P PT. Garuda Indonesia (Persero) Tbk. merupakan salah satu perusahaan terbaikmaskapai penerbangan di Indonesia. Sistem intelijensia bisnis dapat berperan serta sebagai alatuntuk memberikan informasi yang akurat dan berguna bagi pengambil keputusan dalam bataswaktu yang ditentukan untuk mendukung pengambilan keputusan dalam pelayanan E-serviceperusahaan. Tujuan dari penelitian ini adalah untuk mengidentifikasi faktor-faktor yang menjadiatribut pelayanan E-Service pada perusahaan PT. Garuda Indonesia (Persero) Tbk. dan membuatusulan penerapan model sistem Intellijensi Bisnis pada pelayanan E-service maskapaipenerbangan Garuda Indonesia sebagai usulan perbaikan pelayanan. Data yang digunakanadalah data komentar pelanggan pada rute Jakarta menuju Singapore dan Singapore menujuJakarta periode Januari sampai Desember 2015. Metode penelitian yang digunakan merupakankombinasi untuk mengembangkan penelitian intelijensia bisnis adalah Diagram Pareto, UnifiedModeling Language (UML), Data Mining algoritma Naïve Bayes, On Line Analytical Processing(OLAP), Extract, Transform, Loading (ETL), dan Data Warehousing. Dari hasil pengolahan datayang telah dilakukan dapat diketahui bahwa faktor-faktor yang menjadi atribut pelayanan Eserviceadalah case origin, comment type, flight number, root case, dan unit to charge. Dari hasilperhitungan data mining Naïve Bayes tahap kedua, didapatkan hasil prior probabilitas terbesarpada rute Jakarta menuju Singapore adalah prior probabilitas antara kelas klasifikasi customercare dan suggestion form dengan nilai prior probabilitas sebesar 0.92, antara kelas klasifikasiinflight service dan customer care dengan nilai prior probabilitas sebesar 1, kelas klasifikasicomment type compliment dan customer care dengan nilai prior probabilitas sebesar 0,76. Hasilprior probabilitas terbesar pada rute Singapore menuju Jakarta adalah prior probabilitas antarakelas klasifikasi customer care dan suggestion form dengan nilai prior probabilitas sebesar 0.92,antara kelas klasifikasi inflight service dan customer care dengan nilai prior probabilitas sebesar1, dan antara kelas klasifikasi comment type compliment dan customer care dengan nilai priorprobabilitas sebesar 0,78. Berdasarkan hasil perhitungan posterior terbesar, usulan perbaikanlebih diprioritaskan pada divisi atau unit to charge Customer Care dengan jumlah nilai posteriorsebesar 136,26 untuk rute Jakarta menuju Singapore dan 167,27 untuk rute Singapore menujuJakarta. Maka, dapat disimpulkan bahwa perbaikan pelayanan E-Service lebih difokuskan padasuggestion form untuk klasifikasi case origin, inflight service untuk klasifikasi ervice type, untukcompliment type untuk klasifikasi comment type, dan divisi unit to charge Customer Care untukmendapatkan peningkatan kepuasan pelanggan.