Penerapan Business Intelligence dan Analisis Data Mining untuk Prediksi Tren Penjualan Produk
Kata Kunci:
Kata Kunci: Business Intelligence, Data Mining, Prediksi Penjualan, Time Series, Dashboard BIAbstrak
Pesatnya teknologi informasi mendoron pemanfaatan data sebagai dasar pengambilan keputusan bisnis, di mana Business Intelligence dan Data Mining menjadi pendekatan utama dalam mengolah dan menganalisis data penjualan secara efektif. Penelitian ini bertujuan untuk mengimplementasikan integrasi Business Intelligence dan Data Mining dalam memprediksi tren penjualan produk secara akurat. Penelitian ini menerapkan pendekatan kuantitatif dengan tahap pengumpulan data historis penjualan, preprocessing, pembangunan dashboard BI, serta pemodelan prediksi menggunakan metode analisis deret waktu (time series) sebagai bagian dari teknik Data Mining. Hasil penelitian menunjukkan bahwa dashboard BI mampu menampilkan tren penjualan secara visual dan informatif, sementara model prediksi menghasilkan nilai yang mendekati data aktual dengan selisih rata-rata sekitar 5 juta rupiah per periode serta tingkat kesalahan yang rendah. Pola musiman dan tren kenaikan penjualan pada periode tertentu berhasil diidentifikasi secara konsisten. Integrasi Business Intelligence dan Data Mining terbukti efektif dalam meningkatkan akurasi prediksi tren penjualan serta mendukung pengambilan keputusan berbasis data. Penelitian ini berhasil mencapai tujuan yang diharapkan, meskipun pengembangan lebih lanjut masih diperlukan dengan menambahkan variabel eksternal dan metode prediksi yang lebih kompleks untuk meningkatkan akurasi model di masa depan.
Unduhan
Referensi
REFERENSI
[1] I. Cahyati et al., “Penerapan Business Intelligence Dengan Artificial Intelligence Pada E-Commerce,” SENTRI J. Ris. Ilm., vol. 3, no. 6, pp. 2741–2756, 2024, doi: 10.55681/sentri.v3i6.2904.
[2] C. Burnay, M. Lega, and S. Bouraga, “Business intelligence and cognitive loads: Proposition of a dashboard adoption model,” Data Knowl. Eng., vol. 152, 2024, doi: 10.1016/j.datak.2024.102310.
[3] R. Hidayat et al., “Implementasi Algoritma Random Forest Regression Untuk Memprediksi Penjualan Produksi di Supermarket,” Simkom, vol. 10, no. 1, pp. 101–109, 2025, doi: 10.51717/simkom.v10i1.703.
[4] S. Chatterjee, N. P. Rana, and Y. K. Dwivedi, “How does business analytics contribute to organisational performance and business value? A resource-based view,” Inf. Technol. People, vol. 37, no. 2, pp. 874–894, 2024, doi: 10.1108/ITP-08-2020-0603.
[5] F. P. E. Putra, F. Fauzan, S. Syirofi, M. Mursidi, D. Wahid, and A. Nuraini, “Sistem Pengendali Lingkungan Pertanian Dengan Wireless Sensor Network Untuk Mengoptimalkan Budidaya Hidroponik,” 2024. doi: 10.47709/digitech.v3i2.3461.
[6] S. Reza Febrian, A. Adi Sunarto, and A. Pambudi, “Prediksi Penjualan Suku Cadang Motor Dengan Penerapan Random Forest Di Pt Terus Jaya Sentosa Motor,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 5, pp. 10507–10513, 2024, doi: 10.36040/jati.v8i5.11100.
[7] A. P. Husaini and A. Lisdiyanto, “Sistem Prediksi Penjualan Produk APD Terlaris di PT A3 Karunia Sidoarjo menggunakan Metode Naive Bayes,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 6, no. 2, pp. 431–437, 2024, doi: 10.47233/jteksis.v6i2.1266.
[8] F. Fadilah, M. Melina, and A. Komarudin, “Prediksi Penjualan Obat Menggunakan Metode Artificial Neural Network,” J. Inform. Teknol. dan Sains, vol. 6, no. 3, pp. 521–531, 2024, doi: 10.51401/jinteks.v6i3.4346.
