Hasil Pencarian  ::  Simpan CSV :: Kembali

"PT. XYZ adalah sebuah pasar daring dan salah satu dari empat unicorn teknologi di Indonesia. Untuk menyasar pasar luring, PT. XYZ meluncurkan aplikasi baru Mitra XYZ di awal 2018. Target utama aplikasi ini adalah warung dan toko kelontong tradisional dengan fitur seperti "Belanja Grosir". Namun, target penerimaan Belanja Grosir di akhir 2018 tidak mencapai target. Berdasarkan analisis akar masalah, isu yang berusaha dipecahkan oleh penelitian ini adalah mencari metode sistem rekomendasi produk yang bisa diterapkan bagi pembeli grosir. Penelitian dimulai dari pemahaman data terhadap struktur, karakteristik, hingga fungsinya. Data lalu diproses dan dibersihkan agar bisa menjadi masukan untuk teknik penggalian data. Penggalian data dilakukan menggunakan bahasa pemrograman R dengan paket utama cluster, arules, dan factoextra. Sistem rekomendasi terdiri dari dua tahapan: (1) segmentasi pelanggan dan (2) analisis keranjang belanja. Segmentasi pelanggan dilakukan dengan algoritme klustering CLARA dikombinasikan dengan model LRFM. Hasil segmentasi menemukan bahwa pelanggan Belanja Grosir terbagi ke dalam empat kelompok dengan karakteristik yang berbeda. Berikutnya, analisis keranjang belanja dilakukan untuk setiap empat kelompok ini menggunakan algoritme penggalian pola asosiasi ECLAT. Dari analisis, ditemukan bahwa produk rokok dan kopi sachet mendominasi kombinasi produk yang sering dibeli bersamaan. Berdasarkan informasi ini, PT. XYZ bisa membuat strategi penjualan dan pemasaran melalui rekomendasi produk.

---

PT. XYZ is an online marketplace and one of Indonesian tech unicorns. To acquire offline market, PT. XYZ launched new Mitra XYZ application on early 2018. The main user of this app is traditional mom-and-pop shops with feature like "Groceries Store". Unfortunately, Groceries Store revenue target was not achieved by the end of 2018. Based on the root cause analysis, the main issue that this research try to solve is finding a product recommendation system method for groceries user. The first step is data structure, characteristics, and function understanding. The raw data is then cleaned-up and preprocessed to be put to the data mining processes. The data mining technique is using R framework with main package cluster, arules, and factoextra. The recommendation system is a 2-step process: (1) customer segmentation and (2) market basket analysis. The customer segmentation part is implemented using CLARA clustering algorithm combined with LRFM model. The clustering results show that Groceries Store users are grouped into four clusters with unique characteristics. Next, the market basket analysis part for each of the four clusters is implemented using association rules mining ECLAT algorithm. The analysis show that cigarrettes and stick coffee products dominate the product combinations that are often bought together. Based on these findings, PT. XYZ can develop sales and marketing strategy by utilizing the proposed product recommendation system."

"ABSTRAKKredit bermasalah atau non performing loan NPL merupakan salah satu indikator penilaian performa sebuah bank dalam menjalankan program kredit kepada nasabahnya. Peningkatan rasio NPL pada PT. Bank XYZ pada tahun 2016 memberikan dampak kerugian yang sangat besar bagi perusahaan. Tinggi atau rendahnya rasio NPL erat kaitannya dengan tingkat kepatuhan debitur dalam menyelesaikan kewajibannya sesuai dengan perjanjian yang ada. Peningkatan rasio NPL tersebut berasal dari berbagai sektor kredit termasuk kredit kepemilikan rumah KPR. Tercatat pada awal tahun 2017 terdapat 16,15 nasabah yang memiliki kredit tidak lancar pada kredit KPR FLPP. Kualitas kredit yang buruk memberikan kerugian pada Bank XYZ. Untuk mengatasi masalah tersebut, pada penelitian ini digunakan teknik data mining untuk melakukan penilaian risiko calon nasabah kredit. Teknik data mining decision tree, support vector machine dan na ve bayes digunakan untuk melakukan penilaian risiko kualitas kredit calon nasabah. Teknik ensemble classification adaptive boosting dan bagging juga digunakan untuk meningkatkan performa dari model klasifikasi dasar. Pemodelan dilakukan dengan menggunakan data nasabah KPR FLPP. Evaluasi penelitian dilakukan menggunakan teknik k-fold cross validation. Hasil dari penelitian menunjukkan model klasifikasi yang dihasilkan oleh metode base classification decision tree merupakan model yang terbaik pada kasus ini. Hasil dari pemodelan dapat digunakan dalam menilai potensi calon nasabah apakah akan menjadi nasabah yang mempunyai kualitas kredit baik atau buruk.

