Analisis Prediksi Pola Penjualan pada Kantin Sehat Universitas Majalengka menggunakan Data Mining Metode Time Series Analysis dan Algoritma SARIMA
DOI:
https://doi.org/10.36423/index.v6i2.1905Abstrak
Penerapan data mining memberikan dampak serta kontribusi besar dalam berbagai bidang dan sektor termasuk ritel dan layanan makanan. Data mining dalam konteks analisis telah menjadi salah satu kunci dalam memahami pola dan tren pada sebuah kumpulan data, pada kantin sehat Universitas Majalengka terdapat 406 hingga 686 transaksi perminggu nya, seringkali pada pengelolaan persediaan menjadi kendala mengakibatkan pembengkakan biaya operasional yang pada akhirnya mengurangi profitabilitas kantin. metode time series analysis analysis dan algoritma ARIMA dapat digunakan untuk memprediksi nilai bedasarakan data historis dengan tujuan untuk mengoptimalkan pengelolaan persediaan stok berbasis data. Data transaksi penjualan harian secara historis yang diambil dari satu tenant selama periode tertentu digunakan sebagai sampel analisis untuk memprediksi penjualan mingguan dimasa yang akan datang. Hasil prediksi pola penjualan diharapkan dapat dijadikan acuan pengambilan keputusan strategis pada manajemen operasional kantin memberikan rekomendasi pengadaan stok yang lebih efisien, mengurangi biaya operasional, dan meningkatkan profitabilitas kantin
Referensi
M. Mustika et al., DATA MINING DAN APLIKASINYA. Bandung: CV WIDINA MEDIA UTAMA, 2021. Accessed: Jun. 27, 2024. [Online]. Available: https://repository.penerbitwidina.com/publications/351768/data-mining-dan-aplikasinya
N. S. Represa, A. Fernández-Sarría, A. Porta, and J. Palomar-Vázquez, “Data Mining Paradigm in the Study of Air Quality,” Environmental Processes, vol. 7, no. 1, pp. 1–21, Mar. 2020, doi: 10.1007/s40710-019-00407-5.
Y. Ensafi, S. H. Amin, G. Zhang, and B. Shah, “Time-series forecasting of seasonal items sales using machine learning – A comparative analysis,” International Journal of Information Management Data Insights, vol. 2, no. 1, p. 100058, Apr. 2022, doi: 10.1016/j.jjimei.2022.100058.
Aa Herdi Prayoga, “Implementasi Load Balancing Menggunakan Metode Per Connection Classifier (PCC) dengan Failover pada Server Jaringan Mikrotik (Studi Kasus Universitas Majalengka),” Universitas Majalengka, Majalengka, 2023.
A. D. Supriatna and F. A. Alijoyo, “Increasing The Competitiveness Of Sukasari District UMKM Through Digital Technology-Based Cooperatives,” Jurnal Info Sains: Informatika dan Sains, vol. 13, no. 03, pp. 754–759, 2023.
M. Heru Widiyanto, R. Mayasari, and G. Garno, “IMPLEMENTASI TIME SERIES PADA DATA PENJUALAN DI GAIKINDO MENGGUNAKAN ALGORITMA SEASONAL ARIMA,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 3, pp. 1501–1506, Oct. 2023, doi: 10.36040/jati.v7i3.6879.
D. Pratiwi, S. M. U. Agustini, W. Windasari, and E. N. Kencana, “Forecasting Farmer Exchange Rate in Bali Province Using Seasonal Autoregressive Integrated Moving Average (SARIMA) Method,” J Phys Conf Ser, vol. 1503, no. 1, p. 012002, Jul. 2020, doi: 10.1088/1742-6596/1503/1/012002.
R. Saputro and S. Novani, “Data Analytics for Decision-Making in Evaluating the Top-Performing Product and Developing Sales Forecasting Model in an Oil Service Company,” International Journal of Current Science Research and Review, vol. 07, no. 02, Feb. 2024, doi: 10.47191/ijcsrr/V7-i2-14.
V. P. Ariyanti and Tristyanti Yusnitasari, “Comparison of ARIMA and SARIMA for Forecasting Crude Oil Prices,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 7, no. 2, pp. 405–413, Mar. 2023, doi: 10.29207/resti.v7i2.4895.
Hedi, A. Suryani, and A. Binarto, “Forecasting the Number of New Cases of COVID-19 in Indonesia Using the ARIMA and SARIMA Prediction Models,” 2021. doi: 10.2991/aer.k.211106.011.
A. Natayu, Q. J. H. Clarke, and M. Fikri, “Benchmark of Holt-Winters and SARIMA Methods in Predicting Jakarta Climate,” 2022.
S. K. Prilistya, A. E. Permanasari, and S. Fauziati, “The Effect of The COVID-19 Pandemic and Google Trends on the Forecasting of International Tourist Arrivals in Indonesia,” in 2021 IEEE Region 10 Symposium (TENSYMP), IEEE, Aug. 2021, pp. 1–8. doi: 10.1109/TENSYMP52854.2021.9550838.
D. K. Silalahi, “Forecasting of Poverty Data Using Seasonal ARIMA Modeling in West Java Province,” JTAM | Jurnal Teori dan Aplikasi Matematika, vol. 4, no. 1, p. 76, Apr. 2020, doi: 10.31764/jtam.v4i1.1888.
H. U. MY, S. L. Setyowati, K. A. Notodiputro, Y. Angraini, and L. N. A. Mualifah, “Comparison of Seasonal ARIMA and Support Vector Machine Forecasting Method for International Arrival in Lombok,” Jambura Journal of Mathematics, vol. 6, no. 2, pp. 212–219, Aug. 2024, doi: 10.37905/jjom.v6i2.26478.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Aa Herdi Prayoga, Franciskus Antonius Alijoyo
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Seluruh artikel di Informatics and Digital Expert (INDEX) diterbitkan di bawah Lisensi Creative Commons Atribusi 4.0 Internasional (CC BY 4.0). Penulis tetap memegang hak cipta dan memberikan hak publikasi pertama kepada jurnal. Siapa pun boleh membagikan dan mengadaptasi karya untuk tujuan apa pun, termasuk komersial, dengan mencantumkan atribusi yang sesuai, menyertakan tautan ke lisensi, dan menandai perubahan yang dilakukan.
