Dr. Made Agung Raharja
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pengembangan Sistem Pendukung Business Intelligence dan Forecasting untuk UMKM (Studi Kasus: Toko Perlengkapan Ternak) Gusti Ngurah Deva Wirandana Putra; Cokorda Rai Adi Pramartha; Ida Bagus Gede Dwidasmara; Dr. Made Agung Raharja
JELIKU (Jurnal Elektronik Ilmu Komputer Udayana) Vol 13 No 1 (2024): JELIKU Volume 13 No 1, August 2024
Publisher : Informatics Department, Faculty of Mathematics and Natural Sciences, Udayana University

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pendukung Business Intelligence pada Toko Perlengkapan Ternak guna menyediakan informasi secara real-time yang mendukung pengambilan keputusan yang cepat dan tepat. Metode pengembangan sistem Business Intelligence Roadmap digunakan dalam proses pengembangan sistem ini untuk memastikan tahapan-tahapan pengembangan dilakukan dengan terstruktur dan sesuai dengan kebutuhan. Berdasarkan hasil evaluasi, sistem ini mampu memberikan informasi yang terstruktur dan tepat waktu serta memiliki tingkat penerimaan yang tinggi dari pengguna menggunakan evaluasi Technology Acceptance Model (TAM) yaitu dengan nilai evaluasi persepsi kegunaan (perceived usefulness) mencapai 89% dam evaluasi persepsi kemudahan (perceived ease of use) mencapai 86,14%. Hasil dari ETL Testing juga menunjukkan bahwa data berhasil diproses sebesar 100% tanpa data loss atau kehilangan data. Selain itu, penelitian juga melakukan Data Mining yaitu Forecasting menggunakan metode Support Vector Regression (SVR) untuk data transaksi penjualan, dengan hasil yang menunjukkan kinerja yang baik dalam prediksi jumlah transaksi di masa depan. Hasil evaluasi menunjukkan bahwa metode SVR memiliki Mean Absolute Error (MAE) sebesar 21,39, Mean Squared Error (MSE) sebesar 642,85, dan Root Mean Squared Error (RMSE) sebesar 25,35. Namun, evaluasi jangka panjang diperlukan untuk mengevaluasi kinerja SVR dalam periode waktu yang lebih luas