Perpustakaan Digital ITB

Sistem Business Intelligence di lingkungan internal perusahaan umumnya masih bergantung pada pelaporan manual dan kemampuan teknis dalam menggunakan bahasa kueri untuk memperoleh insight dari data. Ketergantungan tersebut menyulitkan pengguna nonteknis, seperti manajer dan analis bisnis, dalam mengakses informasi secara mandiri dan tepat waktu. Sebagai solusi atas permasalahan tersebut, dilakukan perancangan dan implementasi sistem Business Intelligence berbasis chatbot yang memungkinkan pengguna internal melakukan analisis dan prediksi kinerja bisnis melalui antarmuka percakapan berbahasa Indonesia. Sistem ini menggunakan pendekatan rule-based untuk memahami pertanyaan pengguna, kemudian menghasilkan keluaran analitik dalam bentuk narasi bahasa Indonesia melalui modul Natural Language Generation berbasis templat. Selain kemampuan analitik, sistem juga dilengkapi dengan model peramalan deret waktu untuk mendukung prediksi kinerja bisnis pada periode berikutnya. Dengan menggunakan data dari Enterprise Data Warehouse internal perusahaan serta beberapa variasi model peramalan, dilakukan implementasi sistem yang mencakup proses klasifikasi maksud, eksekusi aturan analitik, pembangkitan narasi, dan peramalan deret waktu. Setelah implementasi, dilakukan evaluasi terhadap kemampuan analitik dan prediktif sistem. Evaluasi analitik menunjukkan bahwa sistem mampu menghasilkan narasi dengan akurasi faktual 100% berdasarkan aturan yang telah didefinisikan. Sementara itu, evaluasi prediktif dilakukan dengan membandingkan model GRU (Gated Recurrent Unit) dan LSTM (Long Short-Term Memory) terhadap model statistik ARIMA dan Prophet menggunakan metode walk-forward validation pada enam tingkat wilayah. Hasil evaluasi menunjukkan bahwa model GRU memberikan kinerja paling stabil, dengan lima wilayah berstatus lulus berdasarkan nilai sMAPE di bawah 30% dan satu wilayah berstatus lulus dengan catatan. Sementara itu, Prophet menunjukkan kinerja paling rendah dengan nilai sMAPE di atas 100% pada seluruh wilayah akibat ketidaksesuaian asumsi model terhadap karakteristik data operasional. Secara keseluruhan, sistem yang dikembangkan mampu membantu pengguna nonteknis memperoleh informasi analitik dan prediktif secara lebih cepat, mandiri, dan terstruktur untuk mendukung pengambilan keputusan bisnis internal.