PREDIKSI LONJAKAN PENJUALAN TOKO RETAIL ONLINE SAAT HARBOLNAS DENGAN MODEL SARIMA

Kristianto Pratama Dessan Putra, Arief Hermawan, Donny Avianto

Sari


Peralihan proses transaksi dari konvensional ke online telah merambah ke berbagai sektor, salah satunya toko retail. Banyak toko retail yang telah membangun sarana penjualan secara online dan setiap harinya jumlah transaksi mengalami peningkatan. Dengan semakin meningkatnya jumlah transaksi maka diperlukan peningkatan layanan server untuk mengakomodir kebutuhan pengguna. Selain itu, adanya tanggal-tanggal kembar yang dijadikan HARBOLNAS juga sering menyebabkan jumlah transaksi melonjak dari hari biasanya. Apabila lonjakan transaksi tidak diimbangi dengan spesifikasi server yang mumpuni maka akan terjadi “lost of sales”. Oleh karena itu, perlu adanya sistem prediksi untuk memperkirakan kenaikan ataupun lonjakan transaksi untuk hari mendatang guna antisipasi kebutuhan server. Dalam penelitian ini, metode prediksi yang digunakan adalah model SARIMA dengan dataset primer dari salah satu perusahaan retail online di Indonesia. SARIMA dipilih karena dataset memiliki bersifat musiman akibat adanya HARBOLNAS di setiap tanggal kembar. Hasilnya menunjukan bahwa model SARIMA sukses memproses dataset dan memprediksi lonjakan transaksi untuk 30 hari ke depan dengan nilai uji evaluasi MAPE di angka 15,05%. Lebih lanjut, penelitian juga menyediakan hasil uji evaluasi dengan metode lainnya sebagai pembanding untuk penelitian lanjutan dengan metode ataupun parameter yang berbeda.

Kata Kunci


cloud server;harbolnas;sarima

Teks Lengkap:

PDF

Referensi


Adhitya, W. R. (2019, 8). FENOMENA HARBOLNAS (HARI BELANJA ONLINE NASIONAL) MELALUI HARGA, PRODUK, KEMUDAHAN DAN KEAMANAN BERTRANSAKSI TERHADAP KEPUTUSAN PEMBELIAN KONSUMEN SECARA ONLINE DENGAN KEPERCAYAAN SEBAGAI VARIABEL MODERATING DI KOMPLEK JOHOR INDAH PERMAI II MEDAN. Jurnal UISU, 1.

Ariyanti, V. P., & Yusnitasari, T. (2023). Comparison of ARIMA and SARIMA for Forecasting Crude Oil Prices. JURNAL RESTI, 405 - 413.

Arumugam, V., & Natarajan, V. (2023, 8). Time Series Modeling and Forecasting Using Autoregressive Integrated Moving Average and Seasonal Autoregressive Integrated Moving Average Models. International Information and Engineering Technology Association, 22.

Aziza, V. N., Moh, F. H., Maghfiroh, F. A., Notodiputro, K. A., & Anggraini, Y. (2023, 12). PERFORMANCE COMPARISON OF SARIMA INTERVENTION AND PROPHET MODELS FOR FORECASTING THE NUMBER OF AIRLINE PASSENGER AT SOEKARNO-HATTA INTERNATIONAL AIRPORT. Barekeng, 7(4).

Elsi, Z. R., Alamsyah, D., Jusmawati, & Nurhayati. (2024). Analisis Kinerja Load Balancing dengan Metode Source Hash Scheduling dan URI pada Web Server. Krea-TIF: Jurnal Teknik Informatika, 24-31. doi:10.32832/krea-tif.v12i1.15964

Oktavianti, E., & Ali, H. (2023, Mei 1). Prediksi Pendapatan Penjualan Makanan Menggunakan Algoritma Autoregressive Integrated Moving Average (ARIMA). JURNAL MULTINETICS, 9.

Pangaribuan, J. J., Fanny, Barus, O. P., & Romindo. (2023, 10 1). Prediksi Penjualan Bisnis Rumah Properti dengan Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA). Jurnal Sistem Informasi Bisnis, 2.

Perez-Guerra, U. H., Macedo, R., & Manrique, Y. P. (2023, 11). Seasonal autoregressive integrated moving average (SARIMA) time-series model for milk production forecasting in pasture-based dairy cows in the Andean highlands. PLOS ONE, 18.

Pradipta, M. R., Sasmita, A., & Susila, H. (2024, 3 2). SARIMA WITH SLIDING WINDOW IMPLEMENTATION FOR FORECASTING SEASONAL DEMAND DATA. Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI, 13(1), 22.

Pratiwi, K. D. (2022). E-COMMERCE AND ECONOMIC GROWTH IN INDONESIA: ANALYSIS OF PANEL DATA REGRESSION. Jurnal Manajemen dan Kebijakan Publik.

Santoso, J. R., & Wijaya, H. (2024). Implementasi Data Mining untuk Sales Forecasting Berbasis Website dengan Metode ARIMA. bit-Tech, 7.

Suryawan, I. T., Putra, I. N., & Sudipa, I. I. (2024, 10 4). Performance Comparison of ARIMA, LSTM, and Prophet Methods in Sales Forecasting. Sinkron : Jurnal dan Penelitian Teknik Informatika, 8.

Yadav, B. K., Srivastava, S. K., & Arasu, P. T. (2023). Time Series Modeling of Tuberculosis Cases in India from 2017 to 2022 Based on the SARIMA-NNAR Hybrid Model. Canadian Journal of Infectious Diseases and Medical Microbiology. doi:doi/10.1155/2023/5934552




DOI: https://doi.org/10.31294/jki.v13i1.25071

DOI (PDF): https://doi.org/10.31294/jki.v13i1.25071.g6858

##submission.copyrightStatement##

p-ISSN 2339-1928

e-ISSN 2579-633X


Dipublikasikan oleh LPPM Universitas Bina Sarana Informatika

Email : jurnalkhatulistiwainformatika@bsi.ac.id

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License

 

Jurnal Khatulistiwa Informatika Indexed by:

Image result for logo index sinta