Hasil PBL Kecerdasan Bisnis dan Gudang Data Kelas A dan B Tahun 2026

Rekapitulasi Nilai Project-Based Learning

Rekap poin paper dan presentasi PBL.

6 Data kelompok/mahasiswa

2 Kelas

87.5 Rata-rata paper

85.5 Rata-rata presentasi

No.	Kelas	Kelompok	Anggota	Judul PBL	Paper	Catatan Paper	Presentasi	Catatan Presentasi
1	A	II	NABILA ADISTYA LASMI	Business Intelligence Dashboard for Food Delivery Customer Loyalty Analysis Among Universitas Riau Students Using Decision Tree	87	Baca catatan paper Sudah bagus. Ke depannya, mencoba beberapa algoritma klasifikasi ML secara komparatif (Decision Tree vs. Random Forest vs. XGBoost) dalam satu paper akan memberikan kontribusi yang jauh lebih kuat. Single-algorithm study memberikan perspektif yang terbatas tentang kemampuan data. Pengalaman ini mengajarkan bahwa akurasi 67.5% bukan kelemahan yang perlu diminimalisir, justru analisis mendalam tentang mengapa model kesulitan mengklasifikasikan 'Tidak Loyal' (kelas minoritas) memberikan insight berharga tentang karakteristik mahasiswa yang ambivalen terhadap layanan food delivery. Mahasiswa perlu mendalami teknik penanganan class imbalance seperti SMOTE atau atau lainnya. Untuk penelitian berikutnya, memperbesar ukuran sampel dan menyebarkan kuesioner ke lebih banyak perguruan tinggi akan meningkatkan generalisabilitas temuan dan menjadikan paper ini referensi yang lebih berpengaruh dalam literatur e-commerce Indonesia.	90	Baca catatan presentasi Presentasi layaknya konfrensi internasional, namun dashboard tidak didemokan secara langsung (hanya di PPT). Btw, foto dosennya seperti aktor korea :)
2	A	I	YUDI AFANDI	Historical Weather Pattern Analysis of Pekanbaru City Using Business Intelligence and Random Forest Classifier	90	Baca catatan paper Sudah sangat bagus. NIM tidak perlu untuk paper. Ke depannya, memverifikasi setiap referensi melalui Scopus atau Google Scholar sebelum memasukkannya ke daftar pustaka adalah kebiasaan akademik yang krusial. Referensi tanpa DOI dan nama jurnal yang lengkap melemahkan kredibilitas karya secara keseluruhan. Pengalaman ini mengajarkan bahwa desain star schema bukan sekadar formalitas teknis, melainkan fondasi yang membuat sistem BI menjadi modular, skalabel dan mudah dikembangkan. Kelompok ini perlu mendalami cara mendaftarkan ORCID iD secara gratis di orcid.org, identitas peneliti ini semakin menjadi standar wajib dalam jurnal internasional. Untuk penelitian berikutnya, menambahkan variabel kelembaban dan tekanan udara dari API yang sama dapat meningkatkan akurasi Random Forest secara signifikan dan memperkuat kontribusi ilmiah. Penting dipahami bahwa pengakuan keterbatasan secara terbuka, seperti class imbalance dan keterbatasan variabel justru mencerminkan pemikiran kritis yang menjadi ciri peneliti yang matang.	87	Baca catatan presentasi Terlihat kompak antar kelompok, namun banyak teks, bagusnya dashboard yang dibangun di demokan langsung, bukan di slide. Btw, foto dosennya di slide seperti Sultan Siak :)
3	B	IV	ANDIKA FITRA DARMAWAN	Business Intelligence Dashboard and K-Means Clustering for Universitas Riau Library Traffic, Borrowing, and Visitor Segmentation	87	Baca catatan paper Sudah sangat bagus. Ke depannya, pengisian informasi penulis secara lengkap dan akurat termasuk memastikan tidak ada teks template yang tersisa adalah standar etika penulisan ilmiah yang tidak dapat dikompromikan. Menggunakan ORCID placeholder setara dengan mencantumkan informasi yang tidak valid dalam dokumen akademik. Mahasiswa perlu mendalami teknik evaluasi clustering yang lebih komprehensif: silhouette score 0.26 mengindikasikan bahwa fitur-fitur yang digunakan untuk attendance clustering mungkin perlu diredesain atau metode clustering alternatif seperti DBSCAN perlu dipertimbangkan. Untuk penelitian berikutnya, mengintegrasikan kategori buku dalam dataset peminjaman akan membuka dimensi analisis rekomendasi koleksi yang sangat bernilai bagi pengembangan layanan perpustakaan berbasis bukti.	80	Baca catatan presentasi Terlihat kompak antar kelompok, namun banyak teks, bagusnya dashboard yang dibangun di demokan langsung, bukan di slide dan nama dosen pengampu tidak ada :(
