Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Jahrudin, Didin"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    IMPLEMENTASI BUSINESS INTELLIGENCE UNTUK ANALISIS SALES FORECASTING DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING (STUDI KASUS: PT. XYZ)
    (Program Studi S1 Informatika, 2025) Jahrudin, Didin; Yan Puspitarani (Pembimbing)
    Data warehouse merupakan bagian penting dari sistem informasi yang dimaksudkan untuk menyimpan, mengelola dan mengintegrasikan data dari berbagai sumber. Dewasa ini para pelaku bisnis sudah banyak yang menyadari akan pentingnya pemanfaatan data di masa lampau. Pengolahan data warehouse yang baik serta implementasi Business Intelligence yang tepat semakin dipercaya dapat membantu pemangku kepentingan untuk membuat keputusan yang tepat pula, salah satunya ialah forecasting. Kebutuhan perusahaan akan forecast penjualan yang lebih baik adalah salah satu alasan dilakukannya penelitian ini. Forecast yang dihasilkan menggunakan metode exponential smoothing adalah rata-rata bobot dari pengamatan masa lalu dengan bobot yang menurun secara eksponensial seiring bertambahnya pengamatan, dengan kata lain, semakin baru pengamatan, semakin tinggi bobot yang terkait. Metode exponential smoothing dipercaya sebagai metode yang ideal untuk peramalan jangka pendek dengan data yang tidak terlalu kompleks, maupun menangani data dengan tren dan musiman. Pertimbangan pemilihan forecast model yang tepat diyakini dapat menghasilkan komposisi quality metrics (RMSE, MAE, MASE, MAPE, dan AIC) yang paling sesuai dengan data yang tersedia. Sementara itu, Apache Nifi 1.17.0 yang digunakan sebagai tools pengolahan data warehuse kemudian diintegrasikan dengan software Tableau 2023.3 untuk kebutuhan analisis forecasting. Hasil dari analisis ini memiliki nilai MASE (Mean Absolute Scaled Error) sebesar 0.43 dan diimplementasikan dalam sebuah dashboard agar informasi yang disajikan lebih mudah dicerna sehingga dapat membantu mempercepat proses pengambilan keputusan.

PTI copyright © 2002-2026

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback