ANALISIS DATA MINING DALAM PENGELOLAAN PERSEDIAAN STOK DENGAN ALGORITMA RANDOM FOREST DAN APRIORI (STUDI KASUS: TOKO CERIA BABYSHOP)
Abstract
Abstract: This research analyzes inventory management at Toko Ceria Babyshop by applying data mining techniques, specifically Random Forest and Apriori algorithms. Effective inventory management is crucial for aligning product availability with market demand, preventing overstocking or stockouts, and optimizing operational costs. Sales transaction data from June to December 2024, comprising 20,578 sales transactions, 3,593 purchase entries, 2,736 initial stock entries, and 1,331 final stock entries, were divided into 80:20 training and testing sets. The Random Forest implementation showed that weekly purchase quantity predictions were more effective than monthly predictions, evidenced by lower Mean Squared Error (MSE), Mean Absolute Error (MAE), and Root Mean Squared Error (RMSE) values for weekly predictions (16.10, 1.76, 4.01) compared to monthly (39.68, 3.19, 6.30). Furthermore, the R-squared (R²) value was higher for the weekly model (0.21) than the monthly (0.04), indicating better weekly prediction accuracy. The Apriori algorithm successfully identified product association patterns for both 2-itemsets and 3-itemsets, with all rules exhibiting lift values above 1, signifying positive relationships between products. This purchasing pattern information is highly beneficial for developing marketing strategies such as bundling, shelf arrangement, cross-selling promotions, and improved inventory planning.
Keywords: Data mining, Random Forest, Apriori, stok Inventory, Toko Ceria Babyshop
Abstrak: Penelitian ini berfokus pada analisis pengelolaan persediaan stok di Toko Ceria Babyshop melalui penerapan teknik data mining menggunakan algoritma Random Forest dan Apriori. Efektivitas pengelolaan persediaan sangat krusial dalam bisnis untuk menyelaraskan ketersediaan produk dengan permintaan pasar, mencegah kelebihan atau kekurangan stok, dan mengoptimalkan biaya operasional. Data transaksi penjualan yang dikumpulkan dari Juni hingga Desember 2024 terdiri dari 20.578 transaksi penjualan, 3.593 entri pembelian, 2.736 entri stok awal, dan 1.331 entri stok akhir, yang kemudian dibagi menjadi set pelatihan dan pengujian dengan rasio 80:20. Hasil implementasi algoritma Random Forest menunjukkan prediksi kuantitas pembelian mingguan lebih efektif dibandingkan bulanan, ditunjukkan oleh nilai Mean Squared Error (MSE), Mean Absolute Error (MAE), dan Root Mean Squared Error (RMSE) yang lebih rendah pada prediksi mingguan (16.10, 1.76, 4.01) dibandingkan bulanan (39.68, 3.19, 6.30). Selain itu, nilai R-squared (R²) juga lebih tinggi untuk model mingguan (0.21) dibandingkan bulanan (0.04), mengindikasikan akurasi prediksi mingguan yang lebih baik. Algoritma Apriori berhasil mengidentifikasi pola asosiasi produk, baik untuk 2-itemset maupun 3-itemset, dengan semua aturan memiliki nilai lift di atas 1, yang menunjukkan hubungan positif antar produk. Informasi mengenai pola pembelian ini sangat bermanfaat untuk pengembangan strategi pemasaran seperti bundling, penataan rak, promosi cross-selling, serta perencanaan persediaan stok yang lebih baik.
Kata kunci: Data mining, Random Forest, Apriori, Persediaan stok, Toko Ceria Babyshop
Full Text:
PDFReferences
A., Handoko, T. S., Salsabila, T. D., & Siregar, J. (2024). Analisis Pola Pembelian Pada Toko Online Sayurklik Berbasis Website Menggunakan Metode Apriori. Journal of Scientech Research and Development, 6(1), 705–714. https://doi.org/10.56670/JSRD.V6I1.383
Harahap, F., Fahrozi, W., Adawiyah, R., Siregar, E. T., & Harahap, A. Y. N. (2023). Implementasi Data Mining dalam Memprediksi Produk AC Terlaris untuk Meningkatkan Penjualan Menggunakan Metode Naive Bayes. JURNAL UNITEK, 16(1), 41–51. https://doi.org/10.52072/unitek.v16i1.541
Hernawati. (2018). Analisis Market Basket Dengan Algoritma Apriori. Ikraith-Informatika, 2(18), 13–17.
Kusumo, H., Sediyono, E., & Marwata, M. (2019). Analisis Algoritma Apriori untuk Mendukung Strategi Promosi Perguruan Tinggi. Walisongo Journal of Information Technology, 1(1), 49. https://doi.org/10.21580/wjit.2019.1.1.4000
Linawati, S., Nurdiani, S., Handayani, K., & Latifah, L. (2020). Prediksi Prestasi Akademik Mahasiswa Menggunakan Algoritma Random Forest Dan C4.5. Jurnal Khatulistiwa Informatika, 8(1). https://doi.org/10.31294/JKI.V8I1.7827
Madani, M. I., Padmo, A., Masa, A., & Setyadi, H. J. (2024). Perbandingan Metode Apriori Dan Frequent Pattern. 12(2).