4	B	III	RYANDA VALENTS ANAKRI	Analisis Segmentasi Beban Distribusi Dana PKH Kota Pekanbaru Menggunakan Algoritma K-Means Clustering dan Visualisasi Tableau	84	Baca catatan paper Sudah bagus. Ke depannya, membangun kebiasaan mengumpulkan dan mengorganisasi minimal 15 referensi di awal proses penelitian sebelum mulai menulis adalah investasi waktu yang akan mencegah kekurangan sitasi yang signifikan seperti yang terjadi pada paper ini. Pengalaman ini mengajarkan bahwa flowchart metodologi adalah peta, bukan penjelasan setiap kotak dalam diagram alir perlu diuraikan secara teknis dalam teks agar penelitian dapat direplikasi. Mahasiswa perlu mendalami konsep star schema dalam konteks data warehouse, meskipun skalanya kecil, merancang satu tabel fakta dan beberapa tabel dimensi (dim_kelurahan, dim_waktu) akan memperkuat aspek BI/DW dari penelitian dan membedakannya dari sekadar analisis data biasa. Penting dipahami bahwa per capita indicators yang digunakan dalam paper ini, rasio PKH/penduduk dan dana per kapita adalah pendekatan yang digunakan dalam riset kebijakan sosial internasional dan dapat dikembangkan lebih jauh dengan analisis spasial berbasis GIS untuk memetakan disparitas distribusi secara visual. Untuk penelitian berikutnya agar membuat visual paper secara signifikan.	86	Baca catatan presentasi Terlihat kompak antar kelompok, dashboard yang dibangun di demokan langsung (ini bagus), namun dosen pengampu tidak ada :(
5	B	I	TRI PUTRI MAISYITAH	Perancangan Dashboard Business Intelligence untuk Analisis Tren dan Key Performance Indicator (KPI) Insiden IT: Kasus data Pelaporan Kegagalan Hardware, Software, dan Sistem di Awal Bros Ahmad Yani	89	Baca catatan paper Sudah sangat bagus. Ke depannya, menggunakan reference manager (Mendeley, Zotero) sejak awal penelitian akan memastikan format IEEE yang konsisten dan jumlah referensi terpenuhi, masalah sitasi adalah salah satu yang paling mudah dicegah namun paling sering terabaikan. Pengalaman ini mengajarkan bahwa data primer dari institusi nyata adalah aset riset yang sangat berharga, pendekatan ini memberikan relevansi praktis yang jarang ditemukan dalam paper berbasis dataset publik. Mahasiswa perlu mendalami parameter Service Level Agreement (SLA) sebagai metrik tambahan yang krusial dalam kerangka ITIL, integrasi SLA dalam dashboard akan meningkatkan nilai manajerial sistem secara signifikan. Untuk penelitian berikutnya, menyelesaikan evaluasi usability dengan SUS yang sudah direncanakan akan memberikan dimensi evaluasi sistem yang lebih holistik dan memperkuat kontribusi paper. Penting dipahami bahwa real-time data pipeline, mengintegrasikan dashboard langsung ke sistem ticketing adalah langkah natural berikutnya yang akan mengubah PBL ini menjadi sistem yang benar-benar siap pakai.	85	Baca catatan presentasi Terlihat kompak walaupun presentasi terpisah, dashboard yang dibangun di demokan langsung (ini bagus), namun suara mbak Anita tidak terdengar jelas dan nama dosen pengampu tidak ada :(
6	B	II	NUR KHAIRATUL AINI FITRI	Public Sentiment Analysis of the Makan Bergizi Gratis Program on Platform X Using Business Intelligence	88	Baca catatan paper Bagus, ke depannya, anotasi manual pada sampel representatif (minimal 300–500 tweet) adalah standar validasi yang perlu diupayakan, ini akan mengubah angka akurasi dari estimasi menjadi pengukuran yang bermakna secara ilmiah. Penting dipahami bahwa ground truth dari simulasi probabilistik hanya memberikan estimasi performa, bukan ukuran akurasi yang sesungguhnya. Mahasiswa harus mengkomunikasikan batasan ini dengan lebih eksplisit dalam abstrak dan hasil agar pembaca tidak salah menafsirkan angka 89%. Mahasiswa perlu mendalami model IndoBERT sebagai langkah pengembangan berikutnya, transisi dari lexicon-based ke transformer-based adalah arah perkembangan NLP Bahasa Indonesia yang sudah terdokumentasi baik dalam literatur dan membuka kemampuan menangkap sarkasme serta nuansa kontekstual. Untuk penelitian berikutnya, dapat membangun automated data pipeline yang mengambil tweet secara periodik akan mengubah sistem ini dari analisis historis menjadi alat monitoring kebijakan yang dapat memberikan umpan balik real-time kepada pemangku kebijakan. Pengalaman ini mengajarkan bahwa pembedaan antara jumlah tweet dan engagement adalah perspektif analitis yang sangat bernilai dalam social media analytics, pendekatan engagement-weighted memberikan gambaran yang jauh lebih akurat tentang dampak nyata sebuah narasi di ruang publik digital.	85	Baca catatan presentasi Terlihat kompak antar anggota, wah suara presenter pertama terlalu "ngebass" :) namun dashboard yang dibangun tidak di demokan langsung (ditampilkan di PPT saja)

