Penerapan Data Mining Pada Penjualan Kopi Di Coffee Shop

Relasi Dengan Metode Forecasting.

SKRIPSI

Diajukan Untuk Melengkapi Tugas-Tugas dan Memenuhi

Syarat – Syarat Guna Mencapai Gelar Sarjana Komputer (S.Kom)
Pada Program Studi Teknik Informatika

Disusun Oleh :

HAMZAH QATTRUNNADA A BATUBARA

NIM. 1946081032

Pembimbing I Pembimbing II

Sudi Suryadi, M.Kom Kusmanto, M.Kom

NIDN. 0128027903 NIDN. 0126048601
 ‫ِبْس ِم ِهَّللا الَّر ْح َم ِن الَّر ِحيم‬

LEMBAR PENGESAHAN

Nama : HAMZAH QATTRUNNADA A BATUBARA

NIM : 1946081032

Fakultas : Teknik

Program Studi : Teknik Informatika

Judul Skripsi : Analisa Data Mining Penjualan Kopi Di Coffee Shop

Relasi Dengan Metode Forecasting.

Disetujui Oleh :

Pembimbing I Pembimbing II

Sudi Suryadi, M.Kom Kusmanto,M.Kom

NIDN . 0128027903 NIDN. 0126048601

Mengetahui
Kepala Program Studi

Sudi Suryadi, M.Kom

NIM. 1946081072
 ِ‫ْس ِم ِهَّللا الَّر ْح َم ِن الَّر ِحيم‬
PERNYATAAN

Saya yang bertanda tangan dii bawah ini:

Nama : Hamzah Qattrunnada A Batubara

NIM : 1946081032
Program Studi : Teknik Informatika
Judul Skripsi :Analisa Data Mining Penjualan Kopi Di Coffee
Shop Relasi Dengan Metode Forecasting.
Menyatakan dengan sesungguhnya bahwa skripsi yang berjudul di atas adalah
hasil karya saya sendiri dan tidak terdapat karya atau pendapat yang pernah ditulis
atau diterbitkan oleh orang lain, kecuali secara tertulis diacu dalam naskah ini
disebutkan dalam daftar pustaka. Jika dikemudian hari terbukti bahwa skripsi ini
merupakan duplikat, tiruan, plagiat, atau bukan hasil karya saya sendiri, maka
skripsi dan gelar yang diperoleh karenanya batal demi hukum.

Rantauprapat, 08 Januari 2023

Peneliti,

HAMZAH QATTRUNNADA
NIM. 1946081032
 ABSTRAK

Hamzah Qattrunnada A Batubara, NIM 1946081032,Analisa Data Mining

Penjualan Kopi Di Coffee Shop Relasi Dengan Metode Forecasting.

Proposal. Program Teknik Informatika, Fakultas Teknik (FT) Universitas

Al-Washliyah Labuhanbatu 2023.

Penelitian ini bertujuan untuk menganalisis data penjualan kopi di Coffee Shop
Relasi dengan menggunakan teknik data mining dan memprediksi penjualan kopi
di masa depan menggunakan metode forecasting. Penelitian ini juga bertujuan
untuk mengidentifikasi faktor-faktor yang mempengaruhi penjualan kopi di
Coffee ShopRelasi. Data penjualan kopi selama 6 bulan terakhir diambil dari
Coffee ShopRelasi dan dianalisis menggunakan teknik data mining seperti
clustering, association rule, dan decision tree. Selanjutnya, metode forecasting
digunakan untuk memprediksi penjualan kopi di masa depan. Analisis regresi juga
digunakan untuk mengidentifikasi faktor-faktor yang mempengaruhi penjualan
kopi.Hasil penelitian menunjukkan bahwa teknik data mining dapat digunakan
untuk menghasilkan pola penjualan kopi yang berguna dalam memahami perilaku
konsumen. Metode forecasting juga dapat digunakan untuk memprediksi
penjualan kopi di masa depan. Selain itu, hasil analisis regresi menunjukkan
bahwa faktor-faktor seperti harga, kualitas produk, lokasi, promosi, dan waktu
memiliki pengaruh signifikan terhadap penjualan kopi di Coffee Shop
Relasi.Penelitian ini memiliki implikasi penting bagi pemilik coffee shop dalam
meningkatkan strategi pemasaran dan meningkatkan penjualan kopi. Dengan
memahami faktor-faktor yang mempengaruhi penjualan kopi dan memprediksi
penjualan kopi di masa depan, pemilik coffee shop dapat mengoptimalkan strategi
pemasaran dan menyesuaikan penawaran mereka untuk memenuhi permintaan
pelanggan. Namun, hasil penelitian ini terbatas pada satu coffee shop dan periode
waktu tertentu, sehingga hasilnya tidak dapat diterapkan pada coffee shop lain
atau dalam rentang waktu yang berbeda.
.