[9] F. P. E. Putra, R. W. Efendi, A. B. Tamam, and W. A. Pramadi, “Tren dan Praktik Terbaik dalam Pengembangan Web Berbasis API : Kajian Literatur terhadap Framework Laravel dan React,” Infomatek, vol. 27, no. 1, pp. 165–178, 2025, doi: 10.23969/infomatek.v27i1.25122.
[10] S. Hamidani, R. Yanto, and S. Aprudi, “Prediksi Penjualan Barang Pada Toko Padang Jaya Menggunakan Metode Regresi Linear Sederhana,” J. Pustaka Data (Pusat Akses Kaji. Database, Anal. Teknol. dan Arsit. Komputer), vol. 4, no. 1, pp. 22–26, 2024, doi: 10.55382/jurnalpustakadata.v4i1.712.
[11] A. A. Jabar, R. F. Wijaya, and S. Wahyuni, “Dashboard Visualisasi Data Kecerdasan Bisnis Untuk Mendukung Pengambilan Keputusan Bisnis Pada Pt Bmpt,” Djtechno J. Teknol. Inf., vol. 6, no. 1, pp. 75–89, 2025, doi: 10.46576/djtechno.v6i1.6038.
[12] A. Hurifiani, A. Irma Purnamasari, and I. Ali, “Penerapan Algoritma Regresi Linear Untuk Prediksi Penjualan Alat Tulis Kantor (Atk) Di Bumdes,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 266–273, 2024, doi: 10.36040/jati.v8i1.8305.
[13] F. P. E. Putra, U. Ubaidi, R. O. F. Kusuma, A. M. Syam, and S. A. Efendy, “Effect Of Distance On Wi-Fi Signal Quality In The Home Environment,” Brill. Res. Artif. Intell., vol. 4, no. 1, pp. 391–398, 2024, doi: 10.47709/brilliance.v4i1.4319.
[14] I. Ardhanur, M. Martanto, A. R. Dikananda, and M. Mulyawan, “Analisis Prediksi Penjualan Tisu Menggunakan Regresi Linear,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 2, 2025, doi: 10.23960/jitet.v13i2.6310.
[15] H. Putra and B. Aulia, “Penerapan Data Warehouse dan Dashboard Berbasis Kimball Nine-Step untuk Meningkatkan Kualitas Informasi dan Pengambilan Keputusan,” 2023, researchgate.net. doi: 10.18495/jsi.v15i1.21826.
[16] A. Rusydi and F. N. Hasan, “Implementasi business intelligence untuk visualisasi kekuatan sinyal internet di Indonesia menggunakan platform tableau,” TEKNOSAINS J. Sains, Teknol. dan Inform., vol. 10, no. 1, pp. 132–141, 2023, doi: 10.37373/tekno.v10i1.378.
[17] F. P. E. Putra, S. Syirofi, D. Wahid, and A. M. Syam, “Security Analysis And Data Recovery On Large-Scale Computer Networks,” Brill. Res. Artif. Intell., vol. 5, no. 1, pp. 384–390, 2025, doi: 10.47709/brilliance.v5i1.6276.
[18] B. Triawan, I. Lubis, and L. A. N. Kadim, “Penerapan Data Mining Untuk Prediksi Penjualan Spanduk Menggunakan Algoritma C4.5,” J. Math. Technol., vol. 3, no. 2, pp. 149–157, 2024, doi: 10.63893/matech.v3i2.172.
[19] A. Damayanti, F. D. Marleny, and A. A. Ningrum, “Implementasi Regresi Linear Berganda Untuk Prediksi Penjualan Pada Pt Trimandiri Sarana Propetindo Banjarmasin,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 3, 2025, doi: 10.23960/jitet.v13i3.6679.
[20] F. P. E. Putra, F. Mu’minin, A. Nuraini, S. N. R. Barokah, and K. Khairurrozi, “Designing an Information System for Student Admissions at SMAN 1 Pademawu Using the Waterfall Method,” Brill. Res. Artif. Intell., vol. 5, no. 1, pp. 582–591, 2025, doi: 10.47709/brilliance.v5i1.6508.
[21] S. V. Tsiu, M. Ngobeni, L. Mathabela, and B. Thango, “Applications and Competitive Advantages of Data Mining and Business Intelligence in SMEs Performance: A Systematic Review,” 2025, mdpi.com. doi: 10.3390/businesses5020022.
[22] Srikanth Yerra, “Enhancing Inventory Management through Real-Time Power BI Dashboards and KPI Tracking,” 2025, researchgate.net. doi: 10.32628/cseit25112458.