Kelas A · Kelompok II

Business Intelligence Dashboard for Food Delivery Customer Loyalty Analysis Among Universitas Riau Students Using Decision Tree

NABILA ADISTYA LASMI

Paper 87 Presentasi 90

Catatan Paper

Baca catatan

Sudah bagus. Ke depannya, mencoba beberapa algoritma klasifikasi ML secara komparatif (Decision Tree vs. Random Forest vs. XGBoost) dalam satu paper akan memberikan kontribusi yang jauh lebih kuat. Single-algorithm study memberikan perspektif yang terbatas tentang kemampuan data. Pengalaman ini mengajarkan bahwa akurasi 67.5% bukan kelemahan yang perlu diminimalisir, justru analisis mendalam tentang mengapa model kesulitan mengklasifikasikan 'Tidak Loyal' (kelas minoritas) memberikan insight berharga tentang karakteristik mahasiswa yang ambivalen terhadap layanan food delivery. Mahasiswa perlu mendalami teknik penanganan class imbalance seperti SMOTE atau atau lainnya. Untuk penelitian berikutnya, memperbesar ukuran sampel dan menyebarkan kuesioner ke lebih banyak perguruan tinggi akan meningkatkan generalisabilitas temuan dan menjadikan paper ini referensi yang lebih berpengaruh dalam literatur e-commerce Indonesia.

Catatan Presentasi

Baca catatan

Presentasi layaknya konfrensi internasional, namun dashboard tidak didemokan secara langsung (hanya di PPT). Btw, foto dosennya seperti aktor korea :)

Kelas A · Kelompok I

Historical Weather Pattern Analysis of Pekanbaru City Using Business Intelligence and Random Forest Classifier

