digilib@itb.ac.id +62 812 2508 8800

Abstrak
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan

Direktorat Penerapan Ilmu dan Teknologi Multidisiplin Institut Teknologi Bandung (DPITM ITB) memiliki peran penting dalam mengoordinasikan evaluasi kinerja 27 Pusat dan 7 Pusat Penelitian di lingkungan ITB. Evaluasi ini dilakukan untuk memastikan bahwa setiap Pusat dan Pusat Penelitian tidak hanya menjalankan fungsinya secara optimal, tetapi juga memberikan dampak maksimal dalam pencapaian tujuan strategis ITB. Namun, dalam praktiknya, DPITM ITB menghadapi sejumlah tantangan yang menghambat proses evaluasi tersebut. Setelah dilakukan identifikasi akar permasalahan menggunakan 5 whys diagram, dapat disimpulkan bahwa kesulitan DPITM ITB disebabkan oleh tiga akar masalah utama, yaitu data yang hanya diketahui oleh pihak yang bersangkutan, sistem informasi ITB yang tidak terintegrasi, serta target setiap Pusat dan Pusat Penelitian yang belum didefinisikan dengan jelas. Penelitian ini bertujuan untuk mengatasi akar permasalahan tersebut dengan mengembangkan solusi berbasis Business Intelligence (BI) yang berfokus pada tiga aspek utama, yaitu penyusunan KPI yang lebih komprehensif dan relevan, perancangan user interface dalam bentuk dashboard, serta pembangunan model data mining untuk mengolah data yang tidak terstruktur pada beberapa KPI khusus. Alur penelitian ini mengadopsi metodologi Business Intelligence Roadmap untuk mengelola tahapan pengembangan solusi BI yang dikombinasikan dengan metodologi Eva Hariyanti (2008) yang menekankan desain dashboard yang user- centric, serta metodologi CRISP-DM dalam implementasi proses data mining. Hasil dari penelitian ini berupa prototipe dashboard BI yang setiap bagiannya menampilkan kelima kategori utama dari KPI standar, yaitu Publikasi (Scopus), Proyek Penelitian, Pengabdian Masyarakat, Kekayaan Intelektual, dan Sumber Daya Manusia. Setiap halaman dashboard dilengkapi dengan visualisasi interaktif dan untuk beberapa KPI khusus, pengolahan datanya dibantu dengan metode text mining, yaitu dengan membandingkan model, seperti LaBSE, KeyBERT, MiniLM, dan regex matching.