Pengembangan Model Pengelolaan Persediaan Berbasis Machine Learning untuk Optimalisasi Stok pada Ahad Store

Aprisya, Ghina (2025) Pengembangan Model Pengelolaan Persediaan Berbasis Machine Learning untuk Optimalisasi Stok pada Ahad Store. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Cover dan Abstrak.pdf - Published Version Download (360kB)
	Text (BAB 1) BAB 1.pdf - Published Version Download (424kB)
	Text (BAB Akhir) BAB Akhir.pdf - Published Version Download (289kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (257kB)
	Text (Tugas Akhir Full Text) Tugas Akhir Full Text.pdf - Published Version Restricted to Repository staff only Download (14MB) | Request a copy

Abstract

Di Indonesia, UMKM memegang peran kunci dalam mendukung pertumbuhan ekonomi yang berkelanjutan. Namun, banyak UMKM yang masih menghadapi kendala dalam pengelolaan persediaan akibat keterbatasan teknologi. Salah satunya adalah Ahad Store, sebuah toko pakaian muslim pria di Kota Padang, yang masih menggunakan sistem pencatatan berbasis Microsoft Excel sehingga menyebabkan keterlambatan pembaruan data, terjadinya stockout, dan hilangnya potensi penjualan. Penelitian ini bertujuan untuk mengembangkan model pengelolaan persediaan berbasis machine learning guna mengoptimalkan stok dan mendukung pengambilan keputusan dalam persediaan di Ahad Store. Data yang digunakan adalah data penjualan bulanan dari Januari 2023 hingga Desember 2024. Tiga algoritma time series yang digunakan adalah Prophet, Holt-Winters, dan SARIMA. Proses pembangunan model melibatkan tahapan pre-processing data, hyperparameter tuning, pelatihan model, serta evaluasi performa menggunakan metrik MAE, RMSE, dan MAPE. Model terbaik kemudian digunakan untuk menghitung ROP dan safety stock secara otomatis. Hasil penelitian menunjukkan bahwa ketiga model memberikan performa terbaik pada setiap jenis data produk berdasarkan kriterianya. Sistem ini juga efektif dalam mengurangi kejadian stockout dan menjaga keseimbangan antara stok aktual dengan permintaan pasar. Pada merek Abiyu, jumlah produk yang mengalami stockout berhasil ditiadakan (dari 7 menjadi 0), produk di bawah safety stock berkurang dari 4 menjadi 3, sementara produk dengan stok aman meningkat dari 10 menjadi 18. Sistem ini diimplementasikan dalam bentuk dashboard berbasis Streamlit, yang mempermudah pengguna dalam mengunggah data penjualan dan stok, memilih produk serta menyesuaikan parameter, lalu memperoleh hasil peramalan, nilai Reorder Point (ROP) dan Safety Stock (SS), serta rekomendasi restok berbasis validasi performa model. Dengan demikian, pendekatan machine learning efektif diterapkan dalam pengelolaan persediaan UMKM khususnya Ahad Store, serta berpotensi diadaptasi oleh pelaku usaha lainnya untuk meningkatkan efisiensi operasional

Actions (login required)

View Item