Sari kedelai Rosi setiap hari memproduksi sari kedelai yang akan disalurkan ke tiga tempat yaitu warung A, B dan C. Penjualan di tiga tempat tersebut setiap harinya mengalami naik turun, akibatnya tidak jarang hasil produksi banyak yang tidak terjual sehingga mengakibatkan kerugian. Selain itu juga mengakibatkan pengadaan bahan baku produksi yang tidak sesuai dengan hasil penjualannya. Selama ini Sari Kedelai Rosi dalam pengadaan bahan baku tidak dinamis setiap harinya atau tidak disesuaikan dengan perkiraan penjualan hari berikutnya karena belum menggunakan sistem prediksi. Oleh karena itu perlu adanya suatu sistem yang dapat memprediksi penjualan setiap harinya. Sistem prediksi yang dibuat menggunakan metode least square. Data yang digunakan yaitu data penjualan 1 April 2016 sampai dengan 31 Mei 2016. Periode yang diprediksi yaitu tiga periode hari selanjutnya. Dari hasil uji coba dapat disimpulkan sistem prediksi penjualan sari kedelai dapat memprediksi penjualan pada periode selanjutnya. Metode least square dapat digunakan untuk memprediksi penjualan sari kedelai dengan nilai korelasi 0,88. Kata kunci: prediksi, penjualan, least square.
Penelitian yang Telah dilakukan dengan melakukan Peramalan Penjualan dengan menerapkan metode double exponential smoothing untuk peramalan terhada penjualan cat dinding pada Toko Material Bangunan (TB) Enggal Jaya Jombang. TB Enggal Jaya merupakan Toko yang bergerak dibidang penjualan material bahan baku dan alat – alat bangunan diantaranya dalah Cat dindning. Banyak varian merk cat dinding yang dijual, akan tetapi peneliti mengambil objek dan sampel cat dinding dengan merk Nippon Paint. Permintaan Cat Nippon sangat tinggi dan mengalami fluktuatif yang sangat bagus seperti terdapat pada grafik penjualan tertinggi adalah cat Nippon paint di tiap bulannya. Begitu juga dengan cat merk lain seperti Jotun, catylac, avitex meskipun hasil penjualan lebih rendah namun tetap mengalami perubahan. Perubahan kebutuhan permintaan menjadikan jumlah persedian cat yang harus disiapkan perusahaan menjadi ketidakpastian. Berbagai jenis dan merk cat yang bervariasi mempersulit pemilik usaha dalam manajemen persediaan cat. Penelitian ini memiliki tujuan membuat sistem informasi bisnis yang dapat menunjang TB.Enggal Jaya untuk melakukan peramalan jumlah cat Nippon paint yang akan dijual di bulan berikutnya, serta dapat mengetahui tingkat akurasi yang diperoleh dari penerapan Double Exponential Smoothing untuk memproyeksikan jumlah permintaan cat Nippon paint pada TB.Enggal Jaya. Metode Double Exponential Smoothing diapaki untuk memproyeksikan jumlah penjualan cat Nippon paint setiap bulannya dengan hasil rata-rata PE sebesar 0,14%. Berdasarkan perhitungan diperoleh hasil Double Exponential untuk peramalan penentuan penjualan cat Nippon paint diperoleh 0,14% dari rata-rata PE yang dihasilkan dan paling efektif dengan persentase yaitu 0,02% dan rata-rata tingkat error dengan nilai sebesar 0,14 % serta hasil persentase tingkat akurasi menggunakan Double Exponential Smoothing memperoleh rata-rata nilai akurasi kurang dari satu. Sehingga dapat disimpulkan proyeksi penjualan cat Nippon paint menggunakan metode ini sangat akurat
Data berukuran besar yang sudah disimpan jarang digunakan secara optimal karena manusia seringkali tidak memiliki waktu dan kemampuan yang cukup untuk mengelolanya. Data bervolume besar seperti data teks, jauh melampaui kapasitas pengolahan manusia yang sangat terbatas. Kasus yang disoroti adalah data abstrak tugas akhir mahasiswa jurusan teknik informatika Universitas Trunojoyo Madura. Dokumen tugas akhir oleh mahasiswa terkait hanya diupload pada SIMTAK (Sistem Informasi Tugas Akhir) dan pelabelan bidang minat penelitian dilakukan manual oleh mahasiswa tersebut, sehingga akan ada kemungkian saat mahasiswa mengisi bidang minat tidak sesuai. Untuk menanggulangi hal tersebut, diperlukan adanya mekanisme pelabelan dokumen secara otomatis, untuk meminimalisir kesalahan. Pada penelitian kali ini dilakukan klasifikasi dokumen abstrak tugas akhir menggunakan metode Learning Vector Quantization (LVQ). Data abstrak diklasifikasikan menjadi 3 yaitu SI RPL (Sistem Informasi – Rekayasa Perangkat Lunak), CAI (Computation – Artificial Intelligence) dan Multimedia. Dari berbagai ujicoba yang dilakukan didapatkan hasil metode LVQ berhasil mengenali 90% data abstrak, dengan berhasil mengenali 100% bidang minat SI RPL dan CAI, dan hanya 70% untuk bidang minat Multimedia. Dengan kondisi terbaik didapatkan dengan parameter reduksi dimensi 20% dan nilai learning rate antara 0,1-0,5.Huge size of data that have been saved are rarely used optimally because people often do not have enough time and ability to manage. Large volumes of data such as text data, exceed human processing capacity. The case highlighted was the final project abstract data from informatics engineering student Trunojoyo University. Documents abstract just uploaded on SIMTAK (Final Project Information System) and the labeling of the areas of interest of research is done manually by the student, so that there will be a possibility to fill the field of interest while the student is not appropriate. To overcome this, we need a mechanism for labeling a document automatically, to minimize errors. In the present study conducted abstract document classification using Learning Vector Quantization (LVQ). Abstract data classified into three class, SI RPL, CAI and Multimedia. Of the various tests carried out showed that LVQ method successfully recognize 90% of abstract data, to successfully identify 100% interest in the field of RPL SI and CAI, and only 70% for areas of interest Multimedia. With the best conditions obtained with the parameter dimension reduction of 20% and the value of learning rate between 0.1-0.5.
Barokah Building Shop (TB. Barokah) located in Singosari, Malang, East Java is one of the shops that sells building materials. Some of the items being sold are white cement and black cement. The number of cement sales every month is very diverse and fluctuating. Black cement occupies a very high number compared to black cement on the sales chart every month. Likewise with the black cement from the Bosowa brand, white cement from the Gresik brand and the Tiga Roda brand, although demand is small, there is still a movement in the number of sales. The fluctuating amount of demand made the amount of product inventory prepared uncertain, which was influenced by the number of types and brands, so that the product inventory management had difficulty in supplying it. This study aims to predict the amount of cement sold in the following month, as well as to determine the performance between the two double exponential smoothing (DES) methods and the simple moving average (SMA) to forecast cement sales results in TB. Barokah. The SMA method is able and can perform forecasts with stable/constant demand or sales data. Meanwhile, the DES method is able and can provide values to the stratified weights with up to date data. DES is capable of forecasting cement sales each month with an average percentange error (PE) of 0.14%, while the SMA is with an average PE value of 1.35%. Based on the test results using data from TB. Barokah found that the most effective method is DES because it has a smaller PE value than the SMA.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.