[23] S. Y. Nailendra, W. Witanti, and G. Abdillah, “Optimasi Prediksi Penjualan Retail Online Menggunakan LightGBM dan Hyperparameter Tuning,” J. Algoritm., vol. 22, no. 2, 2025, doi: 10.33364/algoritma/v.22-2.2551.
[24] Ghufron Tamami and M. Arifin, “Penggunaan LSTM dalam Membangun Prediksi Penjualan untuk Aplikasi Laptop Lens,” J. Fasilkom, vol. 14, no. 2, pp. 301–308, 2024, doi: 10.37859/jf.v14i2.7372.
[25] F. P. Eka Putra, . S., A. Ramadhani, and . M., “Integrasi Teknologi Kuantum dan fiber Optik untuk Meningkatkan Keamanan dan Efisiensi Jaringan Masa Depan,” J. Ilm. Ilk. - Ilmu Komput. Inform., vol. 8, no. 2, pp. 151–163, 2025, doi: 10.47324/ilkominfo.v8i2.342.
[26] P. Y. Amanda, B. A. Damayanti, A. A. Choirun, S. N. Sari, S. Armiyanti, and M. M. Hidayat, “Penerapan Data Mining untuk Prediksi Penjualan Produk Skincare Menggunakan Metode KNN (K-Nearest Neighbors): Studi Kasus Klinik Ayume Beauty Care,” Dike, vol. 3, no. 1, pp. 25–30, 2025, doi: 10.69688/dike.v3i1.122.
[27] J. P. Bharadiya, R. K. Thomas, and F. Ahmed, “Rise of Artificial Intelligence in Business and Industry,” 2023, academia.edu. doi: 10.9734/jerr/2023/v25i3893.
[28] M. Paramesha, N. Rane, and J. Rane, “Big data analytics, artificial intelligence, machine learning, internet of things, and blockchain for enhanced business intelligence,” SSRN Electron. J., 2024, doi: 10.2139/ssrn.4855856.
[29] D. Dang, Y. Liu, and S. K. Lee, “State Evaluation of Electrical Equipment in Substations Based on Data Mining,” 2024, mdpi.com. doi: 10.3390/app14167348.
[30] F. P. E. Putra, I. N. S. Degeng, S. Ulfa, and W. Kamdi, “The Evolution of Quality Education: Impacts and Challenges of Using Open Educational Resources (OER) and Open Educational Practices (OEP) in the Conceive - Design - Implement - Operate (CDIO) Framework,” TEM J., vol. 13, no. 1, pp. 386–395, 2024, doi: 10.18421/TEM131-40.
[31] M. Mudhofi, I. Supena, A. Karim, S. Safrodin, and S. Solahuddin, “Public opinion analysis for moderate religious: Social media data mining approach,” 2023, journal.walisongo.ac.id. doi: 10.21580/jid.v43.1.16101.
[32] I. A. Fattah, “Decision making performance of business analytics capabilities: the role of big data literacy and analytics competency,” 2024, emerald.com. doi: 10.1108/BPMJ-11-2023-0894.
[33] P. R. C. Gopal, N. P. Rana, T. V. Krishna, and M. Ramkumar, “Impact of big data analytics on supply chain performance: an analysis of influencing factors,” 2024, Springer. doi: 10.1007/s10479-022-04749-6.
[34] M. Akter and S. P. Kudapa, “a Comparative Analysis of Artificial Intelligence-Integrated Bi Dashboards for Real-Time Decision Support in Operations,” Int. J. Sci. Interdiscip. Res., vol. 05, no. 02, pp. 158–191, 2024, doi: 10.63125/47jjv310.
[35] Fauzan Prasetyo Eka Putra, Dian Tri Agustina, Triana Selvia Khusnul Khotimah, and Tarisha Ramadhanty, “Analisis Kinerja Jaringan 5G dalam Meningkatkan Konektivitas Internet of Things (IoT),” 2025, researchgate.net. doi: 10.55606/jitek.v5i1.5836.
[36] M. I. Qrenawi and W. Al Sarraj, “Identification of Cardiovascular Diseases Risk Factors among Diabetes Patients Using Ontological Data Mining Techniques,” 2018, researchgate.net. doi: 10.1109/ICPET.2018.00030.
