Abstract:Abstract: This study is motivated by the underutilization of transaction data at Toko F3I Kisaran in supporting decision-making related to inventory and pricing strategies. Currently, decisions are made conventionally based…
sed on experience, which may lead to overstock or stockout conditions. This research aims to develop a sales prediction model by applying Data Mining techniques using the Multiple Linear Regression method to analyze the influence of stock and price variables on sales. The research methodology includes historical data collection, regression analysis, web-based system design using PHP and MySQL, and system testing through the Black Box method. The results indicate that the developed model is capable of generating measurable and systematic sales estimations based on stock and price variables. The implementation of this system can assist store management in planning inventory levels and pricing strategies more efficiently, thereby improving operational effectiveness and business competitiveness.
Keywords: data mining; multiple linear regression; PHP; sales prediction; web-based system
Abstrak: Penelitian ini dilatarbelakangi oleh belum optimalnya pemanfaatan data transaksi penjualan pada Toko F3I Kisaran dalam mendukung pengambilan keputusan terkait persediaan dan penetapan harga. Selama ini, keputusan masih dilakukan secara konvensional berdasarkan pengalaman, sehingga berpotensi menimbulkan overstock maupun stockout. Penelitian ini bertujuan untuk membangun model prediksi penjualan dengan menerapkan teknik Data Mining menggunakan metode Regresi Linier Berganda guna menganalisis pengaruh variabel stok dan harga terhadap penjualan. Metodologi penelitian meliputi pengumpulan data historis, analisis perhitungan regresi, perancangan sistem berbasis web menggunakan PHP dan MySQL, serta pengujian sistem dengan metode Black Box. Hasil penelitian menunjukkan bahwa model yang dibangun mampu menghasilkan estimasi penjualan berdasarkan variabel stok dan harga secara lebih terukur dan sistematis. Implementasi sistem ini dapat membantu manajemen toko dalam merencanakan jumlah persediaan dan strategi harga secara lebih efisien, sehingga meningkatkan efektivitas pengelolaan bisnis dan daya saing perusahaan.
Kata kunci: data mining; prediksi penjualan; regresi linier berganda; sistem berbasis web; PHP
Abstract:Abstract: This study aims to classify the nutritional status of toddlers based on anthropometric data using the K-Nearest Neighbor (KNN) algorithm. Data were obtained from 20 Integrated Health Posts (Posyandu) in Rumbai…
Timur District, including Lembah Sari Village and Limbungan Village with a total of 1,000 toddler data. After cleaning and preprocessing, 782 data were obtained ready for use. The preprocessing stages include data cleaning and transformation, outlier removal, minority class handling, and data normalization. Next, data balancing was carried out using the Synthetic Minority Oversampling Technique (SMOTE) to address class imbalance. The data was divided into 80% training data and 20% test data, then the K parameter was tested from 1 to 15 using 5-fold cross-validation. The results showed that the value of K = 1 provided the best performance with a macro recall of 0.8827 and an accuracy of 86.26%. These results indicate that the combination of the KNN algorithm with the SMOTE method and Min-Max normalization is effective in improving classification performance on imbalanced data and producing accurate and balanced predictions of toddler nutritional status between classes.
Keywords: k-nearest neighbor; toddler nutritional status; SMOTE; min-max scaling; classification; anthropometric data
Abstrak: Penelitian ini bertujuan untuk mengklasifikasikan status gizi balita berdasarkan data antropometri menggunakan algoritma K-Nearest Neighbor (KNN). Data diperoleh dari 20 Posyandu di Kecamatan Rumbai Timur, meliputi Kelurahan Lembah Sari dan Kelurahan Limbungan dengan total 1.000 data balita. Setelah melalui proses cleaning dan preprocessing, diperoleh 782 data yang siap digunakan. Tahapan pra-pemrosesan meliputi pembersihan dan transformasi data, penghapusan outlier, penanganan kelas minoritas, serta normalisasi data. Selanjutnya dilakukan penyeimbangan data menggunakan Synthetic Minority Oversampling Technique (SMOTE) untuk mengatasi ketidakseimbangan kelas. Data dibagi menjadi 80% data latih dan 20% data uji, kemudian dilakukan pengujian parameter K dari 1 hingga 15 menggunakan 5-fold cross-validation. Hasil penelitian menunjukkan bahwa nilai K = 1 memberikan performa terbaik dengan recall macro sebesar 0,8827 dan akurasi 86,26%. Hasil ini menunjukkan bahwa kombinasi algoritma KNN dengan metode SMOTE dan normalisasi Min-Max efektif dalam meningkatkan kinerja klasifikasi pada data tidak seimbang serta menghasilkan prediksi status gizi balita yang akurat dan seimbang antar kelas.
