• Beranda
  • Website Perpustakaan
  • Panduan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Penanda Bagikan

SKRIPSI DIGITAL

Penerapan Data Mining Clustering dan Forecasting pada Peramalan Permintaan Suku Cadang (Studi Kasus PT Nasmoco Karangjati Motor) = The Application of Data Mining, Clustering, and Forecasting in Spare Parts Demand Forecasting (Case Study PT Nasmoco Karangjati Motor)

Nurlaila - Nama Orang; Agus Suwondo - Nama Orang; MARDINAWATI - Nama Orang;

Nurlaila, “Penerapan Data Mining Clustering dan Forecasting pada Peramalan Permintaan Suku Cadang Studi Kasus PT Nasmoco Karangjati Motor”, Skripsi Jurusan Akuntansi Politeknik Negeri
Semarang, di bawah bimbingan Agus Suwondo, S.Kom., M.Kom. dan Dra. Mardinawati, M.M., 2026, 79 halaman.
Pengelolaan pengadaan suku cadang di PT Nasmoco Karangjati Motor menggunakan Monthly Inventory Planning (MIP) berdasarkan data historis penjualan. Namun, proses tersebut belum didukung oleh analisis karakteristik permintaan dan forecasting berbasis data mining sehingga keputusan restocking belum sepenuhnya optimal. Penelitian ini bertujuan mengelompokkan suku cadang berdasarkan karakteristik permintaan serta menghasilkan model forecasting untuk mendukung perencanaan restocking. Penelitian menerapkan metodologi CRISP-DM menggunakan data penjualan periode Januari 2024-Desember 2025. Sebanyak 2.632 item suku cadang dikelompokkan menjadi 5 cluster menggunakan algoritma K-Means. Selanjutnya, peramalan dilakukan terhadap 10 item dari cluster prioritas menggunakan algoritma Linear Regression, Random Forest, Decision Tree, dan Gradient Boosted Trees dengan pembagian data 80% training dan 20% testing. Pengolahan data dilakukan menggunakan Microsoft Excel, RapidMiner, dan Power
BI. Hasil penelitian menunjukkan bahwa Linear Regression memberikan kinerja terbaik dengan nilai rata-rata MAPE 25,70%, sehingga termasuk kategori Reasonable Forecasting. Model yang dihasilkan diharapkan dapat mendukung pengambilan keputusan pengadaan suku cadang secara lebih objektif dan berbasis data.
Kata Kunci: Data Mining, Clustering, K-Means, Forecasting, Linear Regression, Random Forest, Decision Tree, Gradient Boosted Trees Persediaan Suku Cadang.


Fulltext
  • Harap masuk untuk melihat lampiran
Informasi Detail
Judul Seri
-
No. Panggil
KA 066 2026
Penerbit
Semarang : Politeknik Negeri Semarang., 2026
Deskripsi Fisik
xiv, 99 hal. : ilus. ; 30 cm.
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
FORECASTING
data mining
clustering
k-means
random forest
decision tree
linear regression
gradient boosted trees persediaan suku cadang
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Nurlaila
Versi lain/terkait

Tidak tersedia versi lain

Komentar

Anda harus masuk sebelum memberikan komentar

  • Panduan
  • Area Anggota

Tentang Kami

Si-Repo adalah platform digital yang dikelola oleh UPA Perpustakaan Politeknik Negeri Semarang, menyimpan karya ilmiah seperti Tugas Akhir, Skripsi, dan Tesis dari sivitas akademika Polines, untuk mendukung kebutuhan akademik, penelitian, dan pengembangan.

Jam Buka Perpustakaan

Senin - Kamis:
07.30 - 16.00 WIB

Jum'at:
07.30 - 16.30 WIB


NPP. 3374102C0000002
0895340731030
Follow Us
Subscribe

© 2026 — Perpustakaan Politeknik Negeri Semarang

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?