Business intelligence menjelaskan tentang suatu konsep dan metode bagaimana untuk meningkatkan kualitas pengambilan keputusan bisnis berdasarkan sistem yang berbasiskan data. Koleksi data mentah dapat diubah menjadi informasi dengan cara dianalisa dan disusun berdasarkan hubungan antara data dengan mengetahui data apa yang ingin dikumpulkan dan di dalam konteks apa yang diinginkan.
- Menurut Laudon dan Jane (2007), business intelligence adalah alat analisis yang digunakan untuk mengkonsolidasi data, menganalisis, menyimpan dan mengakses banyak data untuk membantu dalam pembuatan keputusan, seperti perangkat lunak untuk query database dan pelaporan alat untuk analisis data multidimensi, dan data mining.
- Menurut Vercellis (2009), business intelligence adalah satu set model matematika dan metodologi analisis yang mengeksploitasi data yang tersedia untuk menghasilkan informasi dan pengetahuan yang berguna untuk proses pengambilan keputusan yang kompleks.
- Menurut Yulianton (2008), business intelligence adalah semua penggalian modal bisnis untuk mendapatkan keuntungan dari data yang tersedia, baik yang tersebar pada sistem yang berbeda, maupun yang terintegrasi dalam tempat penyimpanan yang terpusat.
- Menurut Williams dan Williams (2007), business intelligence adalah seperangkat informasi bisnis dan analisis usaha di dalam konteks kunci proses bisnis yang mengarah pada keputusan dan tindakan dengan tujuan meningkatkan aset informasi dalam proses bisnis utama untuk mencapai peningkatan kinerja bisnis.
Istilah Business Intelligence (BI) pertama kali didengungkan pada tahun 1958 oleh seorang peneliti dari IBM yang bernama Hans Peter Luhn. Beliau mendefinisikan istilah intelligence sebagai “Kemampuan dalam mengerti dan memahami suatu hubungan timbal balik antara fakta-fakta yang disajikan sedemikian rupa menjadi suatu landasan dalam bertindak untuk mencapai tujuan yang dikehendaki”. Business Intelligence seperti yang kita ketahui pada saat ini bisa dikatakan sebagai hasil evolusi dari Decision Support System (DSS) yang dimulai sekitar tahun 1960 dan berkembang sampai tahun 1980an. Sekitar tahun 1980an mulai dari DSS, EIS (Executive Information System), data warehouse, OLAP dan Business Intelligence mulai menjadi perhatian dan menjadi suatu kesatuan system. Pada tahun 1989 dalam sebuah artikel terbitan Gartner, Howard Dresner menggunakan istilah Business Intelligence (BI) . Dia menggambarkan istilah tersebut sebagai seperangkat konsep dan metode yang berguna untuk meningkatkan kemampuan pembuatan keputusan dengan bantuan sistem yang berbasiskan fakta atau realita yang terjadi.
Jenis-jenis Business Intelligence Menurut Turban (2007), terdapat lima jenis business intelligence, yaitu:
- Enterprise Reporting, digunakan untuk menghasilkan laporan-laporan statis yang didistribusikan ke banyak orang. Jenis laporan ini sangat sesuai untuk laporan operasional dan dashboard.
- Cube Analysis, digunakan untuk menyediakan analisis OLTP multidimensional yang ditujukan untuk manajer bisnis dalam lingkungan terbatas.
- Ad Hoc Query and Analysis, digunakan untuk memberikan akses kepada user agar dapat melakukan query pada database, dan menggali informasi sampai pada tingkat paling dasar dari informasi transaksional. Query ini berfungsi untuk mengeksplor informasi yang dilakukan oleh user.
- Statistical Analysis and Data Mining, digunakan untuk melakukan analisis prediksi atau menentukan korelasi sebab akibat diantara dua matrik.