[37] H. Hardika, M. Martanto, A. R. Dikananda, and M. Mulyawan, “Algoritma Regresi Linier Untuk Meningkatkan Model Prediksi Penjualan Pada Toko Devanjayaban,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 2, 2025, doi: 10.23960/jitet.v13i2.6357.
[38] Y. Marilaeta Nurak, S. Wahyu Iriananda, and F. Marisa, “Prediksi Penjualan Warung Kopi Oi Menggunakan Metode Random Forest Dan Xgboost,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 4, pp. 5796–5802, 2025, doi: 10.36040/jati.v9i4.13922.
[39] F. P. E. Putra, M. Irfan, M. Aziz, and R. N. Saputra, “Wireless Network Design at Pamekasan Regency Public Library,” Brill. Res. Artif. Intell., vol. 5, no. 1, pp. 144–150, 2025, doi: 10.47709/brilliance.v5i1.5876.
[40] F. P. E. Putra, K. Mufidah, R. M. Ilhamsyah, S. A. Efendy, and S. N. R. Barokah, “Tinjauan Performa RouterOS Mikrotik dalam Jaringan Internet: Analisis Kinerja dan Kelayakan,” Digit. Transform. Technol., vol. 3, no. 2, pp. 903–910, 2024, doi: 10.47709/digitech.v3i2.3446.
[41] S. Bauskar, “Business Analytics in Enterprise System Based on Application of Artificial Intelligence,” Int. Res. J. Mod. Eng. Technol. Sci., 2024, doi: 10.56726/irjmets18127.
[42] D. A. Adiyatma, M. G. Rohman, and M. Munif, “Sistem Prediksi Penjualan Produk pada STARMART Menggunakan Metode Linear Regression dan Weighted Moving Average,” J. Ilm. Sist. Inf., vol. 4, no. 3, 2025, doi: 10.51903/g260jt34.
[43] Budi Mulyono and Nursalim, “Prediksi Rentet Waktu Penjualan Barang Menggunakan Algoritma Backpropagation,” J. Kolaboratif Sains, vol. 6, no. 2, pp. 131–139, 2023, doi: 10.56338/jks.v6i2.3300.
[44] P. Koukaras and C. Tjortjis, “Data Preprocessing and Feature Engineering for Data Mining: Techniques, Tools, and Best Practices,” AI, vol. 6, no. 10, 2025, doi: 10.3390/ai6100257.
[45] N. Prasista, S. Kacung, C. Ananggadipa Swastyastu, and A. Vega Vitianingsih, “Penerapan Algoritma Apriori Untuk Prediksi Penjualan Pt. Delima Pandu Berjaya,” J. Mnemon., vol. 7, no. 1, pp. 90–98, 2024, doi: 10.36040/mnemonic.v7i1.9428.
[46] A. R. Fahmi and M. W. Kasrani, “Visualisasi Dashboard Inventaris PT Pertamina Patra Niaga Berbasis Aplikasi Power BI (Business Intelligence),” J. Tek. Elektro Uniba (JTE UNIBA), vol. 9, no. 2, pp. 589–597, 2025, doi: 10.36277/jteuniba.v9i2.1269.
[47] V. Sharma, B. Sah, N. Sahni, and R. Palaniappan, “Predictive Analytics in Finance: Leveraging AI and Machine Learning for Market Forecasting,” Util. AI Mach. Learn. Financ. Anal., pp. 579–596, 2025, doi: 10.4018/979-8-3693-8507-4.ch0030.
[48] E. Febriantoro, E. Setyati, and J. Santoso, “PEMODELAN PREDIKSI KUANTITAS PENJUALAN MAINAN MENGGUNAKAN LightGBM,” SMARTICS J., vol. 9, no. 1, pp. 7–13, 2023, doi: 10.21067/smartics.v9i1.8279.
[49] A. Wulandari and R. Harman, “Pembangunan Procurement Analytic Dashboard Untuk Visualisasi Analisis Data Menggunakan Microsoft Power Bi,” Comput. Sci. Ind. Eng., vol. 9, no. 3, 2023, doi: 10.33884/comasiejournal.v9i3.7650.
[50] Rakibul Hasan Chowdhury, “AI-driven business analytics for operational efficiency,” 2024, researchgate.net. doi: 10.30574/wjaets.2024.12.2.0329.
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Barrotut Taqiyah, Sri maulani (Penulis)
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
