Dalam industri budidaya perikanan, keputusan sering kali harus diambil dengan cepat. Kondisi air dapat berubah dalam hitungan jam, pertumbuhan organisme budidaya bisa melambat tanpa disadari, dan efisiensi pakan dapat berdampak langsung terhadap profitabilitas.
Namun dalam banyak kasus, data operasional tambak masih tersebar dalam berbagai laporan manual, spreadsheet, atau catatan harian. Hal ini membuat proses analisis menjadi lambat dan sulit mendapatkan gambaran menyeluruh mengenai performa budidaya.
Sebagai seorang Data Analyst, saya mencoba menjawab tantangan tersebut dengan membangun sebuah Dashboard Monitoring Budidaya menggunakan Tableau. Tujuan dari dashboard ini adalah menyatukan berbagai indikator penting budidaya dalam satu tampilan visual yang mudah dipahami dan dapat digunakan untuk pengambilan keputusan berbasis data.
![]() |
| Tableau : Dashboard Budidaya |
Sebelum membuat dashboard, langkah pertama adalah memahami kebutuhan analisis dari sisi operasional budidaya. Beberapa pertanyaan utama yang ingin dijawab antara lain:
Dengan menjawab pertanyaan-pertanyaan tersebut, dashboard dapat dirancang tidak hanya sebagai tampilan visual data, tetapi juga sebagai alat analisis yang membantu proses pengambilan keputusan.
Dashboard ini terdiri dari beberapa bagian utama yang saling melengkapi.
Bagian ini memberikan gambaran umum mengenai kondisi operasional setiap customer atau lokasi budidaya, seperti jumlah kolam, fase benur saat tebar, serta jumlah stocking. Informasi ini membantu memahami skala produksi dari masing-masing lokasi.
Pada panel ini, saya memvisualisasikan perkembangan Average Body Weight (ABW) sepanjang siklus budidaya berdasarkan DOC (Day of Culture).
Grafik ini juga dilengkapi trend line untuk membantu melihat pola pertumbuhan apakah sesuai dengan target atau tidak. Selain itu, indikator PDG (Period Daily Growth) memberikan gambaran kecepatan pertumbuhan harian organisme budidaya.
Dengan visualisasi ini, pengguna dapat dengan cepat mendeteksi jika terjadi perlambatan pertumbuhan yang mungkin disebabkan oleh manajemen pakan atau kondisi lingkungan.
Kualitas air merupakan faktor kritis dalam keberhasilan budidaya. Oleh karena itu dashboard ini juga memonitor beberapa parameter penting seperti:
Melalui visualisasi tren parameter kualitas air, operator tambak dapat melihat perubahan kondisi lingkungan secara cepat dan mengambil tindakan sebelum berdampak pada kesehatan organisme budidaya.
Bagian terakhir menampilkan performa produksi berdasarkan beberapa indikator utama seperti:
Analisis ini membantu mengevaluasi efisiensi produksi serta membandingkan performa antar customer atau lokasi budidaya.
Dengan mengintegrasikan berbagai indikator budidaya dalam satu dashboard interaktif, pengguna dapat:
Bagi saya sebagai seorang Data Analyst, proyek ini menunjukkan bagaimana data yang awalnya berupa angka dan tabel dapat diubah menjadi insight yang bermakna melalui visualisasi data. Dashboard bukan hanya sekadar grafik, tetapi sebuah alat yang membantu organisasi memahami kondisi operasional mereka dengan lebih baik.
Melalui proyek ini, saya belajar bahwa kekuatan utama dari data analytics bukan hanya pada teknik analisisnya, tetapi pada bagaimana data dapat diterjemahkan menjadi informasi yang mudah dipahami oleh pengguna bisnis.
Dengan pendekatan visualisasi menggunakan Tableau, dashboard ini diharapkan dapat membantu meningkatkan efisiensi operasional serta mendukung pengambilan keputusan yang lebih cepat dan tepat dalam kegiatan budidaya.
Dalam upaya memperkuat pengelolaan data dan pengambilan keputusan berbasis fakta di lini pembenihan udang, telah dilaksanakan agenda Sosialisasi CPP Shrimp Hatchery Dashboard pada 26 November 2025 dan 10 Desember 2025. Kegiatan ini diselenggarakan secara daring dan diikuti oleh seluruh tim Head of Hatchery Nasional.
Sosialisasi ini bertujuan untuk menyamakan pemahaman terkait pemanfaatan dashboard sebagai alat monitoring terintegrasi, sekaligus meningkatkan visibilitas performa hatchery dari hulu hingga hilir. Dashboard dirancang untuk mendukung evaluasi kinerja, deteksi dini potensi risiko, serta konsistensi standar operasional di seluruh unit.