---

ABSTRACTNon performing loan NPL is one of some indicators that can be used to measure the performance of bank in running a credit program to its customer. Bank XYZ rsquo s NPL rate increased in 2016 brought a huge loss to the organization. High or low NPL rate in the bank is closely related to the level of compliance of its customer in fulfilling their obligation based on agreement. The increment of NPL came from several sectors including the mortgage sector. In the beginning of 2017, there are 16.15 of customer have bad credit performance of FLPP mortgage program. Bad quality can bring loss to the Bank XYZ. To resolve that problem, data mining technique is used in order to assess the credit risk of prospect customer. Data mining techniques such decision tree, support vector machine SVM and na ve bayes are used to score the credit risk of the prospect customer. Ensemble classification technique such adaptive boosting and bagging are used as well to improve the performance of base classification rsquo s model. Modelling uses the historical customer data of FLPP mortgage program. The technique of evaluation in this research uses k fold cross validation. The result of this research shows classifiers from base classification decision tree has the best result amongst the other models in this case. The best models can be used to score the potential of prospect customer whether they will be having good credit or bad credit."

"Jenis usaha perasuransian PT XYZ dibagi menjadi dua yaitu asuransi kesehatan dan asuransi jiwa. Salah satu risiko yang terjadi dan berdampak pada kerugian perasuransian adalah kecurangan atau fraud yang dilakukan pihak tertentu untuk memperoleh keuntungan sepihak. Penelitian ini dilakukan untuk membuat pemodelan data mining yang digunakan untuk mendeteksi fraud pada asuransi kesehatan. Tujuan dari penelitian ini adalah memperoleh algoritma model berbasis data mining yang dapat mendeteksi fraud pada transaksi klaim peserta di PT XYZ. Karakteristik data yang digunakan bersifat imbalanced, karena jumlah data fraud yang digunakan tidak sebesar jika dibandingkan dengan data yang bersifat normal. Pembentukan model pada penelitian ini dilakukan dengan 32 skenario, dengan hasil terbaik skenario dengan penerapan feature engineering, feature selection, oversampling dan uji validasi menggunakan 20­-fold cross validation. Adapun hasil dari skenario tersebut menghasilkan algoritma random forest yang memiliki nilai akurasi paling baik yaitu 99,3% dengan didukung oleh nilai presisi, recall, dan f1 scores masing-masing, 99,3%, 99,3%, dan 99,3%. Hasil akhir dari penelitian ini memperlihatkan bahwa teknik feature engineering dengan penambahan atribut is_dr_speciality, memiliki kontribusi terhadap nilai akurasi model.

---

The type of insurance business of PT XYZ is divided into two, namely health insurance and life insurance. One of the risks that occur and impact insurance losses is fraud committed by certain parties to obtain unilateral benefits. This research was conducted to create a data mining model used to detect fraud in health insurance. The purpose of this study is to obtain a data mining-based model algorithm that can detect fraud in participant claims transactions at PT XYZ. The characteristics of the data used are imbalanced because the amount of fraud data used is not as much as compared to normal data. The model formation in this study was carried out with 32 scenarios, with the best results being the scenario by applying feature engineering, feature selection, oversampling, and validation tests using 20-fold cross-validation. This scenario resulted in the random forest algorithm having the best accuracy value of 99.3%, supported by precision, recall, and f1 scores, 99.3%, 99.3%, and 99.3%. The final result of this study shows that the feature engineering technique with the addition of the is_dr_speciality attribute has contributed to the model's accuracy value."

