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: Palm oil is a key commodity that requires accurate production planning to support budget and operational efficiency. PT Buana Sawit Indah, a company managing palm oil plantations, faces challenges in forecasting…
g future production, necessitating a computerized forecasting system. This study aims to develop a forecasting system using the Single Exponential Smoothing (SES) and Single Moving Average (SMA) methods to predict palm oil production. The results indicate that both methods are effective; however, SMA with a Moving Average (MA) of 5 provides the best forecasting results, with a MAD of 165,941.64, an MSE of 65,823,372,491.27, and an MAPE of 15.66%, categorized as "good" forecasting. Meanwhile, the SES method with α = 0.9 yields the lowest error compared to other alpha values, with a MAD of 154,586.25, an MSE of 33,192,818,696.83, and an MAPE of 16.91%, also classified as "good" forecasting. Based on these findings, the SMA method with MA 5 is recommended as it produces lower forecasting errors than the SES method. Therefore, this forecasting system can assist the company in planning palm oil production more accurately and efficiently, supporting better decision-making in the future.
Keywords: palm oil; forecasting; production; single exponential smoothing; single moving average
Abstrak: Kelapa sawit merupakan komoditas utama yang memerlukan perencanaan produksi yang akurat untuk mendukung efisiensi anggaran dan operasional. PT Buana Sawit Indah, salah satu perusahaan yang mengelola perkebunan kelapa sawit, sedang menghadapi kesulitan dalam memperkirakan hasil produksi di masa mendatang, sehingga diperlukan sistem peramalan berbasis komputer. Penelitian ini bertujuan mengembangkan sistem peramalan menggunakan metode Single Exponential Smoothing (SES) dan Single Moving Average (SMA) untuk memprediksi produksi kelapa sawit. Hasil penelitian menunjukkan bahwa kedua metode cukup efektif, namun SMA dengan Moving Average (MA) 5 memberikan hasil peramalan terbaik dengan nilai MAD sebesar 165.941,64, MSE sebesar 65.823.372.491,27, dan MAPE sebesar 15,66%, yang dikategorikan sebagai peramalan “bagus.†Sementara itu, metode SES dengan α = 0,9 menunjukkan nilai kesalahan lebih rendah dibanding nilai alpha lain, dengan MAD sebesar 154.586,25, MSE sebesar 33.192.818.696,83, dan MAPE sebesar 16,91%, yang juga termasuk kategori peramalan “bagus.†Berdasarkan hasil tersebut, metode SMA dengan MA 5 lebih direkomendasikan karena menghasilkan tingkat kesalahan yang lebih rendah dibandingkan metode SES. Dengan demikian, sistem peramalan ini dapat membantu perusahaan dalam merencanakan produksi kelapa sawit secara lebih akurat dan efisien untuk mendukung pengambilan keputusan yang lebih baik di masa mendatang.
Kata kunci: kelapa sawit; peramalan; produksi; single exponential smoothing; single moving average
Abstract:Abstract: A bakery that produces and sells pastries is called Rini Cake Cookies Bakery in Pulo Bandring District. Gedangan Village is home to Rini Cake Cookies Bakery, Pulo Bandring District. The Rini Bakery processes a…
large number of sales transactions each day, which has an impact on the raw material inventory of the Rini Cake Cookies Bakery. Maintaining raw material stock levels requires you to keep just enough inventory on hand for sales while cutting down on expenses and labor. An organization's attempt to minimize risk and maximize sales is known as inventory control. The challenge facing the Rini Bakery is figuring out how much raw material stock needs to be produced in the upcoming month to keep up with customer demand, avoid buildup over an extended period of time, and preserve raw material stock stability. Because an accumulation of stock may cause the product to expire before it is given to buyers. Customer demand is the reason for this, as it varies each month based on prevailing patterns. A sales strategy is actually required in light of the current issues, and one such strategy is the use of a model, namely the Single Exponential Smoothing (SES) method, to anticipate or predict sales.
Keywords: single exponential smoothing (ses) method; stock bread raw materials; web-based
Abstrak: Usaha yang memproduksi dan menjual kue kering adalah Rini Cake Cookies Bakery di Kecamatan Pulo Bandring. Desa Gedangan merupakan rumah bagi Rini Cake Cookies Bakery, Kecamatan Pulo Bandring. Toko Roti Rini Cake Cookies di Kecamatan Pulo Bandring memproses transaksi penjualan dalam jumlah besar setiap harinya sehingga berdampak pada persediaan bahan baku pada toko roti tersebut. Mempertahankan tingkat stok bahan mentah mengharuskan Anda menyimpan persediaan yang cukup untuk penjualan sekaligus mengurangi biaya dan tenaga kerja. Upaya organisasi untuk meminimalkan risiko dan memaksimalkan penjualan dikenal sebagai pengendalian inventaris. Permasalahan yang dihadapi Toko Roti Rini adalah bagaimana mengetahui berapa banyak stok bahan baku yang harus diproduksi pada bulan mendatang untuk memenuhi permintaan pelanggan, menghindari penumpukan seiring berjalannya waktu, dan menjaga stabilitas stok bahan baku. Karena penumpukan stok bisa menyebabkan produk kadaluwarsa sebelum diberikan kepada pembeli. Permintaan pelanggan menjadi alasannya, karena bervariasi setiap bulannya berdasarkan pola yang berlaku. Strategi penjualan sebenarnya diperlukan mengingat permasalahan yang ada saat ini, dan salah satu strategi tersebut adalah penggunaan suatu model yaitu metode Single Exponential Smoothing (SES) untuk mengantisipasi atau memprediksi penjualan.
