Adi Prasetyo, Guntur (2023) PENERAPAN DATA MINING DENGAN METODE DOUBLE MOVING AVERAGE UNTUK MEMPREDIKSI PENJUALAN KEDELAI. Skripsi thesis, Institut Teknologi Nasional Malang.
Abstract
Kedelai merupakan tanaman asli dari Daratan Cina yang telah dibudidayakan sekitar 2500 SM. Bersamaan dengan perkembangan perdagangan internasional pada awal abad ke-19. Tanaman kedelai mulai dikenal di indonesia. Penyebaran dan budidaya kedelai pada awalnya berada di sekitar pulau Jawa, kemudian menyebar ke daerah Nusa Tenggara, Bali dan pulau-pulau lainnya. Seiring dengan perkembangan dalam industri pertanian dan perdagangan komoditas, prediksi penjualan menjadi hal yang penting untuk mengoptimalkan manajemen rantai pasok dan perencanaan produksi. Penjualan kedelai, sebagai salah satu komoditas pertanian yang penting. Penelitian ini bertujuan untuk menerapkan metode Data Mining dengan menggunakan Double Moving Average untuk memprediksi penjualan kedelai. Metode ini melibatkan analisis data historis penjualan kedelai. Hasil penelitian menunjukkan bahwa metode Double Moving Average memberikan prediksi penjualan kedelai yang relatif akurat dengan nilai Mape terendah adalah 14,67% sedangkan nilai tertinggi Mape adalah 16,31% dan nilai rata-rata Mape 15. Dalam konteks ini, prediksi penjualan kedelai dapat digunakan sebagai dasar untuk mengoptimalkan manajemen persediaan dan distribusi kedelai. Dengan memiliki perkiraan yang lebih baik tentang permintaan di masa depan, diharapkan Kelompok tani Ngudi Makmur 2 dapat mengambil langkah-langkah yang lebih efisien dan efektif dalam perencanaan dan pengambilan keputusan.
Item Type: | Thesis (Skripsi) |
---|---|
Additional Information: | Guntur Adi Prasetyo (1918069) |
Uncontrolled Keywords: | Sistem Peramalan Penjualan, Ngudi Makmur 2, Double Moving Average, Data Mining. |
Subjects: | Engineering > Informatics Engineering |
Divisions: | Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi) |
Depositing User: | Guntur Adi Prasetyo |
Date Deposited: | 08 Sep 2023 07:14 |
Last Modified: | 08 Sep 2023 07:14 |
URI: | http://eprints.itn.ac.id/id/eprint/12839 |
Actions (login required)
View Item |