Implementasi Data Mining Dalam Mengestimasi Hasil Penjualan Menggunakan Algoritma Regresi Linear Berganda
DOI:
https://doi.org/10.53513/jursi.v1i4.5353Abstract
Usaha percetakan sablon pada saat ini sudah berkembang sangat pesat, dan serta jenis percetakan sablon seperti manual dan modern. Percetakan manual masih biasanya menggunakan tenaga manusia yaitu dengan alat screen sejenis alat penyaring yang berbentuk kotak tipis dan datar. Sedangkan percetakan modern sudah tidak menggunakan tenaga manusia, akan tetapi hanya dengan mesin printer atau mesin cetak sablon.Toko Cahaya Sablon adalah sebuah Toko yang bergerak dibidang penjualan peralatan sablon dalam jumlah besar. Dalam 7 tahun terakhir ini Toko Cahaya Sablon sering kali mengalami masalah pada saat mengestimasi hasil penjualan. Hal ini disebabkan karena sistem yang digunakan masih manual sehingga sering terjadi kesalahan saat menginput jumlah barang maupun pada saat melakukan perhitungan Estimasi hasil penjualan, Sehingga berdampak pada ketidak akurat pada saat pada saat mengestimasi laba penjualan. Oleh karena itu dibutuhkan suatu sistem untuk dapat mengatasi kesalahan kinerja serta meminimalisir kerugian yang diterima oleh Toko Cahaya Sablon maka digunakan ilmu Data Mining. Hasil penelitian merupakan terciptanya sebuah aplikasi yang dapat mengestimasi tingkat hasil penjualan dengan tepat dan akurat yang nantinya diharapkan dapat membantu Toko Cahaya Sablon dalam memecahkan permasalahan mengenai estimasi hasil penjualan peralatan sablon.References
E. Herlina, “Peningkatan Kemampuan Wirausaha Dengan Pendampingan dan Pemberdayaan Kelompok Usaha Sablon ‘SALAM’ Melalui Strategi Pemasaran Modern dan Job Order Costing,†J. Kemitraan dan Pemberdaya. Masy., vol. 1, no. 1, pp. 25–34, 2021.
Y. Syahra, I. Santoso, and R. Kustini, “Implementasi Data Mining Untuk Prediksi Angka Kelahiran Bayi Pada Desa Sibolangit Menggunakan Multi Regresi,†Semin. Nas. Sains Teknol. Inf., no. 1, pp. 687–690, 2019.
I. F. P. Ginting, D. Saripurna, and E. Fitriani, “Penerapan Data Mining Dalam Menentukan Pola Ketersediaan Stok Barang Berdasarkan Permintaan Konsumen Di Chykes Minimarket Menggunakan Algoritma Apriori,†J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 20, no. 1, p. 28, 2021, doi: 10.53513/jis.v20i1.2504.
Y. H. Syahputra and J. Hutagalung, “Superior Class to Improve Student Achievement Using the K-Means Algorithm,†Sink. J. dan Penelit. Tek. Inform., vol. 7, no. 3, pp. 891–899, 2022.
A. H. Nasyuha et al., “Frequent pattern growth algorithm for maximizing display items,†Telkomnika (Telecommunication Comput. Electron. Control., vol. 19, no. 2, pp. 390–396, 2021, doi: 10.12928/TELKOMNIKA.v19i2.16192.
J. Hutagalung and F. Sonata, “Penerapan Metode K-Means Untuk Menganalisis Minat Nasabah Asuransi,†J. MEDIA Inform. BUDIDARMA, vol. 5, no. 3, pp. 1187–1194, 2021, doi: 10.30865/mib.v5i3.3113.
Wira Apriani, “Data Mining Untuk Estimasi Jumlah Sidang Perkara Narkotika Di Pancur Batu Menggunakan Metode…,†vol. 2, no. 2, pp. 109–119, 2018.
A. Rivandi, E. Bu’ulolo, and N. Silalahi, “Penerapan Metode Regresi Linier Berganda Dalam Estimasi Biaya Pencetakan Spanduk (Studi Kasus : Pt. Hansindo Setiapratama) Ahmad,†Pelita Inform. Budi Darma, vol. 18, pp. 1–6, 2019.
N. Nazeriandy, Y. Syahra, and M. Syaifudin, “Penerapan Data Mining Untuk Memprediksi Penggunaan Daya Listrik Pada PT.PLN (Persero) Rayon Medan Selatan Dengan Menggunakan Metode Regresi Linier Berganda,†J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 20, no. 1, p. 20, 2021, doi: 10.53513/jis.v20i1.2431.
F. Rizky, Y. Syahra, I. Mariami, and _ Y., “Implementasi Data Mining Untuk Memprediksi Target Pemakaian Stok Barang Menggunakan Metode Regresi Linier Berganda,†J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 18, no. 2, p. 167, 2019, doi: 10.53513/jis.v18i2.156.
P. Purwadi, P. S. Ramadhan, and N. Safitri, “Penerapan Data Mining Untuk Mengestimasi Laju Pertumbuhan Penduduk Menggunakan Metode Regresi Linier Berganda Pada BPS Deli Serdang,†J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 18, no. 1, p. 55, 2019, doi: 10.53513/jis.v18i1.104.
