Abstract:Abstract: Twitter occupies the top position of the most popular social media platform in Indonesia. Police and other related issues were the subject of much discussion. The aim of this research is to analyze public sentiment…
ment towards the National Police Agency using Twitter with the support vector machine method. The research started by crawling Twitter data. The data contains a total of 6,925 entries for three keywords. Next, we move on to the preprocessing stage consisting of (cleaning, case folding, tokenization, and filtering). Next is the tf-idf feature extraction stage, finally the classification and evaluation stage. The results of manual data inspection (73:27) showed accuracy of 70.66%, precision of 70.68%, and recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. The results of manual data checking (82:18) showed accuracy of 70.66%, precision of 70.68%, recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. From the data system testing results (80:20), accuracy was 87.55%, positive precision 87.53%, negative precision 88.24%, positive recall 99.48%, and negative recall. the rate is 99.48.% – The result is 21.43%. Data testing results (60:40) showed accuracy of 86.89%, positive precision of 86.84%, negative precision of 88.46%, positive recall of 99.61%, and negative recall of 16.43%. Single test data validation system (80:20), accuracy 87.55, overall test cross validation system (k fold 5 accuracy) 86.673%.
Keywords: data mining;police agencies;support vector machines
Abstrak: Twitter menduduki posisi teratas platform media sosial terpopuler di Indonesia. Polisi dan masalah terkait lainnya menjadi pokok bahasan banyak pembicaraan. Tujuan penelitian ini untuk menganalisis sentimen masyarakat terhadap Badan Kepolisian Nasional menggunakan Twitter dengan metode support vector machine. Penelitian dimulai dengan crawling data Twitter. Data memuat total 6.925 entri dari tiga kata kunci. Selanjutnya beralih ke tahap preprocessing terdiri dari (pembersihan, pelipatan kasus, tokenisasi, dan pemfilteran). Selanjutnya tahap ekstraksi fitur tf-idf, terakhir tahap klasifikasi dan evaluasi. Hasil pemeriksaan data manual (73:27) menunjukkan akurasi 70,66%, presisi 70,68%, dan recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Hasil pemeriksaan data secara manual (82:18) menunjukkan akurasi 70,66%, presisi 70,68%, recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Dari hasil pengujian sistem data (80:20), akurasi 87,55%, presisi positif 87,53%, presisi negatif 88,24%, recall positif 99,48%, dan recall negatif. tarifnya adalah 99,48.% – Hasilnya 21,43%. Hasil pengujian data (60:40) menunjukkan akurasi 86,89%, presisi positif 86,84%, presisi negatif 88,46%, recall positif 99,61%, dan recall negatif 16,43%. Uji tunggal sistem validasi data (80:20), akurasi 87,55, uji keseluruhan sistem validasi silang (akurasi k fold 5) 86,673%.
Kata Kunci: data mining;instansi kepolisian;mesin vektor pendukung
Abstract:Abstract: The current development of technology has successfully met various societal needs, one of which is the buying and selling activities. This development has led people to engage in online transactions, where buyers…
rs do not necessarily have to meet sellers in person. Tokopedia is one of the most popular e-commerce platforms used in Indonesia. Security issues arose when in 2020 Tokopedia experienced a breach, with data from around 91 million accounts being compromised by hackers. Consequently, Tokopedia needed to establish a Data Protection and Privacy Office (DPPO) to protect and safeguard user data privacy.This research addresses how perceptions of security and privacy can influence users' trust in transacting on Tokopedia. Using multiple linear regression analysis, the study evaluates the relationship between perceptions of data security and privacy with trust in transacting on Tokopedia. Based on the calculations of the multiple linear regression model using previously collected respondent data, it was found that perceptions of data security do not directly affect trust in transactions. However, perceptions of privacy are considered to have a significant influence and can increase trust in transactions among students in Pekanbaru.
