Utilization of Big Data Analytics in the Decision-Making Process for Performance Improvement at PT Perkebunan Nusantara IV

Abstract

Studi ini mengatasi kesenjangan 24% dalam produktivitas CPO di PT Perkebunan Nusantara IV (PTPN IV) Regional V, di mana hasil FFB saat ini sebesar 12,31 ton/ha menghasilkan produktivitas CPO sebesar 2,59 ton/ha, yang masih jauh dari target KPI sebesar 3,403 ton/ha. Penelitian ini menunjukkan bagaimana Big Data Analytics (BDA), yang didukung oleh artefak Knowledge Management (KM), meningkatkan pengambilan keputusan strategis untuk meningkatkan kinerja. Dengan menggunakan analitik deskriptif, diagnostik, prediktif, dan preskriptif, studi ini mengidentifikasi pendorong utama produksi FFB dan meramalkan tren masa depan. Temuan studi ini memproyeksikan peningkatan 16,65% dalam produksi FFB pada tahun 2025, mencapai 399.362,63 ton, yang menghasilkan produktivitas CPO sebesar 3,52 ton/ha, sedikit melebihi target KPI. Analisis Pareto mengungkapkan bahwa tiga afdeling yang berkinerja buruk menyumbang 80,59% dari kekurangan produktivitas, menyoroti afdeling untuk intervensi yang lebih terfokus. Analitik preskriptif kemudian memberikan strategi yang dapat ditindaklanjuti untuk alokasi sumber daya dan perencanaan intervensi, memungkinkan manajer untuk memprioritaskan tindakan di area yang akan memberikan peningkatan kinerja terbesar. Studi ini menekankan bagaimana BDA dapat digunakan untuk memprioritaskan intervensi strategis, mengoptimalkan alokasi sumber daya, dan memastikan tujuan kinerja tercapai. Dengan mengintegrasikan output BDA dengan proses KM, pendekatan ini membantu organisasi untuk menutup kesenjangan kinerja dan meningkatkan produktivitas. Studi ini memberikan kontribusi pada literatur manajemen strategis dengan menunjukkan peran BDA dalam meningkatkan pengambilan keputusan dan kinerja dalam lingkungan operasional yang kompleks.

This study addresses a 24% gap in CPO productivity at PT Perkebunan Nusantara IV (PTPN IV) Regional V, where current FFB yields of 12.31 tons/ha result in CPO productivity of 2.59 tons/ha, falling short of the target KPI of 3.403 tons/ha. The research demonstrates how Big Data Analytics (BDA), supported by Knowledge Management (KM) artifacts, enhances strategic decision-making to improve performance. Using descriptive, diagnostic, predictive, and prescriptive analytics, the study identifies key drivers of FFB production and forecasts future trends. The findings project a 16.65% increase in FFB production in 2025, reaching 399,362.63 tons, resulting in CPO productivity of 3.52 tons/ha, slightly exceeding the KPI target. Pareto analysis reveals that three underperforming afdelings contribute to 80.59% of the productivity shortfall, highlighting them for targeted intervention. Prescriptive analytics then provides actionable strategies for resource allocation and intervention planning, allowing managers to prioritize actions in areas that will drive the greatest improvements. This study emphasizes how BDA can be used to prioritize strategic interventions, optimize resource allocation, and ensure that performance goals are met. By integrating BDA outputs with KM processes, this approach helps organizations close performance gaps and improve productivity. The study contributes to strategic management literature by demonstrating the role of BDA in enhancing decision-making and performance in complex operational environments.