"ABSTRAKBisnis digital merupakan salah satu bisnis yang menjanjikan pada era informasi saat ini. Informasi penting dapat diperoleh dari mewawas data yang berkualitas, sehingga dapat dimanfaatkan untuk kepentingan organisasi. Data pelanggan yang dimiliki oleh PT XYZ menjadi bahan inti dalam strategi pengembangan program digital. Data yang terkumpul dari beberapa unit bisnis memiliki kualitas data yang rendah. Tantangan tersebut menjadi perhatian manajemen, sehingga butuh pengelolaan kualitas data yang baik untuk meningkatkan kualitas data pelanggan.Penelitian ini menggunakan metode kualitatif, pengumpulan data dilakukan dengan melakukan wawancara terhadap empat narasumber dan studi dokumen perusahaan. Penilaian kualitas data dilakukan dengan menggunakan Big Data Quality Assessment dari lsquo;Cai and Zhu rsquo; dan tingkat kematangan kualitas data menggunakan Data Quality Framework dari Loshin untuk mengetahui karakteristik yang kurang dalam pengelolaan kualitas data. Hasil tersebut dipetakan berdasarkan praktik manajemen kualitas data Data Management Body of Knowledge DMBOK dari DAMA institute untuk menyusun rekomendasi strategi pengelolaan kualitas data.Pengukuran tingkat kematangan kualitas data pelanggan PT XYZ berada pada level 2 repeatbele . Rekomendasi yang dihasilkan yaitu: menentukan proses dan prosedur untuk menetapkan tanggung jawab dan akuntabilitas untuk semua aspek manajemen data, penerapan pengelolaan metadata, melakukan proses analisis data pelanggan, melakukan penambahan proses validasi data terhadap setiap elemen kualitas data, merumuskan Service Level Agreements SLA , merumuskan data profiling untuk data pelanggan, menyusun Standard Operating Procedure SOP , menerapkan manajemen pelacakan insiden, dan melakukan evaluasi pengelolaan data secara berkala.

---

ABSTRACTDigital business is one of the promising businesses in this information age. Important information can be obtained from data which has quality, so it can be utilized for the benefit of the organization. Customer data owned by PT XYZ becomes the core ingredient in digital program development strategy. The data collected from several business units has low data quality. The challenge become a concern of management, so it takes the management of good data quality to improve the quality of customer data.This research use qualitative method, data retrieval is done by interviewing four resource person and company rsquo;s document. Data quality assessment is performed using Big Data Quality Assessment from 39;Cai and Zhu 39; and data maturity level using Data Quality Framework from Loshin to know the quality of data. The results are mapped based on data management quality management practices of DMBOK from DAMA institutions to develop recomendation of data quality management strategy.Measurement of PT XYZ customer data quality maturity level is at level 2 repeatbele . Recommendations of the strategies are: determine the processes and procedures for assigning responsibilities and accountability for all aspects of data management, implementation of metadata management, conducting customer data analysis process, adding data validation process to each element of data quality, formulating Service Level Agreements SLA , formulate profiling data for customer data, develop Standard Operating Procedures SOP , implement incident tracking management, and conduct periodic data management evaluations."

