Analisa data time series penjualan dengan kombinasi supervised dan unsupervised learning untuk optimalisasi strategi bisnis pada PT X

PT X merupakan perusahaan gas industri dengan jaringan operasional yang luas, namun menghadapi tantangan dalam menganalisis performa penjualan dan ketidakseragaman harga antar wilayah. Ketiadaan sistem analitik berbasis data membuat perusahaan sulit dalam mengidentifikasi pola tren, performa produk, dan kontribusi antar cabang secara objektif. Penelitian ini bertujuan membangun sistem analitik berbasis data untuk mendukung pengambilan keputusan bisnis. Untuk menganalisis tren penjualan, digunakan SARIMAX, setelah membandingkan performa dengan SARIMA dan XGBoost, karena SARIMAX menunjukkan akurasi terbaik. Evaluasi dilakukan menggunakan MAPE dan RMSE, sehingga dapat ditampilkan tingkat error untuk ketiga metode SARIMA 18%, XGBoost 14% dan SARIMAX 5%. Untuk pengelompokan cabang, dilakukan percobaan menggunakan K-Means dan GMM, kemudian GMM dipilih karena waktu eksekusi yang lebih cepat dan dievaluasi menggunakan Silhouette Score (K-Means 0.622, dan GMM 0.623). Selain itu, Linear Regression dan Random Forest digunakan untuk standarisasi harga antar cabang. Hasil menunjukkan bahwa Linear Regression memberikan prediksi yang lebih konsisten dengan R² tinggi dan error relatif rendah di sebagian besar cluster, sehingga model ini dapat diandalkan sebagai tolok ukur standarisasi harga.Hasil penelitian ini memberikan sistem analitik yang efektif untuk mendukung pengambilan keputusan bisnis yang lebih akurat dan konsisten.

MONICA RATNA Gregorius Satiabudhi (Advisor 1); Silvia Rostianingsih (Examination Committee 1); Alvin Nathaniel Tjondrowiguno, S.Kom., M.T. (Examination Committee 2) Universitas Kristen Petra Indonesian Digital Theses Undergraduate Thesis Skripsi/Undergraduate Thesis Skripsi No. 03022820/INF/2026; Monica Ratna (C14220025) DATA ANALYSIS; BUSINESS FORECASTING; FORECASTING; MARKET SEGMENTATION; OPTIMIZATION

Files