Analisis Pemanfaatan Data Sains Dalam Pengambilan Keputusan pada UMKM Pakaian di Kecamatan Cimenyan Kabupaten Bandung
DOI:
https://doi.org/10.32670/dej.v2i2.19Keywords:
data sains, pengambilan keputusan, UMKM, literasi data, ekonomi digitalAbstract
Perkembangan teknologi digital telah mendorong pemanfaatan data sebagai sumber daya strategis dalam kegiatan bisnis, termasuk pada Usaha Mikro, Kecil, dan Menengah (UMKM). Namun, pemanfaatan data pada UMKM masih cenderung terbatas dan belum mendukung pengambilan keputusan secara optimal. Penelitian ini bertujuan menganalisis pemanfaatan data sains dalam pengambilan keputusan pada UMKM sektor pakaian di Kecamatan Cimenyan, Kabupaten Bandung, serta mengidentifikasi faktor-faktor yang memengaruhi penggunaannya. Penelitian menggunakan pendekatan kualitatif deskriptif dengan teknik pengumpulan data berupa wawancara mendalam, observasi, dan dokumentasi terhadap pelaku UMKM yang dipilih secara purposive. Analisis data dilakukan menggunakan model interaktif Miles, Huberman, dan Saldaña melalui tahapan reduksi data, penyajian data, dan penarikan kesimpulan. Hasil penelitian menunjukkan bahwa sebagian besar pelaku UMKM memahami data sebatas catatan penjualan dan stok barang yang digunakan untuk kebutuhan operasional. Pengambilan keputusan masih didominasi oleh intuisi dan pengalaman dibandingkan analisis data yang sistematis. Kendala utama yang dihadapi meliputi rendahnya literasi data, keterbatasan teknologi, serta kurangnya pengetahuan mengenai teknik analisis data. Meskipun demikian, pelaku UMKM mulai menyadari pentingnya data dalam mendukung pengembangan usaha dan peningkatan daya saing. Penelitian ini menyimpulkan bahwa terdapat kesenjangan antara potensi pemanfaatan data sains dan praktik yang dilakukan oleh pelaku UMKM. Oleh karena itu, diperlukan peningkatan literasi data, pelatihan analisis sederhana, serta dukungan teknologi yang mudah diakses guna mendorong pengambilan keputusan berbasis data pada UMKM.
References
Beschi, S., Falessi, D., Golia, S., & Locoro, A. (2025). Characterizing data visualization literacy: A systematic literature review. arXiv. https://arxiv.org/abs/2503.14468
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed methods approaches (5th ed.). SAGE Publications.
Cruz, R. N. (2025). Data-driven decision-making in marketing: A systematic review. Systems, 13(12), 1–24.
Domracheva, P. (2025). Data-driven decision-making in SMEs: Challenges and opportunities. Theseus University of Applied Sciences.
Kitchin, R. (2017). The data revolution: Big data, open data, data infrastructures and their consequences (2nd ed.). SAGE Publications.
Laudon, K. C., & Laudon, J. P. (2020). Management information systems: Managing the digital firm (16th ed.). Pearson.
Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. SAGE Publications.
Miles, M. B., Huberman, A. M., & Saldaña, J. (2014). Qualitative data analysis: A methods sourcebook (3rd ed.). SAGE Publications.
Provost, F., & Fawcett, T. (2013). Data science for business: What you need to know about data mining and data-analytic thinking. O'Reilly Media.
Robbins, S. P., & Coulter, M. (2018). Management (14th ed.). Pearson Education.
Tawil, A. R. H., Mohamed, M., Schmoor, X., Vlachos, K., & Haidar, D. (2024). Trends and challenges towards effective data-driven decision making in small and medium-sized enterprises: Case studies and lessons learnt. Big Data and Cognitive Computing, 8(7), 1–28. https://doi.org/10.3390/bdcc8070078
World Bank. (2021). World development report 2021: Data for better lives. World Bank. https://doi.org/10.1596/978-1-4648-1600-0