Nasution, D., Sirait, D. N., & Wardani, I. (2022). OPTIMASI JUMLAH CLUSTER METODE K-MEDOIDS BERDASARKAN NILAI DBI PADA PENGELOMPOKKAN DATA LUAS TANAMAN DAN PRODUKSI KELAPA SAWIT DI SUMATERA UTARA. Kumpulan JurnaL Ilmu Komputer (KLIK), 09 No.02, 381. https://klik.ulm.ac.id/index.php/klik/article/view/464
Prasetya, T., Yanti, J. E., Purnamasari, A. I., Dikananda, A. R., & Nurdiawan, O. (2022). Analisis Data Transaksi Terhadap Pola Pembelian Konsumen Menggunakan Metode Algoritma Apriori. Informatics For Educators And Professional : Journal Of Informatics, 6(1), 43. https://doi.org/10.51211/itbi.v6i1.1688
Putera Utama Siahaan, A., & Inda, M. (2024). Analysis of Age and Gender Classification Using Decision Tree Model in the Context of Nursing Homes | Journal of Information Technology, computer science and Electrical Engineering. Journal of Information Technology, Computer Science and Electrical Engineering (JITCSE), Vol. 1, No. 2, 149–152. https://doi.org/10.61306/jitcse.v1i2
Putra, R. R. (Randi), & Wadisman, C. (Cendra). (2018). Implementasi Data Mining Pemilihan Pelanggan Potensial Menggunakan Algoritma K Means. Intecoms, 1(1), 72–77. https://doi.org/10.31539/INTECOMS.V1I1.141
Ramadhani, S. E. (2025). Analisis Data Pengguna Perpustakaan Digital MenggunakanAI Data Mining. Prosiding Sains Dan Teknologi, 4(1), 373–380. https://jurnal.pelitabangsa.ac.id/index.php/SAINTEK/article/view/5666
Sari, L., Romadloni, A., Listyaningrum, R., Studi, P., Informatika, T., Cilacap, P. N., & Soetomo, J. (2023). Penerapan Data Mining dalam Analisis Prediksi Kanker Paru Menggunakan Algoritma Random Forest. Infotekmesin, 14(1), 155–162. https://doi.org/10.35970/INFOTEKMESIN.V14I1.1751
Sitorus, Z., Syahputra, I., Angkat, C. I., & Sartika, D. (2024). Implementation of K-Means Clustering for Inventory Projection. International Journal of Science, Technology & Management, 5(3), 673–678. https://doi.org/10.46729/IJSTM.V5I3.856
Sugito, B., & Wahyuni, S. (2024). Optimasi Strategi Penjualan Am2000 Tirtamart Dengan Algoritma Apriori Untuk Mengidentifikasi Produk Favorit Pelanggan. Bulletin of Information Technology (BIT), 5(4), 278–286. https://doi.org/10.47065/BIT.V5I4.1707
Suhardiansyah, & Iqbal, M. (2025). Optimization of Kaayana Store Inventory through Transaction Pattern Analysis Using the Apriori Algorithm. Journal Of Data Science , 3(01), 1–9. https://doi.org/10.58471/JDS.V3I01.6398
Sunarti, S., Handayanna, F., & Irfiani, E. (2021). Analisa Pola Penjualan Makanan Dengan Penerapan Algoritma Apriori. Techno.Com, 20(4), 478–488. https://doi.org/10.33633/tc.v20i4.4715
Sutiono, S., & Nasution, D. (2024). Analysis of Student Graduation at SMK Negeri 1 Stabat Using the C4.5 Algorithm. Journal of Information Technology, Computer Science and Electrical Engineering, 1(3), 160–163. https://doi.org/10.61306/JITCSE.V1I3.96
Syafira, M. N., & Saepudin, D. (2023). Prediksi Return Saham dengan Metode Random Forest dan Penerapannya untuk Seleksi Portofolio. EProceedings of Engineering, 10(5). https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/21364
Wijaya, A. T. (2024). Penerapan Metode Clustering Dengan Algoritma K- Means Pada Sistem Pendeteksi Pencucian Uang Application Of Clustering Methods With K-Means Algorithma On Web-Based Banking Money Cheating. 3(September), 398–406.
Yuan, X. (2017). An improved Apriori algorithm for mining association rules. AIP Conference Proceedings, 1820(September). https://doi.org/10.1063/1.4977361
DOI: https://doi.org/10.54314/jssr.v8i3.3544
Article Metrics
Abstract view : 420 timesPDF - 139 times
Copyright (c) 2025 Anzas Ibezato Zalukhu, Muhammad Iqbal, Darmeli Nasution