- Delivery Report and Alert, digunakan secara proaktif untuk mengirimkan laporan secara lengkap atau memberikan peringatan kepada populasi user yang besar atau banyak
Perusahaan menggunakan Business Intelligence untuk memahami, meningkatkan kinerja, penganggaran biaya yang lebih efisien dan mengidentifikasi peluang bisnis baru. Beberapa hal kegunaan Business Intelligence, antara lain:
1. Analisa dalam perilaku konsumen, pola pembelian dan trend penjualan
2· Mengukur, melacak dan memprediksi penjualan dan kinerja keuangan
3· Penganggaran, perencanaan keuangan dan peramalan
4· Mengetahui kinerja kegiatan pemasaran
5· Optimalisasi proses dan kinerja operasional
6· Meningkatkan efektifitaspengiriman dan pasokan
7· Analisa CRM (Customer Relationship Management)
8· Analisa Resiko
9· Analisa nilai strategis
10·Analisa social media
Jika pada lembaga bisnis (profit organization) Business Intelligence dimanfaatkan untuk meningkatkan kinerja melalui pemilihan strategi bisnis yang tepat, maka pada lembaga pemerintahan (non-profit organization) business intelligence dapat digunakan untuk meningkatkan kinerja perusahaan melalui peningkatan efisiensi pelaksanaan kerja sehingga pada akhirnya akan tercipta perbaikan layanan pada masyarakat serta pengelolaan anggaran yang tepat. Business Intelligence juga dapat membantu suatu perusahaan dalam menganalisis perubahan trend yang terjadi sehingga akan membantu perusahaan menentukan strategi yang diperlukan dalam mengantisipasi perubahan trend tersebut.
Untuk mengidentifikasi tingkat pencapaian perusahaan
BI mendukung perusahaan untuk mencapai visi strategis mereka dengan menyelaraskan semua level untuk fokus pada aktifitas yang berkaitan langsung dengan visi strategis.
BI mendukung perusahaan untuk mencapai visi strategis mereka dengan menyelaraskan semua level untuk fokus pada aktifitas yang berkaitan langsung dengan visi strategis.
Untuk memonitor kinerja perusahaan dan mengidentifikasi masalah
BI menyediakan wawasan tentang kinerja perusahaan diberbagai level. BI memberikan informasi tentang masalah kinerja dalam perusahaan.
Untuk menggali lebih dalam sumber data yang ada
Banyak perusahaan gagal dalam menggali dan memanfaatkan data mereka secara penuh, sementara BI dapat menyediakan semua data operasional yang bersifat strategis dan metrik kinerja untuk meningkatan kualitas pengambilan keputusan yang juga dapat meningkatan kualitas kinerja perusahaan.
Manfaat Business Intelligence Bagi Bisnis?
Dengan fitur yang dimiliki oleh business intelligence, mereka dapat memberikan kekuatan baru pada bisnis kita yang dapat mengubah cara kita dalam menjalankan bisnis selama ini. Selain itu business intelligence juga memiliki berbagai manfaat yang diantaranya adalah :
- Membantu kita mendapatkan informasi yang akurat sehingga dapat membuat keputusan bisnis yang berdasarkan data, bukan berdasarkan insting.
- Mampu mengidentifikasi peluang baru dengan data informasi yang dihasilkan. Anda akan memperoleh informasi baru tentang peluang serta potensial yang selama ini dimiliki oleh bisnis Anda.
- Business intelligence juga dapat membantu kita dalam mengelola manajemen persediaan bisnis dengan sangat baik.
- Solusi yang ditawarkan dan diberikan oleh business intelligence dapat menghemat banyak waktu Anda karena dapat memberikan laporan bisnis yang Anda butuhkan hanya dalam hitungan detik.
- Mengalokasikan sumber daya yang kita miiki dengan lebih akurat.
Data sourcing
Dalam hal ini Business intelligence memiliki kemampuan untuk dapat mengakses berbagai sumber data dan informasi yang berada pada sejumlah sumber yang berbeda dimana pada setiap sumber memliki format penyimpanan data yang berbeda pula.
Data analysis
Dalam hal ini intelligence memiliki kemampuan untuk dapat menganalisis data yang didapatkan dari aktivitas perusahaan dan informasi dari perusahaan sehingga dapat dijadikan sebuah pengetahuan yang kelak dapat digunakan perusahaan untuk meningkatkan kinerja perusahaan.
Situation awareness
Dalam hal ini Business Intelligence memiliki kemampuan untuk dapat menyediakan sebuah sistem yang dapat digunakan untuk mencari dan memberikan data serta informasi yang dibutuhkan oleh perusahaan ketika perusahaan menghadapi kejadian darurat atau terdesak.