"PT XYZ merupakan salah satu e-commerce dengan model bisnis B2B yang ada di Indonesia. Sebagai salah satu e-commerce baru, PT XYZ terus berusaha meningkatkan pelayanannya agar lebih banyak lagi pelanggan yang datang berbelanja salah satunya adalah dengan menambah jumlah variasi produknya. Namun sayangnya hal ini justru menimbulkan dampak negatif bagi PT XYZ. Berdasarkan data penjualan Q4 tahun 2018 diketahui bahwa penjualan hanya terpusat pada produk-produk tertentu saja, sedangkan untuk produk selain itu penjualannya sangat kecil dan bahkan ada yang tidak terjual sama sekali. Tidak terjualnya produk-produk tertentu menimbulkan ancaman kerugian karena PT XYZ menerapkan kerja sama beli putus dengan pemasoknya, sehingga kerusakan barang selama masa penyimpanan akan ditanggung oleh PT XYZ. Fenomena penjualan yang hanya terpusat pada produk-produk tertentu saja disebut dengan long tail. Salah satu solusi dari permasalahan tersebut adalah dengan lebih banyak merekomendasikan produk-produk kurang populer (niche product) kepada pelanggan menggunakan sistem rekomendasi. Tantangan dalam merekomendasikan produk long tail adalah sistem harus tetap memperhitungkan kesesuaian produk yang direkomendasikan dengan perferensi pelanggan. Selian itu saat ini sebagian besar pendekatan sistem rekomendasi cenderung memperburuk kondisi tersebut. Misalnya saja pendekatan dengan menggunakan collaborative filtering yang pada akhirnya justru merekomendasikan produk yang populer diantara pelanggan. Begitu juga dengan association rule yang bekerja dengan merekomendasikan produk yang sifatnya umum dan populer. Oleh karena itu pada penelitian ini dibangun model sistem rekomendasi dengan pendekatan berbeda dengan menggunakan graf tripartite. Agar dapat menghasilkan rekomendasi yang sesuai, algoritma hitting time dan absorbing time dikombinasikan dengan menggunakan Markov random walker untuk menentukan produk long tail yang sesuai untuk direkomendasikan ke pelanggan. Hasil dari penelitian ini menunjukkan bahwa model rekomendasi dengan algoritma absorbing time menghasilkan akurasi yang lebih baik dibandingkan hitting time. Selain itu jika dilihat dari sisi diversity, meskipun secara keseluruhan hitting time lebih bagus, yaitu 0,047 berbanding 0,057, namun pada top 5 rekomendasi absorbing time menghasilkan diversity yang lebih baik.

---

PT XYZ is one of e-commerce with B2B business models in Indonesia. As a new e-commerce, PT XYZ keeps trying in various ways to improve its services to attract more customers, one of them is by increasing the product variations. Unfortunately this has a bad impact on PT XYZ. Based on Q4 2018 sales data, it is known that sales are only focused on certain products while the remainings are unsold. This condition poses a threat of loss because PT XYZ cooperate with its suppliers using flat fee agreement, so that the damage goods during the storage period will be borned by PT XYZ. The phenomenon of sales that is only dominated by certain products is called long tail. One of possible solution to these problems is to recommend more niche products to customers using a recommendation system. The challenge in recommending long tail products is that the system must keep consider about the suitability of the recommended products with the customer preferences. Furthermore, most of the current recommendation system approaches tend to worsen the condition. For example, the approach using collaborative filtering, which ultimately recommends products that are popular among customers. Likewise with the association rule that works by recommending products that are general and popular. Therefore in this research a recommendation system model was built with a different approach, that is tripartite graphs. In order to produce recommendations, the hitting time and absorbing time algorithms are combined with a Markov random walker to determine the long tail product that is suitable for customers. The results of this study indicate that the recommendation model with absorbing time algorithm produces better accuracy than hitting time. In addition, based diversity value, even though hitting time is better, which is 0.047 compared to 0.057, but in the top 5 recommendations absorbing time produces better diversity."

"ABSTRAKDi tengah persaingan e-commerce di Indonesia yang semakin ketat, membuat perusahaan e-commerce dituntut dapat bersaing dalam memberikan nilai tambah layanan bagi pelanggannya agar dapat meningkatkan jumlah pelanggan dan disertai dengan angka pemesanan yang meningkat juga. Hal ini juga berlaku bagi e-commerce dalam industri pariwisata, salah satunya Triptrus. Salah satu tantangan yang dihadapi Triptrus adalah untuk meningkatkan angka conversion rate. Salah satu cara peningkatan angka conversion rate adalah pemberian fitur rekomendasi produk. Penelitian ini bertujuan untuk mencari metode yang dapat memberikan rekomendasi terbaik yang pada akhirnya bertujuan agar dapat meningkatkan angka conversion rate dari Triptrus yang masih rendah. Pada penelitian ini dilakukan pencarian metode rekomendasi yang terbaik disesuaikan dengan data internal yang dimiliki Triptrus. Penelitian ini bermula dari pengumpulan data internal untuk kemudian dibangum model rekomendasi menggunakan beberapa metode. Metode yang digunakan dalam penelitian ini diantaranya collaborative filtering, content based filtering, Hybrid Filtering dan stochastic gradient descent. Berdasarkan hasil penelitian, metode collaborative filtering, content based, dan hybrid kurang mampu memberikan rekomendasi yang cukup baik terhadap data Triptrus. Hasil terbaik dari ketiga metode ini didapatkan metode hybrid dengan nilai error RMSE 0.71. Di sisi lain algoritma stochastic gradient descent dapat memberikan rekomendasi paling baik dan memberikan ratio error RMSE paling kecil yaitu 0.11. Hasil penelitian ini adalah model rekomendasi produk yang dapat memberikan rekomendasi terbaik berdasarkan data internal Triptrus yaitu model yang dihasilkan menggunakan metode stochastic gradient descent.

