Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pengaruh Implementasi Artifical Intelligence Dan Geographic Informatioin System Terhadap Efesiensi Operasional Pemetaan Data UMKM Pada PT Jawara Data Nusanatara Irahayu Barimbing; J.E. Angelika Br. Nababan; Cindy Sihombing; Jois Nursaida Batubara; Eflin Kartika Sinaga; Irvan Putra Dani Daeli; Jusuf Sugiarto; Raya Panjaitan
Al-Zayn: Jurnal Ilmu Sosial, Hukum & Politik Vol 4 No 2 (2026): 2026
Publisher : Yayasan pendidikan dzurriyatul Quran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61104/alz.v4i2.4491

Abstract

Transformasi digital UMKM menjadi prioritas strategis dalam mendorong pertumbuhan ekonomi daerah di Indonesia. PT Jawara Data Nusantara mengembangkan produk DataUMKM dengan mengintegrasikan teknologi Artificial Intelligence (AI) dan Geographic Information System (GIS) untuk pendataan dan pemetaan UMKM secara terpusat. Penelitian ini bertujuan menganalisis pengaruh implementasi AI dan GIS terhadap efisiensi operasional dan kualitas output pemetaan data UMKM pada PT Jawara Data Nusantara. Metode penelitian menggunakan pendekatan kuantitatif dengan desain explanatory research melalui studi kasus. Sampel penelitian sebanyak 35 proyek DataUMKM dipilih menggunakan purposive sampling. Data primer dikumpulkan melalui kuesioner terstruktur kepada 25 responden dan wawancara mendalam dengan manajemen. Data sekunder diperoleh dari performance metrics sistem dan dokumentasi proyek. Analisis data menggunakan regresi linear sederhana dengan SPSS 25. Hasil penelitian menunjukkan implementasi AI dan GIS berpengaruh positif signifikan terhadap efisiensi operasional (β = 0.742, p < 0.001, R² = 0.551) dengan peningkatan efisiensi 68%, penurunan waktu proses dari 45 menjadi 14 menit per data, pengurangan biaya operasional 52%, dan penurunan error rate dari 12.5% menjadi 2.8%. Implementasi AI dan GIS juga berpengaruh positif signifikan terhadap kualitas output pemetaan (β = 0.689, p < 0.001, R² = 0.475) dengan akurasi geocoding mencapai 97.2%, kelengkapan data 94.8%, dan user satisfaction 4.3/5. Fitur machine learning untuk klasifikasi otomatis dan automated data validation menjadi kontributor utama peningkatan efisiensi, sementara integrasi Google Maps API meningkatkan akurasi pemetaan lokasi. Penelitian ini memberikan kontribusi teoritis dalam literatur technology adoption dan kontribusi praktis berupa rekomendasi pengembangan fitur AI advanced untuk meningkatkan kapabilitas DataUMKM dalam mendukung transformasi digital UMKM dan kebijakan ekonomi daerah berbasis data.