PENGELOMPOKKAN PENJUALAN PRODUK AZR DENGAN ALGORITMA K-MEANS CLUSTERING DAN PENENTUAN METODE PERSEDIAAN PRODUK MELALUI PREDIKSI PENJUALAN PADA E-COMMERCE MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE, WEIGHTED MOVING AVERAGE, DAN EXPONENTIAL SMOOTHING
Produk kosmetik Azr merupakan brand lokal Indonesia yang berdiri pada tahun
2002 terfokus terhadap perawatan tubuh dan perawatan kulit. Munculnya masalah
pada penelitian ini terjadi sebab manajemen persediaan yang dilakukan tidak tepat
sehingga menyebabkan produk menumpuk di gudang (overstock) dan
menyebabkan produk menjadi tidak tersedia di gudang (stockout). Tujuan
penelitian ini adalah mengkategorikan data produk berdasarkan karakteristik
produk (sangat laris, laris, dan kurang laris) dan memberikan rekomendasi metode
prediksi penjualan yang paling sesuai. Penelitian ini mengimplementasikan
Algoritma K-Means Clustering untuk pengelompokkan data produk dan
melakukan peramalan menggunakan tiga metode (metode ARIMA, Weighted
Moving Average, dan Exponential Smoothing) pada setiap produk yang
dinyatakan produk sangat laris. Berdasarkan metode tersebut akan dipilih metode
yang paling sesuai dengan melihat nilai persentase error terkecil pada setiap
model peramalan. Hasil analisis diperoleh lima produk yang dinyatakan produk
sangat laris dan rekomendasi metode yang diberikan terdapat empat produk
memperoleh nilai error yang dikategorikan model layak untuk digunakan
peramalan.
Kata Kunci: Peramalan, Persediaan, Data Mining, ARIMA, Weighted Moving
Average, dan Exponential Smoothing)
URI
https://repo.itera.ac.id/depan/submission/SB2307310019
Keyword