Kata kunci: k-nearest neighbor; status gizi balita; SMOTE; min-max scaling; klasifikasi; data antropometri
Abstract:Abstract: Motorcycle sales are one of the key indicators of growth in Indonesia’s automotive industry. CV. Honda Karya Utama, as an authorized Honda motorcycle dealer, faces challenges due to unstable monthly sales fluctuations.…
ctuations. This uncertainty complicates stock planning, marketing strategy formulation, and may lead to potential losses caused by overstocking or understocking. To address these issues, this study aims to analyze the relationship between time and sales volume and to develop a predictive model that can assist management in making more effective business decisions.
The research was conducted using a quantitative method and a machine learning approach by applying a linear regression algorithm, implemented through the Python programming language and a MySQL database. The dataset used consists of monthly sales data over one year, analyzed to predict future sales trends. The results show that the linear regression algorithm can predict sales trends with a good level of accuracy, achieving evaluation values of MAPE 1.72%, MSE 1.76%, and RMSE 0.57. The developed model assists management in formulating marketing strategies, optimizing inventory planning, and minimizing financial risks. Therefore, linear regression can serve as an effective analytical tool to support strategic business decision-making at CV. Honda Karya Utama.
Keywords: motorcycle sales; linear regression; prediction; sales analysis
Abstrak: Penjualan sepeda motor merupakan salah satu indikator penting dalam pertumbuhan industri otomotif di Indonesia. CV. Honda Karya Utama sebagai dealer resmi sepeda motor Honda menghadapi tantangan berupa fluktuasi penjualan yang tidak stabil setiap bulannya. Ketidakpastian ini menyebabkan kesulitan dalam perencanaan stok, penentuan strategi pemasaran, serta berpotensi menimbulkan kerugian akibat kelebihan atau kekurangan persediaan. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan untuk menganalisis hubungan antara waktu dan jumlah penjualan serta membangun model prediksi yang dapat membantu manajemen dalam pengambilan keputusan bisnis yang lebih efektif. Penelitian dilakukan dengan metode kuantitatif dan pendekatan machine learning menggunakan algoritma regresi linier, dengan implementasi berbasis bahasa pemrograman Python dan basis data MySQL. Data yang digunakan berupa data penjualan bulanan selama satu tahun, yang kemudian dianalisis untuk memprediksi tren penjualan pada periode berikutnya. Hasil penelitian menunjukkan bahwa regresi linier mampu memprediksi tren penjualan dengan tingkat akurasi yang baik, dengan nilai evaluasi MAPE sebesar 1,72%, MSE 1,76%, dan RMSE 0,57. Model ini membantu manajemen dalam menyusun strategi pemasaran, mengoptimalkan perencanaan stok, serta meminimalkan risiko kerugian. Dengan demikian, regresi linier dapat menjadi alat bantu yang efektif dalam mendukung keputusan bisnis di CV. Honda Karya Utama.