Kata Kunci : Data Mining, Forecasting, Penjualan Kopi

 ABSTRACT

This research aims to analyze the sales data of coffee at Coffee Shop A using data
mining techniques and predict future sales using the forecasting method. The
study also aims to identify the factors that affect coffee sales at Coffee Shop A.
Sales data for the past 6 months were taken from Coffee Shop A and analyzed
using data mining techniques such as clustering, association rule, and decision
tree. Furthermore, the forecasting method was used to predict future coffee sales.
Regression analysis was also used to identify factors that affect coffee sales.The
results of the study show that data mining techniques can be used to generate
coffee sales patterns that are useful in understanding consumer behavior. The
forecasting method can also be used to predict future coffee sales. In addition, the
results of the regression analysis indicate that factors such as price, product
quality, location, promotion, and time have a significant influence on coffee sales
at Coffee Shop A.This research has important implications for coffee shop owners
in improving marketing strategies and increasing coffee sales. By understanding
the factors that influence coffee sales and predicting future coffee sales, coffee
shop owners can optimize their marketing strategies and adjust their offerings to
meet customer demand. However, the results of this study are limited to one coffee
shop and a specific period of time, so the results cannot be applied to other coffee
shops or different time ranges

Kata Kunci : Data Mining, Forecasting, Coffee Sales

 ‫ِبْس ِم ِهَّللا الَّر ْح َم ِن الَّر ِحيم‬

KATA PENGANTAR

Assalamu’alaikum waramahtullahi wabarakatuh.

Dengan penuh kerendahan hati penulis mengucapkan puji syukur kepada Allah

SWT Tuhan Yang Maha Esa atas segala kasih, rahmat, dan ridho dalam

perlindungan-Nya sehingga penulis dapat menyelesaikan proposal yang berjudul

“ANALISA DATA MINING PENJUALAN KOPI DI COFFEE SHOP

RELASI DENGAN METODE FORECASTING’’.

Skripsi ini disusun sebagai salah satu syarat untuk memperoleh gelar sarjana

teknik dan juga sebagai sarana bagi penulis untuk menuangkan ide dan pemikiran

terkait tentang pemasaran kopi.

Penulis menyadari bahwa penyusunan skripsi ini tidak akan terlaksana dengan

baik tanpa bantuan, bimbingan, petunjuk, dan sarana dari semua pihak. Untuk itu,

pada kesempatan yang baik ini penulis dengan segala kerendahan hati ingin

mengucapkan banyak terima kasih terutama kepada orang tua tercinta atas segala

dukungan moral serta motivasi yang diberikan kepada penulis dan penulis juga

berterima kasih kepada pihak – pihak yang telah membantu, khususnya kepada :

1. Bapak Basyarul Ulya, SH. MM, selaku Rektor Universitas Al-Washliyah

Labuhanbatu.
2. Bapak Samsir, ST. M.Kom, selaku Dekan Fakultas Teknik Universitas Al-

Washliyah Labuhanbatu.

3. Bapak Kusmanto, selaku Wakil Dekan Fakultas Teknik Universitas Al-

Washliyah Labuhanbatu dan sekaligus Dosen Pembimbing II

4. Bapak Sudi Suryadi, M.Kom. selaku Ketua Program Studi (Kaprodi)

Teknik Informatika Universitas Al-Washliyah Labuhanbatu dan sekaligus

sebagai Dosen Pembimbing I yang telah berkenan memberikan tambahan

ilmu dan solusi pada setiap permasalahan atas kesulitan dalam penulisan

skripsi ini.

5. Seluruh Dosen Fakultas Teknik yang selama ini telah memberikan ilmu

yang tiada ternilai harganya.

6. Kepada kedua orangtua saya yang telah memberikan doa dan bantuan

berupa material maupun moril sehingga penulis dapat tetap semangat.

7. Teman-teman kelas yang selalu memberikan dorongan semangat,

motivasi, dan dorongan saat jatuh dan kembali bangkit untuk

menyelesaikan pendidikan Strata Satu (S1) ini.

8. Dan untuk seluruh teman-teman yang tak mampu penulis sebutkan satu

persatu terima kasih atas segala dukungan nya.

Penulis menyadari skripsi ini banyak memiliki kekurangan. Penulis

mengaharapkan saran dan kritik demi kesempurnaan dan perbaikannya sehingga

akhirnya laporan skripsi ini dapat memberikan manfaat bagi kita semua. Aamiin.

