Evaluasi Olah Data Asset untuk Pengambilan Keputusan yang Lebih Efektif Menggunakan Python pada PT. Global Digital Niaga

Alexander Hernadi Bloem, Emmanuel (2025) Evaluasi Olah Data Asset untuk Pengambilan Keputusan yang Lebih Efektif Menggunakan Python pada PT. Global Digital Niaga. MBKM thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (317kB)
	PDF BAB_I.pdf Download (260kB)
	PDF BAB_II.pdf Download (349kB)
	PDF BAB_III.pdf Download (854kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (176kB)
	PDF DAFTAR_PUSTAKA.pdf Download (115kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	PDF LEMBAR_PENGESAHAN.pdf Download (53kB)

Abstract

Transformasi digital dalam industri e-commerce menuntut pengelolaan data aset IT yang akurat, efisien, dan sistematis. Ketidaksesuaian data seperti duplikasi, missing value, dan informasi tidak valid pada sistem manajemen aset berisiko menghambat operasional, menimbulkan kesalahan inventaris, hingga kerugian finansial. Untuk mengatasi tantangan tersebut, dilakukan implementasi pemrosesan data aset menggunakan Python di PT. Global Digital Niaga (Blibli). Tujuannya adalah meningkatkan kualitas data aset digital guna mendukung pengambilan keputusan yang lebih efektif. Metode Extract-Transform-Load (ETL) digunakan sebagai pendekatan utama melibatkan beberapa tahapan analisis data: identifikasi nilai kosong (missing value), pendeteksian entri duplikat, pemindaian keyword tidak valid dalam deskripsi aset, serta visualisasi hasil validasi menggunakan Matplotlib. Proses dijalankan secara terstruktur dan otomatis untuk mempercepat analisis serta meminimalkan kesalahan manual. Analisis dilakukan pada database sistem Snipe-IT dan hasilnya digunakan sebagai dasar koreksi data aset serta monitoring berkala. Solusi terhadap kendala seperti tingginya volume data, keterbatasan waktu, dan adaptasi terhadap sistem manajemen aset Snipe-IT dilakukan melalui pembelajaran mandiri, komunikasi intensif dengan mentor, serta perencanaan kerja harian yang terstruktur. Hasil akhir menunjukkan adanya peningkatan akurasi data aset, efisiensi proses stock opname, serta perbaikan kualitas informasi yang digunakan untuk pengambilan keputusan.

Item Type:	Thesis (MBKM)
Keywords:	Manajemen Aset, Python, Stock Opname, Validasi Aset
Subjects:	?? T70 ??
Divisions:	Faculty of Engineering & Informatics > Information System
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	08 Aug 2025 13:03
Last Modified:	08 Aug 2025 13:03
URI:	https://kc.umn.ac.id/id/eprint/39910

Actions (login required)

View Item