Kata kunci: berbasis web; metode single exponetial smoothing (ses); stok bahan baku roti.
Abstract:Abstract: Roemah Donat Lezat carries out many sales transactions every day because the prices are affordable and the flavors and toppings are increasingly varied, this affects the supply of raw materials at Roemah Donat…
Lezat In managing raw material inventory, you must ensure sufficient inventory for sales, minimizing the time and costs required. So far, the owner of Roemah Donat Lezat does not have a method for anticipating how much supply of basic ingredients there is and only predicts without clear and precise calculations, therefore, sometimes Roemah Donat Lezat takes too little stock even though customer needs at the time the trend is increasing, causing no fulfilling customer requests and sometimes taking too much stock even though customer demand is decreasing resulting in losses, therefore Roemah Donat Lezat always finds it difficult and confused to estimate stock supplies for the following month To overcome the problems above, the author provides a solution using method comparison forecasting calculations, because it can provide a deeper and more detailed understanding of the advantages, weaknesses and relative performance of the two methods used to achieve a goal or solve a problem The method used is Single Exponential Smoothing, which is forecasting used for the short term or usually only for the next month Single Moving Average is a technique for calculating the average of a number from the latest actual values, updated as new values available for use in forecasting in subsequent periods.
Keywords: single exponential smoothing-single moving average; forecasting; roemah donat lezat; raw materials; inventory
Abstrak: Roemah Donat Lezat setiap harinya banyak melakukan transaksi penjualan karena harga terjangkau dan semakin bervariasi rasa dan topping, hal ini mempengaruhi persediaan bahan baku jika ada di Roemah Donat Lezat Dalam pengelolaan persediaan bahan baku harus memastikan persediaan jika cukup dalam penjualan, meminimalkan waktu dan biaya jika dibutuhkan.Selama ini pemilik Roemah Donat Lezat tidak memiliki metode dalam mengantisipasi seberapa banyak persediaan bahan-bahan pokok dan hanya memprediksi tanpa adanya perhitungan jika jelas dan tepat maka dari itu, terkadang Roemah Donat Lezat terlalu sedikit mengambil stok padahal kebutuhan pelanggan waktu trend itu sedang meningkat menyebabkan tidak terpenuhinya permintaan pelanggan dan kadang-kadang juga cenderung mengambil terlalu banyak stok meskipun permintaan Pelanggan sedang mengalami penurunan sehingga mengalami kerugian, Sehingga Roemah Donat Lezat selalu menghadapi kesulitan dan kebingungan dalam memperkirakan persediaan stok di bulan berikutnya. Solusi dari permasalahan tersebut yaitu dengan memanfaatkan perhitungan peramalan komparasi metode, kita dapat memperoleh pemahaman yang lebih mendalam dan rinci mengenai kelebihan, kekurangan, serta kinerja relatif dari dua metode yang digunakan untuk mencapai suatu tujuan atau menyelesaikan masalah. Metode yang dibandingkan adalah Single Exponential Smoothing dan Single Moving Average.
Kata kunci: single exponential smoothing-single moving average; peramalan; roemah donat lezat; bahan baku; persediaan
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:Prediksi persediaan obat di Apotik Rumah Sakit Pekanbaru Medical Center dilakukan dengan cara memperkirakan berdasarkan stok. Apabila terjadinya kekurangan persediaan saat adanya permintaan maka itu akan menjadi kendala,…
sehingga mempengaruhi penjualan obat. Untuk itu dibutuhkan perhitungan persediaan obat dengan menerapkan data mining. Metode yang digunakan adalah decision tree, dengan data set yang diolah menjadi informasi yang terstruktur dengan pola terbaik. Dalam melakukan prediksi persediaan di apotik RS.PMC menggunakan algoritma c45 didapatkan hasil nilai gain ratio tertinggi iyalah atribut stok awal dengan nilai 0,229865388 dan akurasi delapan puluh dua koma tiga puluh emapat persen (82,34%). Berdasarkan penggunan algoritma c4.5 pada penelitian ini dapat disimpulkan sangat efektif.