![]() |
| CPP Shrimp Hatchery Dashboard |
Melalui CPP Shrimp Hatchery Dashboard, tim data melakukan monitoring aktivitas secara end-to-end, meliputi:
Dengan pendekatan data-driven, dashboard ini membantu Head of Hatchery dalam:
Dashboard ini akan terus dikembangkan secara bertahap sesuai kebutuhan operasional dan masukan dari pengguna di lapangan.
Looker Studio merupakan platform gratis dari Google untuk membuat dashboard interaktif dan laporan visual dari berbagai sumber data. Cocok untuk analisis data bisnis, performa kampanye, hingga monitoring data IoT atau budidaya.
Pada artikel kali ini saya mencoba memvisualisasikan data dengan looker studio dalam bentuk dashboard dengan beberapa sumber data.
Data terdiri dari dua bagian yaitu data populasi penduduk dan total emisi karbon dunia (sumber : ourworldindata.org).
Saya menggunakan looker studio dengan sumber data berasal dari google spreadsheets.
![]() | |
| Dashboard Populasi & CO₂ Emissions |
Pada bagian pertama Dashboard menampilkan peta sebaran populasi berdasarkan warna, semakin hijau gelap maka jumlah populasi penduduk semakin tinggi.
Terlihat pada tahun 2023, China dan India mendominasi dengan jumlah penduduk masing-masing mencapai 1,44 M dan 1,42 M. Kemudian disusul oleh USA, Indonesia, Pakistan, Nigeria, Brazil, Banglades, Rusia dan lain-lain.
Pada bagian kedua Dashboard menampilkan CO₂ emissions (line) meningkat per tahun seiring dengan pertambahan jumlah populasi (bar).
Pada bagian ketiga Dashboard menampilkan peta sebaran CO₂ emissions berdasarkan warna, semakin merah maka jumlah CO₂ emissions semakin tinggi.
Terlihat pada tahun 2023, China menyumbang total CO₂ emissions terbanyak, kemudian disusul oleh USA, India, Rusia, Jepang dan lain-lain.
Walaupun secara total tertinggi (posisi 1), China menempati urutan ke-30 dalam CO₂ emissions per kapita. Hal ini berarti rata-rata penduduk China menyumbang 8,37 MT CO₂‑eq per kapita.
Qatar menempati urutan pertama dengan jumlah 38,84 MT CO₂‑eq per kapita, kemudian disusul oleh Brunei, Bahrain, dan lain-lain.
Hal ini masih tergolong jauh lebih tinggi dari rata-rata global yaitu ~4,8 CO₂‑eq per kapit (The Global Economy).
![]() |
| Dashboard 1 |
Industri akuakultur udang di Indonesia terus berkembang pesat, dengan berbagai faktor yang perlu dipantau secara berkala untuk memastikan keberlanjutan dan efisiensi.
Kami telah mengembangkan aplikasi Dashboard Monitoring Berbasis Excel sebagai solusi praktis untuk memudahkan dalam memantau berbagai aspek penting, mulai dari progress trial, performa budidaya tambak pendampingan, hingga analisis pasar pakan udang.
A. Monitoring Progres Trial
Dalam industri akuakultur, uji coba (trial) terhadap metode budidaya, teknologi baru, atau formulasi pakan sangat penting untuk meningkatkan efisiensi produksi. Kami mengembangkan dashboard ini untuk :
B. Dashboard Budidaya Udang
Keberhasilan budidaya udang ditentukan oleh berbagai faktor seperti tingkat kelangsungan hidup, pertumbuhan, dan efisiensi pakan. Kami mengembangkan dashboard ini untuk :
Kami mengembangkan form monitoring untuk monitoring kondisi pasar udang nasional. Form monitoring ini bertujuan untuk mengetahui performa pakan kami dibandingkan dengan kompetitor.
D. Monitoring Volume Pakan Per Tahun
Kami mengembangkan dashboard untuk memonitoring volume pakan pakan kami. Dashboard ini memuat informasi volume pakan berdasarkan nama customer, volume perbulan, volume per regional (area) dan lain sebagainya.
E. Informasi Lingkungan Area
Kondisi lingkungan laut seperti suhu, salinitas, oksigen terlarut, dan kualitas air sangat mempengaruhi keberhasilan budidaya udang.
Kami mengembangkan dashboard untuk monitoring informasi lingkungan lingkungan perairan di Indonesia.