Keywords: data security; e-commerce; tokopedia; transaction trust; user perceptions
Abstrak: Perkembangan teknologi saat ini telah sukses mencapai berbagai kebutuhan masayarakat salah satunya kegiatan jual beli, perkembangan ini membawa manusia untuk dapat melakukan jual beli secara online dimana tidak mengharuskan pembeli bertemu penjual secara langsung. Tokopedia menjadi salah satu platform e-commerce yang sangat popular digunkanan diindonesia. Masalah keamaan terjadi dimana pada tahun 2020 tokopedia mengalami peretasan dengan sekitar 91 juta akun berhasil diperoleh datanya oleh peretas, sehingga Tokopedia perlu membentuk data protection and privacy office (DPPO) guna melindungi dan menjaga privasi data pengguna Tokopedia.terkait hal tersebut penelitian ini mengangkat bagaimana persepsi keamanan dan privasi dapat mempengaruhi kepercayaan pengguna dalam bertransaksi ditokopedia. Dengan menggunakan metode regresi linear berganda, evaluasi dilakukan untuk menjelaskan hubungan antara persepi keamanan data dan privasi terhadap kepercayaan bertransaksi ditokopedia. Berdasarkan perhitungan model regresi linear berganda menggunakan data responden yang telah dilakukan sebelumnya didapat persepsi keamanan data terhadap kepercayaan bertransaksi tidak berpengaruh secara langsung. Namun pada persepsi privasi terhadap kepercayaan bertransaksi dinilai sangat berpengaruh dan dapat meningkatkan kepercayaan bertransaksi di kalangan mahasiswa di pekanbaru.
Kata kunci: e-commerce; keamanan data; kepercayaan transaksi; persepsi pengguna; tokopedia
Abstract:Abstract: The development of information technology has significantly impacted the efficiency and effectiveness of information system management, including inventory management. This research aims to implement the Features…
es from Accelerated Segment Test (FAST) method in a web-based Inventory Information System to increase the speed of object detection and recognition in the stock monitoring process. The system development method in this research uses the Framework for the Application of System Thinking (FAST) which consists of 7 development phases. The FAST method helps ensure that the objectives are clear, specific, and achievable, ultimately leading to a more efficient and effective system. Implementing of this method in the web-based Inventory Information System is expected to provide faster and more accurate results in identifying stock changes, thereby minimizing the risk of shortages or excess inventory. Users can easily access real-time stock information via a responsive web interface. The system performance evaluation’s findings demonstrate that the FAST approach can speed up object detection, which benefits inventory management. Implementing the FAST method in a web-based inventory information system can bring many strategic and operational benefits and is expected to significantly increase the efficiency and accuracy of inventory management in an increasingly competitive market.
Keywords: FAST method; inventory; UML;website
Abstrak: Perkembangan teknologi informasi telah memberikan dampak besar terhadap efisiensi dan efektivitas pengelolaan sistem informasi, termasuk dalam hal manajemen persediaan barang. Penelitian ini bertujuan untuk mengimplementasikan metode FAST pada Sistem Informasi inventaris berbasis web guna meningkatkan kecepatan deteksi dan pengenalan objek pada proses monitoring stok barang. Metode pengembangan sistem menggunakan Framework for the Application of System Thinking (FAST) yang terdiri dari 7 fase pengembangan. Metode FAST membantu memastikan bahwa tujuan jelas, spesifik, dan dapat dicapai, yang pada akhirnya menghasilkan sistem yang efisien dan efektif. Implementasi metode ini pada aplikasi inventaris berbasis web diharapkan bisa membagikan hasil lebih cepat dan akurat mengidentifikasi perubahan stok barang, sehingga meminimalkan risiko kekurangan atau kelebihan persediaan. Pengguna dapat dengan mudah mengakses informasi stok barang secara real-time melalui antarmuka web yang responsif.Hasil evaluasi performa sistem menunjukkan bahwa metode FAST mampu meningkatkan kecepatan deteksi objek, sehingga memberikan kontribusi positif terhadap manajemen persediaan barang. Dengan adanya implementasi metode FAST pada Sistem Informasi inventaris berbasis web, dapat membawa banyak manfaat strategis dan operasional dan diharapkan bisa memberikan kontribusi signifikan dalam menaikkan efisiensi dan kecermatan pengelolaan persediaan barang di pasar yang semakin kompetitif.
Kata Kunci: metode FAST; persediaan barang; UML; website
Abstract:Abstract: Rohingya refugees continue to arrive in Aceh by sea by boat. Based on data from the United Nations High Commissioner for Refugees (UNCHR), as of December 10 2023, 1,543 Rohingya refugees had landed in Aceh since…
e mid-November 2023. The increasing number of refugees arriving has caused resistance from local residents. This rejection was the result of the bad experiences of Acehnese people with Rohingya refugees. The main problem of this research is that analyzing public opinion on Rohingya ethnicity in Indonesia is still done manually by looking at tweets one by one. The solution to overcome this is to analyze opinions using data crawling with the Naïve Bayes algorithm. The purpose of this research is to determine public opinion on Twitter media regarding refugee refugees. The method used in this research is the Naïve Bayes algorithm method. The results of the research show that the Naïve Bayes algorithm can classify public opinion sentiment on Twitter social media towards the Rohingya Ethnic in Indonesia into positive sentiment. and negative with a total accuracy of 70%. So, the words "Rohingya Ethnicity in Indonesia" tend to be accepted by the X community with the arrival of Rohingya refugees in Indonesia.
