ANALISIS SEGMENTASI DATA SEKOLAH BERBASIS BUSINESS INTELLIGENCE UNTUK OPTIMALISASI STRATEGI PEMASARAN PADA PT NARUNA KARYA BERSAMA

Authors

  • Safira Putri Permatasari Program Studi Manajemen Fakultas Ekonomi dan Bisnis, Universitas Pembangunan Nasional Veteran Jawa Timur
  • Raden Johnny Hadi Raharjo Program Studi Manajemen Fakultas Ekonomi dan Bisnis, Universitas Pembangunan Nasional Veteran Jawa Timur

DOI:

https://doi.org/10.51878/cendekia.v6i4.13438

Keywords:

Business Intelligence, Segmentasi Data Sekolah, Weighted Sum Model, Strategi Pemasaran, Pengambilan Keputusan

Abstract

ABSTRACT

The management of school data scattered across multiple Microsoft Excel files has limited the effectiveness of information analysis and hindered data-driven marketing decision-making at PT Naruna Karya Bersama. This condition highlights the need to implement a Business Intelligence approach to generate structured information that supports the formulation of more effective marketing strategies. This study aims to analyze school data segmentation based on Business Intelligence and develop marketing strategy recommendations according to school priority levels. A descriptive approach with a case study method was employed using operational data from 76 schools located in Surabaya and Sidoarjo. Data were collected using a total sampling (census) technique, in which all school data meeting the research criteria were used as the objects of analysis after the data integration and cleaning processes. The research stages included data integration, data cleaning, data transformation, score assignment based on six evaluation variables, priority score calculation using the Weighted Sum Model (WSM), and data segmentation through Pivot Table in Microsoft Excel. The findings revealed that 9 schools (11.84%) were classified as high priority, 49 schools (64.47%) as medium priority, and 18 schools (23.68%) as low priority. The segmentation results were subsequently utilized to develop a marketing strategy recommendation matrix tailored to the characteristics of each school group. This study concludes that integrating Business Intelligence with the Weighted Sum Model (WSM) enables a more systematic identification of potential schools, enhances the effectiveness of school data segmentation, and provides a more objective basis for supporting targeted, efficient, and data-driven marketing decision-making.

ABSTRAK

Pengelolaan data sekolah yang masih tersebar pada beberapa berkas Microsoft Excel menyebabkan proses analisis informasi dan penentuan prioritas pemasaran di PT Naruna Karya Bersama belum mampu mendukung pengambilan keputusan secara optimal. Kondisi tersebut mendorong perlunya penerapan pendekatan Business Intelligence untuk menghasilkan informasi yang lebih terstruktur sebagai dasar penyusunan strategi pemasaran. Penelitian ini bertujuan menganalisis segmentasi data sekolah berbasis Business Intelligence serta menyusun rekomendasi strategi pemasaran berdasarkan tingkat prioritas sekolah. Penelitian menggunakan pendekatan deskriptif dengan metode studi kasus terhadap data operasional 76 sekolah di wilayah Surabaya dan Sidoarjo. Pengambilan data dilakukan dengan teknik total sampling (sampel jenuh), yaitu seluruh data sekolah yang memenuhi kriteria penelitian digunakan sebagai objek analisis setelah melalui proses integrasi dan pembersihan data. Tahapan penelitian meliputi integrasi data, pembersihan data, transformasi data, pemberian skor berdasarkan enam variabel penilaian, perhitungan skor prioritas menggunakan metode Weighted Sum Model (WSM), serta segmentasi data melalui Pivot Table pada Microsoft Excel. Hasil penelitian menunjukkan bahwa terdapat 9 sekolah (11,84%) berkategori prioritas tinggi, 49 sekolah (64,47%) berkategori prioritas sedang, dan 18 sekolah (23,68%) berkategori prioritas rendah. Hasil segmentasi tersebut dimanfaatkan sebagai dasar penyusunan matriks rekomendasi strategi pemasaran sesuai karakteristik setiap kelompok sekolah. Penelitian ini menyimpulkan bahwa penerapan Business Intelligence yang dipadukan dengan metode WSM mampu menghasilkan identifikasi sekolah potensial secara lebih sistematis, meningkatkan efektivitas proses segmentasi data, serta menyediakan dasar yang lebih objektif dalam mendukung pengambilan keputusan pemasaran yang terarah, efisien, dan berbasis data.