Wasallamu’alaikum waramahtullahi wabarakatuh.

Rantauprapat, 08 Januari 2023
Peneliti,

HAMZAH QATTRUNNADA
NIM. 1946081032
 DAFTAR ISI

ABSTRAK..............................................................................................................iv
KATA PENGANTAR............................................................................................vi
DAFTAR ISI............................................................................................................x
DAFTAR TABEL.................................................................................................xiv
DAFTAR GAMBAR.............................................................................................xv
DAFTAR LAMPIRAN.........................................................................................xvi
BAB I.......................................................................................................................1
PENDAHULUAN...................................................................................................1
1.1 Latar Belakang Masalah................................................................................1
1.2 Perumusan Masalah......................................................................................2
1.3 Batasan Masalah..........................................................................................2
1.4 Tujuan dan Manfaat Penelitian.....................................................................3
1.5 Sistematika Penulisan..................................................................................4
BAB II......................................................................................................................5
LANDASAN TEORI...............................................................................................5
2.1 Teori Pendukung...........................................................................................5
2.2 Tinjauan Umum Perusahaan.........................................................................6
2.2.1 Sejarah Coffee Shop Relasi....................................................................6
2.2.2 Visi Misi Coffee Shop Relasi.................................................................7
2.2.3 Stuktur Organisasi.................................................................................8
2.2.4 Tugas, Wewenang dan Tanggung Jawab...............................................9
2.2.5 Logo dan Makna Logo.........................................................................10
2.2.6 Denah Lokasi.......................................................................................11
2.3 Perancangan Sistem....................................................................................12
2.3.1 Flowchart Sistem.................................................................................12
2.4 Tools yang digunakan.................................................................................13
2.4.1 EXCEL................................................................................................13
2.4.1 Rapid Miner.........................................................................................14
BAB IV..................................................................................................................16
ANALISA DAN PERANCANGAN ANALISA...................................................16
3.1 Tempat dan Waktu Penelitian.................................................................16
3.1.1 Analisa Penelitian................................................................................16
3.2 Perancangan................................................................................................18
3.2.1 Algoritma.............................................................................................18
3.2.2 Pemodelan............................................................................................21
3.2.3 Perancangan User Interface.................................................................22
BAB IV..................................................................................................................25
IMPELEMENTASI DAN PENGUJIAN...............................................................25
4.1 Kebutuhan Sistem.......................................................................................25
4.2 Tampilan Program.......................................................................................26
4.2.1 Tampilan Input.....................................................................................26
4.2.2 Tampilan Output..................................................................................32
4.3 Hasil Pengujian Program............................................................................36
BAB V....................................................................................................................39
PENUTUP..............................................................................................................39
5.1 KESIMPULAN...........................................................................................39
5.2 SARAN.......................................................................................................39
DAFTAR PUSTAKA............................................................................................41
 DAFTAR TABEL

Tabel 2. 1 Simbol Flowchart dan Fungsinya..........Error! Bookmark not defined.

Tabel 2. 2 Perbedaan Python 2 dengan Python 3...Error! Bookmark not defined.

Tabel 3. 1 Kebutuhan Hardware dan Software......Error! Bookmark not defined.

 DAFTAR GAMBAR

Gambar 2. 1 Bagian Struktur Coffee Relasi............................................................8

Gambar 2. 2 Logo Relasi Coffee...........................................................................10

Gambar 2. 3 Denah Lokasi Coffee Shop...............................................................11

Gambar 2. 4 Flowchart...........................................................................................13

Gambar 2. 5 Logo Excel........................................................................................14

Gambar 2. 6 Logo Rapid Miner.............................................................................15

Gambar 3. 1 Table Projek......................................................................................23

Gambar 4. 1 Table Formulir Input.........................................................................26

Gambar 4. 2 Table Input penjualan........................................................................27

Gambar 4. 3 Table Input jenis kopi........................................................................28

Gambar 4. 4 Table semua data input......................................................................29

Gambar 4. 5 Design Rapidminer............................................................................30

Gambar 4. 6 Import data........................................................................................30

Gambar 4. 7 Format Columns................................................................................31

Gambar 4. 8 Pemerosesan data..............................................................................31

Gambar 4. 9 Tampilan Output...............................................................................32

Gambar 4. 10 Statistik............................................................................................33

Gambar 4. 11 Visualisasi Jenis Kopi.....................................................................34

Gambar 4. 12 Visualisasi Pendapatan....................................................................35