Keywords: rohingya; twitter; naïve bayes; opinion
Abstrak: Pengungsi Rohingya terus berdatangan ke Aceh melalui jalur laut dengan menggunakan perahu. Berdasarkan hasil data United Nations High Commissioner for Refugees (UNCHR), per 10 Desember 2023 sebanyak 1.543 pengungsi Rohingya datang ke dalam wilayah Aceh. Meningkatnya jumlah pengungsi yang datang menimbulkan perlawanan dari warga setempat. Penolakan ini imbas dari pengalaman buruk warga Aceh terhadap pengungsi Rohingya. Permasalahan utama penelitian ini yaitu menganalisis opini publik terhadap Etnis Rohingya di Indonesia masih secara manual dengan melihat tweet satu persatu. Solusi mengatasi hal tersebut maka analisis opini menggunakan crawling data dengan algoritma Naïve Bayes. Tujuan penelitian ini untuk mengetahui opini publik pada media twitter terkait pengungsi Rohingya. Metode yang digunakan dalam penelitian ini yaitu metode algoritma Naïve Bayes. Hasil penelitian menunjukan bahwa pada algoritma Naïve Bayes dapat mengklasifikasikan sentimen dengan total akurasi 70%. Maka “Etnis Rohingya di Indonesia†cenderung dapat diterima oleh masyarakat X dengan datangnya pengungsi Rohingya di Indonesia.
Kata kunci: rohingnya; twitter; naïve bayes; opini
Abstract:Abstract: Abstract: this study evaluates and compares the performance of two edge detection methods Sobel method and Canny method on batik image. Batik images have unique characteristics and complex patterns, making it…
difficult to analyze the edges. This study presents a comparison of the results using sobel and canny edge detection methods on batik kawung images both from peak signal-to-noise reatio and from mean squared error. The results showed that canny edge detection was better than sobel method. This can be seen from the results of PSNR and MSE that is 100%. This analysis is determined by considering factors such as the accuracy of edge detection, sensitivity to noise, and the ability to handle the complexity of batik drawing patterns. The results of this study provide a detailed description of the advantages and disadvantages of each method in the image of batik kawung. The conclusions that can be drawn from this study can provide valuable guidance for choosing the optimal edge detection method in image analysis of batik kawung and others.
Keywords: batik kawung; canny; MSE; PSNR; sobel
Abstrak: Penelitian ini mengevaluasi dan membandingkan kinerja dua metode deteksi tepi metode Sobel dan metode Canny pada citra batik. Gambar batik mempunyai ciri-ciri yang unik dan pola yang kompleks, sehingga menyulitkan analisis tepian. Penelitian ini menyajikan perbandingan hasil menggunakan metode deteksi tepi sobel dan canny pada citra batik kawung baik dari peak signal-to-noise reatio maupun dari mean squared error. Hasil penelitian ini menunjukkan bahwa deteksi tepi canny lebih baik dibandingkan dari metode sobel. Hal ini dapat dilihat dari hasil PSNR dan MSE yang dihasilkan yaitu 100%. Analisis ini ditentukan dengan mempertimbangkan faktor-faktor seperti keakuratan deteksi tepi, kepekaan terhadap noise, dan kemampuan menangani kompleksitas pola gambar batik. Hasil penelitian ini memberikan gambaran secara detail mengenai kelebihan dan kekurangan masing-masing metode pada citra batik kawung. Kesimpulan yang dapat diambil dari penelitian ini dapat memberikan panduan berharga untuk memilih metode deteksi tepi yang optimal dalam analisis citra batik kawung dan yang lainnya.
