Analisis Klaster dan Peramalan Pada Produk Sepatu Lokal

Zullah, Vies Sata (2024) Analisis Klaster dan Peramalan Pada Produk Sepatu Lokal. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032212130-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (2MB) | Request a copy

Abstract

Sepatu merupakan kebutuhan sekunder yang diminati oleh seluruh kalangan usia dan mudah didapatkan di berbagai toko fisik maupun online. Setiap merek sepatu memiliki banyak model yang memungkinkan sebuah toko harus menyediakan stok lengkap untuk memenuhi kebutuhan konsumen. Masing-masing model yang tersedia memiliki daya tarik untuk dibeli yang berbeda-beda sehingga toko memerlukan pertimbangan dalam menentukan stok. Baik toko fisik maupun online memiliki data transaksi penjualan yang selalu bertambah seiring dengan perubahan waktu. Data penjualan tersebut dimanfaatkan untuk mengelompokkan model sepatu ventela yang terjual menggunakan metode K-Means Clustering. Data yang digunakan pada pembentukan klaster mencakup tiga variabel yang dicatat dan dikumpulkan dari transaksi di e-commerce, yaitu Jumlah Pengunjung, Jumlah Pembeli, dan Total penjualan. Berdasarkan variabel tersebut, model sepatu ventela dikelompokkan menjadi tiga klaster yaitu penjualan kurang laku, normal dan laris. Selanjutnya, diambil variabel jumlah transaksi model sepatu ventela pada klaster laris untuk diramalkan menggunakan metode Exponential Smoothing. Peramalan yang diperoleh digunakan untuk mengetahui permintaan yang akan datang guna memaksimalkan keuntungan. Berdasarkan hasil analisis clustering, diperoleh bahwa jumlah model sepatu yang masuk pada klaster laris sebanyak enam. Enam model sepatu tersebut antara lain (1) Ventela Ethnic Low All Black, (2) Ventela Ethnic Low Black Natural, (3) Ventela Public Low Black Natural, (4) Ventela Public Low Cream, (5) Ventela Republic Low Black Natural, dan (6) Ventela Republic Low White. Hasil peramalan menunjukkan nilai akurasi model (MAPE) yang diperoleh diatas 20%, yang menunjukkan bahwa model Exponential Smoothing belum dapat memodelkan dengan baik jumlah produk sepatu yang terjual pada masing-masing model sepatu. Mengacu pada sampel penelitian ini yang hanya berkisar kurang dari tiga tahun, terdapat beberapa model sepatu yang menghasilkan ramalan bernilai nol (khususnya untuk Ventela Public Low Cream, Ventela Republic Low Black Natural, dan Ventela Republic Low White). Artinya, berdasarkan hasil ramalan untuk 12 bulan kedepan ketiga model sepatu yang masuk dalam klaster laris tersebut tidak ada penjualan.
==============================================================
Shoes are a secondary need that is in demand across all age groups and are easily available in various physical and online stores. Each shoe brand offers many models, which allows a store to maintain a complete stock to meet consumer needs. Each available model has a different purchasing power, so stores need to consider when determining stock. Both physical and online stores have sales transaction data that consistently increases over time. This sales data is used to group the Ventela shoe models using the K-Means Clustering method. The data for cluster formation includes three variables recorded from e-commerce transactions: Number of Visitors, Number of Buyers, and Total Sales. Based on these variables, the Ventela shoe models are categorized into three clusters: less popular, normal, and best-selling. Furthermore, the number of transactions for Ventela shoe models in the best-selling cluster is used for prediction using the Exponential Smoothing method. The forecasts obtained are used to determine future demand in order to maximize profits. Based on the results of the clustering analysis, it was found that there were six shoe models included in the best-selling cluster. The six shoe models include (1) Ventela Ethnic Low All Black, (2) Ventela Ethnic Low Black Natural, (3) Ventela Public Low Black Natural, (4) Ventela Public Low Cream, (5) Ventela Republic Low Black Natural, and (6) Ventela Republic Low White. The forecasting results show that the model accuracy (MAPE) value obtained is above 20%, which shows that the Exponential Smoothing model cannot model well the number of shoe products sold for each shoe model. Referring to the sample of this study, which only spans less than three years, several shoe models produce a forecast value of zero (especially for Ventela Public Low Cream, Ventela Republic Low Black Natural, and Ventela Republic Low White). Based on the forecast results for the next 12 months, the three shoe models included in the best-selling cluster will have no sales.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Exponential Smoothing, K-means Clustering, Peramalan, Sepatu Lokal, Exponential Smoothing, K-means Clustering, Forecasting, Local Shoes.
Subjects:	Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Vies Sata Zullah
Date Deposited:	10 Aug 2024 02:20
Last Modified:	10 Aug 2024 02:20
URI:	http://repository.its.ac.id/id/eprint/115302

Actions (login required)

View Item