Risk analysis
Dalam hal ini Business Intelligence memiliki kemampuan untuk dapat memberikan perhitungan resiko yang akan dihadapi perusahaan terhadap berbagai kemungkinan yang terjadi akibat dari pilihan-pilihan tertentu yang diambil oleh perusahaan.
Decision support
Dalam hal ini Business Intelligence memiliki kemampuan untuk dapat memberikan pertimbangan- pertimbangan yang dapat digunakan untuk membantu perusahaan dalam pengambilan keputusan yang dapat menghasilkan keputusan-keputusan yang berkualitas yang diambil berdasarkan berbagai perhitungan dan pengolahan terhadap data atau informasi baik internal maupun eksternal yang dimiliki oleh perusahaan.
Karakteristik Business Intelligence
Sistem Business Intelligence yang baik mempunyai berbagai karakteristik (Stevans,2008), diantaranya :
1. Tujuan utama
Seluruh sistem komputer mempunyai tujuan utama bagi seluruh pengguna sesuai dengan kebutuhan penguna masing-masing.
2. Ketersediaan data yang relevan Masalah ketersediaan data merupakan poin yang paling penting dalam sistem business intelligence yang efektif. Dalam proses pembuat keputusan sering terjadi penyampaian informasi yang tidak lengkap atau bahkan yang tidak sebenarnya. Namun dengan dukungan BI, ketersediaan data yang relevan dapat diatasis ehingga dapat menyuguhkan data-data yang relevan.
3. Kemampuan
Dalam hal ini terdapat kemampuan BI yang paling utama yaitu dapat memberikan kemudahan akses untuk informasi terbaru dari bisnis yang berjalan serta peluang yang diproyeksikan, selain itu Bi dapat memenuhi kapabilitas untuk melakukan analisis dan memenuhi permintaan pengguna.
4. Struktur Pendukung
Dalam BI, sistem pendukung didalamnya tidak hanya terdiri dari hardware dan software, namun juga terdiri dari suatu proses yang dibuat untuk pengambilan keputusan yang lebih baik serta untuk menentukan strategi untuk misi dan tujuan kedepan.
Komponen Business Intelligence
a. Data Warehouse Merupakan golongan dari komponen hardware dan software digunakan untuk mendapatkan jumlah data yang banyak.
b. Business Analytics Adalah aplikasi yang mempersiapkan proses pengambilan keputusan berbagai sumber data. Pengguna dapat menggunakan business intelligence terhubung suatu dimensional data warehouse yang interaktif dan memanfaatkan OLAP untuk proses slice dan drilling down, dice, serta drilling up.
c. User Interface (Dashboard) Satu kategori dari aplikasi business intelligence akan memonitoring informasi yang dibutuhkan oleh perusahaan dengan menggunakan format typically dan graphical gadgets.
d. Business Performance Management (BPM) Berfungsi menyediakan tool-tool yang dibutuhkan untuk mengelola aplikasi mereka.
Sistem Business Intelligence yang baik mempunyai berbagai karakteristik (Stevans,2008), diantaranya :
1. Tujuan utama
Seluruh sistem komputer mempunyai tujuan utama bagi seluruh pengguna sesuai dengan kebutuhan penguna masing-masing.
2. Ketersediaan data yang relevan Masalah ketersediaan data merupakan poin yang paling penting dalam sistem business intelligence yang efektif. Dalam proses pembuat keputusan sering terjadi penyampaian informasi yang tidak lengkap atau bahkan yang tidak sebenarnya. Namun dengan dukungan BI, ketersediaan data yang relevan dapat diatasis ehingga dapat menyuguhkan data-data yang relevan.
3. Kemampuan
Dalam hal ini terdapat kemampuan BI yang paling utama yaitu dapat memberikan kemudahan akses untuk informasi terbaru dari bisnis yang berjalan serta peluang yang diproyeksikan, selain itu Bi dapat memenuhi kapabilitas untuk melakukan analisis dan memenuhi permintaan pengguna.