Downloads

Download data is not yet available.

References

Al Maruf, A., Paul, R., Imam, M. H., & Babar, Z. (2022). A systematic review of the role of SQL and Excel in data-driven business decision-making for aspiring analysts. American Journal of Scholarly Research and Innovation, 1(1), 249–269. https://doi.org/10.63125/n142cg62

Buani, D. C. P., Astuti, P., Nuraeni, N., & Hayuningtyas, R. Y. (2023). Upaya meningkatkan kemampuan analisa data dengan menggunakan Pivot Table bagi Ikatan Remaja RW 07 (IKRAR 07) Margonda, Depok, Jawa Barat. Jurnal Inovasi Pengabdian dan Pemberdayaan Masyarakat, 3(2), 565–570. https://doi.org/10.54082/jippm.194

Burhanudin, K., Abas, Z. A., Yunos, N. M., Jaya, A. S. M., Rahman, A. F. N. A., Ezani, M. F. M., & Jusoh, M. H. (2025). Prescriptive analytics: A bibliometric analysis of current trends in data-driven decision-making. Journal of Hunan University Natural Sciences, 52(9). https://jonuns.com/index.php/journal/article/view/1800

Fitri, R. A. F., M, Y., & Rizki, S. D. . (2022). Pemilihan Bahan Baku Karet Terbaik Pada PT. Batanghari Barisan Menggunakan Metode Weighted Sum Model (WSM). Prosiding Senatkom: Seminar Nasional Dan Peningkatan Kompetensi, 7(1), 1–9. https://jlesson-upiyptk.org/ojs/index.php/SNDPK/article/view/48

Harahap, M. A. K., Tarigan, I. M., Kraugusteeliana, K., Simanullang, S., Avila, E. C., & Rahim, R. (2023). A multi-criteria analysis of university housing options using Weighted Sum Model. JINAV: Journal of Information and Visualization, 4(1), 93–98. https://doi.org/10.35877/454RI.jinav1697

Hye, A. (2025). Market analytics in the US livestock and poultry industry: Using Business Intelligence for strategic decision-making. International Journal of Business and Economics Insights, 5(3), 170–204. https://doi.org/10.63125/xwxydb43

Indriyani, I., Wiranata, I. P. B., & Hiu, S. (2024). Strategi peningkatan efisiensi operasional UMKM di era digital: Pendekatan kualitatif dengan Business Intelligence dalam implementasi e-commerce. Informatics for Educators and Professional: Journal of Informatics, 9(1), 23–32. https://doi.org/10.51211/itbi.v9i1.2760

Kaswa, M., Purnomo, M. R. A., & Basuki, D. E. (2026). Implementasi sistem Business Intelligence berbasis RFM Extended untuk segmentasi toko ritel batik. Jurnal Teknologi dan Manajemen Industri Terapan, 5(2), 692–699. https://doi.org/10.55826/jtmit.v5i2.1582

Khairani, N. R., Setiawan, N. Y., & Purnomo, W. (2025). Pengembangan Dashboard Business Intelligence untuk Monitoring Data Akademik Sekolah Menggunakan Metode Kimball (Studi Kasus: MTSS Bina Ihsan Mulia). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 9(9). https://garuda.kemdiktisaintek.go.id/documents/detail/5598861

Lubis, K. C., & Nasution, M. I. P. (2025). Penerapan Business Intelligence untuk analisis kinerja sektor pendidikan di Kota Yogyakarta. 2(5). https://doi.org/10.62335/aksioma.v2i5.1260

Napitupulu, Z. P. C. M., Jong, J. S., & Prabawati, A. G. (2025). Segmentasi wilayah target promosi menggunakan algoritma K-Means Clustering pada perguruan tinggi: Segmentation of Promotion Target Areas Using the K-Means Clustering Algorithm at Universities. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 5(4), 1160–1171. https://www.journal.irpi.or.id/index.php/malcom/article/view/2125

