Syntax Literate: Jurnal Ilmiah Indonesia p–ISSN: 2541-0849 e-ISSN: 2548-1398
Vol. 9, No. 12, Desember
2024
Model Hybrid AI Untuk Optimasi Pemasaran,
Keuangan, dan Operasional Sebagai Solusi Pertumbuhan Bisnis UKM: Studi Kasus PT.XYZ di Surabaya
Tomy Wibiksono1, Sri Utami Ady2, Nur Sayidah3
Universitas Dr. Soetomo, Indonesia1,2,3
Email: [email protected]1, [email protected]2, [email protected]3
Abstrak
Usaha Kecil dan Menengah
(UKM) memiliki peran strategis dalam perekonomian Indonesia, khususnya
di sektor manufaktur produk logam arsitektur.
Namun, UKM sering dihadapkan pada berbagai hambatan yang menghambat pertumbuhan bisnis, terutama dalam aspek pemasaran, keuangan, dan operasional. Penelitian ini bertujuan untuk mengidentifikasi hambatan utama serta mengembangkan
Model Hybrid Artificial Intelligence (HAI) yang mengintegrasikan
Generative AI dan Analytic AI sebagai solusi komprehensif. Pendekatan kualitatif digunakan dengan metode studi kasus
pada PT. XYZ, perusahaan manufaktur
produk logam arsitektur berbasis proyek di Surabaya. Teknik pengumpulan
data meliputi wawancara mendalam, observasi langsung, dan analisis dokumen.Hasil penelitian mengidentifikasi 15 hambatan utama yang mencakup rendahnya inovasi digital
marketing, pengelolaan arus
kas yang tidak optimal, hingga
keterbatasan kualitas sumber daya manusia
(SDM). Model HAI yang diusulkan terdiri
dari Generative AI untuk mendukung inovasi desain produk dan strategi pemasaran digital serta Analytic
AI untuk optimasi keuangan dan peningkatan efisiensi operasional melalui analisis data berbasis real-time. Implementasi
model ini berpotensi signifikan dalam meningkatkan inovasi, produktivitas, dan efektivitas pengambilan keputusan strategis, sehingga memperkuat daya saing UKM di pasar premium.Penelitian
ini memberikan kontribusi praktis bagi UKM dalam mengadopsi teknologi AI untuk transformasi bisnis yang berkelanjutan, serta rekomendasi kebijakan bagi pemerintah dan pemangku kepentingan terkait untuk mendukung digitalisasi UKM.
Kata Kunci: Hybrid Artificial
Intelligence, Generative AI, Analytic AI, UKM, Pertumbuhan
Bisnis.
Abstract
Small
and Medium Enterprises (SMEs) have a strategic role in the Indonesian economy,
particularly in the architectural metal products manufacturing sector. However,
SMEs are often faced with various obstacles that hinder business growth,
especially in marketing, financial, and operational aspects. This research aims
to identify the main barriers and develop a Hybrid Artificial Intelligence
(HAI) Model that integrates Generative AI and Analytic AI as a comprehensive
solution. A qualitative approach was used with a case study method at PT XYZ, a
project-based architectural metal product manufacturing company in Surabaya.
Data collection techniques included in-depth interviews, direct observation,
and document analysis. The results of the study identified 15 main obstacles
which included low digital marketing innovation, suboptimal cash flow
management, and limited quality of human resources (HR). The proposed HAI model
consists of Generative AI to support product design innovation and digital
marketing strategies and Analytic AI for financial optimization and operational
efficiency improvement through real-time data analysis. The implementation of
this model has significant potential to improve innovation, productivity, and
effectiveness of strategic decision-making, thereby strengthening the
competitiveness of SMEs in the premium market.This
research provides practical contributions for SMEs in adopting AI technology
for sustainable business transformation, as well as policy recommendations for
the government and relevant stakeholders to support the digitalization of SMEs.
Keywords:
Hybrid Artificial Intelligence, Generative AI, Analytic AI, SMEs, Business
Growth.
