Pendekatan Data-Driven (Machine Learning) merevolusi sistem pendukung keputusan tradisional dengan memanfaatkan model prediktif berbasis data historis (seperti klasifikasi, regresi, atau *clustering*). Kombinasi antarmuka web CodeIgniter 4 dengan *backend machine learning* menghasilkan sistem yang tidak hanya merangking, tetapi juga mampu memprediksi tren dan pola masa depan secara akurat.
Berikut adalah 10 ide baru aplikasi SPK berbasis web menggunakan pendekatan Machine Learning beserta studi kasus uniknya:
1. SPK Prediksi Kelayakan Pemberian Kredit Perbankan Menggunakan Algoritma *Random Forest*
- Studi Kasus: Lembaga keuangan atau bank perkreditan dalam mengotomatisasi keputusan persetujuan kredit berdasarkan riwayat profil risiko nasabah.
- Contoh Fitur Data: Penghasilan Bulanan, Riwayat Kredit (SLIK OJK), Status Pekerjaan, Jumlah Pinjaman, Riwayat Pembayaran Sebelumnya.
2. SPK Sistem Klasifikasi Potensi Mahasiswa *Dropout* Menggunakan *Support Vector Machine* (SVM)
- Studi Kasus: Bagian kemahasiswaan universitas dalam mendeteksi dini mahasiswa yang berisiko putus kuliah agar dapat diberikan bimbingan khusus.
- Contoh Fitur Data: IPK Semester 1 & 2, Jumlah SKS Lulus, Tingkat Kehadiran Kuliah, Status Pembayaran SPP, Jarak Domisili.
3. SPK Prediksi Harga Jual Properti / Rumah Bekas Menggunakan Algoritma *XGBoost*
- Studi Kasus: Portal *e-commerce* properti dalam memberikan estimasi harga wajar suatu hunian secara real-time bagi pembeli dan penjual.
- Contoh Fitur Data: Luas Tanah, Luas Bangunan, Jumlah Kamar Tidur/Mandi, Jarak ke Pusat Kota, Fasilitas Sekitar (Sekolah/Mall).
4. SPK Deteksi Dini Risiko Penyakit Diabetes Berbasis Klasifikasi *K-Nearest Neighbors* (KNN)
- Studi Kasus: Klinik kesehatan atau puskesmas dalam membantu dokter mendiagnosis tingkat risiko diabetes pasien berdasarkan parameter klinis.
- Contoh Fitur Data: Kadar Gula Darah, Indeks Massa Tubuh (BMI), Tekanan Darah, Usia, Riwayat Keturunan Keluarga.
5. SPK Segmentasi Pelanggan E-Commerce Menggunakan *Clustering K-Means* untuk Strategi Marketing
- Studi Kasus: Tim pemasaran toko online dalam mengelompokkan perilaku belanja konsumen guna menyusun target promosi diskon yang tepat sasaran.
- Contoh Fitur Data: Frekuensi Transaksi Pembelian, Rata-rata Nilai Belanja (Monetary), Jangka Waktu Terakhir Belanja (Recency), Total Produk Dilihat.
6. SPK Prediksi Tingkat Kepuasan Pelanggan Restoran Menggunakan Analisis Sentimen Ulasan (*Naive Bayes*)
- Studi Kasus: Manajemen tempat kuliner dalam mengevaluasi kualitas layanan dan makanan secara otomatis dari teks ulasan pelanggan di internet.
- Contoh Fitur Data: Teks Ulasan Pelanggan, Rating Bintang, Kategori Menu yang Dipesan, Waktu Kunjungan, Platform Sumber Ulasan.
7. SPK Sistem Rekomendasi Film / Produk E-Commerce Berbasis *Collaborative Filtering*
- Studi Kasus: Portal hiburan atau toko online dalam menyajikan rekomendasi produk yang paling relevan berdasarkan pola riwayat rating pengguna lain.
- Contoh Fitur Data: Riwayat Rating Pengguna, Kategori Produk Favorit, Riwayat Klik Produk, Waktu Interaksi, Data Demografi Pengguna.
8. SPK Prediksi Volume Penjualan Stok Barang Gudang Menggunakan Regresi *Linear / LSTM*
- Studi Kasus: Divisi *supply chain* perusahaan ritel dalam memproyeksikan kebutuhan stok barang bulan depan untuk menghindari kekurangan inventaris.
- Contoh Fitur Data: Data Penjualan Historis 2 Tahun, Tren Musim (Bulanan/Hari Raya), Harga Jual Produk, Kegiatan Promosi/Diskon, Indikator Inflasi.
9. SPK Klasifikasi Kelayakan Penerima Bantuan Sosial Menggunakan *Decision Tree* (C4.5)
- Studi Kasus: Dinas sosial kelurahan dalam mengotomatisasi penentuan warga miskin yang berhak menerima subsidi pemerintah secara transparan.
- Contoh Fitur Data: Penghasilan Kepala Keluarga, Jenis Dinding & Lantai Rumah, Sumber Air Minum, Kepemilikan Kendaraan, Jumlah Tanggungan.
10. SPK Deteksi Transaksi Kartu Kredit Palsu (*Fraud Detection*) Menggunakan *Logistic Regression*
- Studi Kasus: Divisi keamanan sistem pembayaran digital dalam mengidentifikasi dan memblokir transaksi mencurigakan secara instan.
- Contoh Fitur Data: Nominal Transaksi, Lokasi Geografis Pembelian, Waktu Transaksi, Frekuensi Pembelian Harian, Perangkat yang Digunakan.
Integrasi pendekatan Data-Driven (Machine Learning) ke dalam ekosistem web CodeIgniter 4 dan MySQL mengangkat standar aplikasi Anda dari sistem pendukung keputusan konvensional menjadi sistem cerdas yang prediktif. Studi kasus di atas sangat mutakhir, memiliki nilai riset akademik yang tinggi untuk skripsi, serta sangat diminati di dunia industri modern.