Kata kunci: penjualan sepeda motor; regresi linier; prediksi; analisis penjualan
Abstract:Abstract: Bismillah Ponsel in Kisaran Kota faces challenges in managing internet voucher stock due to inefficient manual recording and limited active period. To overcome this problem, the application of the Single Moving…
Average (SMA) forecasting method is proposed to predict stock needs based on historical data. Thus, business owners can manage stock more optimally, avoid shortages or excess inventory, and improve business efficiency and finances. The results of the application of the SMA method show the prediction of voucher stock needs for April and May with fairly good Mean Absolute Percentage Error (MAPE) accuracy. For IM3 vouchers, the stock predictions for each month are 244 and 244.5 (MAPE 8.21%). Axis vouchers as many as 798 (MAPE 5.02%), XL as many as 713 and 724.5 (MAPE 5.02%), Telkomsel as many as 942 and 951 (MAPE 3.23%), Tri as many as 490 and 491 (MAPE 7.94%), and Smartfren as many as 656 and 664 (MAPE 5.38%). With quite high accuracy, the SMA method has proven to be able to predict sales quickly and accurately, help provide stock according to needs, and increase the operational efficiency of Bismillah Ponsel.
Keywords: inventory; management; sales; forecasting; single moving average (SMA).
Abstrak: Bismillah Ponsel di Kisaran Kota menghadapi tantangan dalam pengelolaan stok voucher internet akibat pencatatan manual yang tidak efisien dan masa aktif terbatas. Untuk mengatasi masalah ini, diusulkan penerapan metode peramalan Single Moving Average (SMA) guna memprediksi kebutuhan stok berdasarkan data historis. Dengan demikian, pemilik usaha dapat mengelola stok lebih optimal, menghindari kekurangan atau kelebihan persediaan, serta meningkatkan efisiensi dan keuangan bisnis.Hasil penerapan metode SMA menunjukkan prediksi kebutuhan stok voucher untuk April dan Mei dengan akurasi Mean Absolute Percentage Error (MAPE) yang cukup baik. Untuk voucher IM3, prediksi stok masing-masing bulan adalah 244 dan 244,5 (MAPE 8,21%). Voucher Axis sebanyak 798 (MAPE 5,02%), XL sebanyak 713 dan 724,5 (MAPE 5,02%), Telkomsel sebanyak 942 dan 951 (MAPE 3,23%), Tri sebanyak 490 dan 491 (MAPE 7,94%), serta Smartfren sebanyak 656 dan 664 (MAPE 5,38%). Dengan akurasi yang cukup tinggi, metode SMA terbukti mampu meramalkan penjualan secara cepat dan akurat, membantu penyediaan stok sesuai kebutuhan, serta meningkatkan efisiensi operasional Bismillah Ponsel.
Kata Kunci: manajemen; persediaan; peramalan; penjualan; single moving average (SMA
Abstract:Abstract: Momy's Cake and Bread is one of the businesses engaged in the bakery and cake food industry that produces various types of bread, and cakes, ranging from Korean garlic bread, toasted brownise and others. All products…
oducts have the same raw materials such as wheat flour, sugar, eggs, bananas, butter and others. There are times when there is excess raw material, but sometimes it is also lacking, a shortage of raw material supplies that a little will have an impact on the production process stopping which results in losing customers because they cannot meet their needs. Forecasting is a technique that aims to predict what will happen next based on pre-existing data. With this forecasting technique, it can provide predictions so that users can take effective steps that can be taken next. The ingredients to be predicted are wheat flour, sugar, eggs, bananas, coconut, white butter, cocoa, almonds, cocoa powder, vanilla. So that getting the forecast value in July 2021, the results Mean Absolute Deviation (MAD) = 9,5874, Mean Square Error (MSE) = 18225,39162 and Mean Absolute Perentage Error (MAPE) = 30%, will be designed and built using the language PHP and MySQL programming so that it can be accessed using the internet and the system is based on a website.
Keyword:Forecasting; Single Moving Average; Cake and Bread Raw Materials; Momy's Cake And Bread.