Pendahuluan
Usaha Kecil dan Menengah
(UKM) memainkan peran strategis dalam mendorong pertumbuhan ekonomi, penciptaan lapangan kerja, dan pemerataan kesejahteraan masyarakat. Di Indonesia, UKM menyumbang
sekitar 60% Produk Domestik Bruto (PDB) dan menyerap hingga 97% tenaga kerja nasional,
menjadikannya sebagai salah
satu pilar utama stabilitas ekonomi nasional (Yuen, 2023; Putong,
2023). Salah satu sektor
UKM yang memiliki potensi besar adalah manufaktur
produk logam arsitektur berbasis proyek, khususnya di pasar premium
seperti perumahan mewah, bangunan komersial, dan hotel. Namun, meskipun memiliki peluang pasar yang signifikan,
UKM dalam sektor ini masih menghadapi
berbagai hambatan yang berdampak pada kinerja bisnis dan daya saing mereka. Hambatan
yang dihadapi UKM dapat dikategorikan ke dalam tiga aspek
utama: pemasaran, keuangan, dan operasional. Dalam aspek pemasaran,
UKM sering kali tertinggal dalam pemanfaatan strategi
digital yang inovatif, menyebabkan
keterbatasan dalam menjangkau pelanggan potensial secara luas (Wibawa et al., 2022). Ketergantungan pada metode pemasaran konvensional memperburuk situasi, terutama di tengah percepatan transformasi digital pasca-pandemi (Lu et al., 2022). Selain
itu, brand positioning UKM sering
kali lemah, sehingga daya tariknya di pasar premium relatif rendah (Zhao, 2022). Minimnya implementasi Customer
Relationship Management (CRM) juga mengakibatkan UKM kesulitan mempertahankan loyalitas pelanggan dan menjangkau segmen pasar spesifik seperti arsitek, kontraktor, dan desainer interior (Triputra &
Atqiya, 2021).
Dalam aspek keuangan, hambatan utama mencakup pengelolaan arus kas yang tidak optimal, minimnya otomatisasi laporan keuangan, dan tidak adanya prediksi
keuangan berbasis data yang
akurat (Ya-ping, 2021; Qi et al., 2020). Situasi ini menyebabkan
UKM sulit membuat keputusan finansial yang tepat, terutama dalam menghadapi tekanan biaya overhead yang tinggi dan margin keuntungan yang
rendah akibat keterlambatan proyek (Putong, 2023). Akses terbatas pada modal kerja dan kurangnya adopsi teknologi finansial semakin memperburuk efisiensi keuangan UKM (Erhan
& Gaugas, 2022). Dalam aspek
operasional, tantangan utama meliputi rendahnya produktivitas, keterbatasan kualitas Sumber Daya Manusia (SDM), dan teknologi usang yang masih digunakan (Zhang et al.,
2019). Kurangnya sistem
monitoring Kinerja Indikator Utama (KPI) yang komprehensif serta ketidakmampuan dalam mengelola proyek secara real-time sering kali menyebabkan keterlambatan penyelesaian proyek dan pembengkakan biaya operasional (Kurniawati et al.,
2021). Hambatan-hambatan ini
diperburuk oleh persaingan
pasar yang semakin ketat
dan perubahan kebijakan pemerintah yang dapat memengaruhi stabilitas bisnis (Yuen, 2023). Dalam menghadapi tantangan ini, teknologi Artificial
Intelligence (AI) khususnya Hybrid Artificial
Intelligence (HAI) menawarkan solusi
yang inovatif dan komprehensif
(Putong, 2023; Zhang et al., 2019). HAI menggabungkan kemampuan
Generative AI untuk mendukung
kreativitas dan inovasi produk serta strategi pemasaran dengan Analytic AI yang
berfokus pada optimasi keuangan dan peningkatan efisiensi operasional melalui analisis data berbasis real-time (Ya-ping, 2021; Zhao, 2022). Implementasi HAI memungkinkan UKM
untuk mengembangkan produk yang lebih inovatif, meningkatkan efisiensi proses, dan mengambil keputusan strategis berbasis data secara akurat (Triputra & Atqiya, 2021).
Penelitian ini berangkat dari
beberapa pertanyaan mendasar terkait hambatan yang dihadapi UKM di sektor manufaktur produk logam arsitektur.
Pertama, penelitian ini bertujuan untuk
mengidentifikasi hambatan utama yang terdapat pada aspek pemasaran, keuangan, dan operasional, yang selama ini menghambat
pertumbuhan bisnis UKM di sektor tersebut. Kedua, penelitian ini mencoba merancang
sebuah model Hybrid Artificial Intelligence (HAI)
yang mengintegrasikan kemampuan
Generative AI dan Analytic AI sebagai solusi untuk mengatasi
hambatan-hambatan tersebut secara komprehensif. Ketiga, penelitian ini juga mengeksplorasi bagaimana implementasi model HAI dapat membantu meningkatkan daya saing UKM di pasar premium, khususnya
dalam menghadapi tantangan bisnis yang semakin kompetitif. Sejalan dengan rumusan masalah tersebut, penelitian ini memiliki tiga tujuan
utama. Pertama, penelitian ini bertujuan untuk mengidentifikasi hambatan utama dalam aspek
pemasaran, keuangan, dan operasional yang menghambat pertumbuhan UKM di sektor manufaktur produk logam arsitektur. Kedua, penelitian ini bertujuan untuk
mengembangkan rancangan
Model Hybrid Artificial Intelligence (HAI) yang menggabungkan
Generative AI dan Analytic AI untuk mengatasi hambatan-hambatan tersebut secara terintegrasi. Ketiga, penelitian ini bertujuan untuk menyusun kerangka kerja implementasi model HAI guna meningkatkan inovasi, efisiensi, dan pengambilan keputusan strategis, yang pada akhirnya diharapkan mampu memperkuat daya saing UKM di pasar premium. Melalui pendekatan
ini, penelitian diharapkan dapat memberikan kontribusi yang signifikan baik secara teoritis dalam pengembangan literatur terkait Hybrid AI maupun secara praktis
dalam menawarkan solusi berbasis teknologi bagi UKM. Implementasi HAI tidak hanya akan membantu
meningkatkan efisiensi operasional, tetapi juga memaksimalkan potensi pemasaran digital dan pengelolaan
keuangan UKM di sektor manufaktur produk logam arsitektur.
