MARQCHAINSTITUTEMARQCHAINSTITUTE

Jurnal ICT : Information and Communication TechnologiesJurnal ICT : Information and Communication Technologies

Penelitian ini bertujuan menerapkan teknik data mining menggunakan metode regresi linear berganda untuk memprediksi persediaan di website PT. Sumber Jaya Motor. Di era digital saat ini, perusahaan menghadapi tantangan dalam mengelola persediaan, yang dapat berdampak pada efisiensi operasional dan kepuasan pelanggan. Oleh karena itu, prediksi persediaan yang akurat sangat penting untuk meningkatkan efisiensi manajemen persediaan. Metode regresi linear berganda dipilih karena kemampuannya untuk menghubungkan variabel independen yang banyak dengan variabel dependen, sehingga memberikan prediksi yang lebih akurat mengenai persediaan yang dibutuhkan. Data yang digunakan dalam penelitian ini mencakup informasi terkait penjualan, pemasok, dan permintaan yang diperoleh dari PT. Sumber Jaya Motor. Hasil penerapan regresi linear berganda menunjukkan bahwa model yang dikembangkan dapat memberikan prediksi persediaan dengan tingkat akurasi yang tinggi. Sistem ini diimplementasikan di website untuk memudahkan pemantauan dan pengambilan keputusan berbasis data secara real-time. Dengan penerapan metode ini, diharapkan PT. Sumber Jaya Motor dapat mengelola persediaan dengan lebih efisien, mengurangi biaya persediaan, dan meningkatkan pelayanan pelanggan.

Berdasarkan penerapan data mining menggunakan metode regresi linear berganda untuk memprediksi persediaan suku cadang di PT.Sumber Jaya Motor, dapat disimpulkan bahwa sistem berbasis web yang dikembangkan meningkatkan akurasi dan efisiensi manajemen persediaan.Dengan memanfaatkan data penjualan historis dan variabel terkait, sistem berhasil mengurangi kesalahan dalam menentukan tingkat persediaan yang dibutuhkan, sehingga perusahaan dapat memprediksi permintaan masa depan dengan lebih efektif.Sistem yang dibangun menggunakan PHP dan basis data MySQL ini juga menyederhanakan proses pencatatan, pemantauan, dan pembaruan persediaan, sehingga pengguna dapat bekerja lebih cepat dan dengan kesalahan yang lebih sedikit.Peningkatan ini tidak hanya meningkatkan efisiensi operasional, tetapi juga membantu perusahaan mengatasi tantangan berulang dalam memprediksi kebutuhan suku cadang untuk periode mendatang.Penelitian ini juga menunjukkan beberapa peluang pengembangan di masa depan.Sistem dapat ditingkatkan dengan mengintegrasikan model prediksi tambahan seperti ARIMA, Random Forest, atau Artificial Neural Networks untuk membandingkan dan meningkatkan akurasi prediksi.Memasukkan variabel eksternal seperti tren musiman, fluktuasi pasar, dan data pemasok dapat memperkuat hasil prediksi.Penambahan dashboard analitis interaktif, notifikasi tingkat persediaan otomatis, dan aplikasi berbasis mobile juga akan memperluas kegunaan dan mendukung pengambilan keputusan secara real-time.Secara keseluruhan, sistem yang dirancang menyediakan dasar yang kuat untuk perbaikan berkelanjutan dalam peramalan dan manajemen persediaan.

Untuk penelitian lanjutan, dapat dipertimbangkan beberapa arah studi berikut: (1) Mengintegrasikan model prediksi tambahan seperti ARIMA, Random Forest, atau Artificial Neural Networks untuk membandingkan dan meningkatkan akurasi prediksi persediaan. (2) Memasukkan variabel eksternal seperti tren musiman, fluktuasi pasar, dan data pemasok untuk memperkuat hasil prediksi. (3) Menambahkan dashboard analitis interaktif, notifikasi tingkat persediaan otomatis, dan aplikasi berbasis mobile untuk memperluas kegunaan dan mendukung pengambilan keputusan secara real-time. Dengan menggabungkan pendekatan ini, sistem prediksi persediaan dapat menjadi lebih komprehensif dan akurat, sehingga membantu perusahaan dalam mengelola persediaan dengan lebih efektif dan efisien.

Read online
File size328.95 KB
Pages9
DMCAReport

Related /

ads-block-test