4. Struktur Pendukung
Dalam BI, sistem pendukung didalamnya tidak hanya terdiri dari hardware dan software, namun juga terdiri dari suatu proses yang dibuat untuk pengambilan keputusan yang lebih baik serta untuk menentukan strategi untuk misi dan tujuan kedepan.
b. Business Analytics Adalah aplikasi yang mempersiapkan proses pengambilan keputusan berbagai sumber data. Pengguna dapat menggunakan business intelligence terhubung suatu dimensional data warehouse yang interaktif dan memanfaatkan OLAP untuk proses slice dan drilling down, dice, serta drilling up.
c. User Interface (Dashboard) Satu kategori dari aplikasi business intelligence akan memonitoring informasi yang dibutuhkan oleh perusahaan dengan menggunakan format typically dan graphical gadgets.
d. Business Performance Management (BPM) Berfungsi menyediakan tool-tool yang dibutuhkan untuk mengelola aplikasi mereka.
Contoh Penerapan Business Intelligence
- Business intelligence pada 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. Contoh penerapan business intelligence pada industri perbankan adalah customer relationship management, customer credit analysis, risk management, credit card analysis, customer segmentation, dll (Hair, 2007), (Dan, 2008). 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.
Salah satu penerapan customer credit analysis adalah penerapan model penilaian kredit nasabah (Ince & Aktan, 2009). Penilaian kredit nasabah merupakan kegiatan paling penting untuk mengevaluasi aplikasi pinjaman yang diajukan oleh nasabah. system penilaian kredit digunakan untuk memodelkan potensi resiko dari aplikasi pinjaman, dimana system tersebut memiliki keuntungan karena dapat menangani aplikasi pinjaman dalam jumlah besar dengan cepat tanpa membutuhkan sumber daya yang banyak sehingga dapat menurunkan biaya operasional dan efektif dalam mengurangi penalaran dalam pengambilan keputusan. Dengan persaingan dan pertumbuhan pasar kredit konsumen, para pemain di industri perbankan saling berlomba untuk mengembangkan strategi yang lebih baik berkat bantuan penerapan model penilaian kredit. Tujuan dari penilaian kredit adalah memberikan kemampuan kepada bagian analisa kredit untuk menentukan aplikasi pinjaman nasabah yang diterima dari pihak marketing bank termasuk “kredit yang baik” dimana para nasabah yang termasuk dalam kategori tersebut memiliki kemungkinan yang cukup besar untuk membayar kewajiban finansialnya kepada bank atau “kredit yang jelek” dimana para nasabah yang termasuk dalam kategori tersebut memiliki kemungkinan yang cukup besar untuk memenuhi kewajiban finansialnya. Berdasarkan hasil studi yang dilakukan oleh Huseyin Ince dan Bora Aktan (2009), peneliti membandingkan kinerja dari model penilaian kredit menggunakan pendekatan tradisional dan artificial intelligence (discriminant analysis, logistic regression, neural networks, classification, and regression tree). Penelitian percobaan dengan data riil telah mendemonstrasikan bahwa classification, regression tree, dan neural networks mengalahkan kinerja model penilaian kredit secara tradisional dalam hal prediksi keakuratan dan type II errors.
Analisis terhadap data pelanggan merupakan kunci utama bagi pihak manajemen bank untuk menghasilkan keuntungan yang maksimal. Dengan menggunakan konsep pareto, bahwa dengan mendesain produk dan layanan kepada 20% nasabah dapat memberikan hasil sebesar 80% terhadap keuntungan. Pihak manajemen mempercayai bahwa dengan menganalisa 20% nasabah tersebut merupakan langkah yang efektif dalam meningkatkan keuntungan dan menurunkan biaya operasional. Selain kasus diatas, pihak manajemen bank dapat menganalisis pemasaran kartu, perhitungan harga jual dan tingkat keuntungan terhadap pemillik kartu, deteksi terhadap potensi kecurangan, prediksi manajemen daur hidup nasabah. Segmentasi pelanggan merupakan salah satu strategi pemasaran yang efektif, dengan memahami karakteristik dan kebutuhan setiap segmen nasabah maka pihak manajemen dapat mendesain bagaimana cara memasarkan, harga, kebijakan untuk setiap produk dan layanan sehingga dapat memberikan keuntungan yang maksimal (Mawoli & Abdulsalam, 2012). Dengan penerapan business intelligence dalam proses segmentasi nasabah menjadi lebih mudah karena pihak manajemen dapat dengan mudah mengidentifikasi demografi dan geografi nasabah tetapi pihak manajemen harus meluangkan waktu dan tenaga apabila ingin mengetahui psikografi dan perilaku nasabah dan pihak manajemen perlu mengidentifikasi atribut-atribut yang diperlukan seperti umur, pekerjaan, penghasilan dan jenis kelamin dengan mudah dan pada umumnya dapat diukur dengan RFV (recency, frequency, dan value dari perilaku transaksi mereka) (Sun, 2009), (Lin, Zhu, Yin, & Dong, 2008).