Penelitian ini memberikan kontribusi teoritis dan praktis. Secara teoritis, penelitian ini memperluas literatur terkait penerapan Hybrid Artificial Intelligence di sektor UKM manufaktur, yang belum banyak dieksplorasi
dalam studi sebelumnya (Zaman, 2022; Ya-ping, 2021). Penelitian ini juga memberikan panduan praktis bagi pemilik
UKM dan pemangku kepentingan
terkait untuk mengadopsi teknologi AI guna meningkatkan daya saing bisnis.
Implementasi model HAI dapat
membantu UKM dalam mengoptimalkan strategi pemasaran
digital, meningkatkan pengelolaan
keuangan, dan memaksimalkan
produktivitas operasional.
Penerapan
Hybrid AI didasarkan pada teori
Industry 4.0 yang menekankan pentingnya
integrasi teknologi digital
dalam proses produksi untuk meningkatkan efisiensi, fleksibilitas, dan daya saing (Hicham et
al., 2015; Huang, 2019).
Dalam konteks UKM, Hybrid
AI diharapkan mampu menjembatani kesenjangan teknologi dan sumber daya, sehingga UKM dapat beradaptasi dengan perubahan pasar dan bersaing di tingkat global (Zhang
et al., 2019; Khattak et al., 2019).
Penelitian ini berfokus pada UKM di sektor manufaktur produk logam arsitektur
yang berbasis proyek, dengan subjek penelitian
adalah PT. XYZ di Surabaya sebagai
studi kasus representatif. Model HAI yang dikembangkan
mencakup dua komponen utama: Generative AI untuk inovasi pemasaran dan Analytic AI
untuk optimasi keuangan serta efisiensi operasional.
Metode Penelitian
Penelitian ini menggunakan pendekatan kualitatif dengan metode studi
kasus eksploratif. Pendekatan ini dipilih untuk mengeksplorasi
hambatan kompleks yang dihadapi UKM di sektor manufaktur produk logam arsitektur dan mengembangkan solusi berbasis Hybrid Artificial Intelligence (HAI). Menurut Prihatsanti
et al. (2018), metode studi
kasus memungkinkan analisis mendalam melalui kombinasi berbagai sumber data, memberikan pemahaman kontekstual yang relevan. Pendekatan kualitatif lebih tepat digunakan karena fokus penelitian
ini adalah eksplorasi mendalam terhadap hambatan pemasaran, keuangan, dan operasional serta desain solusi berbasis
AI (Putong, 2023). Data yang dikumpulkan
bersifat deskriptif dan interpretatif, memberikan wawasan tentang konteks operasional perusahaan dalam menghadapi tantangan bisnis.
Lokasi dan Subjek Penelitian
Lokasi penelitian adalah PT. XYZ di Surabaya, perusahaan
manufaktur produk logam arsitektur yang berorientasi pada proyek pasar
premium. Pemilihan lokasi ini didasarkan pada relevansi hambatan yang dihadapi UKM dalam pemasaran digital, pengelolaan keuangan, dan efisiensi operasional.
PT. XYZ juga menunjukkan kesiapan
untuk mengadopsi teknologi Hybrid AI, menjadikannya
subjek yang representatif untuk studi ini. Subjek penelitian adalah manajer strategis yang memiliki pengalaman kerja minimal lima tahun dan memahami kendala bisnis serta ekspektasi
implementasi teknologi AI. Pendekatan purposive sampling digunakan
untuk memilih informan kunci, sejalan dengan rekomendasi Putong (2023) tentang keterlibatan informan yang relevan dalam konteks inovasi
teknologi di UKM.