---

ABSTRACTIndonesian e commerce markets are getting more tight. This condition forces e commerce companies to provide value added services for their customer in order to increase numbers of customer, which also followed by increasing number of purchases. This also happened in tourism e commerce company, Triptrus. The challenge that triptrus faces is how to increase their conversion rates. One way to increase the number of conversion rate is the provision of a product recommendation feature. The purpose of this research is to find the best recommendation method that can improve conversion rate in Triptrus. In this research we looked for the best recommendation method that adapted to internal data of Triptrus. This research started with gathering internal data that followed by build recommendation based on several methods. Methods that used in this research are collaborative filtering, content based filtering, hybrid filtering and stochastic gradient descent. Based on the research result, collaborative filtering, content based, and hybrid lack of capability to give good recommendation. The best result from these three methods is hybrid with an error 0.71. In the other side stochastic gradient descent could gave best recommendation with smallest error ratio RMSE at 0.11. The result of this research is recommendation model that can give best recommendation adapted to Triptrus internal data. Best recommendation model is model that generated by stochastic gradient descent."

"Target PT XYZ yang bergerak di industri keuangan untuk menjadi perusahaan terkemuka di Asia Tenggara telah didukung oleh lebih dari 200 juta data pelanggan yang ada di core system-nya. Data dengan jumlah yang sangat besar tersebut diharapkan dapat menciptakan peluang bisnis, membangun budaya sadar risiko dan menambah keunggulan dalam strategi bisnis PT XYZ. Hal tersebut dapat tercapai jika data yang digunakan adalah data yang berkualitas baik. Pada kenyataannya, ditemukan anomali pada sejumlah besar data pelanggan. Untuk dapat memberikan rekomendasi perbaikan kualitas data pelanggan, perlu dilakukan penilaian kualitas data pelanggan. Penilaian kualitas data pelanggan yang dilakukan pada penelitian ini menggunakan metode yang diperkenalkan oleh Loshin (2011). Loshin's Data Quality Management Model ini mengadopsi tingkat capability maturity model dalam penyusunan matriks karakteristiknya. Nilai kematangan yang diperoleh adalah 3,6 (expectation), 3,6 (dimension), 4,4 (policy), 3,8 (procedure), 4,2 (governance), 3,8 (standardization), 4,2 (technology), dan 3,8 (performance management). Dengan harapan senior management yang dapat mencapai level tertinggi pada kualitas data, dihasilkan 9 rekomendasi strategi. 9 rekomendasi strategi yang diajukan kepada PT XYZ merupakan hasil pemetaan antara kriteria yang belum terpenuhi dengan data quality management activity atau aktivitas DQM yang ada di Data Management Body of Knowledge (DMBOK) versi 2.0. Pengukuran dan pemantauan terhadap kualitas data yang baik menjadi rekomendasi yang paling berpengaruh untuk PT XYZ.

---

PT XYZ, engaged in the financial industry, has a target to become a leading company in Southeast Asia and has been supported by more than 200 million customer data in its core system. This huge amount of data is expected to create business opportunities, build a risk-aware culture, and increase supremacy in the business strategy of PT XYZ. These things can be achieved if the data used is of good quality data. In fact, found anomalies in a large number of customer data. To get recommendations for improving the quality of customer data, it is necessary to assess the quality of customer data. The assessment of the quality of customer data carried out in this study was by using the method introduced by Loshin (2011). Loshin’s Data Quality Management Model adopts a capability maturity level model in building its characteristic matrix. Maturity levels obtained are 3.6 (expectations), 3.6 (dimensions), 4.4 (policy), 3.8 (procedures), 4.2 (governance), 3.8 (standardization), 4, 2 (technology), and 3.8 (performance management). Regarding the expectation that senior management can achieve the highest level of data quality, 9 strategic recommendations were produced 9 strategy recommendations were submitted to PT XYZ is the result of mapping between criteria that have not been met with data quality management activity in Data Management Body of Knowledge (DMBOK) version 2.0. Measurement and monitoring of good data quality is the most influential recommendation for PT XYZ."