DAFTAR LAMPIRAN
 BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Kopi merupakan salah satu minuman yang populer di seluruh dunia,

terutama di Indonesia. Minuman ini sangat diminati oleh banyak orang karena

memiliki rasa yang unik dan dapat memberikan efek stimulan pada tubuh. Hal ini

membuat banyak orang mengonsumsi kopi sebagai bagian dari gaya hidup

mereka.Dalam industri kopi, coffee shop atau kedai kopi menjadi salah satu

tempat yang paling banyak dikunjungi oleh masyarakat. Coffee shop tidak hanya

menyajikan kopi, tetapi juga menyediakan berbagai jenis minuman dan makanan

ringan lainnya. Dalam coffee shop, penjualan kopi menjadi salah satu sumber

pendapatan yang paling utama.Seiring dengan semakin berkembangnya teknologi

informasi dan komunikasi, data mining dan metode forecasting menjadi salah satu

alat yang dapat digunakan untuk memproses data penjualan kopi secara efektif

dan efisien. Data mining dan metode forecasting dapat membantu dalam

mengolah data penjualan kopi di coffee shop Relasi Pangkatan, sehingga dapat

memberikan wawasan yang lebih baik tentang pola penjualan kopi dan perkiraan

penjualan kopi di masa depan.

1
 2

1.2 Perumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan di atas, maka rumusan

masalah dari penelitian ini adalah sebagai berikut:

1. Bagaimana melakukan analisis terhadap data penjualan kopi di coffee shop A

dengan menggunakan data mining?

2. Bagaimana menggunakan metode forecasting untuk memprediksi

penjualan kopi di masa depan di coffee shop A?

3. Apa saja faktor-faktor yang mempengaruhi penjualan kopi di coffee shop

Relasi?

1.3 Batasan Masalah

Dari rumusan masalah di atas, dapat dilihat bahwa masalah yang akan

dipecahkan adalah terkait dengan analisis data penjualan kopi di coffee shop

Relasi dan prediksi penjualan kopi di masa depan menggunakan metode

forecasting. Selain itu, penelitian ini juga akan mencoba untuk mengidentifikasi

faktor-faktor yang mempengaruhi penjualan kopi di coffee shop Relasi. Dalam

melakukan penelitian ini, penulis akan menggunakan data mining sebagai salah

satu metode untuk menganalisis data penjualan kopi.

 3

1.4 Tujuan dan Manfaat Penelitian

Tujuan dari penelitian ini adalah untuk melakukan analisis terhadap data

penjualan kopi di coffee shop Relasi dengan menggunakan data mining,

menggunakan metode forecasting untuk memprediksi penjualan kopi di masa

depan di coffee shop Relasi, dan mengidentifikasi faktor-faktor yang

mempengaruhi penjualan kopi di coffee shop Relasi.

Manfaat dari penelitian ini adalah sebagai berikut:

 Memberikan informasi yang lebih baik tentang pola penjualan kopi di coffee

shop Relasi dan perkiraan penjualan kopi di masa depan.

 Membantu pemilik coffee shop dalam mengambil keputusan strategis dalam

meningkatkan penjualan kopi.

 Memberikan sumbangan pengetahuan tentang penggunaan data mining dan

metode forecasting dalam industri kopi

1.5 Sistematika Penulisan

Dalam penyusunan proposal skripsi ini, pembagian bab akan menjadi 3

bab dalam menyusun proposal skripsi, yaitu :

BAB I : PENDAHULUAN
 4

Pada pembahasan pendahuluan yang berisi membahas

tentang latar belakang, perumusan masalah, batasan

masalah, tujuan dan juga manfaat dari penelitian, serta

sistematikan penulisannya.

BAB II : LANDASAN TEORI

Sedangkan pada landasan teori membahas tentang beberapa

Teori Pendukung, Tinjauan Umum Perusahaan, Sejarah

Perusahaan, Visi dan Misi, Struktur Organisasi, Tugas,

Wewenang dan Tanggung Jawab, Logo dan Makna Logo,

Denah Lokasi, Pemrograman Yang Digunakan.

BAB III : ANALISA DAN PERANCANGAN ANALISA

Pada pembahasan tentang analisa dan perancangan analisa

berisi tentang mekanisme penambangan data, rumus

algoritma untuk menentukan hasil prediksi pendapatan di

periode yang diinginkan.

 5

BAB II

LANDASAN TEORI

2.1 Teori Pendukung

 Data Mining: Data mining adalah proses menemukan pola dan informasi

yang berguna dari data besar dan kompleks. Dalam penelitian ini, teknik data

mining seperti clustering, association rule, dan decision tree dapat digunakan

untuk menganalisis data penjualan kopi di Coffee Shop Relasi.

 Forecasting: Forecasting adalah proses memprediksi nilai atau kejadian di

masa depan berdasarkan data historis. Dalam penelitian ini, teknik forecasting

dapat digunakan untuk memprediksi penjualan kopi di masa depan di Coffee

Shop Relasi berdasarkan data penjualan kopi yang ada.