Teknik Pengumpulan
Data
Penelitian ini menggunakan tiga teknik pengumpulan
data utama, yaitu wawancara semi-terstruktur, observasi langsung, dan analisis dokumen. Pendekatan ini dipilih untuk memberikan
pemahaman yang komprehensif
mengenai hambatan yang dihadapi UKM, sekaligus mendukung perancangan solusi berbasis Hybrid Artificial
Intelligence (HAI). Pertama, wawancara semi-terstruktur dilakukan dengan melibatkan pemilik perusahaan, manajer keuangan, manajer pemasaran, dan manajer operasional. Teknik ini dipilih karena
memberikan fleksibilitas dalam menggali informasi mendalam terkait hambatan pemasaran, keuangan, dan operasional yang dihadapi oleh perusahaan. Panduan wawancara dirancang berdasarkan teori Hybrid AI dan konsep
Industry 4.0 untuk memastikan
bahwa data yang diperoleh relevan dengan tujuan penelitian (Lu et al.,
2022). Kedua, observasi langsung dilakukan untuk mengamati aktivitas operasional, produksi, dan pemasaran di perusahaan secara langsung. Teknik ini bertujuan untuk
mengidentifikasi efisiensi
proses produksi, kendala implementasi teknologi, serta pola kerja
operasional yang dapat dioptimalkan melalui penerapan HAI. Observasi ini memberikan data kontekstual yang penting untuk memahami tantangan yang dihadapi perusahaan dalam proses bisnis sehari-hari (Zhang et al.,
2019). Ketiga, analisis dokumen dilakukan dengan mengkaji berbagai dokumen penting, seperti laporan keuangan tahunan, data Key
Performance Indicators (KPI), dan laporan proyek. Dokumen-dokumen ini memberikan wawasan yang mendalam tentang pola arus
kas, efisiensi produksi, serta efektivitas strategi pemasaran digital yang dijalankan
perusahaan. Data dari dokumen ini digunakan
untuk mendukung dan memperkuat temuan dari wawancara dan observasi (Ya-ping, 2021; Qi et al., 2020).
Tahapan Pengumpulan
Data
Proses pengumpulan
data dalam penelitian ini dilakukan melalui
tiga tahapan yang terstruktur. Tahap pertama adalah pra-penelitian, yang mencakup komunikasi awal dengan manajemen
perusahaan untuk mendapatkan izin penelitian. Pada tahap ini juga dilakukan identifikasi informan kunci yang relevan dengan kriteria yang telah ditentukan berdasarkan rekomendasi dari literatur (Yuen, 2023). Tahap kedua adalah pengumpulan
data utama, di mana wawancara
semi-terstruktur dilakukan dengan panduan yang dikembangkan secara khusus untuk mengidentifikasi
hambatan pemasaran, keuangan, dan operasional. Selain itu, dilakukan
observasi langsung untuk mengamati aktivitas operasional dan mengidentifikasi tantangan yang ada, serta mengumpulkan
data dari dokumen-dokumen
internal perusahaan yang relevan
(Zaman, 2022). Tahap ketiga adalah verifikasi data, di mana triangulasi dilakukan dengan membandingkan hasil wawancara, observasi, dan analisis dokumen untuk memastikan
validitas data. Proses ini diakhiri dengan member checking, yaitu validasi temuan dengan informan
untuk memastikan bahwa interpretasi data sesuai dengan konteks
yang sebenarnya (Putong,
2023).
Prosedur Analisis
Data
Analisis
data dilakukan dengan menggunakan metode analisis tematik yang dikembangkan oleh Braun dan Clarke
Validasi
dan Uji Coba Model HAI
Validasi
model HAI dilakukan melalui
dua tahapan utama. Pertama, diskusi ahli dilakukan dengan melibatkan pakar teknologi AI dan manajemen UKM untuk mengevaluasi kelayakan model berdasarkan teori dan praktik bisnis. Diskusi ini bertujuan
untuk mengidentifikasi kelemahan dan potensi perbaikan dalam desain model (Zhang et al., 2019). Kedua, uji
coba awal dilakukan di PT. XYZ untuk mengevaluasi efektivitas model dalam mengatasi hambatan pemasaran, keuangan, dan operasional.
Hasil uji coba digunakan untuk menyempurnakan model sebelum diimplementasikan secara luas (Putong,
2023). Metode kualitatif yang digunakan memberikan pemahaman mendalam tentang hambatan UKM dalam pemasaran, keuangan, dan operasional serta solusi berbasis
Hybrid AI. Validasi model melalui
diskusi ahli dan uji coba awal memastikan
bahwa solusi HAI dapat diterapkan secara efektif di sektor manufaktur berbasis proyek (Zhao, 2022;
Ya-ping, 2021).