Dapat disimpulkan bahwa untuk memenuhi kebutuhan nasabah yang makin komplek dan efisiensi bisnis proses dengan otomatisasi kegiatan operasional membutuhkan dukungan sistem informasi. Sistem informasi perbankan perlu tetap dikembangkan sehingga dapat memenuhi kebutuhan nasabah dan mengikuti inovasi bisnis, akan tetapi perlu adanya integrasi dengan sistem business intelligence sehingga pihak manajemen mendapatkan informasi yang up-to-date dan insight dari data historis.
- Business intelligence pada industri retail
Mengamati 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. 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 (Hair, 2007). 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) (Zhou & Lei, 2011). Berdasarkan segmentasi pelanggan yang dilakukan oleh Shuwen Zhou dan Guanghong Lei (2011) dapat disimpulkan bahwa:
1.Kategori 1 merupakan pelanggan-pelanggan yang bekerja di perkantoran sebagai profesional dan manajer dan memiliki pendidikan yang cukup tinggi, memiliki rumah dan mobil. Berdasarkan informasi yang didapat, pelanggan pada kategori ini belum memiliki bayi, pendapatan tahunan tidak terlalu tinggi tetapi mereka menyukai berbelanja terutama “fashion”. Fokus konsumsi pada kategori ini adalah kosmetik yang berkualitas tinggi, CD orisinal, majalah dan produk peralatan rumah tangga pada umumnya. Pada umumnya mereka tidak tertarik membeli makanan dan minuman karena penghasilan yang cukup tinggi. Strategi marketing yang cocok untuk kategori ini adalah memberikan kualitas produk dan layanan yang lebih tinggi untuk menarik pelanggan karena pelanggan yang berada dikategori ini tidak terlalu tertarik dengan potongan harga.
2.Kategori 2 merupakan pelanggan-pelanggan yang bekerja di pabrik sebagai pekerja dan mekanik, dan memiliki penghasilan yang cukup rendah, beberapa memiliki rumah, berbelanja makanan, keperluan rumah tangga, produk balita. sebagian besar merupakan wanita yang suka ke supermarket untuk membeli lebih banyak barang. Pada umumnya mereka tertarik terhadap diskon promosi, sehingga keuntungan tidak terlalu tinggi.
3.Kategori 3 merupakan pelanggan yang memiliki pendidikan rendah, penghasilan rendah yang hampir sama dengan pekerja pabrik. Pada umumnya mereka membeli komoditas lebih banyak pada saat diskon yang cukup besar. Strategi pemasaran untuk kategori ini adalah memberikan diskon promosi terhadap komoditas tersebut sehingga lebih menarik pelanggan.
Table 1. Contoh beberapa tipe dari segmentasi pelanggan supermarket di china
Penerapan business intelligence (BI) dalam area CRM, BI dapat diaplikasikan pada supply chain management (SCM). Dengan menerapkan SCM, manajemen perusahaan dapat mengefisiensikan control terhadap persediaan dan proses pembelian kepada pemasok. Data yang diperoleh pada proses pembelian dan persediaan dapat memberikan berbagai macam insight yang cukup komprehensif terhadap dinamika dalam rantai persediaan. Penerapan data warehouse pada SCM dapat membantu pihak manajemen untuk menganalisis kinerja pemasok, mengontrol tingkat persediaan (safety stock, lot size, dan lead time analysis), pergerakan produk, peramalan permintaan, dll.