Kata kunci: batik kawung; canny; MSE; PSNR; sobel
Abstract:Abstract: The advancement of information technology and knowledge has facilitated the production of quality information. The use of information technology has penetrated all fields, especially in the teaching domain at higher…
igher education institutions, aiding in valuable decision-making processes. This research focuses on STMIK Royal Kisaran, which faces challenges in increasing the number of doctoral-educated lecturers. To address this limitation, the study explores the implementation of a Decision Support System (DSS) using the Profile Matching method. Lecturers in higher education play a crucial role in providing education, conducting research, and contributing to society. In an effort to enhance the qualifications of lecturers, this research designs a Decision Support System using the Profile Matching method. The aim of this research is to provide recommendations for prospective lecturer candidates to pursue a Doctoral degree based on criteria factors such as length of service, functional position, research score, dedication score, age, and recognition score. Data from 46 lecturers at STMIK Royal Kisaran who meet the criteria are used to test the validity and effectiveness of the Decision Support System (DSS). Through structured analysis, it is demonstrated that the Decision Support System using the Profile Matching method successfully provides recommendations for suitable lecturer candidates to pursue doctoral studies.
Keywords : decision support systems; higher education; information Technology; lecturer qualifications; profile matching.
Abstrak: Kemajuan teknologi informasi dan ilmu pengetahuan telah menghadirkan kemudahan dalam menghasilkan informasi yang berkualitas, penggunaan teknologi informasi sudah memasuki segala bidang terutama bidang pengajaran pada perguruan tinggi dan membantu pengambilan keputusan yang bernilai. Penelitian ini berfokus pada STMIK Royal Kisaran yang mengalami kendala dalam meningkatkan jumlah dosen berpendidikan Doktor. Untuk mengatasi keterbatasan tersebut, penelitian ini mengeksplorasi penerapan Sistem Pendukung Keputusan (DSS) dengan menggunakan metode Profile Matching. Dosen pada pendidikan tinggi mempunyai peran penting dalam memberikan pendidikan, melakukan penelitian, dan memberikan kontribusi kepada masyarakat. Dalam upaya meningkatkan kualifikasi dosen, penelitian ini merancang Sistem Pendukung Keputusan dengan menggunakan metode Profile Matching. Penelitian ini bertujuan untuk memberikan rekomendasi kandidat calon dosen untuk mengejar gelar Doktor dengan berlandaskan faktor kriteria seperti lama kerja, jabatan fungsional, nilai penelitian, nilai pengabdian, umur, dan nilai rekognisi. Data dari 46 dosen STMIK Royal Kisaran yang memenuhi kriteria digunakan untuk menguji validitas dan efektivitas Sistem Pendukung Keputusan (SPK). Melalui analisis terstruktur, menunjukkan bahwa Sistem Pendukung Keputusan menggunakan metode Profile Matching berhasil memberikan rekomendasi calon dosen yang layak direkomendasikan untuk melanjutkan studi ke jenjang Doktor.
Kata Kunci : kualifikasi dosen; pencocokan profil; pendidikan yang lebih tinggi; sistem pendukung keputusan; teknologi Informasi.
Abstract:Abstract: This study aims to train computers to recognize Javanese script characters known as Hanacaraka. The evaluation was conducted on the use of Convolutional Neural Network (CNN) with the ResNet-18 architecture in recognizing…
ecognizing these characters. The research objective is to overcome traditional character recognition barriers and improve accuracy. The method employed includes building a CNN model with the ResNet-18 architecture and using diverse datasets. The results show a training accuracy of 100%, validation accuracy of 98.01%, and accuracy, precision, recall, and F1-score each at 100%. This study concludes that the developed model successfully achieves a high level of accuracy and contributes positively to the development of Javanese Hanacaraka character recognition technology.
Keywords: convolution neural network (CNN); javanese hanacaraka script; resnet-18
Abstrak: Penelitian ini bertujuan melatih komputer untuk mengenali huruf aksara Jawa Hanacaraka. Evaluasi dilakukan terhadap penggunaan Convolutional Neural Network (CNN) dengan arsitektur ResNet-18 dalam pengenalan karakter tersebut. Tujuan penelitian adalah mengatasi hambatan pengenalan karakter tradisional dan meningkatkan akurasi. Metode yang digunakan mencakup pembuatan model CNN dengan arsitektur ResNet-18 dan penggunaan dataset yang beragam. Hasilnya menunjukkan akurasi pelatihan 100%, validasi 98.01%, dan akurasi, presisi, recall, dan F1-score masing-masing sebesar 100%. Simpulan penelitian ini adalah bahwa model yang dikembangkan berhasil mencapai tingkat akurasi yang tinggi dan memberikan kontribusi positif pada pengembangan teknologi pengenalan karakter Hanacaraka Jawa.
