PERAMALAN PENJUALAN SMARTPHONE MENGGUNAKAN ALGORITME NEURAL NETWORK PADA RETAIL ERAFONE BLOK M
Kata Kunci:
Data Mining, peramalan, neural network, Forecasting, Smartphone SalesAbstrak
Teknologi dan komunikasi saat ini memegang peranan penting dalam kehidupan. Efek yang terlihat jelas adalah penggunaan Smartphone yang mendorong persaingan antar Brand Smartphone yang berbeda. Pada 2021, penjualan Smartphone di Indonesia menncapai 40,9 juta unit. Tren penjualan Smartphone di Indonesia pada Q4 2021 memiliki tiga Brand Smartphone utama termasuk OPPO, VIVO dan SAMSUNG yang mempengaruhi perusahaan di industri penjualan Smartphone. Permasalahan yang terjadi pada Toko Retail Erafone Blok M yaitu belum dapat di prediksi penjualan Smartphone di masa mendatang, yang mana penjualan suatu waktu dapat terjadi secara tidak stabil. Yang mengakibatkan stok produk sulit untuk diprediksi. Untuk itu dalam mempermudah toko mempersiapkan stok produk penjualan Brand Smartphone dimasa mendatang adalah dengan menerapkan metode prediksi Data Mining menggunakan Algoritme Neural Network. Hasil penelitian ini mendapatkan bahwa peramalan menggunakan algoritme Neural Network menghasilkan hasil peramalan yang baik karena menghasilkan nilai RMSE yang rendah yaitu Brand Smartphone SAMSUNG dengan Range harga Low senilai 0.510, Range harga Middle senilai 0,374 dan Range harga High senilai 0.070. Brand Smartphone VIVO dengan Range harga Low senilai 0.457, Range harga Middle senilai 0,045 dan Range harga High senilai 0.485. Brand Smartphone OPPO dengan Range harga Low senilai 0.205, Range harga Middle senilai 0,069 dan Range harga High senilai 0.048.
Referensi
A. Fathoni, “Analisis Faktor-Faktor Yang Mempengaruhi Nilai Penjualan Tepung Tapioka Pada CV. Srikandi Di Gaya Baru Lampung Selatan,” Penelit. Ilmu Manaj., vol. 1, no. May, p. 23, 2016, [Online]. Available: http://etd.lib.metu.edu.tr/upload/12620012/index.pdf
T. Agustiana and Y. Suhari, “Desain Forecasting Penjualan Pada Erafone Android Nation Paragon Semarang Dengan Metode Moving Average Dan Exponential Smoothing,” J. Din. Inform., vol. 11, no. 2, pp. 79–83, 2020, doi: 10.35315/informatika.v11i2.8154.
Z. Nabila, A. Rahman Isnain, and Z. Abidin, “Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means,” J. Teknol. dan Sist. Inf., vol. 2, no. 2, p. 100, 2021, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI
I. Firstiano, S. Achmadi, and F. Santi Wahyuni, “Forecasting Omzet Menggunakan Metode Least Square,” JATI (Jurnal Mhs. Tek. Inform., vol. 4, no. 2, pp. 178–812, 2020, doi: 10.36040/jati.v4i2.2670.
B. Tiara, “Prediksi Penjualan Menggunakan Algoritma Neural Network: Studi Kasus di PT. Balaraja Food Makmur Abadi,” Ipsikom, vol. 6, no. 1, 2018.
S. R. Aflahah Apriliyani, Ema Utami, “Perediksi Penjualan Kosmetik Menggunakan Support Vector Mechine,”Pemodelan Arsit. Sist. Inf. Perizinan Menggunakan Kerangka Kerja Togaf Adm, vol. 3, no. 1, pp. 101–106, 2018.
R. Risqiati, “Penerapan Metode Single Exponential Smoothing dalam Peramalan Penjualan Barang,” Smart Comp Jurnalnya Orang Pint. Komput., vol. 10, no. 3, pp. 154–159, 2021, doi: 10.30591/smartcomp.v10i3.2887.
F. H. Hamdanah and D. Fitrianah, “Analisis Performansi Algoritma Linear Regression dengan Generalized Linear Model untuk Prediksi Penjualan pada Usaha Mikra, Kecil, dan Menengah,” J. Nas. Pendidik. Tek. Inform., vol. 10, no. 1, p. 23, 2021, doi: 10.23887/janapati.v10i1.31035.
Y. Apriyani, “Penerapan Jaringan Syaraf Tiruan Backpropagation Untuk Prediksi Nilai UN Siswa SMPN 2 Cihaurbeuti,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 3, no. 1, pp. 63–70, 2018.
M. A. Hasanah, S. Soim, and A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” J. Appl. Informatics Comput., vol. 5, no. 2, pp. 103–108, 2021, doi: 10.30871/jaic.v5i2.3200.
F. I. Sanjaya and D. Heksaputra, “Prediksi Rerata Harga Beras Tingkat Grosir Indonesia dengan Long Short Term Memory,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 7, no. 2, pp. 163–174, 2020, doi: 10.35957/jatisi.v7i2.388.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