Abstrak: Momy’s Cake and Bread merupakan salah satu usaha yang bergerak di bidang industri makanan roti dan kue yang memproduksi berbagai jenis roti, dan kue, mulai dari roti korean garlic, brownise panggang dan lain-lain. Semua produk memiliki bahan baku yang sama seperti tepung terigu, gula pasir, telur, pisang, mentega dan lain-lain. Ada kalanya bahan baku berlebih, namun terkadang juga kurang, kekurangan persediaan bahan baku yang sedikit akan berdampak pada proses produksi yang berhenti yang berakibat kehilangan pelanggan karena tidak dapat memenuhi kebutuhannya. Peramalan merupakan sebuah teknik yang bertujuan untuk melakukan prediksi mengenai apa yang akan terjadi selanjutnya berdasarkan data-data yang telah ada sebelumnya. Dengan teknik peramalan tersebut dapat memberikan prediksi sehingga penggunanya dapat melakukan langkah-langkah efektif yang dapat dilakukan selanjutnya. Bahan yang akan diramalkan adalah bahan tepung terigu, gula pasir, telur, pisang, kelapa, mentega putih, coklat, kacang almond, coklat bubuk, vanili. Sehingga mendapatkan nilai peramalan pada bulan juli 2021di dapat hasil Mean Absolute Deviation (MAD) = 9,5874, Mean Square Error (MSE) = 18225,39162 dan Mean Absolute Perentage Error (MAPE) = 30%, akan dirancang dan dibangun dengan menggunakan bahasa pemrograman PHP dan MySQL sehingga dapat diakses dengan menggunakan internet dan sistem tersebut berbasis website.
Kata Kunci : Peramalan; Single Moving Average; Bahan Baku Kue dan Roti; Momy’s Cake And Bread.
Abstract:Abstrct : The object of this research is the Sumber Rezeki Rice Refinery which produces rice in Taman Sari, Kec.Pulo Bandring. This Rice Refinery in the processing of supply chain management that has been done can increase…
ease the amount of profit and market share by purchasing rice. Aspects of analysis that occur produce effectiveness and efficiency together in one flow cycle. The use of observations and discussions in the field and designing an application system so that it is able to cope with the rice supply that occurs and predict the rice stock that must be provided by the Sumber Rezeki Rice Refinery.
Keywords: a source of sustenance; predictions; scm; application system; rice stock.
Abstrak : Objek pada penelitian ini adalah pada Kilang Padi Sumber Rezeki yang berproduksi beras di Taman Sari, Kec.Pulo Bandring. Kilang Padi ini dalam pengolahan supply chain management yang telah dilakukannya dapat meningkatkan jumlah keuntungan dan pangsa pasar dengan melakukan pembelian beras. Aspek analisis yang terjadi menghasilkan keefektifan dan keefesienan bersama-sama dalam satu siklus aliran. Penggunaan observasi dan diskusi di lapangan serta melakukan perancangan sistem aplikasi sehingga mampu menanggulangi persediaan beras yang terjadi dan memprediksi stok beras yang harus disediakan oleh Kilang Padi Sumber Rezeki.
Kata kunci : Kilang padi sumber rezeki; prediksi; scm; sistem aplikasi; stok beras.
Abstract:Abstract : This study aims to determine thecrime rate in motorbike theft cases using the programmeing langiage PHP and MySQL as a database and the application of the Exponential Smoothing method to determine the crime rate…
te of motorcycle theft that occurs in the city of Tanjung Balai for the next period. The data used in this study is motorcycle theft report data from 2018 to 2019 wich was obtained from the Tanjung Balai Police. The benefits of this research can be used by the Tanjung Balai police to determine the extent of the motorcycle theft crime that will occur in a shorter, easier and more accurate manner so that it can take optimal prevention. With the Exponential Smoothing method the alpha value will be searched randomly to find an alpha value that was a minimum error value calculated using Means Absolute Percetage Error (MAPE). Then the prediction results that have an alphan with a minimum error are the best of recommended as a prediction result for the next period. Based on this research, the prediction results obtained from the prediction of the number of motorcycle theft cases the occurred in the city of Tanjung Balai in 2020 were 12 units with an MAPE error value of 0,153%.