"Perusahaan XYZ merupakan perusahaan tech-based yang berfokus pada pembangunan solusi digital. Dengan adanya kebutuhan akan produk digital Human Resource (HR) dan pengalaman serta resources yang dimiliki, perusahaan membangun aplikasi PX. PX melakukan otomatisasi proses HR yang mencakup dari awal seseorang berstatus kandidat hingga karyawan yang ingin mengundurkan diri dari perusahaan. Pada pengembangan PX, digunakan Scrum sebagai framework dalam mengembangkan perangkat lunak. Implementasi Scrum pada pengembangan PX ternyata terdapat kendala yang menyebabkan target Sprint Backlog tidak tercapai sehingga menghambat penyelesaian employee journey PX. Pada identifikasi masalah menunjukkan bahwa salah satu akar permasalahnnya adalah praktik Scrum belum berjalan dengan baik. Oleh karena itu, penelitian ini melakukan pengukuran kematangan Scrum pada pengembangan produk PX dengan menggunakan Scrum Maturity Model yang acuannya telah diperbarui dari Scrum Guide 2010 menjadi Scrum Guide 2020. Peneliti menggunakan wawancara, studi dokumen, observasi, dan kuesioner sebagai instrumen penelitian. Penelitian menggunakan data kualitatif dan kuantitatif. Data kuantitatif diolah untuk menghasilkan tingkat kematangan Scrum dan data kualitatif digunakan sebagai data pendukung dalam memperkuat data kuantitatif. Hasil penelitian didapatkan bahwa Tim PX memperoleh tingkat kematangan satu (Initial). Setelah didapatkan hasil pengukuran, peneliti memberikan sasaran perbaikan untuk praktik wajib yang belum mendapatkan interpretasi Fully Achieved yaitu 15 praktik pada tingkat dua (Managed) dan 16 praktik pada tingkat tiga (Defined). Rekomendasi perbaikan disusun berdasarkan Scrum Guide 2020, SBoK v3, dan pendapat pakar Scrum eksternal. Hasil penelitian ini berupa dokumen rekomendasi perbaikan praktik yang telah divalidasi oleh praktisi Scrum di PX yaitu Product Owner. Dokumen ini dapat menjadi dasar perbaikan praktik Scrum pada Tim PX.

---

XYZ Company is a tech-based company that focuses on building digital solutions. With the need for Human Resource (HR) digital products and the experience and resources they have, the company builds the PX application. PX automates HR processes, from candidates to employees who want to leave the company. In PX development, Scrum is used as a framework for developing software. The implementation of Scrum in PX development turned out to have obstacles that caused the Sprint Backlog target not to be achieved, thus hampering the completion of the PX employee journey. The problem identification shows that one of the root problems is that Scrum practices have not been implemented well. Therefore, this study measures Scrum maturity in PX product development using the Scrum Maturity Model, whose reference has been updated from Scrum Guide 2010 to Scrum Guide 2020. Researcher used interviews, document studies, observations, and questionnaires as research instruments. The study used qualitative and quantitative data. Quantitative data is processed to produce Scrum maturity level and qualitative data is used as supporting data in strengthening quantitative data. The results showed that the PX Team obtained a maturity level one (Initial). After obtaining the measurement results, the researcher provides improvement targets for required practices that have not received a Fully Achieved interpretation, namely 15 practices at level two (Managed) and 16 practices at level three (Defined). Recommendations for improvement are based on the Scrum Guide 2020, SBoK v3, and the opinions of external Scrum experts. The results of this study are in the form of a practice improvement recommendation document that Scrum practitioners have validated at PX, namely the Product Owner. This document can be the basis for improving Scrum practices for the PX Team."

