SISTEM PENDUKUNG KEPUTUSAN PERAMALAN PRODUKSI BARANG MENGGUNAKAN METODE HIRARKI DIVISIVE
Author (Penulis)
hartrian widya putraUniversitas Nusantara PGRI Kediri
Author Identity (NPM)
14.1.03.02.0348Abstract
Hartrian Widya Putra: Sistem Pendukung Keputusan Peramalan Produksi Barang Menggunakan Metode Hirarki Divisive Pada Distro Corner Attack, Skripsi, Prodi Teknik Informatika, Fakultas Teknik UN PGRI Kediri, 2018.
Kata kuci: hirarki divisive, peramalan, produksi barang.
Penelitian ini dilatar belakangi dari hasil pengamatan selama proses penelitian, bahwa distro Corner Attack masih menggunakan cara manual untuk menentukan seberapa banyak produksi barang yang akan diproduksi kedepannya. Akibatnya distro corner attack kesulitan dalam memprediksi produksi barang sehingga dapat merugikan toko.
Permasalahan penelitian ini adalah (1) Bagaimana merancang aplikasi sistem pendukung keputusan peramalan menggunakan metode hirarki divisive untuk membantu produksi barang? (2) Bagaimana proses peramalan produksi barang yang dilakukan?(3) Bagaimana menerapkan metode hirarki divisive dalam sistem pendukung keputusan untuk membantu dalam proses peramalan?
Penelitian ini dilakukan dengan beberapa tahap, observasi kondisi dan aktifitas di lokasi produksi, pengumpulan data dari pihak toko, perancangan sistem yang akan dibangun untuk memprediksi produksi barang.
Kesimpulan hasil penelitian ini adalah (1) Dengan dibangunnya sistem peramalan ini dapat meningkatkan kinerja dan produktifitas toko (2) Melalui sistem ini pihak toko dan produksi dapat memprediksi seberapa banyak barang yang akan diproduksi (3) Dengan adanya sistem ini toko dapat meminimalisir kerugian dan lebih berkembang.
KATA KUNCI :hirarki divisive, peramalan, produksi barang
Keyword
aReference
Anisa, B., Dewi,R. dan Jarnawi, A. 2012 . Monothetic Divisive Clustering(MONA) Pada Data Interval dan Histogram, Pendidikan Matematika FPMIPA, Universitas Pendidikan Indonesia.
Arimbi, K., Lintang, Y.,dan Alex, H.2010. Implementasi Data Mining Dengan Metode Klastering Untuk Meramalkan Permintaan Pasar.(Studi Kasus PT.Nutrifood Indonesia)
Betalya.2009. Konsep Data Mining, Universitas Gunadarma.
Fitriani, Widya. Tanpa Tahun. Sistem Peramalan Penjualan Untuk Perencanaan Produksi Distro OR-K 689. Bandung
Heri, S. dan Sudiyatno.2014. Data Mining Untuk Memprediksi Prestasi Siswa Berdasarkan Sosial Ekonomi, Kedisiplinan Dan Prestasi Masalalu, Universitas Negeri Yogyakarta.
Hidayatullah, Priyanto.2014. Pemrograman Web. Informatika:Bandung
Isidorus,C.2016. Implementasi Data Mining Menggunakan Metode Clustering Untuk Prediksi Penjualan Di PT. XYZ, Universitas Sanata Dharma Yogyakarta.
Jogiyanto HM, 2005Analisis & Desain, Ed ke-III, Andi Offset, Yogyakarta.
Julimas, R.,Angelina, P., dan Kurniati, S.2012. Analisi Dan Implementasi Algoritma Divisive Information Theoretic Feature Clustering Dalam Klasifikasi Dokumen Teks Dengan Naïve Bayes, Teknik Informatika,Universitas Telkom.
Kadir, Abdul.2008.Belajar Database Menggunakan MSQL,Andi Offset, Yogyakarta.
Kadir, Abdul. 2009. Dasar Perancangan Dan Implementasi Database Relational. Yogyakarta: Andi.
Kroenke, M.David.2005. Database Processing. Erlangga:Jakarta
Oetomo, Budi Sutedjo Dharma. 2002. Perencanaan dan Pengembangan Sistem Informasi. Yogyakarta.
Sidik, Betha.2014. Pemrograman Web dengan PHP. Informatika:Bandung
Simarmata, J. 2007. Perancangan Basis Data. Penerbit : Andi
Turban , Efraim dan Aronson, Jay E. 2001. Decision Support Systems and Intelligent Systems. 6th edition. Prentice Hall: Upper Saddle River, NJ.