Penerapan BI dalam alternative sales channel dapat meningkatkan efektivitas dalam mengelola berbagai jenis distribution channel seperti melalui internet, katalog, dll. Dengan kemajuan teknologi saat ini menyebabkan seorang pelanggan dapat berinteraksi dengan perusahaan melalui berbagai channel dalam satu periode. Sebagai contoh perkembangan tablet dan smartphone menyebabkan pihak manajemen perlu mengembangkan m-channel sehingga dapat memberikan tambahan pilihan kepada pelanggan untuk mengakses perusahaan mereka. Aplikasi dari BI dalam alternative sales channel adalah E-business analysis, web log analysis, referrer analysis, error analysis, keyword analysis, web housting, channel profitability, dan product-channel affinity.
- Business intelligence pada industri pendidikan
Saat ini penerapan business intelligene pada industri pendidikan masih relatif sedikit apabila dibandingkan dengan industri perbankan, kesehatan, asuransi, dll (Lihua, Yongsheng, & Zhonglei, 2008). Penerapan business intelligence pada industri pendidikan dapat dilakukan pada proses penerimaan mahasiswa baru, manajemen pengajaran, dll (Rebbapragada, Basu, & Semple, 2010), (Liu & Zhang, 2010). Menurut Rebbapraga (2010), persaingan untuk penerimaan siswa baru semakin ketat setiap tahun dengan sebagian besar kampus menerima aplikasi penerimaan siswa dan makin selektif dalam penerimaannya. Tingkat penerimaan pada kampus ternama mencapai 10% dan ketidakpastian menyebabkan siswa yang memiliki talenta melamar pada sekolah pada lapisan yang berikutnya. Hal ini menyebabkan siswa memasukkan aplikasi ke beberapa sekolah dan setiap sekolah memiliki tenggat waktu yang berbeda. Akibatnya siswa sering menghadapi dilema pada saat mereka kehabisan waktu untuk menerima tawaran dari universitas yang lebih rendah dari prioritas mereka. Tantangan dalam admisi proses adalah proses mengidentifikasi pelamar terbaik meliputi beberapa parameter dan saat kandidat yang diinginkan teridentifikasi maka keputusan untuk menawarkan penawaran serta komposisi dari penawaran tersebut cukup susah. Selain dapat digunakan dalam proses penerimaan mahasiswa, penerapan data mining dapat digunakan untuk mendukung manajemen pengajaran. Setiap universitas mengelola nilai mahasiswa dalam jumlah besar dari berbagai fakultas yang berbeda-beda. Dengan adanya penerapan data warehouse dan menganalisa data tersebut dengan menggunakan berbagai teknik data mining, pihak pengelola fakultas dapat mengeksploitasi berbagai informasi tersembunyi dan dapat melakukan peramalan dan analisis sehingga pengelola fakultas dapat menggunakannya untuk meningkatkan kualitas pengajaran dan pengetahuan.
Menurut Rebbapragada et al (2010), para peneliti yakin bahwa data mining dan teknik manajemen penghasilan dapat digunakan secara efektif untuk menyelesaikan masalah tersebut. Dengan menggunakan data mining untuk mengembangkan model yang dapat memprediksi kualitas dari pelamar dengan menggunakan data kinerja siswa pada masa lalu berdasarkan kinerja siswa pada tahun pertama dalam hal GPA yang diperoleh dan beberapa parameter penting yang dikumpulkan dari data pelamar seperti high school GPA, SAT math score, SAT verbal score, strength of curriculum, adjusted GPA, adjusted test scores, subjective score and overall assessment score. Penelitian ini menggunakan metode neural networks karena memiliki kinerja yang lebih baik dibandingkan decision trees, disamping itu kemampuan neural networks dalam beradaptasi dengan perubahan kondisi membuat metode ini cocok dengan konteks penerimaan siswa baru. Model manajemen penghasilan sudah banyak digunakan oleh perusahaan di industri penerbangan dan hotel, teknik ini dapat memaksimalkan penghasilan dengan mengumpulkan harga terbaik untuk setiap bangku/sumber daya meskipun terdapat ketidakpastian terhadap permintaan dimasa yang akan datang. Pada penelitian ini menggunakan model yang dinamis yaitu markovian periods karena memiliki kemampuan untuk menangani permintaan yang datang secara acak. Tabel harga penawaran dapat digunakan sebagai referensi oleh staf admisi untuk menerima atau menolak aplikasi dari calon siswa. Tabel 1 menyediakan asumsi jumlah aplikasi yang diterima setiap minggu untuk tiga kategori selama 4 minggu, jumlah aplikasi tersebut termasuk pelamar yang diterima dan ditolak. Tabel 2 menunjukkan tabel harga penawaran untuk periode waktu dengan penambahan 4000, setiap pengumpulan 4000 periode sekitar 3.3 hari.