Gambar 1. Alur Penelitian
Hasil dan Pembahasan
Identifikasi Hambatan dan Kebutuhan
Solusi HAI
Tabel 1. Identifikasi
Hambatan Utama Pertumbuhan Bisnis
di PT.XYZ
|
Aspek |
Hambatan Utama |
Dampak yang Ditimbulkan |
|
Pemasaran |
1. Kurangnya
inovasi digital marketing |
Engagement pelanggan turun hingga 25%. |
|
2. Ketergantungan
pada metode konvensional |
Jangkauan pasar hanya terbatas pada pelanggan lama. |
|
|
3. Brand positioning yang lemah |
Tidak mampu menembus
segmen pasar premium. |
|
|
4. Minimnya
strategi Customer Relationship Management (CRM) |
Churn rate pelanggan mencapai 50%. |
|
|
5. Tidak
optimalnya target arsitek,
kontraktor, dan desainer |
Kehilangan potensi pasar hingga 20%. |
|
|
Keuangan |
6. Arus
kas tidak stabil |
Keterlambatan pembayaran memengaruhi likuiditas. |
|
7. Laporan
keuangan manual |
Kesalahan input data mencapai 10%
per periode. |
|
|
8. Tidak
ada simulasi dan prediksi keuangan |
Kesulitan memproyeksikan kebutuhan modal kerja. |
|
|
9. Tingginya
biaya overhead |
Overhead meningkat sebesar 12% setiap proyek. |
|
|
10. Profit margin tergerus akibat keterlambatan proyek |
Penurunan profitabilitas mencapai 8-10%. |
|
|
Operasional |
11. Rendahnya
kualitas SDM |
Efisiensi produksi hanya mencapai 60%. |
|
12. Rendahnya
produktivitas tenaga kerja |
Target output harian tidak tercapai hingga -20%. |
|
|
13. Monitoring KPI yang belum maksimal |
Evaluasi kinerja proyek tidak real-time. |
|
|
14. Monitoring proyek kurang efektif |
Penyelesaian proyek meleset dari target waktu (3 minggu). |
|
|
15. Pengelolaan
sumber daya tidak efisien |
Pemborosan bahan baku
mencapai 10%. |
Berdasarkan Tabel 1, Model Hybrid AI (HAI) dirancang untuk memberikan solusi integratif terhadap hambatan di atas. Rancangan ini mencakup
tiga modul utama dengan fitur
berikut:
1. Marketing
Optimization:
Solusi untuk
hambatan 1-5 melalui analisis KPI pemasaran, proyeksi kinerja, dan rekomendasi strategi CRM serta
branding berbasis Generative AI.
2. Financial
Optimization:
Solusi untuk
hambatan 6-10 melalui prediksi arus kas, simulasi keuangan, dan rekomendasi manajemen risiko berbasis Analytic AI.
3. Operational
Optimization:
Solusi untuk hambatan 11-15 melalui analisis KPI operasional, proyeksi efisiensi produksi, serta optimasi sumber daya dan monitoring proyek berbasis data real-time.
Gambar 2. Diagram
Hambatan Utama dalam Pertumbuhan Bisnis di PT. XYZ
Gambar 3.
Diagram Integrasi Model Hybrid AI dan Hambatan yang Ditangani
Gambar 4.
Diagram Integrasi Model Hybrid AI dan Hambatan yang Ditangani
Pembahasan
Rancangan Model Hybrid AI mengatasi hambatan secara sistematis melalui
Generative AI dapat melakukan
Inovasi dalam desain konten pemasaran
digital yang lebih kreatif
dan adaptif. Serta untuk
Rekomendasi strategi branding yang sesuai dengan tren
pasar premium. Sedangkan melalui Analytic AI dapat melakukan Analisis mendalam arus kas untuk memproyeksikan likuiditas keuangan dan Monitoring KPI real-time untuk memastikan target produksi dan penyelesaian proyek tercapai. Hasil rancangan ini
mendukung penelitian Zhang
et al. (2019) dan Abrokwah-Larbi dan Awuku-Larbi
Strategi Optimasi Pemasaran
Solusi
Pemasaran Berbasis HAI dengan mengatasi 5 kendala pemasaran
dengan pendekatan integratif yang melibatkan
Generative AI dan Analytic AI:
Tabel 2. Tabel Strategi Optimasi Pemasaran
|
Kendala |
Strategi Solusi |
Fitur Aplikasi HAI |
KPI Utama |
|
1. Kurangnya inovasi
digital marketing |
Penerapan kampanye digital berbasis AI. |
Simulasi konten pemasaran & strategi
branding AI. |
Engagement Rate: +30% |
|
2. Ketergantungan metode
konvensional |
Mengotomatisasi promosi di platform digital. |
Proyeksi ROI iklan digital berbasis Analytic
AI. |
ROI Pemasaran: +20% |
|
3. Brand positioning yang lemah |
Pemetaan ulang positioning dengan AI. |
Analisis tren pasar premium menggunakan
AI. |
Brand Recognition: +25% |
|
4. Minimnya strategi CRM |
Implementasi Customer
Relationship Management. |
Rekomendasi personalisasi CRM berbasis AI. |
Retensi Pelanggan: 50% → 75% |
|
5. Tidak optimalnya
target arsitek/kontraktor |
Konten target spesifik
untuk segmen premium. |
Analisis segmen dan rekomendasi
strategi. |
Lead Generation: +30% |
Gambar 5.