Keyword : Exponential Smoothing, Theft, Motorcycle, Forecasting
Abstrak : Penelitian ini bertujuan untuk menentukan tingkat kriminalitas kasus pencurian sepeda motor dengan menggunakan bahasa pemrograman PHP dan MySQL sebagai basis data serta penerapan metode Exponential Smoothing untuk menentukan tingkat kriminalitas pencurian sepeda motor yang terjadi di kota Tanjung Balai untuk periode berikutnya. Data yang digunakan dalam penelitian ini adalah data laporan pencurian sepeda motor dari tahun 2018 sampai dengan tahun 2019 yang diperoleh dari POLRES Tanjung Balai. Manfaat dari penelitian ini dapat digunakan oleh kepolisian Tanjung Balai untuk menentukan seberapa besar tindak kriminalitas pencurian sepeda motor yang akan terjadi secara lebih singkat, mudah dan akurat sehingga dapat melakukan pencegahan yang optimal. Dengan metode Exponential Smoothing akan dicari nilai alpha secara acak sampai menemukan nilai alpha yang memiliki nilai error yang minimum yang dihitung menggunakan Means Absolute Percetage Error (MAPE). Maka hasil prediksi yang memiliki alpha dengan error minimumlah yang paling baik atau direkomendasikan sebagai hasil prediksi untuk periode selanjutnya. Berdasarkan penelitian ini diperoleh hasil prediksi peramalan jumlah kasus pencurian sepeda motor yang terjadi di kota Tanjung Balai tahun 2020 adalah 12 unit dengan nilai error MAPE sebesar 0,153%.
Kata Kunci : Exponential Smoothing, Pencurian, Sepeda Motor, Forecasting
Abstract:Abstract: Many ways taken by the government to realize the human resources of Indonesia with intellectual ability that can compete with the region even with other countries, one of them with a Mathematics Olympiad held both…
oth elementary / MI, SMP / MTs., SMA / SMK / MA even the level of Students . But sometimes those who can enjoy the Olympics are only certain schools. This is due to the lack of socialization conducted by the government regarding such activities as well as the factor of the school itself which still has a sense of inferior to compete with other schools. The purpose of this training activity is to improve the ability of students to solve Mathematics Olympic questions. The implementation of this activity was carried out at SMAN 2 Tanjung Balai, with the method of providing training and training strategies prepared by the writing team. the results of the training, that students are very enthusiastic in discussing Mathematical Olympiad problems with the tricks provided and they can easily answer the questions given without the constraints which means are expected to produce new seeds from the winners of the Mathematics Olympiad.
Keywords: Training, Problem Prediction, Mathematics Olympiad.
Abstrak: Banyak cara yang ditempuh oleh pemerintah untuk mewujudkan sumber daya manusia Indonesia dengan kemampuan intelektual yang dapat bersaing dengan daerah bahkan dengan Negara lain, salah satunya dengan diadakan Olimpiade Matematika baik tingkat SD/MI, SMP/MTs., SMA/SMK/MA bahkan tingkat Mahasiswa. Namun terkadang yang bisa menikmati kegiatan olimpiade tersebut hanyalah sekolah-sekolah tertentu saja. Hal tersebut disebabkan masih kurangmya sosialisasi yang dilakukan pemerintah mengenai kegiatan tersebut serta faktor dari sekolah itu sendiri yang masih memiliki rasa minder untuk bersaing dengan sekolah-sekolah lain. Tujuan dalam kegiatan pelatihan ini adalah untuk meningkatkan kemampuan peserta didik dalam menyelesaikan soal-soal Olimpiade Matematika. Penyelenggaraan kegiatan ini dilaksanakan di SMAN 2 Tanjung Balai, dengan metode memberikan pelatihan dan strategi pelatihan yang sudah disiapkan oleh tim penulis. hasil pelatihan tersebut, bahwa siswa sangat antusias dalam membahas soal-soal Olimpiade Matematika dengan trik yang diberikan dan mereka pun dapat dengan mudah menjawab soal-soal yang diberikan tanpa kendala yang berarti diharapkan mampu menghasilkan bibit-bibit baru dari pemenang Olimpiade Matematika.