Kata kunci: convolution neural network (CNN); huruf aksara jawa hanacaraka; resnet-18
Abstract:Abstract: Children's nutritional issues are an important concern for parents to pay attention to growth and development, especially health and well-being. According to the results of the Ministry of Health's Indonesian Nutrition…
utrition Status Survey (SSGI), there are 4 nutritional problems for children in Indonesia, namely stunting, wasting, underweight and everweight. In this research, how to predict signs of symptoms of a decline in a child's nutritional status using a machine learning algorithm, a prediction model was designed using logistic regression in Python IDE to predict whether a child is indicated by a decline in nutrition or not. Dataset from Bengkayang Community Health Center data consisting of 657 pediatric patient data. The dataset is divided into 7 features (independent variables) and 1 predictor (dependent variable). Test results show perfect performance with precision, recall, F1-score, accuracy values of 100%. Then the visualization results on the ROC (Receiver Operating Characteristic) curve to depict the TP (True Positive) value on the Y axis against the FP (false Positive) value on the become overfit. It is recommended that in preparing the training dataset, measure the training data and reduce the features, after carrying out feature selection to increase the accuracy of the model.
Keywords: child nutritional status; growth and development logistic regression; machine learning
Abstract: Masalah Gizi anak menjadi perhatian penting bagi orangtua untuk memperhatikan tumbuh kembang, terutama kesehatan dan kejahteraan. Menurut hasil survei status Gizi Indonesia (SSGI) Kemenkes memperlihatkan 4 permasalahan gizi anak di Indonesia yaitu stunting, wasting, underweight, dan everweight. Dalam penelitian ini, bagaimana memprediksi tanda gejala penurunan status gizi anak menggunakan algoritma machine learning dirancang model prediksi menggunakan logistic regression pada Python IDE dengan memprediksi anak terindikasi penurunan gizi atau tidak. Dataset dari data Puskesmas Bengkayang yang terdiri 657 data pasien anak. Dataset dibagi menjadi 7 feature (variabel independen) dan 1 predictor (variabel dependen). Hasil Pengujian memperlihatkan kinerja yang sempurna dengan nilai presisi, recall, F1-score, akurasi, sebesar 100%. Kemudian hasil Visualisasi pada kurva ROC (Receiver Operating Characteristic) untuk menggambarkan nilai TP (True Positif) di sumbu Y terhadap nilai FP (false Positif) di sumbu X juga menunjukkan nilai yang sangat tinggi dan sudah mendekati angka 1 ini pertanda bahwa model ini menjadi overfit. Sebaiknya dalam persiapan training dataset diukur dengan data training dan mengurangi feature, setelah melakukan feature Selection untuk meningkatkan akurasi model.
Keywords: logistic regression; machine learning; status gizi anak; tumbuh kembang
Abstract:Abstract: There are a great number of academics that are now conducting research on sentiment analysis by employing supervised and machine learning techniques. The research can be carried out with the assistance of a variety…
iety of sources, including reviews of movies, reviews of Twitter, reviews of online products, blogs, discussion forums, and other social networks. With the progress of technology, individuals may now effortlessly utilize social media platforms to access and share information, as well as express their viewpoints to the general public, without any constraints of distance or time. Twitter is a social media network that serves as a repository for opinions. Diverse techniques are employed to provide optimal and realistically precise pressure detection. The analysis and discussion affirm that the Support Vector Machine (SVM) was effectively employed in this study, utilizing public opinion data on television program reviews in Indonesia. An SVM classifier is employed to examine the Twitter data set by utilizing various parameters. The study successfully completed the preprocessing process by collecting a total of 400 data points, consisting of 320 reviews from 4 television shows for training data and 80 reviews for testing. The data was filtered and classified using SVM, with 200 positive and 200 negative data points for comparison. The experiment utilized the SVM method using TF-IDF to achieve the most accurate test results. The test accuracy was 80%, while the training data accuracy reached 100%.
