Perpustakaan Digital ITB

Munculnya pandemi Covid-19 dan meningkatnya tren penggunaan akses internet di Indonesia telah berhasil mengubah sebagian besar perilaku konsumen yang beralih dari pasar fisik tradisional menuju ke pasar daring (e-Commerce). Ini juga menghadirkan peluang bisnis baru yang luas, terutama di industri makanan dan minuman. Namun, riset pasar tradisional yang dikenal saat ini dikenal sulit menemukan dan mengumpulkan data yang berarti di pasar daring. Selain itu, pengumpulan data manual yang tidak konsisten merupakan faktor lain yang berkontribusi terhadap inefisiensi riset pasar tradisional. Digitalisasi kehidupan sosial dan perdagangan yang cepat telah menghasilkan jejak digital konsumen dan bisnis yang merupakan sumber berharga untuk memulai riset pasar. Jejak digital dari situs web yang dapat diakses publik seperti platform e-commerce, dapat diubah menjadi pengetahuan dengan menerapkan analisis Big Data. Memanfaatkan analitik Big Data dapat menyaring basis data besar untuk mendapatkan wawasan yang dapat ditindaklanjuti yang diterjemahkan ke dalam strategi dan keputusan organisasi. Penelitian ini bertujuan untuk menyajikan kekuatan analisis Big Data dalam menemukan wawasan dari kondisi e-commerce saat ini dengan melakukan riset pasar di Forum Jual Beli Kaskus, yang dipilih karena menerapkan lebih sedikit pembatasan untuk implementasi web scraping engine. Kerangka konseptual penelitian meliputi empat langkah analitik: Analisis masalah bisnis, Pengumpulan data menggunakan web scraping engine, implementasi penambangan teks dan pembelajaran mesin untuk model prediktif (menggunakan perangkat lunak Rapidminer), kemudian visualisasi melalui intelijen bisnis (menggunakan perangkat lunak Tableau untuk Desktop). Penulis menemukan bahwa web scraping engine berhasil mengumpulkan seluruh populasi produk yang terdaftar dalam kategori makanan dan minuman serta pre-proses teks menghasilkan beberapa kata kunci yang mewakili tren produk. Model prediksi (pembelajaran mesin) mencapai akurasi 99,85% dan kelas presisi minimum 80% sementara dataset uji diperkenalkan untuk mengonfirmasi dan menguji model. Dari analisis hasil pengujian model pada 100 data produk makanan dan minuman yang diperoleh dari berbagai macam situs e-commerce, diketahui bahwa model prediksi yang dibangun untuk menentukan potensi pelanggaran mampu mengklasifikasikan secara akurat 78% klasifikasi produk dan 22% lainnya meleset. Selanjutnya, hasil analisis dari web scraping engine, penambangan teks, dan pembelajaran mesin diterjemahkan secara visual ke dalam dasbor sebagai perangkat Intelijen Bisnis. Model pembelajaran mesin di atas dapat membawa penelitian lebih lanjut dengan data yang beragam dan kata-kata yang kompleks untuk meningkatkan akurasi dan presisi. Selain itu, model dapat dikembangkan dengan menerapkan parameter lain seperti harga produk, lokasi penjual, peringkat penjual, dan banyak atribut yang sebelumnya dikumpulkan oleh web scraping engine. Dengan memanfaatkan model analisis Big Data dan intelijen bisnis, pemerintah atau otoritas dapat menangkap wawasan yang sangat luas berdasarkan proses riset pasar kontinyu dalam rangka perumusan pendekatan kebijakan yang lebih baik.