Tabel 1. Jumlah aplikasi yang diterima setiap minggu
Sumber : Surya Rebbapragada, at all, 2010
Tabel 2. Tabel penawaran harga.
Sumber : Surya Rebbapragada, at all, 2010
Dengan menggunakan pendekatan diatas, pihak universitas dapat langsung mengambil keputusan terhadap semua pendaftaran siswa dan pada saat yang bersamaan dapat memaksimalkan proses penerimaan dengan menerima mahasiswa terbaik pada kapasitas yang ditawarkan.
Berdasarkan hasil penelitian yang dilakukan oleh Zhiwu Liu dan Xiuzhi Zhang (2010), mereka menganalisis nilai mahasiswa dari beberapa mata kuliah industrial enterprise electrification di sebuah universitas untuk mengetahui koneksi nilai dari beberapa mata kuliah yang berbeda melalui teknik decision tree. tabel 3 merupakan database nilai mahasiswa berisi no urut mahasiswa, dan hasil dari beberapa mata kuliah utama (fundamental of electrical engineering-FEE, electrical machine and drive-EMD, automatic control principle-ACP, automatic control system-ACS, and higher mathematic-HM).
Tabel 3. Nilai dari mahasiswa
Sumber : Liu dan Zhang, 2010
Untuk memudahkan untuk melakukan data mining, data pada tabel 3 sebaiknya dirubah dengan kondisi sebagai berikut: jika nilai dibawah 60 maka diisi dengan 0 (tidak lulus) dan jika nilai diatas 60 maka diisi dengan 1 (lulus). Dengan menggunakan algoritma decision tree C4.5,
1.Jika nilai mata kuliah FEE (A) lulus, maka nilai mata kuliah ACS(C1) pada umumnya lulus. Tingkat akurasinya adalah 86.4% dan covering rate untuk jumlah mahasiswa adalah 59.5%.
2.Jika nilai mata kuliah FEE (A) tidak lulus, dan nilai mata kuliah EMD (B) juga tidak lulus, maka nilai mata kuliah ACS (C1) pada umumnya tidak lulus. Tingkat akurasinya adalah 85.7% dan covering rate untuk jumlah mahasiswa adalah 10%.
3.Jika nilai mata kuliah FEE (A) tidak lulus, tetapi nilai mata kuliah EMD (B) lulus, maka nilai ACS (C1) masih bisa lulus. Tingkat akurasinya adalah 81.25% dan covering rate untuk jumlah mahasiswa adalah 30.5%.
Gambar 1. Decision tree untuk mengevaluasi nilai mahasiswa
Sumber : Liu dan Zhang, 2010
Dengan pendekatan diatas dalam mengevaluasi nilai mahasiswa, maka pengelola fakultas dapat melihat hubungan antara kinerja mahasiswa terhadap mata kuliah FEE, ACS, dan EMD. Berdasarkan hasil evaluasi yang telah dilakukan, pengajar mata kuliah EMD perlu memberikan perhatian yang lebih kepada mahasiswa yang tidak lulus EMD dan ACS.
Daftar Referensi :
- https://www.kajianpustaka.com/2019/12/business-intelligence.html
- https://www.kompasiana.com/acumatica/5a8fbeb8bde5754c445195d2/pengertian-manfaat-dari-business-intelligence-bagi-yang-belom-tahu
- https://medium.com/@jrendz/pengenalan-business-intelligence-c36232510531
- http://vischaarrofiv.blogspot.com/2015/03/definisi-business-intelligence.html
- https://sis.binus.ac.id/2013/05/27/penerapan-business-intelligence-pada-industri-perbankan-retail-dan-pendidikan/#:~:text=Contoh%20penerapan%20business%20intelligence%20pada,%2C%20(Dan%2C%202008).
- https://supartod.wordpress.com/category/tulisan-mahasiswa/business-intelligence/
