ANALISIS DATA PENJUALAN TOKO MENGGUNAKAN POWER BI UNTUK MENINGKATKAN STRATEGI BISNIS STUDI KASUS : TOKO XYZ
Keywords:
Power BIAbstract
Penelitian ini bertujuan untuk menganalisis data penjualan toko dengan memanfaatkan Power BI sebagai alat Business Intelligence untuk memahami pola penjualan, mengidentifikasi kategori produk yang berpengaruh, dan mendukung pengambilan keputusan berbasis data. Pendekatan ini dilakukan sebagai respons terhadap kebutuhan pemilik usaha untuk mendapatkan pemahaman yang lebih akurat mengenai performa penjualan dan dinamika kategori produk sepanjang Januari hingga Agustus. Penelitian ini memusatkan perhatian pada bagaimana visualisasi data dapat membantu menafsirkan informasi secara cepat dan tepat. Penelitian ini menggunakan metode analisis data penjualan yang terdiri dari pengumpulan data, pembersihan data, pemodelan data, dan pembangunan dashboard Power BI. Data transaksi penjualan diolah untuk menghasilkan visualisasi berbasis kategori produk, subkategori, serta tren penjualan bulanan. Proses analisis mencakup identifikasi pola dominan, performa kategori unggulan, dan kontribusi masing-masing kategori terhadap total penjualan. Output dashboard digunakan sebagai dasar untuk memahami hubungan antara kategori produk dan volume penjualan. Hasil penelitian menunjukkan bahwa kategori EQP dan FTW memberikan kontribusi terbesar terhadap total penjualan dengan volume berkisar antara 1055 hingga 1651 unit per bulan, sedangkan kategori ACC dan APP menunjukkan kontribusi rendah namun stabil. Dashboard Power BI mempermudah identifikasi pola musiman, kategori prioritas, serta area yang memerlukan peningkatan. Analisis ini membantu menghasilkan rekomendasi strategis yang relevan bagi pemilik usaha. Penelitian ini menyimpulkan bahwa penggunaan Power BI mampu meningkatkan efektivitas analisis penjualan dan memperkuat proses pengambilan keputusan. Temuan ini berimplikasi pada perlunya pemanfaatan Business Intelligence dalam manajemen ritel serta membuka peluang penelitian selanjutnya terkait segmentasi pelanggan dan peramalan penjualan.
References
Ahaggach, H., Abrouk, L., & Lebon, E. (2024). Systematic mapping study of sales forecasting: Methods, trends, and future directions. Forecasting, 6(3), 502–532. https://doi.org/10.3390/forecast6030028
Alsibhawi, I. A. A., Yusof, J. B., & Mohamad, H. B. (2023). Business intelligence adoption for small and medium enterprises: Conceptual framework. Applied Sciences, 13(7), 4121. https://doi.org/10.3390/app13074121
Belghith Ep Kallel, M., Bouajaja, S., & Elloumi, A. (2024). Developing a Sales Dashboard with Power BI – A Case Study in a Pharmaceutical Company. Decision Making Advances, 2(1), 142–147. https://doi.org/10.31181/dma21202438
Dang Quoc, H. (2025). Appling Power BI for improved retail business analytics and decision-making. Applied Computer Science, 21(2), 154–163. https://doi.org/10.35784/acs_7130
Deni, D., & Voutama, A. (2025). DESIGNING POWER BI-BASED COFFEE SHOP SALES DATA VISUALIZATION. Jurnal Informatika Dan Teknik Elektro Terapan, 13(3). https://doi.org/10.23960/jitet.v13i3.6553
Dian Dameria, A. S., Zahra, A., & Haerul Jaman, J. (n.d.). SISTEMASI: Jurnal Sistem Informasi Penggunaan Power BI untuk menerapkan Business Intelligence terhadap Penjualan Produk Using Power BI to Implement Business Intelligence for Product Sales. http://sistemasi.ftik.unisi.ac.id
Fitriawan, M. D. (2024). VISUALISASI DAN ANALISIS DATA PENJUALAN WARUNG BLASTER DAN WARUNG BHINEKA SANUR MENGGUNAKAN MICROSOFT POWER BI. Jurnal Sistem Informasi (TEKNOFILE), 2(5).
Hanifah, S., Akbar, F., & Santi, R. P. (2022). Implementasi Business Intelligence dan Prediksi Menggunakan Regresi Linear pada Data Penjualan dan Breakage di PT XYZ. Jurnal Nasional Teknologi Dan Sistem Informasi, 8(3), 144–152. https://doi.org/10.25077/teknosi.v8i3.2022.144-152
Islam, S., Hossain, E., Rahman, M. S., Rahman, M., Khan, S. I., & Ashik, A. A. M. (2023). Digital Transformation in SMEs: Unlocking Competitive Advantage through Business Intelligence and Data Analytics Adoption. Journal of Business and Management Studies, 5(6), 177–186. https://doi.org/10.32996/jbms.2023.5.6.14
Jabar, A. A., Farta Wijaya, R., & Wahyuni, S. (2025). DASHBOARD VISUALISASI DATA KECERDASAN BISNIS UNTUK MENDUKUNG PENGAMBILAN KEPUTUSAN BISNIS PADA PT BMPT. Jurnal Teknologi Informasi, 6(1). https://doi.org/10.46576/djtechno
Jiménez-Partearroyo, M., & Medina-López, A. (2024). Leveraging Business Intelligence Systems for Enhanced Corporate Competitiveness: Strategy and Evolution. Systems, 12(3), 94.
