data mining, time series, k-means, forecast, penjualan kain

Amaral, Constantino Fernandes Seixas (2024) data mining, time series, k-means, forecast, penjualan kain. Masters thesis, Universitas Komputer Indonesia.

	Text 01_UNIKOM_CONSTANTINO FERNANDES_COVER.pdf - Published Version Download (67kB)
	Text 02_UNIKOM_CONSTANTINO_LEMBAR PENGESAHAN.pdf - Published Version Download (460kB)
	Text SURAT KETERANGAN PERSETUJUAN PUBLIKASI.pdf - Published Version Download (469kB)
	Text 03_UNIKOM_CONSTANTINO_PERNYATAAN.pdf - Published Version Download (49kB)
	Text 04_UNIKOM_CONSTANTINO FERNANDES_KATA PENGANTAR.pdf - Published Version Download (119kB)
	Text 06_UNIKOM_CONSTANTINO FERNANDES_DAFTAR ISI.pdf - Published Version Download (156kB)
	Text 07_UNIKOM_CONSTANTINO_FERNANDES_BAB I.pdf - Published Version Download (186kB)
	Text 08_UNIKOM_CONSTANTINO FERNANDES_BAB II.pdf - Published Version Download (466kB)
	Text 09_UNIKOM_CONSTANTINO FERNANDES_BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text 10_UNIKOM_CONSTANTINO FERNANDES_BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text 11_UNIKOM_CONSTANTINO FERNANDES_BAB V.pdf - Published Version Download (167kB)
	Text 12_UNIKOM_CONSTANTINO FERNANDES_DAFTAR PUSTAKA.pdf - Published Version Download (187kB)
	Text Kontak Penulis dan KOntributor.pdf - Published Version Download (108kB)

Abstract

Penelitian ini bertujuan untuk mengelompokkan penjualan menjadi tiga kategori, yaitu penjualan tinggi, penjualan sedang, dan penjualan rendah, serta melakukan peramalan penjualan pada masing-masing kelompok kain. Metode yang digunakan dalam pengelompokan data adalah algoritma K-Means, sedangkan peramalan penjualan dilakukan dengan metode ARIMA (Autoregressive Integrated Moving Average) untuk memprediksi penjualan selama satu tahun. Hasil pengelompokan data menghasilkan tiga cluster, yaitu cluster 0 mewakili penjualan sedang dengan 2.112 jenis kain dan total penjualan Rp 48.540.963, cluster 1 mewakili penjualan rendah dengan 9.343 jenis kain dan total penjualan Rp 5.280.778, serta cluster 2 mewakili penjualan tinggi dengan 239 jenis kain dan total penjualan Rp 178.371.832. Hasil peramalan menunjukkan kain S/K 23CE PUTIH, S/K 30CM HITAM REAKTIF dan S/K 30CM HIJAU diprediksi akan naik, sementara kain seperti S/K 30CE PUTIH, S/K 30COTT ARZ BLACK G6, dan S/K 24C19 BLACK G6 diperkirakan akan turun, Penjualan kain RIB 2X2 20TC SPD HITAM, S/K 30CE C19 BLACK G6, BABY TERRY 30CE/20PE HITAM, S/K 30CE HITAM, S/K 30C20 HITAM, dan S/K 30C20 HITAM diprediksi tetap stabil. Dengan menerapkan algoritma K-Means dan Time Series pada Perusahaan XYZ, diharapkan perusahaan dapat mengelola inventaris dengan lebih efektif dan mengetahui tren penjualan produk.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	data mining, time series, k-means, forecast, penjualan kain
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software
Divisions:	S2 PASCA SARJANA > S2_Magister Sistem Informasi (51)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	15 May 2025 01:55
Last Modified:	15 May 2025 01:55
URI:	http://elibrary.unikom.ac.id/id/eprint/10217

Actions (login required)

View Item