Implementasi Agentic AI dengan Pendekatan Multi-Agent untuk Meningkatkan Strategi Pemasaran Digital pada Doner Kebab Turkish Pte. Ltd. Cabang Kepulauan Riau

Penelitian ini bertujuan untuk mengimplementasikan Agentic AI dengan pendekatan Multi Agent dalam meningkatkan strategi digital marketing pada Doner Kebab Turkish Pte. Ltd., Cabang Kepulauan Riau. Permasalahan utama terletak pada digital marketing yang masih sederhana, belum terstruktur, dan belum memanfaatkan data secara optimal.

Penelitian ini menggunakan pendekatan kualitatif dengan desain studi kasus. Data diperoleh melalui wawancara dengan tiga partisipan, dan sistem dikembangkan menggunakan metode SDLC prototyping. Sistem mengintegrasikan Retrieval-Augmented Generation (RAG) dengan dua agen utama, yaitu Digital Marketing Specialist dan Sales Data Analyst.

Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan rekomendasi strategi pemasaran yang lebih terstruktur, memberikan ide konten yang relevan, serta mendukung analisis data penjualan. Berdasarkan User Acceptance Testing (UAT), sistem dinilai membantu dalam mendukung pengambilan keputusan, meskipun masih memerlukan pengembangan lebih lanjut.

This study examines to implement Agentic AI using a Multi Agent approach to enhance digital marketing strategy. The main issue lies in the current digital marketing practices, which are still relatively simple, not well-structured, and have not optimally utilized data.

 This research adopts a qualitative approach with a case study design. Data were collected through interviews with three participants, and the system was developed using the SDLC prototyping method. The system integrates Retrieval-Augmented Generation (RAG) with two main agents, namely a Digital Marketing Specialist and a Sales Data Analyst.

The results show that the system is able to generate more structured marketing strategy recommendations, provide relevant content ideas, and support sales data analysis. Based on User Acceptance Testing (UAT), the system is considered helpful in supporting decision-making, although further improvements are still needed to enhance its performance.