Kasiri, N., Cirino, C., & Narimanian, C. (2024). The Patterns of Business Analytics Adoption in US SMEs: A Qualitative Approach. Small Business Institute Journal, 20(1), 26–36. https://doi.org/10.53703/001c.115381
Khan, M. A., Saqib, S., Alyas, T., Ur Rehman, A., Saeed, Y., Zeb, A., Zareei, M., & Mohamed, E. M. (2020). Effective demand forecasting model using business intelligence empowered with machine learning. IEEE Access, 8, 116013–116023. https://doi.org/10.1109/ACCESS.2020.3003790
Limbor, E. G., Putri, T. A., Aurannisa, S., Qadriah, R., Arisandi, D., & Beng, J. T. (n.d.). Perancangan Dashboard Penjualan Pakaian di Toko Cleo dengan Power BI.
Lutfi, A., & al., et. (2022). Antecedents of big data analytic adoption and impacts on performance. Sustainability, 14, 15516.
Lutfi, A., Al-Khasawneh, A. L., Almaiah, M. A., Alshira’h, A. F., Alshirah, M. H., Alsyouf, A., Alrawad, M., Al-Khasawneh, A., Saad, M., & Ali, R. A. (2022). Antecedents of big data analytic adoption and impacts on performance: Contingent effect. Sustainability, 14(23), 15516. https://doi.org/10.3390/su142315516
Nurdin, A. A., Salmi, G. N., Sentosa, K., Wijayanti, A. R., & Prasetya, A. (2022). Utilization of Business Intelligence in Sales Information Systems. Journal of Information System Exploration and Research, 1(1), 39–48. https://doi.org/10.52465/joiser.v1i1.101
Pancić, M., Ćućić, D., & Serdarušić, H. (2023). Business intelligence (BI) in firm performance: Role of big data analytics and blockchain technology. Economies, 11(3), 99. https://doi.org/10.3390/economies11030099
Papachristodoulou, E., Koutsaki, M., & Kirkos, E. (2023). Business intelligence and SMEs: Bridging the gap. Journal of Intelligence Studies in Business, 7(1), 0. https://doi.org/10.37380/jisib.v7i1.216
Quoc, H. D., Thi Man, H. M., Nguyen Thi Ngoc, M., & Vu Dieu, H. (2024). Optimize Retail System Performance by Analyzing Big Data and Visualizing with Power BI. International Journal of Intelligent Systems and Applications in Engineering, 12(11s), 396–405. https://doi.org/10.3390/bdcc6040132
Ragazou, K., Passas, I., Garefalakis, A., & Zopounidis, C. (2023). Business intelligence model empowering SMEs to make better decisions and enhance their competitive advantage. Discover Analytics, 1(2), 2. https://doi.org/10.1007/s44257-022-00002-3
Raihan, A., Firdaus, N., & Firmansyah, D. (2023). Implementasi Business Intelligence pada Data Pendapatan studi kasus (PT. Pos Indonesia). In Jurnal Esensi Infokom (Vol. 7, Issue 2).
Senjaya, R., Nurina Sari, B., & Purnamasari, I. (n.d.). IMPLEMENTASI BUSINESS INTELLIGENCE PADA TOKO SMART-S DALAM MEMBANTU PROSES ANALISIS BISNIS DENGAN METODE OLAP. In Jurnal Mahasiswa Teknik Informatika (Vol. 8, Issue 4).
Setiawan, H. F. (n.d.). IMPLEMENTASI ANALISIS DATA PENJUALAN PRODUK ELEKTRONIK MEMANFAATKAN WEB SCRAPING DAN POWER BI. In JURNAL ILMIAH INFORMATIKA MULIA VOLUME. 1 NOMOR (Vol. 1).
Sinambela, A. D. D., Zahra, A., & Jaman, J. K. (2024). Using Power BI to Apply Business Intelligence to Product Sales. SISTEMASI: Jurnal Sistem Informasi, 13(2), 506–516.
Steven, K., Hariyanto, S., Arijanto, R., & Wijaya, A. H. (2021). PENERAPAN BUSINESS INTELLIGENCE UNTUK MENGANALISIS DATA PADA PT. SURYAPLAS INTITAMA MENGGUNAKAN MICROSOFT POWER BI. In JURNAL ALGOR: Vol. II (Issue 2). https://jurnal.buddhidharma.ac.id/index.php/algor/index
Tavera, C. A., Ortiz, J. H., Khalaf, O. I., & Ortega, W. M. (2021). Business Intelligence: Business evolution after Industry 4.0. Sustainability, 13(18), 10026. https://doi.org/10.3390/su131810026
Wang, L., Pertheban, T. R. A. L., Li, T., & Zhao, L. (2024). Application of business intelligence based on big data in e-commerce data evaluation. Heliyon, 10(21), e38768. https://doi.org/10.1016/j.heliyon.2024.e38768
Wen, J., Guillen, L., Abe, T., & Suganuma, T. (2021). A hierarchy-based system for recognizing customer activity in retail environments. Sensors, 21(14), 4712. https://doi.org/10.3390/s21144712
Downloads
Published
Issue
Section
Citation Check
License
Copyright (c) 2025 Masnia Masnia, Dian Ade Kurnia, Yudhistira Arie Wijaya, Cep Lukman Rohmat, Faturrohman Faturrohman

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.




