Implementasi Business Intelligence untuk Visualisasi, Forecasting, dan Clustering Berbasis Dashboard System di Ashyla Mart Kabupaten Padang Pariaman

Putri, Intan Yuliana (2026) Implementasi Business Intelligence untuk Visualisasi, Forecasting, dan Clustering Berbasis Dashboard System di Ashyla Mart Kabupaten Padang Pariaman. S1 thesis, Universitas Andalas.

	Text (01. Cover & Abstrak) 01. Cover & Abstrak.pdf - Published Version Download (513kB)
	Text (02. BAB I) 02. BAB I.pdf - Published Version Download (285kB)
	Text (03. BAB VI) 03. BAB VI.pdf - Published Version Download (225kB)
	Text (04. Daftar Pustaka) 04. Daftar Pustaka.pdf - Published Version Download (212kB)
	Text (05. Skripsi Fulltext) 05. Skripsi Fulltext.pdf - Published Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Ashyla Mart merupakan sebuah usaha ritel berlokasi di jalan raya lintas Padang-Bukittinggi yang menyediakan berbagai barang yang ditujukan untuk masyarakat sekitar dan juga para pelaku perjalanan. Ashyla Mart dapat melakukan ribuan transaksi penjualan disetiap bulannya dan dibantu dengan aplikasi Ipos 5.0 Profesional. Pemilik belum pernah mengolah data transaksi penjualan karena format laporan dari aplikasi ini cukup rumit. Selain itu sering terjadi ketidakseimbangan stok, di mana barang yang laku tidak ada stok sementara barang yang kurang laku menumpuk. Oleh karena itu dibutuhkan implementasi business intelligence untuk dapat menyajikan informasi yang lengkap. Metode yang diigunakan adalah metode tahapan roadmap BI oleh Moss dan Attre, proses ETL dan forcasting yang dibangun dengan bahasa pemrograman python, serta clustering dan visualisasi menggunakan Microsoft Power BI. Hasil visualisasi ditampilkan berupa dashboard penjualan, dashboard pembelian, forcasting total penjualan tahhunan dengan model simple linear regression, serta clustering dengan K-Means. Forecasting total penjualaan tahunanan pada data penjualan dengan model simple linear regression menghasilkan persamaan Y = 693.601.133 + (-22.917.500) . t, dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 0,7%, yang berarti persamaan fungsi tersebut memiliki nilai akurasi yang tinggi. Clustering dengan penangannan outlier berdasarkan jumlah barang terjual dan total penjualan menghasilkan 4 kategori barang, yaitu Barang kurang laku (2103 barang), Barang cukup laku (230 barang), barang laku (76 barang), dan barang unggulan (40 barang). Selain itu dibangun sistem penambahan data baru untuk membantu dalam penambahan data transaksi, yang terintegrasi ke dashboard di Microsoft Power BI.

Actions (login required)

View Item