PENERAPAN DATA MINING UNTUK MENDETEKSI STOK STAGNAN DALAM OPTIMALISASI PEMASARAN PRODUK PADA TOKO PLASTIK T’FOUR

Chrisadi, Thomas (2026) PENERAPAN DATA MINING UNTUK MENDETEKSI STOK STAGNAN DALAM OPTIMALISASI PEMASARAN PRODUK PADA TOKO PLASTIK T’FOUR. S1 thesis, Universitas PGRI Madiun.

	Text Halaman Depan.pdf Download (368kB)
	Text Abstrak.pdf Download (132kB)
	Text Bab1.pdf Download (91kB)
	Text Bab2.pdf Download (366kB)
	Text Bab3.pdf Restricted to Repository staff only Download (193kB)
	Text Bab4.pdf Restricted to Repository staff only Download (1MB)
	Text Bab5.pdf Download (76kB)
	Text Daftar Pustaka.pdf Download (138kB)
	Text Lampiran.pdf Restricted to Repository staff only Download (668kB)

Abstract

Toko Plastik T’Four sering mengalami penumpukan stok mati (deadstock) karena pencatatan transaksi masih manual. Kondisi ini menyulitkan pemilik toko melacak pergerakan barang dan menyusun strategi promosi yang tepat sasaran. Penelitian ini bertujuan membangun sistem informasi untuk mendeteksi barang stagnan dan merekomendasikan paket bundling produk menggunakan teknik data mining. Pengembangan sistem menggunakan metode Waterfall dengan pemodelan Unified Modeling Language (UML). Aplikasi dibangun dengan bahasa pemrograman Python melalui framework Streamlit dan basis data SQLite. Sistem menggunakan algoritma K-Means untuk mengelompokkan tingkat kelarisan barang, serta algoritma FP-Growth untuk menggali aturan asosiasi keranjang belanja konsumen. Hasil pengujian algoritma menunjukkan K-Means (k=3) berhasil mengidentifikasi 9 jenis barang deadstock dengan total modal mengendap Rp3.858.000. Algoritma FP-Growth menemukan aturan asosiasi terbaik pada kombinasi Mika Bento, Sedotan Hitam, dan Gelas Cup 16OZ dengan nilai Lift Ratio 3,38. Pengujian Black Box mengonfirmasi seluruh fitur aplikasi berjalan 100% valid. Evaluasi pengguna melalui kuesioner System Usability Scale (SUS) mendapat skor 71,67 (Acceptable), membuktikan aplikasi analitik ini layak dan mudah digunakan oleh pengelola toko.

Item Type:	Thesis/Skripsi/Tugas Akhir (S1)
Kata Kunci:	Data Mining; Deadstock; K-Means; FP-Growth; Streamlit.
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	THOMAS KRESNANTORO CHRISADI
Date Deposited:	17 Oct 2026 03:14
Last Modified:	17 Oct 2026 03:14
URI:	http://eprint.unipma.ac.id/id/eprint/10389

Actions (login required)

View Item