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