YUDI AFANDI

Paper 90 Presentasi 87

Catatan Paper

Baca catatan

Sudah sangat bagus. NIM tidak perlu untuk paper. Ke depannya, memverifikasi setiap referensi melalui Scopus atau Google Scholar sebelum memasukkannya ke daftar pustaka adalah kebiasaan akademik yang krusial. Referensi tanpa DOI dan nama jurnal yang lengkap melemahkan kredibilitas karya secara keseluruhan. Pengalaman ini mengajarkan bahwa desain star schema bukan sekadar formalitas teknis, melainkan fondasi yang membuat sistem BI menjadi modular, skalabel dan mudah dikembangkan. Kelompok ini perlu mendalami cara mendaftarkan ORCID iD secara gratis di orcid.org, identitas peneliti ini semakin menjadi standar wajib dalam jurnal internasional. Untuk penelitian berikutnya, menambahkan variabel kelembaban dan tekanan udara dari API yang sama dapat meningkatkan akurasi Random Forest secara signifikan dan memperkuat kontribusi ilmiah. Penting dipahami bahwa pengakuan keterbatasan secara terbuka, seperti class imbalance dan keterbatasan variabel justru mencerminkan pemikiran kritis yang menjadi ciri peneliti yang matang.

Catatan Presentasi

Baca catatan

Terlihat kompak antar kelompok, namun banyak teks, bagusnya dashboard yang dibangun di demokan langsung, bukan di slide. Btw, foto dosennya di slide seperti Sultan Siak :)

Kelas B · Kelompok IV

Business Intelligence Dashboard and K-Means Clustering for Universitas Riau Library Traffic, Borrowing, and Visitor Segmentation

ANDIKA FITRA DARMAWAN

Paper 87 Presentasi 80

Catatan Paper

Baca catatan

Sudah sangat bagus. Ke depannya, pengisian informasi penulis secara lengkap dan akurat termasuk memastikan tidak ada teks template yang tersisa adalah standar etika penulisan ilmiah yang tidak dapat dikompromikan. Menggunakan ORCID placeholder setara dengan mencantumkan informasi yang tidak valid dalam dokumen akademik. Mahasiswa perlu mendalami teknik evaluasi clustering yang lebih komprehensif: silhouette score 0.26 mengindikasikan bahwa fitur-fitur yang digunakan untuk attendance clustering mungkin perlu diredesain atau metode clustering alternatif seperti DBSCAN perlu dipertimbangkan. Untuk penelitian berikutnya, mengintegrasikan kategori buku dalam dataset peminjaman akan membuka dimensi analisis rekomendasi koleksi yang sangat bernilai bagi pengembangan layanan perpustakaan berbasis bukti.

Catatan Presentasi

Baca catatan

Terlihat kompak antar kelompok, namun banyak teks, bagusnya dashboard yang dibangun di demokan langsung, bukan di slide dan nama dosen pengampu tidak ada :(

Kelas B · Kelompok III

Analisis Segmentasi Beban Distribusi Dana PKH Kota Pekanbaru Menggunakan Algoritma K-Means Clustering dan Visualisasi Tableau

RYANDA VALENTS ANAKRI

Paper 84 Presentasi 86

Catatan Paper

Baca catatan

Sudah bagus. Ke depannya, membangun kebiasaan mengumpulkan dan mengorganisasi minimal 15 referensi di awal proses penelitian sebelum mulai menulis adalah investasi waktu yang akan mencegah kekurangan sitasi yang signifikan seperti yang terjadi pada paper ini. Pengalaman ini mengajarkan bahwa flowchart metodologi adalah peta, bukan penjelasan setiap kotak dalam diagram alir perlu diuraikan secara teknis dalam teks agar penelitian dapat direplikasi. Mahasiswa perlu mendalami konsep star schema dalam konteks data warehouse, meskipun skalanya kecil, merancang satu tabel fakta dan beberapa tabel dimensi (dim_kelurahan, dim_waktu) akan memperkuat aspek BI/DW dari penelitian dan membedakannya dari sekadar analisis data biasa. Penting dipahami bahwa per capita indicators yang digunakan dalam paper ini, rasio PKH/penduduk dan dana per kapita adalah pendekatan yang digunakan dalam riset kebijakan sosial internasional dan dapat dikembangkan lebih jauh dengan analisis spasial berbasis GIS untuk memetakan disparitas distribusi secara visual. Untuk penelitian berikutnya agar membuat visual paper secara signifikan.