Kata Kunci : Pelatihan, Prediksi Soal, Olimpiade Matematika.
Abstract:This study aimed to compare the performance of machine learning algorithms and user experience in predicting students’ academic achievement. The research is motivated by the need for prediction systems that are not only…
y highly accurate but also easily interpretable by users. The proposed methodology involved the implementation of two algorithms, namely Decision Tree and Random Forest, using an academic dataset that included grade point average, attendance, and assessment scores. Model performance was evaluated using accuracy, precision, recall, and F1-score, while user experience was assessed through the System Usability Scale (SUS) based on a simple user interface. The findings revealed that Random Forest achieved higher predictive accuracy, whereas Decision Tree provided better interpretability and ease of understanding for users. These results indicated a trade-off between model performance and user experience, suggesting that algorithm selection should consider both aspects in order to develop an effective and user-friendly academic prediction system
Abstract:Abstract: Accurate forecasts of tea harvest production are important for workforce planning, factory operations, and marketing decisions, yet conventional estimation in plantations often relies on field experience and can…
n be biased and less adaptive to changing conditions. This study aims to develop a Random Forest Regression model to predict tea harvest production at the Bah Butong tea plantation using historical operational and climate-related data. The dataset consists of 60 monthly records (2020–2024) with six predictor variables: rainfall (mm), number of rainy days, pest level, weed level, number of harvested trees and land area. Data were split into 80% training (48 samples) and 20% testing (12 samples). Model hyperparameters were optimized using RandomizedSearchCV with RepeatedKFold cross-validation (5 folds, 3 repeats). The tuned model achieved MSE of 668,980,524.45, RMSE of 25,864.66 kg, MAE of 19,838.69 kg, and MAPE of 7.59% on the test set. The results indicate that the model can provide practical production estimates, with errors averaging about 7–8% of the actual production. Feature importance analysis shows that the number of harvested tea bushes and cultivated area contribute most to predictions. Future work should extend the historical period and incorporate time-based features (seasonality/lag) for improved forecasting.
Keywords: hyperparameter tuning; production prediction; random forest; regression; tea harvest
Abstrak: Perkiraan akurat produksi panen teh sangat penting untuk perencanaan tenaga kerja, operasional pabrik, dan keputusan pemasaran, namun estimasi konvensional di perkebunan seringkali bergantung pada pengalaman lapangan dan dapat bias serta kurang adaptif terhadap perubahan kondisi. Studi ini bertujuan untuk mengembangkan model Regresi Random Forest untuk memprediksi produksi panen teh di perkebunan teh Bah Butong menggunakan data operasional dan data terkait iklim historis. Dataset terdiri dari 60 catatan bulanan (2020–2024) dengan enam variabel prediktor: curah hujan (mm), jumlah hari hujan, tingkat hama, tingkat gulma, jumlah pokok panen, dan luas lahan. Data dibagi menjadi 80% data pelatihan (48 sampel) dan 20% data pengujian (12 sampel). Parameter model dioptimalkan menggunakan RandomizedSearchCV dengan validasi silang RepeatedKFold (5 lipatan, 3 pengulangan). Model yang telah disempurnakan mencapai MSE sebesar 668.980.524,45, RMSE sebesar 25.864,66 kg, MAE sebesar 19.838,69 kg, dan MAPE sebesar 7,59% pada set data uji. Hasil tersebut menunjukkan bahwa model dapat memberikan estimasi produksi yang praktis, dengan kesalahan rata-rata sekitar 7–8% dari produksi aktual. Analisis kepentingan fitur menunjukkan bahwa jumlah semak teh yang dipanen dan luas lahan budidaya paling berkontribusi pada prediksi. Pekerjaan selanjutnya harus memperpanjang periode historis dan menggabungkan fitur berbasis waktu (musiman/lag) untuk peramalan yang lebih baik.
Kata kunci: panen teh; prediksi produksi; random forest; regresi; tuning parameter