"ABSTRAKPT XYZadalah perusahaan yang bergerak di industri otomotif dan dikenal sebagai agen tunggal pemegang merk (ATPM) untuk merk kendaraan niaga kelas dunia asal negara Jermanserta memiliki jaringan dealerdiseluruh Indonesia. PT XYZsangat menaruh perhatian khusus dalam hal layanan purna jual terutama pada suku cadang kendaraannya. Pada industri otomotif terutama pada kendaraan niaga itu sendiri pengelolaan suku cadangmenjadi faktor penting keberhasilan penjualan unit kendaraan tersebut. Dari hal ketersediaan, penjualan, hingga pendistribusianke dealer-dealerseluruh Indonesia. Jumlahdata yang besardalam pengelolaannyamenyulitkan PT XYZdalammemproses analisis data dan juga membutuhkan waktu yang lama. Penelitian ini dilakukan untuk memberikan solusi pada permasalahan tersebut melalui implementasi datawarehousedan menggunakan business intelligencedalam membuat dashboard monitor. Pendekatan data warehousedigunakan adalah pendekatan Kimballyang dikemukakan oleh Kimballdan Ralph. Pengumpulan data didapatkan dari hasil observasi lapangan, dan wawancara dengan dengan narasumber dari unit kerja yang berkaitan dengan pengelolaan suku cadang di perusahaan.Hasil dari penelitian ini adalah implementasi data warehouseserta dashboardbusiness intelligenceyang dapat menjawab kebutuhan informasi dari PT XYZ.

---

ABSTRACT

PT XYZis mainly distributor in the automotive industry aswell known as sole brand agent (ATPM) for a world class commercial vehiclesbrand from Germanyand has a dealer network throughout Indonesia. PT XYZis very particular in terms of after-sales services specifically for vehicle spare parts. In the automotive industry the most important thing in commercial vehicles is that sparepart managementis an important factor in the sale of the vehicle units. From things that are approved, sales prices, to distributors to dealers throughout Indonesia. The large volume of data makes it difficult for PT XYZto process data analysis and also requires a long time. This research was conducted to provide problem solution with implementation of data warehouses and using business intelligence tools to create dashboard monitors. The suggestion for the data warehouse as suggested by Kimball and Ralph. Data collection is obtained from the results of fieldobservations, and interviews with management from business unitrelated to management spare partsat the company.

The results of this study are the implementation of a data warehouse and business intelligence dashboard that can answer the information needs of PT XYZ.

"

"ABSTRAK

Memiliki sebuah data center membutuhkan biaya yang besar baik dalam pembuatan dan pemeliharaannya. PT. XYZ memiliki sebuah data center TI untuk menunjang segala kegiatan TI yang berjalan. Semakin baik kualitas data center tersebut berarti semakin lancar kegiatan TI dan juga kegiatan bisnis yang dijalankan oleh PT. XYZ. PT. XYZ mempunyai rencana untuk meningkatkan kualitas dari data center TI yang ada, namun belum memiliki panduan yang jelas dalam memilih area mana saja yang perlu ditingkatkan agar sesuai dengan best practice yang diterapkan di data center.

Penelitian ini berfokus dalam melakukan pengukuran tingkat maturitas dari data center TI milik PT. XYZ yang hasilnya dapat dijadikan panduan dalam proses peningkatan kualitas data center sesuai yang direncanakan. Untuk memenuhi objektif tersebut, metode Data Center Maturity Model digunakan sebagai alat ukur karena dianggap cocok dan sesuai dengan penelitian.

Hasil dari penelitian ini merupakan tingkat maturitas data center TI PT. XYZ dan level maturitas yang diinginkan sesuai hasil pengukuran. Hasil penelitian yang dihasilkan diharapkan dapat menjadi titik awal rencana peningkatan kualitas data center TI yang dimiliki PT. XYZ.

---

ABSTRACT

Having a data center needs high cost for build and maintance. PT. XYZ has a IT data center to support their IT activity. The better the quality of that data center means better their IT and business activity. PT. XYZ plans to improve the quality of their data center, but don?t have any clear guidance to choose what area they should improve to make that data center more similar to best practice in data center.

Focus of this research is measuring maturity level of IT data center that own by PT. XYZ. Result of this research can be a guidance to improve the quality of their IT data center as they planned. For that purpose, Data Center Maturity Model will used for measuring tool. Data Center Maturity Model is considered suite for this research.

The result of this research are maturity level of PT. XYZ data center?s and PT. XYZ goal target of the maturity level. The result are expected to be a beginning point to improve the quality of PT. XYZ?s data center."