Diagram Strategi Optimasi Pemasaran
Strategi Optimasi Keuangan
Solusi
Keuangan Berbasis HAI dengan mengatasi 5 kendala keuangan
dengan solusi berbasis Analytic AI untuk mengoptimalkan arus kas, pengelolaan biaya, dan proyeksi keuangan.
Tabel 3. Tabel Strategi Optimasi Keuangan
|
Kendala |
Strategi Solusi |
Fitur Aplikasi HAI |
KPI Utama |
|
6. Arus kas tidak stabil |
Proyeksi dan monitoring arus kas. |
Prediksi arus kas menggunakan Analytic
AI. |
Stabilitas Arus Kas: +20% |
|
7. Laporan keuangan
manual |
Otomatisasi laporan keuangan. |
Template otomatis laporan
KPI finansial. |
Akurasi Laporan: 100% |
|
8. Tidak ada simulasi dan prediksi keuangan |
Simulasi skenario keuangan berbasis AI. |
Simulasi prediksi modal kerja dan risiko finansial. |
Likuiditas Rasio: >1.5 |
|
9. Tingginya biaya
overhead |
Optimasi alokasi anggaran biaya. |
Analisis pemborosan biaya menggunakan Analytic AI. |
Biaya Overhead: -15% |
|
10. Profit margin tergerus |
Pemantauan performa proyek secara real-time. |
Evaluasi profitabilitas per proyek. |
Net Profit Margin: +10% |
Strategi Optimasi Operasional
Solusi
Operasional Berbasis HAI: dengan mengatasi 5 kendala operasional
dengan solusi yang meningkatkan produktivitas, efisiensi proses, dan monitoring proyek
melalui Analytic AI.
Tabel 4. Tabel Strategi Optimasi Operasional
|
Kendala |
Strategi Solusi |
Fitur Aplikasi HAI |
KPI Utama |
|
11. Rendahnya kualitas
SDM |
Program pelatihan berbasis
AI. |
Rekomendasi pelatihan & peningkatan keterampilan SDM. |
Efisiensi SDM: +20% |
|
12. Produktivitas rendah |
Monitoring dan evaluasi produktivitas
real-time. |
Dashboard KPI produktivitas menggunakan Analytic AI. |
Produktivitas Produksi: +25% |
|
13. Monitoring KPI belum optimal |
Evaluasi KPI berbasis real-time. |
Proses monitoring KPI operasional dengan AI. |
Monitoring KPI: 100% Akurat |
|
14. Monitoring proyek tidak
efektif |
Integrasi sistem monitoring berbasis AI. |
Simulasi timeline dan
progress proyek. |
Waktu Penyelesaian Proyek:
-15% |
|
15. Pengelolaan sumber
daya tidak efisien |
Optimasi penggunaan bahan baku dan SDM. |
Analisis pemborosan dan alokasi sumber daya AI. |
Efisiensi Sumber Daya: +20% |
Rekomendasi KPI Strategis untuk Pertumbuhan Bisnis
Tabel 5. KPI
Strategis atas 3 Aspek untuk Pertumbuhan
Bisnis
|
Aspek |
KPI Utama |
Target |
Indikator Pertumbuhan |
|
Pemasaran |
Engagement Rate |
Meningkat 30% |
Peningkatan keterlibatan pelanggan. |
|
ROI Pemasaran |
Naik 20% |
Efisiensi biaya iklan/promosi. |
|
|
Retensi Pelanggan |
Meningkat dari 50% ke 75% |
Penurunan churn rate pelanggan. |
|
|
Keuangan |
Stabilitas Arus Kas |
Naik 20% |
Keseimbangan penerimaan-pengeluaran. |
|
Net Profit Margin |
Mencapai +10% |
Profitabilitas perusahaan meningkat. |
|
|
Biaya Overhead |
Berkurang 15% |
Efisiensi biaya operasional proyek. |
|
|
Operasional |
Produktivitas Produksi |
Meningkat 25% |
Kenaikan output produksi harian. |
|
Waktu Penyelesaian Proyek |
Berkurang 15% |
Penyelesaian proyek tepat waktu. |
|
|
Efisiensi Sumber Daya |
Meningkat 20% |
Penggunaan optimal bahan baku & SDM. |
Gambar 6.
Diagram Target Peningkatan KPI Utama Melalui Optimasi AI
Gambar 7. Diagram
Integrasi Solusi HAI dalam mengatasi
Hambatan
Gambar 8.