 Faktor-faktor yang mempengaruhi penjualan kopi: Faktor-faktor yang

mempengaruhi penjualan kopi dapat bervariasi, tergantung pada industri dan

lingkungan yang berbeda. Beberapa faktor yang umumnya mempengaruhi

penjualan kopi antara lain harga, kualitas produk, lokasi, promosi, dan waktu.

Dalam penelitian ini, identifikasi faktor-faktor yang mempengaruhi penjualan

kopi di Coffee Shop Relasi dapat membantu dalam memahami pola penjualan

dan meningkatkan strategi pemasaran yang efektif

 6

2.2 Tinjauan Umum Perusahaan

2.2.1 Sejarah Coffee Shop Relasi

Coffee Shop Relasi didirikan padatahun 2020 oleh seorang pengusaha

bernama Reza Ady Nugroho. Reza adalah seorang pecinta kopi dan merasa bahwa

di daerah tempat tinggalnya masih kurang coffee shop yang berkualitas. Oleh

karena itu, ia memutuskan untuk memulai usaha coffee shop sendiri.

Awalnya, Coffee Shop Relasi adalah usaha kecil yang hanya melayani beberapa

jenis kopi dan makanan ringan. Namun, berkat pelayanan yang ramah dan kualitas

produk yang baik, pelanggan mulai datang dan bisnisnya berkembang pesat.

Dalam waktu singkat, Coffee Shop Relasi menjadi salah satu tempat favorit bagi

masyarakat setempat untuk ngopi atau nongkrong.

Dalam perkembangannya, Coffee Shop Relasi mulai mengembangkan menu dan

memperluas jangkauan layanan. Mereka menyediakan berbagai macam jenis kopi,

minuman dingin, dan makanan yang semakin beragam. Selain itu, Coffee Shop

Relasi juga membuka cabang di beberapa kota besar di Indonesia.

 7

Hingga saat ini, Coffee Shop Relasi terus berinovasi dan mengembangkan layanan

mereka untuk memenuhi kebutuhan dan keinginan pelanggan. Dengan visi untuk

menjadi salah satu coffee shop terbaik di Indonesia, Coffee Shop Relasi

berkomitmen untuk memberikan pengalaman yang terbaik bagi pelanggan

mereka.

2.2.2 Visi Misi Coffee Shop Relasi

Visi:

Menjadi coffee shop terkemuka yang menyediakan kopi terbaik dengan kualitas

yang konsisten dan layanan pelanggan yang terbaik.

Misi:

1. Menyediakan kopi berkualitas tinggi dengan harga yang terjangkau.

2. Menyediakan pengalaman pelanggan yang menyenangkan dan mengesankan

dengan layanan yang cepat, ramah, dan profesional.

3. Menggunakan bahan baku yang berkualitas dan ramah lingkungan untuk

mendukung keberlanjutan lingkungan.

4. Menjalin kemitraan yang baik dengan pemasok lokal untuk mendukung

komunitas dan ekonomi lokal.

 8

5. Meningkatkan kepuasan pelanggan dengan terus meningkatkan kualitas

produk dan layanan, serta mendengarkan umpan balik pelanggan untuk terus

memperbaiki diri.

Visi dan misi ini membantu coffee shop dalam menentukan tujuan dan arah yang

ingin dicapai. Visi menjadi panduan utama dalam mengarahkan bisnis ke arah

yang diinginkan, sementara misi memberikan petunjuk konkret tentang tindakan

yang harus diambil untuk mencapai tujuan tersebut.

2.2.3 Stuktur Organisasi

OWNER
REZA ADY NUGROHO

KASIR BARISTA
PUTRI KUMALA SARI FAHMI HALA

WAITER
ARI GONDRONG

Gambar 2.1
 9

2.2.4 Tugas, Wewenang dan Tanggung Jawab

Owner

Bertanggung jawab atas pengambilan keputusan strategis dan mengelola

keuangan bisnis.

Kasir

Bertanggung jawab atas menerima pembayaran dari pelanggan, memproses

transaksi, dan membuat laporan harian tentang penerimaan.

Barista

Bertanggung jawab atas persiapan kopi dan minuman, mengawasi persediaan

bahan baku dan alat, dan memberikan saran tentang jenis kopi atau minuman yang

cocok untuk pelanggan.

Waiter

Bertanggung jawab atas memberikan layanan yang baik dan mengesankan kepada

pelanggan, mengambil pesanan, dan memastikan bahwa pelanggan merasa

nyaman selama berada di coffee shop.