Nasyuha, A. H., Yakub, S., Maya, W. R., Syahra, Y., & Saniman, S. (2021). Analisis WSM dan WP dalam menentukan pupuk terbaik dengan pendekatan WSM-Score dan Vector. Journal of Science and Social Research, 4(2), 122-130. https://doi.org/10.54314/jssr.v4i2.538

Rahman, S. T., & Hye, A. (2022). Data-driven Business Intelligence tools in agribusiness: A framework for evidence-based marketing decisions. International Journal of Business and Economics Insights, 2(1), 35–72. https://doi.org/10.63125/p59krm34

Rochman, I. A., & Nuryana, I. K. D. (2026). Penerapan Business Intelligence untuk analisis penjualan dan segmentasi pelanggan Toko Bangunan XYZ. Journal of Informatics and Computer Science (JINACS), 7(3), 675–680. https://ejournal.unesa.ac.id/index.php/jinacs/article/view/76351

Rudiawan, H. (2021). Pemanfaatan sistem Business Intelligence (BI) dalam pengambilan keputusan manajemen perusahaan. 23. https://ejournal.borobudur.ac.id/index.php/1/article/view/871

Saputro, A., & Prasetyo, B. H. (2026). Pengambilan keputusan multi-kriteria dalam penilaian kinerja karyawan pada PT Katsuka: Mengintegrasikan pendekatan AHP dan WSM. Integrative Perspectives of Social and Science Journal, 3(2), 1650–1659. https://ipssj.com/index.php/ojs/article/view/1288

Sharma, A. K., Sharma, D. M., Purohit, N., Rout, S. K., & Sharma, S. A. (2022). Analytics techniques: Descriptive analytics, predictive analytics, and prescriptive analytics. In Decision Intelligence Analytics and the Implementation of Strategic Business Management (pp. 1–14). Springer International Publishing. https://link.springer.com/chapter/10.1007/978-3-030-82763-2_1

Solechan, A. (2026). Peran Business Intelligence dalam meningkatkan efektivitas operasional dan kinerja perusahaan. Jurnal Penelitian Teknologi Informasi dan Sains, 4(1), 41–56. https://doi.org/10.54066/jptis.v4i1.3949

Syahputra, Y. H., Santoso, I., & Lubis, Z. (2022). Sistem pendukung keputusan penerimaan karyawan terbaik menggunakan metode Weighted Sum Model (WSM). Explorer, 2(2), 39–47. https://doi.org/10.47065/explorer.v2i2.249

Wijaya, D. D. R., & Daulay, S. R. (2025). Strategi pemasaran berbasis segmentasi: Menentukan, menganalisis, dan meramalkan pasar sasaran untuk peningkatan kinerja bisnis. Jurnal Ilmiah Ekonomi dan Manajemen, 3(2), 464-478. https://ejurnal.kampusakademik.co.id/index.php/jiem/article/view/3877

Wissuchek, C., & Zschech, P. (2025). Prescriptive analytics systems revised: A systematic literature review from an information systems perspective. Information Systems and e-Business Management, 23(2), 279–353. https://doi.org/10.1007/s10257-024-00688-w

Yin, Z., Chen, X., & Zhang, X. (2025). AI-integrated decision support system for real-time market growth forecasting and multi-source content diffusion analytics. arXiv Preprint arXiv:2511.09962. https://arxiv.org/abs/2511.09962

Downloads

Published

2026-08-18

How to Cite

Permatasari, S. P., & Raharjo, R. J. H. (2026). ANALISIS SEGMENTASI DATA SEKOLAH BERBASIS BUSINESS INTELLIGENCE UNTUK OPTIMALISASI STRATEGI PEMASARAN PADA PT NARUNA KARYA BERSAMA. CENDEKIA: Jurnal Ilmu Pengetahuan , 6(4), 3130–3143. https://doi.org/10.51878/cendekia.v6i4.13438

Issue

Section

Articles