Diagram Pembahasan Hasil Penelitian
Rancangan ini memperkuat konsep Hybrid AI Zhang et al. (2019) yang menggabungkan Generative AI untuk
inovasi strategis dan
Analytic AI untuk optimasi berbasis data. Rancangan HAI memberikan panduan yang jelas dan sistematis bagi UKM untuk meningkatkan kinerja pemasaran melalui strategi berbasis AI (Maheswari et al., 2023; Mishra & Tripathi, 2021). Mengoptimalkan
arus kas dan efisiensi biaya dengan proyeksi
keuangan yang akurat. Meningkatkan produktivitas operasional dengan monitoring KPI
secara real-time.Rancangan Aplikasi Hybrid AI (HAI) menawarkan
solusi yang komprehensif untuk mengatasi 15 hambatan utama dalam aspek pemasaran,
keuangan, dan operasional
PT. XYZ. Dengan menetapkan
KPI strategis yang jelas
dan terukur, rancangan ini diharapkan mampu mendorong pertumbuhan bisnis yang signifikan, efisien, dan berkelanjutan.
Kesimpulan
Penelitian ini berhasil merancang
Model Hybrid Artificial Intelligence (HAI) sebagai solusi inovatif dan komprehensif untuk mengatasi 15 kendala utama dalam aspek
pemasaran, keuangan, dan operasional yang dihadapi oleh
PT. XYZ, sebuah UKM manufaktur
produk logam arsitektur. Model HAI mengintegrasikan
kemampuan Generative AI untuk
mendukung kreativitas dan inovasi strategi bisnis dengan Analytic AI untuk mengoptimalkan analisis data, simulasi, dan proyeksi berbasis real-time. Kontribusi penelitian teoritis yaitu penelitian ini memperluas literatur terkait penerapan Hybrid AI dengan pendekatan integratif di tiga aspek bisnis
kritis (pemasaran, keuangan, dan operasional), memberikan model konseptual yang dapat dijadikan rujukan bagi penelitian
di bidang teknologi dan manajemen UKM. Kontribusi Penelitian praktis yaitu rancangan HAI menawarkan solusi konkret yang dapat membantu UKM meningkatkan efisiensi, produktivitas, dan kinerja bisnis secara signifikan. Model ini memberikan panduan langkah-langkah sistematis yang mudah diadopsi oleh pemangku kepentingan UKM. Implementasi
model HAI diharapkan dapat mengatasi hambatan pemasaran dengan peningkatan inovasi digital
marketing, optimalisasi CRM, dan strategi branding untuk pasar premium. Mengoptimalkan
pengelolaan keuanganmelalui
prediksi arus kas yang akurat, pengurangan biaya overhead, dan simulasi risiko keuangan. Meningkatkan efisiensi operasional dengan monitoring KPI
secara real-time, peningkatan
produktivitas SDM, dan optimalisasi
sumber daya produksi. Penelitian ini masih berada
pada tahap perancangan konseptual, sehingga efektivitas model belum diuji secara empiris
di lapangan. Selain itu, fokus penelitian
hanya pada satu studi kasus (PT. XYZ) di sektor manufaktur produk logam arsitektur.
Arah penelitian lanjutan Mengembangkan prototipe aplikasi HAI untuk pengujian empiris menggunakan data riil dari UKM. Melakukan studi longitudinal untuk mengevaluasi dampak implementasi HAI terhadap peningkatan KPI bisnis dalam jangka
panjang.Memperluas penelitian
ke sektor industri lainnya untuk menguji generalisasi
model HAI dan relevansi solusi
di berbagai konteks bisnis. Dengan demikian, rancangan Model HAI ini memberikan kontribusi signifikan dalam mendorong transformasi digitalUKM menuju bisnis yang lebih efisien, produktif, dan berdaya saing tinggi. Dukungan
implementasi teknologi berbasis AI, disertai dengan komitmen dari pemangku kebijakan
dan pemilik bisnis, diharapkan dapat menjadi katalisator pertumbuhan UKM yang berkelanjutan
dan berdampak pada perekonomian
nasional.
BIBLIOGRAFI
Abrokwah-Larbi, K., & Awuku-Larbi,
Y. (2024). The impact of artificial intelligence in marketing on the
performance of business organizations: evidence from SMEs in an emerging
economy. Journal of Entrepreneurship in Emerging Economies, 16(4).
https://doi.org/10.1108/JEEE-07-2022-0207
Braun,
V., & Clarke, V. (2022). Thematic Analysis: A Practical Guide. QMiP Bulletin, 1(33). https://doi.org/10.53841/bpsqmip.2022.1.33.46
Erhan, L., & Gaugas,
T. (2022). Policies for Small and Medium Sized Enterprises’ Development in the Republic of Moldova: Results
and Challenges. Journal of Innovation and Business Best
Practices. https://doi.org/10.5171/2022.706025
Hicham, N., Nassera,
H., & Karim, S. (2023). Strategic Framework for Leveraging Artificial
Intelligence in Future Marketing Decision-Making. Journal
of Intelligent Management Decision, 2(3), 139. https://doi.org/10.56578/jimd020304
Huang, C. (2019). Research on Marketing
Strategy Innovation of Xi’an Small and
Medium-sized Private Enterprises in the Era of New Media and Artificial
Intelligence. Proceedings of the 2019 3rd International
Conference on Education, Economics and Management Research (ICEEMR 2019).
