<![CDATA[Tingginya tingkat kecacatan produk (Defect Rate) merupakan tantangan utama dalam industri manufaktur. Penelitian ini bertujuan untuk mengimplementasikan sistem Business Intelligence (BI) yang mampu menyediakan analisis diagnostik guna mengidentifikasi dan melokalisasi penyebab utama penurunan kualitas produk. Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan metodologi pengembangan yang berpusat pada siklus ETL (Extract, Transform, Load). Proses ETL dan visualisasi dashboard dikembangkan menggunakan bahasa pemrograman Python, memanfaatkan library Pandas untuk transformasi dan Plotly/Matplotlib untuk visualisasi. Data yang digunakan adalah simulasi operasional sebanyak 15.000 records kualitas produk selama tiga bulan (Oktober-Desember 2025). Pengujian sistem dilakukan melalui Black Box Testing dan pengujian performa komputasi. Implementasi sistem BI berhasil, terbukti efisien dalam mengolah 15.000 records data dengan kecepatan tinggi. Analisis diagnostik yang dihasilkan dashboard Python menunjukkan adanya anomali terpusat pada Shift B, yang menyumbang 55% dari total unit cacat. Drill-down lebih lanjut mengkonfirmasi bahwa 80% dari kecacatan tersebut disebabkan oleh pelanggaran Parameter Suhu, mengidentifikasi akar masalah yang spesifik. Secara simulatif, insight ini memicu tindakan korektif yang berdampak pada penurunan Defect Rate dari 20% pada bulan awal menjadi 13% pada bulan akhir pengamatan. Sistem Business Intelligence yang dikembangkan efektif dalam mendukung pengambilan keputusan berbasis data (Data-Driven Decision Making) dengan menyediakan actionable insight diagnostik yang spesifik dan terperinci.]]>
Copyrights © 2026
