IMPLEMENTASI BUSINESS INTELLIGENCE UNTUK ANALISIS PENYALURAN KREDIT USAHA RAKYAT TAHUN 2024 MENGGUNAKAN MICROSOFT POWER BI

Authors

  • Adi Nur Annas STMIK IKMI Cirebon, Indonesia
  • Rini Astuti STMIK IKMI Cirebon, Indonesia
  • Khaerul Anam STMIK IKMI Cirebon, Indonesia
  • Saeful Anwar STMIK IKMI Cirebon, Indonesia

Keywords:

Business Intelligence, Kredit Usaha Rakya, Power BI, Exploratory Data Analysis

Abstract

Penelitian ini bertujuan untuk menerapkan Business Intelligence menggunakan Microsoft Power BI agar bisa menganalisis tren distribusi Kredit Usaha Rakyat (KUR) pada Tahun 2024 serta menampilkan hasilnya dalam bentuk dashboard interaktif yang bisa membantu proses pengambilan keputusan berdasarkan data. Pendekatan yang digunakan adalah pendekatan kuantitatif deskriptif dengan metode Exploratory Data Analysis (EDA). Data sekunder berupa open data KUR 2024 diambil dari Kaggle, kemudian diproses melalui tahapan Extract, Transform, Load (ETL) di Power Query. Proses ini mencakup pembersihan data yang kosong, penyesuaian jenis data, serta pengelompokan berdasarkan provinsi, bank pemberi KUR, skema, dan waktu. Hasil pemrosesan tersebut kemudian dibuat menjadi model semantic di Power BI dan ditampilkan dalam berbagai visualisasi seperti KPI Cards, clustered bar chart, 100% stacked column chart, peta, dan pie chart. Hasil penelitian menunjukkan jumlah total KUR yang diberikan mencapai sekitar 3 triliun rupiah kepada sebanyak 363 ribu debitur dengan rata-rata pemberian KUR sebesar 8 juta rupiah per debitur. Secara wilayah, Jawa Tengah, Jawa Timur, dan Jawa Barat menjadi tiga provinsi dengan jumlah penyaluran tertinggi, sedangkan Kalimantan Utara, Gorontalo, dan Maluku berada di posisi terendah. Dilihat dari jenis produk, skema 3 mendominasi dengan presentase 69,35%, diikuti oleh skema 1 sebesar 26,51%, sedangkan skema lainnya hanya menyumbang kurang dari 3%. Temuan ini menunjukkan bahwa penyaluran KUR cenderung berkonsentrasi di Pulau Jawa dan terdapat ketimpangan akses pembiayaan di wilayah timur dan kepulauan. Dashboard yang dihasilkan bisa dimanfaatkan oleh pemerintah dan bank untuk memantau pemerataan KUR, mengarahkan upaya peningkatan di provinsi yang memiliki penyaluran rendah, serta mengevaluasi kinerja setiap skema. Keterbatasan dari penelitian ini adalah hanya menggunakan data sekunder Tahun 2024 dan belum melakukan analisis tentang faktor-faktor yang memengaruhi perilaku debitur maupun prediksi yang lebih lanjut.

References

M. Jiménez-Partearroyo and A. Medina-López, “Leveraging Business Intelligence Systems for Enhanced Corporate Competitiveness: Strategy and Evolution,” Systems, vol. 12, no. 3, p. 94, 2024, doi: 10.3390/systems12030094.

B. Molnár, G. Pisoni, and Á. Tarcsi, “Knowledge management and data analysis techniques for data-driven financial companies,” Journal of the Knowledge Economy, vol. 15, pp. 13374–13393, 2023, doi: 10.1007/s13132-023-01607-z.

F. Djellal and F. Vallascas, “Business Intelligence (BI) in Firm Performance: Role of Big Data Analytics and Blockchain Technology,” Economies, vol. 11, no. 3, p. 99, 2023, doi: 10.3390/economies11030099.

C. Tandilino, R. Khaerany, G. T. Pontoh, and A. Indrijawati, “Big Data and Business Intelligence in the Public Sector: Implementation and Benefits,” Jurnal Akuntansi Aktual, vol. 12, no. 1, pp. 27–47, 2025, doi: 10.17977/um004v12i12025p027.

M. Hasan Zamil, M. Mohiuddin, and N. H. Mamun, “Business Intelligence Systems in Finance and Accounting: A Review of Real-Time Dashboarding Using Power BI & Tableau,” American Journal of Scholarly Research and Innovation, vol. 3, no. 2, pp. 52–79, 2024, doi: 10.63125/fy4w7w04.

Downloads

Published

2026-06-10

Citation Check