Merfin, Merfin (2021) Forecasting Volume Penjualan Oli dengan Visualisasi Data di PT. Sinar Servindo Sakti Periode 3 Tahun dengan Metode Knowledge Discovery of Database. Master Thesis thesis, Universitas Multimedia Nusantara.
Abstract
Penelitian ini adalah penelitian bersifat kuantitatif yang membahas tentang konsep industri 4.0 dengan mengedepankan era teknologi digital. Secara konsep, penelitian ini berpusat kepada pengembangan forecasting di dalam perusahaan PT. Sinar Servindo Sakti, yaitu perusahaan retail oli yang melakukan pembelian order dari perusahaan mitra mereka. Tujuan dari penelitian ini adalah untuk mengembangkan metode forecasting dengan membuat visualisasi data hasil prediksi berdasarkan pengumpulan data yang di PT Sinar Servindo Sakti menggunakan tools Rapid Miner dan Power BI. Penelitian ini akan menggunakan perhitungan metode Knowledge discovery of Database yang sesuai dengan kondisi dan keadaan survei dengan menggunakan metode observasi, yaitu melakukan pengamatan data berdasarkan data mentah di dalam perusahaan. Sampel yang akan direncanakan adalah data lengkap yang berisi tentang hasil penjualan yang dilakukan perusahaan mitra kepada PT. Sinar Servindo Sakti pada tahun yang akan diselidiki. Untuk pengerjaan penelitian ini, data mentah akan dirapikan di dalam tool Rapid Miner untuk mengerjakan klasifkasi model dan visualisasi data per periode (Agustus 2017 sampai Agustus 2020) menggunakan Power BI. Penelitian ini menghasilkan beberapa klasifikasi model yang tercatat untuk memprediksi volume penjualan yang ada untuk 1 tahun ke depan. Hasil utamanya adalah ketiga model sama kuat dan berkaitan satu sama lain sehingga menghasilkan sistem forecasting yang baik dan menciptakan volume penjualan yang stabil di semua periode.
Item Type: | Thesis (Master Thesis) |
---|---|
Keywords: | Forecasting, Rapid Miner, K-Medeoids, DBScan, dan X- Means |
Divisions: | Faculty of Business > Master of Technology Management |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 12 Oct 2022 03:04 |
Last Modified: | 12 Oct 2022 03:04 |
URI: | https://kc.umn.ac.id/id/eprint/18106 |
Actions (login required)
View Item |