Implementasi Business Intelligence dan Prediksi Menggunakan Regresi Linear pada Data Penjualan dan Breakage di PT XYZ

Penulis

  • Salma Hanifah Departemen Sistem Informasi, Universitas Andalas
  • Fajril Akbar Departemen Sistem Informasi, Universitas Andalas
  • Rahmatika Pratama Santi Departemen Sistem Informasi, Universitas Andalas

DOI:

https://doi.org/10.25077/TEKNOSI.v8i3.2022.144-152

Kata Kunci:

Business Intelligence, Dashboard, Regresi Linear, Prediksi Penjualan

Abstrak

PT XYZ adalah perusahaan bisnis ritel yang memanfaatkan teknologi untuk memperoleh informasi. Salah satu departemen yang ada pada PT XYZ merupakan departemen yang mengelola transaksi penjualan dan pemusnahan barang (breakage) berupa minuman dingin, kaleng, dan botol. Setiap hari karyawan membuat laporan transaksi penjualan dan breakage dengan mengunduh transaksi yang terjadi satu hari sebelumnya pada Aplikasi K lalu diolahdengan menggunakan Microsoft Excel. Sales manager akan menganalisis tren penjualan, barang yang laku, dan barang yang banyak di-breakage lalu membandingkan laporan tersebut dengan penjualan per hari, per bulan, dan per tahun sebelumnya. Banyaknya data yang dimiliki membuat proses kompilasi data pada Microsoft Excel menjadi lama dan kurang interaktif. Oleh karena itu dibutuhkan implementasi Business Intelligence (BI) untuk memudahkan proses pengolahan data dan menghasilkan visualisasi yang lebih interaktif sehingga sales manager dapat lebih mudah dalam menganalisis informasi. Metode yang digunakan adalah metode tahapan roadmap BI oleh Moss dan Attre. Proses Extract, Transform, dan Load (ETL) untuk perancangan data mart dilakukan dengan menggunakan Aplikasi Pentaho Data Integration (PDI), proses pembuatan model regresi linear dilakukan dengan menggunakan Aplikasi Statistical Product and Service Solution (SPSS) dan visualisasi dashboard dilakukan menggunakan Microsoft Power BI. Hasil dari visualisasi berupa dashboard penjualan, dashboard breakage, dan dashboard yang berisi prediksi terhadap total penjualan dengan menggunakan model regresi linear. Hasil penelitian menunjukkan bahwa Modal berpengaruh positif terhadap Total Penjualan. Hal tersebut dapat dilihat dari hasil regresi linear sederhana diperoleh persamaan Y = 35.098.955,36 + 0,873X. Hasil Uji-t didapatkan t hitung (68,783) lebih besar dari t tabel (2,012) dengan signifikansi 0,000  kecil dari 0,005. Dengan demikian keputusan yang diambil yaitu menerima hipotesis alternatif (H1) dan menolak hipotesis nol (Ho). Nilai koefisien determinasi mencapai 0,99 atau sebesar 99% yang berarti bahwa variabel Modal mempengaruhi Total Penjualan, sementara sisanya sebesar 1% dipengaruhi oleh faktor-faktor lain yang tidak diteliti pada penelitian ini.

Referensi

[1] Utomo. Tri Joko, “Fungsi dan Peran Bisnis Ritel Dalam Saluran Pemasaran,†The Function and the Role Of Retail Business in Marketing Line, vol. 4(1), pp. 44-55, 2009. [2] Arifin. Z., Sugiharto. A, “Rancang Bangun Sistem Business Intelligence Universitas sebagai Pendukung Pengambilan Keputusan Akademik,†Proc. Jurnal Sistem Informasi Bisnis, vol. 1, pp. 30-40, 2013. [3] Han. J., Kamber. M., Pei. J., Data Mining: Concepts and Techniques Third Edition. USA: Morgan Kaufmann Publisher, 2012. [4] Wijaya. R., Pudjoatmodjo. B., “Implementasi Data Mart Kepegawaian Menggunakan Tiga Domain (Studi Kasus di Dinas Pertanian Kabupaten Bandung),†SENAPATI 2015, pp. 175-180, 2015. [5] Prayoga. D.R., “Dashboard System Business Intelligence untuk Analisis dan Monitoring di Apotik RSJ Tampan Berbasis Web,†skripsi, UIN SUSKA, Riau, 2021. [6] Ardista. N., Purbandini. P., Taufik. T., “Rancang Bangun Data warehouse untuk Pembuatan Laporan dan Analisis pada Data Kunjungan Pasien Rawat Jalan Rumah Sakit Universitas Airlangga Berbasis Online Analytical Processing (OLAP),†Journal of Information System Engineering and Business Intellligence, vol. 3(1), pp. 40-51, 2017. [7] Aryanti. D., Setiawan. J., “Visualisasi Data Penjualan dan Produksi PT. Nitto Alam Indonesia Periode 2014-2018,†ULTIMA InfoSys, vol. 9(2), pp. 86-91, 2018. [8] [8] Usman. Mustofa, Model Linear Terapan (Analisis Regresi, Pembentukan Model, dan Analisis Jalur (Path Analysis)). Bandung: Sinar Baru Algesindo, 2009. [9] Imran. M.I.A., “Pengaruh Kepuasan Pelanggan Terhadap Minat Beli Ulang Makanan di Rumah Makan Ayam Bakar Wong Solo Alauddin Kota Makassar,†Jurnal Profitability Fakultas Ekonomi dan Bisnis, vol. 2(1), pp. 50-64, 2018. [10] Setyohadi. D.B., Kristiawan. F.A., Ernawati, “Perbaikan Performansi Klasifikasi dengan Preprocessing Iterative Partitioning Filter Algorithm,†TELEMATIKA, vol. 14(01), pp. 12-20, 2017. [11] Kimball. Ralph, The Data Warehouse Toolkit: Practical Techniques for Building Dimensional Data Warehouses. New Jersey: Wiley, 1996. [12] Ayuni, Ghebyla Najla, and Devi Fitrianah. "Penerapan Metode Regresi Linear Untuk Prediksi Penjualan Properti pada PT XYZ." Jurnal telematika 14, no. 2 (2019): 79-86. [13] Hartati, Eka, Ria Indriyani, and Indah Trianingsih. "Analisis Kepuasan Pengguna Website SMK Negeri 2 Palembang Menggunakan Regresi Linear Berganda." MATRIK: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer 20, no. 1 (2020): 47-58. [14] Ghozali. I, Aplikasi Analisis Multivariete dengan Program IBM SPSS 23 Edisi 8. Semarang: Badan Penerbit Universitas Diponegoro, 2016. [15] Fachid. S., Triayudi. A., “Perbandingan Algoritma Regresi Linier dan Regresi Random Forest dalam Memprediksi Kasus Positif Covid-19,†Jurnal Media Informatika Budidarma, vol. 6(1), pp. 68-73, 2022.

Unduhan

Diterbitkan

2022-12-30

Cara Mengutip

Hanifah, S., Akbar, F., & Santi, R. P. (2022). Implementasi Business Intelligence dan Prediksi Menggunakan Regresi Linear pada Data Penjualan dan Breakage di PT XYZ. Jurnal Nasional Teknologi Dan Sistem Informasi, 8(3), 144–152. https://doi.org/10.25077/TEKNOSI.v8i3.2022.144-152

Terbitan

Bagian

Articles