Otomasi Enrichment Data Vendor dengan Metode RAG, SBERT, TF-IDF, dan LLM di Kawan Lama Group.

Ng, Descellia (2026) Otomasi Enrichment Data Vendor dengan Metode RAG, SBERT, TF-IDF, dan LLM di Kawan Lama Group. Pro-Step Report, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (724kB)
	PDF BAB_I.pdf Download (213kB)
	PDF BAB_II.pdf Download (1MB)
	PDF BAB_III.pdf Restricted to Registered users only Download (4MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (223kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (207kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (3MB)
	PDF LEMBAR_PENGESAHAN.pdf Restricted to Registered users only Download (52kB)

Abstract

Kawan Lama Group, sebagai konglomerasi multisektor yang menaungi lebih dari seribu toko di seluruh Indonesia, menghadapi tantangan dalam mengelola kualitas master data vendor berskala besar yang dibutuhkan untuk migrasi sistem ERP dari SAP ECC menuju SAP S/4HANA. Proses pengayaan dan klasifikasi data vendor secara manual dinilai tidak efisien mengingat volume data yang tinggi dan kompleksitas standar klasifikasi industri internasional yang mencakup KBLI, NAICS, dan ISIC. Penelitian ini mengembangkan pipeline otomasi berbasis AI yang mengintegrasikan metode Retrieval-Augmented Generation (RAG), SBERT (Sentence-BERT), TF-IDF (Term Frequency-Inverse Document Frequency), serta Large Language Model (LLM) untuk menyelesaikan permasalahan tersebut. Pendekatan Hybrid Ensemble yang memadukan TF-IDF dan SBERT digunakan untuk pencocokan deskripsi bisnis dengan cara menangkap kesamaan berbasis frekuensi kata sekaligus kesamaan semantik secara bersamaan. Pipeline RAG dibangun menggunakan indeks FAISS dan BM25 yang diperkuat oleh Knowledge Graph untuk memetakan aktivitas bisnis vendor ke kode industri secara otomatis. Proses pengayaan data dilakukan dengan mengintegrasikan berbagai API eksternal, meliputi SerpAPI, Apollo.io, Tavily, dan Perplexity Sonar Pro, yang dikelola melalui orkestrasi workflow n8n dan Python. Sistem Multi-Agent AI berbasis OpenAI GPT diterapkan untuk validasi dan generasi deskripsi bisnis secara kontekstual, dengan komponen Confidence Classification sebagai mekanisme kontrol kualitas akhir. Hasil implementasi menunjukkan tingkat keberhasilan klasifikasi sebesar 93% dari keseluruhan data vendor yang diproses, disertai peningkatan efisiensi kerja tim MDM yang signifikan melalui mekanisme batch processing. Pipeline yang dikembangkan berhasil menggantikan proses manual yang rawan kesalahan, memperkuat konsistensi data master, dan menopang kebutuhan standarisasi data pada skala korporat Kawan Lama Group.

Item Type:	Technical Report (Pro-Step Report)
Creators:	Ng, Descellia (00000108296)
Contributors:	Meriske, Meriske (0330038901)
Keywords:	data enrichment, klasifikasi industri, large language model, master data management, retrieval-augmented generation
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	20 Jul 2026 11:58
URI:	https://kc.umn.ac.id/id/eprint/47780

Actions (login required)

View Item