Catatan Presentasi

Baca catatan

Terlihat kompak antar kelompok, dashboard yang dibangun di demokan langsung (ini bagus), namun dosen pengampu tidak ada :(

Kelas B · Kelompok I

Perancangan Dashboard Business Intelligence untuk Analisis Tren dan Key Performance Indicator (KPI) Insiden IT: Kasus data Pelaporan Kegagalan Hardware, Software, dan Sistem di Awal Bros Ahmad Yani

TRI PUTRI MAISYITAH

Paper 89 Presentasi 85

Catatan Paper

Baca catatan

Sudah sangat bagus. Ke depannya, menggunakan reference manager (Mendeley, Zotero) sejak awal penelitian akan memastikan format IEEE yang konsisten dan jumlah referensi terpenuhi, masalah sitasi adalah salah satu yang paling mudah dicegah namun paling sering terabaikan. Pengalaman ini mengajarkan bahwa data primer dari institusi nyata adalah aset riset yang sangat berharga, pendekatan ini memberikan relevansi praktis yang jarang ditemukan dalam paper berbasis dataset publik. Mahasiswa perlu mendalami parameter Service Level Agreement (SLA) sebagai metrik tambahan yang krusial dalam kerangka ITIL, integrasi SLA dalam dashboard akan meningkatkan nilai manajerial sistem secara signifikan. Untuk penelitian berikutnya, menyelesaikan evaluasi usability dengan SUS yang sudah direncanakan akan memberikan dimensi evaluasi sistem yang lebih holistik dan memperkuat kontribusi paper. Penting dipahami bahwa real-time data pipeline, mengintegrasikan dashboard langsung ke sistem ticketing adalah langkah natural berikutnya yang akan mengubah PBL ini menjadi sistem yang benar-benar siap pakai.

Catatan Presentasi

Baca catatan

Terlihat kompak walaupun presentasi terpisah, dashboard yang dibangun di demokan langsung (ini bagus), namun suara mbak Anita tidak terdengar jelas dan nama dosen pengampu tidak ada :(

Kelas B · Kelompok II

Public Sentiment Analysis of the Makan Bergizi Gratis Program on Platform X Using Business Intelligence

NUR KHAIRATUL AINI FITRI

Paper 88 Presentasi 85

Catatan Paper

Baca catatan

Bagus, ke depannya, anotasi manual pada sampel representatif (minimal 300–500 tweet) adalah standar validasi yang perlu diupayakan, ini akan mengubah angka akurasi dari estimasi menjadi pengukuran yang bermakna secara ilmiah. Penting dipahami bahwa ground truth dari simulasi probabilistik hanya memberikan estimasi performa, bukan ukuran akurasi yang sesungguhnya. Mahasiswa harus mengkomunikasikan batasan ini dengan lebih eksplisit dalam abstrak dan hasil agar pembaca tidak salah menafsirkan angka 89%. Mahasiswa perlu mendalami model IndoBERT sebagai langkah pengembangan berikutnya, transisi dari lexicon-based ke transformer-based adalah arah perkembangan NLP Bahasa Indonesia yang sudah terdokumentasi baik dalam literatur dan membuka kemampuan menangkap sarkasme serta nuansa kontekstual. Untuk penelitian berikutnya, dapat membangun automated data pipeline yang mengambil tweet secara periodik akan mengubah sistem ini dari analisis historis menjadi alat monitoring kebijakan yang dapat memberikan umpan balik real-time kepada pemangku kebijakan. Pengalaman ini mengajarkan bahwa pembedaan antara jumlah tweet dan engagement adalah perspektif analitis yang sangat bernilai dalam social media analytics, pendekatan engagement-weighted memberikan gambaran yang jauh lebih akurat tentang dampak nyata sebuah narasi di ruang publik digital.

Catatan Presentasi

Baca catatan

Terlihat kompak antar anggota, wah suara presenter pertama terlalu "ngebass" :) namun dashboard yang dibangun tidak di demokan langsung (ditampilkan di PPT saja)