Abstract:Abstract: PT. Padasa Enam Utama, a palm oil plantation company, currently assesses the quality of Fresh Fruit Bunches (FFB) based solely on physical aspects. They use Microsoft Excel without a specialized application system,…
tem, which can lead to subjective assessments and the risk of fraud. This research aims to develop a predictive system for the quality of Fresh Fruit Bunches. Data collection was conducted using quantitative methods through direct observation and interviews with relevant parties. The study shows that the use of the K-Nearest Neighbor method provides the best accuracy with a more efficient calculation process. With this system, the company’s performance in making decisions regarding FFB quality is expected to improve. The system helps reduce human errors in quality assessments and offers visualizations that make it easier for users to understand the classification of production quality. Although the results are reliable, there is still room for further development, such as improving accuracy through more advanced data preprocessing techniques or using more complex machine learning models.
Keywords: Data Mining; K-Nearest Neighbor algorithm; Fresh Fruit Bunches (FFB); Python; Streamlit.
Abstrak: PT. Padasa Enam Utama, sebuah perusahaan perkebunan kelapa sawit, saat ini menilai kualitas produksi Tandan Buah Segar (TBS) berdasarkan aspek fisik saja. Mereka menggunakan Microsoft Excel tanpa sistem aplikasi khusus, yang dapat menyebabkan penilaian tidak objektif dan risiko kecurangan. Penelitian ini bertujuan untuk mengembangkan sistem prediksi mutu kualitas Tandan Buah Segar. Dalam pengumpulan data, digunakan metode kuantitatif melalui observasi langsung dan wawancara dengan pihak terkait. Penelitian menunjukkan bahwa penggunaan metode K-Nearest Neighbor memberikan akurasi terbaik dengan proses perhitungan yang lebih efisien. Dengan adanya sistem ini, diharapkan kinerja perusahaan dalam membuat keputusan terkait mutu produksi TBS dapat meningkat. Sistem ini membantu mengurangi kesalahan manusia dalam penilaian mutu TBS dan memberikan visualisasi yang memudahkan pengguna memahami klasifikasi mutu produksi. Meskipun telah memberikan hasil yang dapat diandalkan, masih ada ruang untuk pengembangan lebih lanjut, seperti peningkatan akurasi melalui teknik preprocessing data yang lebih canggih atau penggunaan model-machine learning yang lebih kompleks.
Kata kunci: Data Mining; Algoritma K-Nearest Neighbor; Tandan Buah Segar (TBS); Python; Streamlit
Abstract:ABSTRAK Sektor pertanian yang sangat berpengaruh untuk ekonomi Indonesia yaitu sektor perkebunan pada komoditas kelapa sawit. PT Bakrie Sumatera Plantations Tbk (BSP) bergerak di bidang penanganan kelapa sawit berskala besar…
besar dengan tujuan ekspor pada beberapa negara Asia. Berdasarkan pengolahan data panen produksi kelapa sawit pada 4 bulan terakhir September-Desember 2023 dengan variabel X1 = Jumlah Pohon, X2 = BJR dan Y = Jumlah Produksi. Setelah dilakukan analisis prediksi Liniear Regression pada pemrograman PHP maka di dapatlah prediksi untuk 2 bulan 2 bulan kedepan yaitu 4994.9631, 3946.508, 3719.006, 2627.764, 2420.786, 3571.860, 2540.4507, 2502.882, 930.894, 3717.267, 3075.809, 1948.738.
Abstract:Abstract: Fitri Keramik Shop sells various types of ceramics. In this research, the researcher created a system that can make it easier to predict demand for ceramics in the following month based on the categories in Fitri…
ri Keramik by explaining the correct method for forecasting, one of the methods that can be used is Double Exponential Smoothing (DES) which is a forecasting method using uses a number of new actual demand data to generate forecast values for future demand by finding the average value as a forecast for the future period. The results of predicting demand for ceramics using an alpha value of 0.3 and having the lowest error rate are May 2023, Terraso: 176; Mosaic : 169; Standard Ceramic Floor: 163; Squared : 117.
Keywords: Analysis, Double Exponential Smoothing, Predicting Demand.
Abstrak: Toko Fitri Keramik melakukan penjualan berbagai jenis keramik. Pada penelitian ini, peneliti membuat sistem yang dapat memudahkan dalam meramalkan permintaan keramik pada bulan berikutnya berdasarkan kategori yang ada pada Fitri Keramik dengan memaparkan metode yang tepat dalam peramalan, salah satu metode yang dapat digunakan yaitu Double Exponential Smoothing (DES) yang merupakan metode peramalan dengan menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan dimasa yang akan datang dengan mencari nilai rata-rata tersebut sebagai ramalan untuk periode yang akan datang. Hasilnya dari memprediksi permintaan keramik dengan menggunakan nilai alpa 0,3 dan memiliki nilai tingkat error terendah yaitu Mei 2023, Teraso : 176; Mozaik : 169; Keramik Lantai Standart: 163; Kuadrat : 117.
Kata kunci: Analisis, Double Exponential Smoothing, Memprediksi Permintaan.