 10

Struktur organisasi ini memungkinkan Coffee Shop Relasi untuk menjalankan

bisnis dengan efisien dan efektif, dengan membagi tugas dan tanggung jawab

antara karyawan dan manajemen. Pemilik bertanggung jawab atas pengambilan

keputusan strategis dan keuangan bisnis, Dipegang oleh owner bertanggung jawab

atas operasi harian. Kasir, barista, dan waiter bertanggung jawab atas tugas-tugas

khusus mereka, dan semuanya bekerja sama untuk memberikan pengalaman

pelanggan yang terbaik.

2.2.5 Logo dan Makna Logo

Gambar 2.2
 11

Merupakan suatu indentitas visual terhadap suatu entitas yang memliki kreteria

tertentu seperti bentuk filosofi dan warna. Logo ini memiliki makna Infinity

sendiri, dimana infinity sendiri menggambarkan sesuatu yang tak terbatas dan

saling terhubung satu sama lain.

2.2.6 Denah Lokasi

Lokasi Kedai Kopi Relasi berada di Jl. Pendidikan Sidodadi C, Desa

Kampung padang, Kecamatan Pangkatan, Kabupaten Labuhanbatu.

Jarak Kedai Kopi Relasi dengan jarak kampus Universitas Al-Washliyah

Labuhanbatu sekitar 26 KM.

 12

Gambar 2.3

2.3 Perancangan Sistem

2.3.1 Flowchart Sistem

Flowchart adalah sebuah diagram atau gambaran visual yang digunakan

untuk memperlihatkan urutan langkah-langkah atau aliran proses dari suatu sistem

atau program. Flowchart sering digunakan sebagai alat bantu dalam merancang

dan menjelaskan sebuah proses atau sistem dengan cara yang mudah dipahami

oleh orang awam.

Flowchart menggunakan simbol-simbol khusus untuk merepresentasikan setiap

langkah atau tindakan dalam suatu proses, serta garis-garis dan anak panah untuk

menghubungkan dan menunjukkan urutan langkah-langkah tersebut. Flowchart

dapat digunakan untuk berbagai keperluan, seperti merancang sebuah program

komputer, menggambarkan proses produksi atau manufaktur, serta menjelaskan

proses bisnis atau administratif.

 13

Gambar 2.4

2.4 Tools yang digunakan

2.4.1 EXCEL

Excel adalah salah satu program pengolah data spreadsheet yang dibuat

oleh perusahaan Microsoft. Program ini terdiri dari grid bidimensional (dua
 14

dimensi) atau tabel yang terdiri dari baris dan kolom, tempat data dapat

dimasukkan dan diatur sedemikian rupa sehingga mudah dibaca dan dihitung.

Excel dapat digunakan untuk mengelola dan mengorganisir data, menghitung

angka, membuat grafik dan diagram, serta membuat laporan atau tabel data yang

dapat diatur secara otomatis. Excel juga dapat dihubungkan dengan sumber data

lainnya, seperti database dan program lain, sehingga dapat membantu dalam

analisis dan manajemen data yang kompleks. Excel sering digunakan dalam

berbagai bidang, seperti keuangan, akuntansi, manajemen proyek, dan penelitian.

Gambar 2.4

2.4.1 Rapid Miner

RapidMiner adalah perangkat lunak open-source yang digunakan untuk

melakukan analisis data. RapidMiner menyediakan platform untuk memproses,

 15

mengintegrasikan, dan menganalisis data dari berbagai sumber, seperti basis data,

file spreadsheet, atau bahkan data streaming yang real-time.

RapidMiner menggunakan antarmuka grafis dan menyediakan berbagai algoritma

data mining dan pemrosesan data, seperti klasifikasi, clustering, regresi, analisis

faktor, dan lain sebagainya, yang memungkinkan pengguna untuk mengolah data

secara mudah dan cepat tanpa perlu menulis kode secara manual.

Selain itu, RapidMiner juga menyediakan fitur-fitur seperti visualisasi data,

pemodelan prediksi, dan integrasi dengan berbagai platform bisnis yang berguna

untuk membantu pengambilan keputusan yang lebih baik dan efisien dalam

berbagai bidang, seperti keuangan, pemasaran, manufaktur, dan sebagainya.

RapidMiner dapat dijalankan pada sistem operasi Windows, Linux, dan Mac OS

X.

Gambar 2.5
 16

BAB III

ANALISA DAN PERANCANGAN ANALISA

3.1 Tempat dan Waktu Penelitian

1. Tempat Penelitian: Coffee shop Relasi tepat nya di Pangkatan 10

Sidodadi C

2. Waktu Penelitian :

Penelitian dilaksanakan pada bulan Januari- Maret Tahun 2023

3.1.1 Analisa Penelitian

 Objek penelitian:

Objek penelitian adalah penjualan kopi di Coffee Shop Relasi.

