IMPLEMENTASI DATA MINING UNTUK OPTIMASI FORECASTING PENJUALAN: STUDI KASUS PADA KEDAI KOPI MUKUKITA

Kamalia, Lailatul (2025) IMPLEMENTASI DATA MINING UNTUK OPTIMASI FORECASTING PENJUALAN: STUDI KASUS PADA KEDAI KOPI MUKUKITA. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (2MB)
	Text BAB I.pdf Download (743kB)
	Text BAB II.pdf Download (1MB)
	Text BAB III.pdf Download (1MB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (693kB)
	Text LAMPIRAN.pdf Download (918kB)

Abstract

Penelitian ini menganalisis data penjualan bulanan Kedai Kopi Mukukita selama 22 bulan dengan menggunakan model ARIMA (Autoregressive Integrated Moving Average) untuk meramalkan permintaan kopi di masa depan. Proses analisis dimulai dengan pengujian stasioneritas data menggunakan uji ADF Augmented Dickey-Fuller), yang menunjukkan bahwa data tidak stasioner pada level 0 tetapi menjadi stasioner setelah differencing. Model ARIMA yang teridentifikasi adalah ARIMA (1,2,0), yang menunjukkan parameter signifikan dan menghasilkan prediksi penjualan yang menunjukkan tren peningkatan setiap bulan, dengan estimasi penjualan mencapai 138 cup untuk November 2024. Akurasi model diukur menggunakan MAPE (Mean Absolute Percentage Error) dengan nilai 31,65%, menandakan model cukup baik untuk peramalan. Selain itu, dashboard interaktif dirancang untuk memvisualisasikan hasil analisis dan memantau data penjualan, yang dapat membantu manajemen dalam pengambilan keputusan strategis. Hasil penelitian ini memberikan wawasan yang berharga bagi pengelolaan penjualan di Kedai Kopi Mukukita dan dapat menjadi dasar untuk penelitian lebih lanjut dalam bidang peramalan penjualan.

Item Type:	Thesis (Bachelor)
Subjects:	Q Science > Q Science (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	12 Sep 2025 07:39
Last Modified:	15 Sep 2025 03:17
URI:	http://repository.unas.ac.id/id/eprint/14089

Actions (login required)

View Item