, R. Azim, R. Dinur, and R. Akbar, “Implementasi Business Intelligence untuk Menganalisis Data Persalinan Anak di Klinik Ani Padang dengan Menggunakan Aplikasi Tableau Public,” J. Online Inform., vol. 2, no. 1, p. 20, Jul. 2017.

[19]        D. K. Hakim, “MICROSOFT BUSINESS INTELLIGENCE DEVELOPMENT STUDIO,” vol. 11, p. 6, 2011.

[20]        S. Mujiasih, “APLIKASI BUSINESS INTELLIGENCE UNTUK ANALISA DAN PRAKIRAAN CUACA MARITIM,” vol. 14, no. 2, p. 12, 2013.