https://doi.org/10.2991/assehr.k.191221.113
Khattak, B., Shafi, I., Khan, A., Flores, E.,
Lara, R., Samad, M., & Ashraf, I. (2023). A systematic survey of AI models
in financial market forecasting for profitability analysis. IEEE Access,
11, 125359-125380. https://doi.org/10.1109/ACCESS.2023.3330156
Kurniawati, K., Santoso, S.,
& Utomo, S. (2021). the Effect of Snowball Throwing and Problem Based
Learning Models on Students’ Social Science Learning Motivation At Grade Iv
Sunan Ampel Demak Cluster. JURNAL PAJAR (Pendidikan Dan Pengajaran), 5(4), 1102. https://doi.org/10.33578/pjr.v5i4.8361
Lu, X., Wijayaratna,
K., Huang, Y., & Qiu, A. (2022). AI-Enabled Opportunities and
Transformation Challenges for SMEs in the Post-pandemic Era: A Review and
Research Agenda. Frontiers in Public Health,
10. https://doi.org/10.3389/fpubh.2022.885067
Maheswari, S. K. (2023). The Transformative
Power of AI in Marketing FMCG. International Journal For Multidisciplinary Research,
5(3). https://doi.org/10.36948/ijfmr.2023.v05i03.3760
Mishra, S., & Tripathi, A. (2021). AI
business model: an integrative business approach. Journal
of Innovation and Entrepreneurship, 10(1). https://doi.org/10.1186/s13731-021-00157-5
Prihatsanti, U., Suryanto, S., & Hendriani,
W. (2018). Menggunakan studi
kasus sebagai metode ilmiah dalam Psikologi. Buletin Psikologi, 26(2), 126-136. https://doi.org/10.22146/buletinpsikologi.38895
Putong, I. H. (2023). Digitalization Strategy of
Small and Medium Enterprises (SMEs) of Agribusiness Sector at North Sulawesi. International Journal of Academic Research in Business and
Social Sciences, 13(5). https://doi.org/10.6007/ijarbss/v13-i5/16917
Qi, H., Li, H., Liu, X., & Chen, Z. (2020).
Research On Sapiential Financial Management Mode Based On
Artificial Intelligence. Proceedings of the 2020
International Conference on Big Data Economy and Information Management.
https://doi.org/10.1109/bdeim52318.2020.00028
Triputra, S., & Atqiya,
F. (2021). Implementation of Natural Language Processing in Seller-bot for
SMEs. Journal of Physics Conference Series,
1764(1), 012069. https://doi.org/10.1088/1742-6596/1764/1/012069
Wibawa, B. M., Baihaqi, I.,
Nareswari, N., Mardhotillah,
R. R., & Pramesti, F. (2022). Utilization of Social Media and Its Impact on Marketing Performance: A
Case Study of SMEs in Indonesia. International Journal of
Business and Society, 23(1), 19. https://doi.org/10.33736/ijbs.4596.2022
Ya-ping, C. W. Z. (2021). Framework of the
Smart Finance and Accounting Management Model under the Artificial
Intelligence Perspective. Mobile Information Systems.
https://doi.org/10.1155/2021/4295191
Yuen, T. M. (2023). Going Digital for SMES:
Adapting Business Model and Seizing Opportunities to Achieve Sustainable
Business Performance. International Journal of Academic
Research in Business and Social Sciences,
13(2). https://doi.org/10.6007/ijarbss/v13-i2/16370
Zaman, K. (2022). Transformation of Marketing
Decisions through Artificial Intelligence and Digital Marketing. Journal of Marketing Strategies,
4(2), 353. https://doi.org/10.52633/jms.v4i2.210
Zhang, B., Zhao, F., & Liu, Z. (2019).
Upgrading Strategy of Small and Medium Manufacturing Enterprises (SMMEs) to
Smart Manufacturing. IOP Conference Series Materials
Science and Engineering, 627(1), 012011. https://doi.org/10.1088/1757-899x/627/1/012011
Zhao, Z. (2022). The Application of AI Marketing in Enterprise Management Analysis. BCP Business & Management, 34, 548. https://doi.org/10.54691/bcpbm.v34i.3063
|
Copyright holder: Tomy Wibiksono, Sri Utami Ady, Nur Sayidah (2024) |
|
First publication right: Syntax Literate: Jurnal Ilmiah Indonesia |
|
This article is licensed under:
|