Keywords: Sentiment Analysis; Support Vector Machine; Television Shows Review, TF-IDF,
Abstrak: Saat ini, banyak akademisi sedang menyelidiki analisis sentimen melalui pemanfaatan teknik yang diawasi dan pembelajaran mesin. Kajian dapat dilakukan dengan menggunakan beberapa sumber seperti review film, review Twitter, review produk online, blog, forum diskusi, atau jejaring sosial lainnya. Dengan kemajuan teknologi, masyarakat kini dapat dengan mudah memanfaatkan platform media sosial untuk mengakses dan berbagi informasi, serta menyampaikan pandangan mereka kepada masyarakat umum, tanpa batasan jarak dan waktu. Twitter adalah jaringan media sosial yang berfungsi sebagai gudang opini. Beragam teknik digunakan untuk menghasilkan deteksi tekanan yang optimal dan presisi secara realistis. Analisis dan pembahasan menegaskan bahwa Support Vector Machine (SVM) efektif digunakan dalam penelitian ini, memanfaatkan data opini publik tentang review program televisi di Indonesia. Pengklasifikasi SVM digunakan untuk memeriksa kumpulan data Twitter dengan memanfaatkan berbagai parameter. Penelitian berhasil menyelesaikan proses preprocessing dengan mengumpulkan total 400 titik data yang terdiri dari 320 review dari 4 acara televisi untuk data pelatihan dan 80 review untuk pengujian. Data disaring dan diklasifikasikan menggunakan SVM, dengan 200 titik data positif dan 200 titik data negatif sebagai perbandingan. Percobaan ini menggunakan metode SVM dengan menggunakan TF-IDF untuk mencapai hasil pengujian yang paling akurat. Akurasi pengujiannya mencapai 80%, sedangkan akurasi data pelatihan mencapai 100%.
Kata kunci: Analisis Sentimen, Review Tayangan Televisi, TF-IDF, Support Vector Machine
Abstract:Abstract: Sales of sponge cakes at Zahra's shop have difficulty meeting customer demand when the demand for sponge cakes increases drastically at certain times. This is because the sales of sponge cakes at Zahra's shop are…
re still calculated based on their own estimates, causing excess production to be made and even a shortage of sponge cake supplies. This problem has an impact on the supply control of sponge cake production which cannot be predicted properly by Zahra's shop. The purpose of this study is to build a forecasting system using the double exponential smoothing method to predict sales of sponge cake at Zahra's shop for the next period based on the data obtained. The research method used in this study is a quantitative method. The results in the calculation of sponge cake sales forecasting using the Double Exponential Smoothing method using alpha 0.5, the number of sponge cake sales for July 2023 on Banana Cake is 430 boxes, with a forecasting error rate of 2.75%, on Chiffon Mocca Sponge cake is 330 boxes, with a forecasting error rate of 2.75%. forecasting error of 4.50%, on Pandan Cake as many as 92 Boxes, with a forecasting error rate of 7.21%, on Ordinary Roll Cake as many as 77 Boxes, with a forecasting error rate of 4.78, So the error rate on Banana Cake, Bolu Chiffon Mocca, Pandan Cake, and Ordinary Roll Cake are in the very good category because they have an error value of less than 10%.
Keywords : double exponential smoothing; forecasting; spoke cake
Abstrak: Penjualan kue bolu pada toko zahra mengalami kesulitan untuk memenuhi permintaan pelanggan ketika permintaan kue bolu meningkat secara drastis diwaktu-waktu tertentu. Hal ini disebabkan karena penjualan kue bolu di toko zahra masih perhitungan berdasarkan perakiraan sendiri sehingga menyebabkan produksi yang dibuat sering kelebihan bahkan kekurangan persedian kue bolu. Masalah tersebut berdampak pada pengendalian persedian produksi kue bolu yang tidak dapat diprediksi dengan baik oleh toko zahra. .Tujuan penelitian ini adalah membangun sistem peramalan dengan metode double exponential smoothing untuk meramalkan penjualan bolu pada Toko Zahra untuk periode berikutnya berdasarkan data yang diperoleh. Metode penelitian yang digunakan dalam penelitian ini adalah metode kuantitatif. Hasil dalam perhitungan peramalan penjualan kue bolu dengan metode Double Exponential Smoothing menggunakan alpha 0.5 jumlah penjualan kue bolu untuk bulan Juli 2023 pada Bolu Pisang sebanyak 430 Kotak, dengan tingkat kesalahan peramalan sebesar 2,75%, Pada Bolu Chiffon Mocca sebanyak 330 Kotak, dengan tingkat kesalahan peramalan sebesar 4,50%, pada Bolu Pandan sebanyak 92 Kotak, dengan tingkat kesalahan peramalan sebesar 7,21%, pada Bolu Gulung Biasa sebanyak 77 Kotak, dengan tingkat kesalahan peramalan sebesar 4,78, Sehingga tingkat kesalahan pada Bolu Pisang, Bolu Chiffon Mocca,Bolu Pandan, dan Bolu Gulung biasa tergolong kategori sangat baik karena memiliki nilai kesalahan kurang dari 10%.
Kata Kunci : peramalan; kue bolu; pemulusan eksponensial ganda