Skripsi/Tugas Akhir

Implementasi Algoritma Eclat dan Time Series Forecasting dalam Peramalan Penjualan pada Toko Bahan Bangunan 577

---

Rating Anda tentang Buku/Tulisan ini!

---

ABSTRAK
Di era digital, pengelolaan stok dan peramalan penjualan menjadi aspek krusial dalam meningkatkan efisiensi operasional dan strategi bisnis, khususnya bagi sektor ritel. Toko Bahan Bangunan 577 menghadapi tantangan dalam mengoptimalkan pengelolaan stok dan strategi pemasaran akibat kurangnya sistem peramalan yang akurat. Penelitian ini mengimplementasikan Algoritma ECLAT untuk menemukan pola asosiasi antar produk dan Time Series Forecasting untuk memprediksi permintaan di masa depan. Data yang digunakan berasal dari histori transaksi penjualan toko dalam periode tertentu. Hasil penelitian menunjukkan bahwa kombinasi algoritma ECLAT dan metode Time Series Forecasting mampu meningkatkan akurasi prediksi stok serta membantu dalam pengambilan keputusan terkait strategi pemasaran. Algoritma ECLAT berhasil mengidentifikasi pola pembelian produk yang sering dibeli bersama, sehingga dapat diterapkan dalam strategi bundling atau rekomendasi produk. Sementara itu, metode Time Series Forecasting memberikan prediksi permintaan produk yang lebih baik berdasarkan pola historis, yang membantu toko dalam merencanakan persediaan dengan lebih optimal. Dengan penerapan sistem ini, toko dapat mengurangi risiko kelebihan atau kekurangan stok, meningkatkan kepuasan pelanggan, serta meningkatkan efisiensi bisnis secara keseluruhan.
Kata Kunci: Peramalan Penjualan, Algoritma ECLAT, Time Series Forecasting, Manajemen Stok, Data Mining

ABSTRACT
In the digital era, inventory management and sales forecasting are crucial in enhancing operational efficiency and business strategies, especially in retail. Toko Bahan Bangunan 577 faces challenges in optimizing stock management and marketing strategies due to the lack of an accurate forecasting system. This study implements the ECLAT Algorithm to identify product association patterns and Time Series Forecasting to predict future demand. The data used in this research comes from the store's historical sales transactions over a specific period. The results indicate that combining the ECLAT Algorithm and Time Series Forecasting improves stock prediction accuracy and Supports decision-making in marketing strategies. The ECLAT Algorithm successfully identifies frequently purchased product combinations, which can be applied in bundling strategies or product recommendations. Meanwhile, the Time Series Forecasting method provides more accurate demand predictions based on historical trends, helping the store plan its inventory more effectively. By implementing this system, the store can reduce the risk of overstocking or understocking, enhance customer satisfaction, and improve overall business efficiency.
Keywords: Sales Forecasting, ECLAT Algorithm, Time Series Forecasting, Inventory Management, Data Mining

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 ARA i - 0479SI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xv + 76 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 28 Februari 2025

Subjek

Skripsi/Tugas Akhir
Forecasting
Algoritma Time Series
Algoritma Eclat

Lampiran File