Arsitektur Real-Time Mission-Critical Business Intelligence Untuk Pendukung Keputusan Dalam Sistem Traceability Produk Olahan Ikan

Abstract

The risk of poisoning in processed fish products due to increased histamine content can occur due to fish processing not meeting handling and hygiene standards. Therefore, producers of processed fish must have a traceability system to ensure the food products' safety. This research aims to design a real-time business intelligence architecture for product traceability and recall decision support. Real-time consumer response data is critical to support tactical decision-making regarding traceability. Real-time data introduction into the company's data warehouse can be done based on consumer response input through social media. The TF-IDF (Term Frequency-Inverse Document Frequence) data mining technique is used to process text data by giving weight to each keyword related to customer complaints about processed fish products. The k-Nearest Neighbor (KNN) data mining technique is used for sentiment analysis of tweets that classify text data and keywords into positive and negative classes to produce information supporting traceability system decisions. Data sources are comments, location tags, and multimedia from the company's social media group members. Based on the review of the proposed business intelligence architecture, data mining operationalization and dashboard visualization can support the achievement of KPIs from the traceability perspective. Companies can use the information generated to support work performance measured through KPIs. The speed of identifying the location of the cause of histamine increase, accuracy in identifying batch ID products, speed in publishing traceability results, and speed in recalling products from the market are some of the KPIs of this traceability system. Key Words: traceability, business intelligence, fish processing  Resiko keracunan pada produk olahan ikan akibat meningkatnya kandungan histamin dapat terjadi akibat proses pengolahan ikan yang kurang memenuhi standar penanganan dan higiene. Oleh karenanya, produsen produk olahan ikan harus memiliki sistem kemampuan telusur (traceability) untuk menjamin keamanan produk pangan yang diproduksi. Penelitian ini bertujuan untuk mendesain arsitektur intelegensia bisnis waktu-nyata untuk mendukung pengambilan keputusan dalam kemampuan telusur dan penarikan produk. Kebutuhan terhadap data respon konsumen secara waktu-nyata (real-time) menjadi sangat penting untuk mendukung pengambilan keputusan yang taktis dalam hal kemampuan telusur. Introduksi data secara waktu-nyata kedalam gudang data (data warehouse) perusahaan dapat dilakukan berdasarkan input respon konsumen melalui penggunaan sosial media. Teknik data mining TF-IDF (Term Frequency-Inverse Document Frequence) digunakan untuk memproses data text dengan memberi bobot dari setiap kata kunci yang terkait dengan keluhan pelanggan produk olahan ikan. Teknik data mining K-Nearest Neighbor (KNN) digunakan untuk analisis sentimen dari tweet yang mengklasifikasikan data text dan kata kunci menjadi kelas positif dan negatif sehingga menghasilkan informasi yang dapat mendukung keputusan sistem kemampuan telusur. Sumber data berupa komentar, tag lokasi dan multimedia dari member group social media perusahaan. Berdasarkan kajian terhadap arsitektur inteligensia bisnis yang diusulkan operasionalisasi data mining dan visualisasi dashboard mampu mendukung pencapaian KPI pada perspektif kemampuan telusur. Perusahaan dapat menggunakan informasi yang dihasilkan untuk mendukung performa kerja yang diukur melalui KPI. Kecepatan identifikasi lokasi penyebab peningkatan histamin, ketepatan dalam identifikasi batch ID produk, kecepatan dalam mempublikasikan hasil penulusuran, kecepatan dalam penarikan produk dari pasar merupakan beberapa KPI dari sistem kemampuan telusur ini. Kata Kunci: traceability, inteligensia bisnis, olahan ikan