 Tujuan penelitian:

Tujuan dari penelitian ini adalah untuk menerapkan teknik data mining untuk

menganalisis data penjualan kopi di Coffee Shop Relasi dan membuat prediksi

penjualan kopi di masa yang akan datang.

 Metodologi:
 17

Penelitian ini menggunakan metode data mining, khususnya metode forecasting

dengan algoritma moving average dan exponential smoothing. Data yang

digunakan dalam penelitian ini adalah data penjualan kopi di Coffee Shop Relasi

selama periode waktu tertentu.

 Signifikansi:

Penelitian ini dapat memberikan informasi penting tentang pola penjualan kopi di

Coffee Shop Relasi. Hasil prediksi dari teknik data mining yang diterapkan dapat

membantu Coffee Shop Relasi untuk mengambil keputusan yang lebih tepat dalam

mengelola persediaan kopi dan memperbaiki strategi penjualan mereka.

 Kontribusi:

Penelitian ini dapat memberikan kontribusi terhadap perkembangan teknik data

mining dalam bidang bisnis dan manajemen, khususnya dalam menganalisis dan

memprediksi penjualan. Selain itu, penelitian ini juga dapat memberikan

informasi yang bermanfaat bagi pemilik atau pengelola toko kopi dalam

mengambil keputusan bisnis yang lebih baik.

 Batasan penelitian:

Penelitian ini memiliki beberapa batasan, di antaranya adalah data yang digunakan

hanya berdasarkan penjualan kopi di Coffee Shop Relasi, dan penelitian hanya

menerapkan dua metode data mining, yaitu metode forecasting dengan algoritma

moving average dan exponential smoothing.

 18

Dalam keseluruhan, penelitian ini memiliki tujuan yang jelas dan signifikansi

yang penting dalam bidang bisnis dan manajemen. Dengan adanya analisis

terhadap pola penjualan kopi, Coffee Shop Relasi dapat meningkatkan strategi

pemasaran dan memperbaiki manajemen persediaan kopi mereka. Namun,

penelitian ini memiliki beberapa batasan yang perlu diperhatikan agar hasil

penelitian dapat diinterpretasikan dengan benar.

3.2 Perancangan

3.2.1 Algoritma

1. Algoritma Moving Average

Algoritma Moving Average adalah salah satu metode forecasting yang

digunakan untuk meramalkan nilai masa depan berdasarkan nilai rata-rata pada

periode sebelumnya. Berikut adalah rumus algoritma Moving Average:

Moving Average = (X1 + X2 + X3 + ... + Xn) / n

Keterangan:

X1, X2, X3, ..., Xn = data penjualan pada setiap periode

 19

n = jumlah periode yang digunakan untuk menghitung rata-rata (biasanya 3, 5,

atau 7 periode)

Contoh penerapan rumus algoritma Moving Average dengan n=3:

Periode 1: X1 = 100

Periode 2: X2 = 120

Periode 3: X3 = 130

Periode 4: X4 = 110

Moving Average pada periode 4 = (X2 + X3 + X4) / 3

= (120 + 130 + 110) / 3

= 120

Dengan demikian, hasil forecast pada periode 5 dapat dihitung dengan

menggunakan nilai Moving Average periode 4, yaitu 120.

2. Algoritma Exponential Smoothing

Algoritma Exponential Smoothing adalah salah satu metode forecasting

yang digunakan untuk meramalkan nilai masa depan berdasarkan rata-rata

tertimbang pada periode sebelumnya dengan memberikan bobot yang lebih besar

pada nilai periode yang lebih baru. Berikut adalah rumus algoritma Exponential

Smoothing:
 20

Ft = α * Xt + (1 - α) * Ft-1

Keterangan:

Ft = nilai forecast pada periode t

α = smoothing constant (0 < α < 1), menentukan bobot yang diberikan pada data

terbaru

Xt = nilai data pada periode t

Ft-1 = nilai forecast pada periode sebelumnya (t-1)

F = Singkatan Forecast

T = Variabel Waktu atau periode yang di hitung

Contoh penerapan rumus algoritma Exponential Smoothing dengan α = 0.3:

Periode 1: Xt = 100

Periode 2: Xt = 120

Periode 3: Xt = 130

Periode 4: Xt = 110

F1 = X1 = 100
 21

F2 = α * X2 + (1 - α) * F1 = 0.3 * 120 + 0.7 * 100 = 106

F3 = α * X3 + (1 - α) * F2 = 0.3 * 130 + 0.7 * 106 = 114.2

F4 = α * X4 + (1 - α) * F3 = 0.3 * 110 + 0.7 * 114.2 = 112.94

Dengan demikian, nilai forecast pada periode 5 dapat dihitung dengan

menggunakan rumus Exponential Smoothing dengan menggunakan nilai α dan F4

yang sudah dihitung sebelumnya.

