Penerapan Kecerdasan Buatan (N8N) untuk Membuat Laporan Otomatis dari Data di Google Sheets
Keywords:
Kecerdasan Buatan, Google Sheets API, Otomatisasi, Laporan Data, Analisis DataAbstract
Untuk mengelola data, pengguna administratif sering menggunakan Google Sheets, tetapi membuat laporan secara manual memakan waktu dan rawan kesalahan. Studi ini mengembangkan sistem pelaporan otomatis berbasis kecerdasan buatan n8n yang terhubung dengan Google Apps Script. Prosesnya termasuk pengambilan, pembersihan, analisis deskriptif sederhana, dan pembuatan ringkasan berbasis prompt. Dataset yang berbeda digunakan untuk mengevaluasi kecepatan, konsistensi, dan pengurangan eror sistem. Hasilnya menunjukkan bahwa laporan dapat dibuat jauh lebih cepat, lebih teratur, dan lebih konsisten. Karena mudah digunakan dan tidak membutuhkan keahlian teknis, metode ini bagus untuk mahasiswa dan bisnis kecil.
References
Amir, A. R. (2026). Evaluating Workflow Automation Efficiency Using n8n : A Small-Scale Business Case Study. ArXiv, 2602.01311. https://arxiv.org/pdf/2602.01311
Gandomi, A. H., Chen, F., & Abualigah, L. (2023). Big Data Analytics Using Artificial Intelligence. Electronics, 12, 957. https://doi.org/10.3390/electronics12040957
Jansen, J. A., Manukyan, A., Khoury, N. Al, & Akalin, A. (2025). Leveraging large language models for data analysis automation. PLoS ONE, 20(2), e0317084. https://doi.org/10.1371/journal.pone.0317084
Jordan, S., Zabukovšek, S. S., & Klančnik, I. Š. (2022). Document Management System – A Way to Digital Transformation. Naše Gospodarstvo/Our Economy, 68(2), 43–54. https://doi.org/10.2478/ngoe-2022-0010
Kahveci, E. (2025). Digital Transformation in SMEs: Enablers, Interconnections, and a Framework for Sustainable Competitive Advantage. Administrative Sciences, 15(3). https://doi.org/10.3390/admsci15030107
Martínez-Peláez, R., Ochoa-Brust, A., Rivera, S., Brito, H., Félix, R. A., Mena, L. J., Félix, V. G., & Ostos, R. (2023). Role of Digital Transformation for Achieving Sustainability : Mediated Role of Stakeholders , Key Capabilities , and Technology. Sustainability, 15, 11221. https://doi.org/10.3390/ su151411221
Mukhamediev, R. I., Popova, Y., Kuchin, Y., Zaitseva, E., Kalimoldayev, A., Symagulov, A., Levashenko, V., Abdoldina, F., Gopejenko, V., Yakunin, K., Muhamedijeva, E., & Yelis, M. (2022). Review of Artificial Intelligence and Machine Learning Technologies : Classification , Restrictions , Opportunities and Challenges. Mathematics, 10, 2552. https://doi.org/10.3390/ math10152552
Sørensen, N. L., Bemman, B., Jensen, M. B., Thomsen, J. L., & Moeslund, T. B. (2023). Machine learning in general practice : scoping review of administrative task support and automation. BMC Primary Care, 24, 14. https://doi.org/10.1186/s12875-023-01969-y
Talburt, J. R., Ehrlinger, L., & Magruder, J. (2023). Editorial : Automated data curation and data governance automation. Frontiers in Big Data, 6, 1148331. https://doi.org/10.3389/fdata.2023.1148331
Zhang, M., Zhou, G., Yu, W., Huang, N., & Liu, W. (2022). A Comprehensive Survey of Abstractive Text Summarization Based on Deep Learning. Computational Intelligence and Neuroscience, 7132226. https://doi.org/10.1155/2022/7132226
