Pengaruh Implementasi Artifical Intelligence Dan Geographic Informatioin System Terhadap Efesiensi Operasional Pemetaan Data UMKM Pada PT Jawara Data Nusanatara
DOI:
https://doi.org/10.61104/alz.v4i2.4491Keywords:
Artificial Intelligence, Geographic Information System, Efisiensi Operasional, Pemetaan UMKM, DataUMKM, Transformasi DigitalAbstract
Transformasi digital UMKM menjadi prioritas strategis dalam mendorong pertumbuhan ekonomi daerah di Indonesia. PT Jawara Data Nusantara mengembangkan produk DataUMKM dengan mengintegrasikan teknologi Artificial Intelligence (AI) dan Geographic Information System (GIS) untuk pendataan dan pemetaan UMKM secara terpusat. Penelitian ini bertujuan menganalisis pengaruh implementasi AI dan GIS terhadap efisiensi operasional dan kualitas output pemetaan data UMKM pada PT Jawara Data Nusantara. Metode penelitian menggunakan pendekatan kuantitatif dengan desain explanatory research melalui studi kasus. Sampel penelitian sebanyak 35 proyek DataUMKM dipilih menggunakan purposive sampling. Data primer dikumpulkan melalui kuesioner terstruktur kepada 25 responden dan wawancara mendalam dengan manajemen. Data sekunder diperoleh dari performance metrics sistem dan dokumentasi proyek. Analisis data menggunakan regresi linear sederhana dengan SPSS 25. Hasil penelitian menunjukkan implementasi AI dan GIS berpengaruh positif signifikan terhadap efisiensi operasional (β = 0.742, p < 0.001, R² = 0.551) dengan peningkatan efisiensi 68%, penurunan waktu proses dari 45 menjadi 14 menit per data, pengurangan biaya operasional 52%, dan penurunan error rate dari 12.5% menjadi 2.8%. Implementasi AI dan GIS juga berpengaruh positif signifikan terhadap kualitas output pemetaan (β = 0.689, p < 0.001, R² = 0.475) dengan akurasi geocoding mencapai 97.2%, kelengkapan data 94.8%, dan user satisfaction 4.3/5. Fitur machine learning untuk klasifikasi otomatis dan automated data validation menjadi kontributor utama peningkatan efisiensi, sementara integrasi Google Maps API meningkatkan akurasi pemetaan lokasi. Penelitian ini memberikan kontribusi teoritis dalam literatur technology adoption dan kontribusi praktis berupa rekomendasi pengembangan fitur AI advanced untuk meningkatkan kapabilitas DataUMKM dalam mendukung transformasi digital UMKM dan kebijakan ekonomi daerah berbasis data.
References
Brynjolfsson, E., & Hitt, L. M. (2000). Beyond Computation: Information Technology, Organizational Transformation and Business Performance. Journal of Economic Perspectives, 14(4), 23-48.
Brynjolfsson, E., & McAfee, A. (2017). The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. New York: W.W. Norton & Company.
Chen, Y., Wang, L., & Zhang, H. (2023). AI-driven Geocoding Accuracy Enhancement in Urban Mapping Systems. International Journal of Geographical Information Science, 37(2), 456-478.
DeLone, W. H., & McLean, E. R. (2003). The DeLone and McLean Model of Information Systems Success: A Ten-Year Update. Journal of Management Information Systems, 19(4), 9-30.
Drucker, P. F. (2006). The Effective Executive: The Definitive Guide to Getting the Right Things Done. New York: HarperCollins.
ISO 9000:2015. Quality Management Systems - Fundamentals and Vocabulary. International Organization for Standardization.
ISO 19157:2013. Geographic Information - Data Quality. International Organization for Standardization.
Kementerian Koperasi dan UKM. (2023). Perkembangan Data Usaha Mikro, Kecil, Menengah dan Usaha Besar Tahun 2023. Jakarta: Kementerian Koperasi dan UKM Republik Indonesia.
Krajewski, L. J., Malhotra, M. K., & Ritzman, L. P. (2019). Operations Management: Processes and Supply Chains (12th ed.). Pearson Education.
Kumar, A., & Singh, R. (2020). Machine Learning for SME Classification: An Empirical Study. Journal of Business Analytics, 15(3), 234-251.
Li, S., Dragicevic, S., Castro, F. A., et al. (2020). Geospatial Big Data Handling Theory and Methods: A Review and Research Challenges. ISPRS Journal of Photogrammetry and Remote Sensing, 115, 119-133.
Longley, P. A., Goodchild, M. F., Maguire, D. J., & Rhind, D. W. (2015). Geographic Information Science and Systems (4th ed.). Wiley.
Mitchell, T. M. (1997). Machine Learning. New York: McGraw-Hill.
Russell, S. J., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson Education.
Slack, N., Brandon-Jones, A., & Johnston, R. (2016). Operations Management (8th ed.). Pearson Education.
Susanti, R., & Wijaya, A. (2022). Implementasi Sistem Informasi Geografis untuk Pemetaan UMKM di Indonesia: Studi Kasus Kota Bandung. Jurnal Teknologi Informasi dan Ilmu Komputer, 9(2), 145-158.
World Bank. (2020). Digital Economy for Africa (DE4A) Initiative. Washington, DC: The World Bank Group.
Zhang, K., Chen, Y., & Li, W. (2021). Application of Artificial Intelligence and GIS Integration in Urban Planning: A Systematic Review. Sustainable Cities and Society, 68, 102784.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Irahayu Barimbing, J.E. Angelika Br. Nababan, Cindy Sihombing, Jois Nursaida Batubara, Eflin Kartika Sinaga, Irvan Putra Dani Daeli, Jusuf Sugiarto, Raya Panjaitan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under a 