3.2.2 Pemodelan

1. Flowchart Sistem

START

PENGUMPULAN DATA

INPUT DATA KE

EXCEL
 22

PERHITUNGAN DATA

DENGAN RAPID MINER

HASIL DATA

PREDIKSI

PERHITUNGAN

FINISH

3.2.3 Perancangan User Interface

1. Perancangan Input
 23

Gambar 3.1

Saya akan mengumpukn data dari 5 Bulan terakhir untuk menentukan hasil

prediksi di Bulan ke 7. Dalam rancangan ini saya masih memasukkan Periode

sebagai data Bulan, Cup sebagai data banyak barang yang dijual, Harga sebagai

data Nominal yang di dapat, dan Hasil sebagai data Nominal yang di dapat per-

periode.

2. Perancangan Output
 24

3 Series 1
Series 2
Series 3
2

0
Category 1 Category 2 Category 3 Category 4

Table 3

Disini saya akan mengisi periode atau bulan di Category. Kemudian

Series 1 = Jumlah cup yang terjual

Series 2 = Harga kopi per cup

Series 3 = Hasil dari cup dan harga

 25

BAB IV

IMPELEMENTASI DAN PENGUJIAN

4.1 Kebutuhan Sistem

Dalam memenuhi kebutuhan sistem, maka diperlukan beberpa perangkat

dan algoritma yang membantu dalam memprediksi penjualan kopi di coffee shop
Relasi. Hal tersebut dapat membantu pemilik Coffee shop Relasi untuk
menentukan stok barang yang paling laris.

a. Pengumpulan Data: Sistem perlu dapat mengumpulkan data penjualan kopi di

Coffee Shop Relasi secara rutin dan terstruktur. Data yang dikumpulkan
meliputi informasi seperti tanggal penjualan, jenis kopi yang terjual, jumlah
penjualan, harga, dan informasi pelanggan.
b. Pemrosesan Data: Sistem perlu mampu melakukan pemrosesan data, termasuk
melakukan analisis statistik dan teknik data mining seperti moving average
dan exponential smoothing. Sistem harus dapat mengolah data penjualan kopi
untuk menghasilkan informasi yang berguna, seperti tren penjualan, pola
musiman, dan prediksi penjualan di masa mendatang.
c. Visualisasi Data: Sistem perlu memiliki fitur visualisasi data yang
memungkinkan pengguna untuk melihat data penjualan kopi secara grafis.
Grafik dan visualisasi yang mudah dipahami dapat membantu pengguna
dalam memahami tren dan pola penjualan yang terjadi.
d. Prediksi Penjualan: Sistem perlu dapat membuat prediksi penjualan kopi di
masa yang akan datang berdasarkan analisis data yang dilakukan. Prediksi ini
dapat membantu Coffee Shop Relasi dalam merencanakan persediaan kopi dan
mengatur strategi penjualan yang lebih efektif.
e. Penggunaan Algoritma Data Mining: Sistem perlu mengimplementasikan
algoritma data mining seperti moving average dan exponential smoothing
untuk melakukan analisis dan prediksi penjualan. Algoritma ini harus

25
 26

diimplementasikan dengan benar dan menghasilkan hasil yang akurat dan

dapat diandalkan.

4.2 Tampilan Program

Berikut ini merupakan beberapa tampilan saat melakukan proses tahapan

dalam penambangan data yang dilakukan untuk memprediksi penjualan kopi.
Adapun tampilan ini dibagi menjadi dua bagian yaitu tampilan input dan tampilan
output sebagai berikut:

4.2.1 Tampilan Input

A. Formulir Input Data Penjualan:

4.1 Gambar Formulir Input

Tanggal: [Sel]
Jenis Kopi: [Sel]
Jumlah Penjualan: [Kotak Combo dengan opsi pilihan jumlah penjualan]
Harga: [Sel]
Hasil: [Hasil dari perhitungan harga dan jumlah penjualan]
 27

Anda dapat menempatkan formulir ini di sebuah lembar kerja dan pengguna dapat
mengisi informasi penjualan kopi dalam kolom-kolom yang disediakan.

B. Tabel Input Data Penjualan:

4.2 Gambar Tabel Input

Buat tabel dengan kolom-kolom berikut:

Tanggal | Jenis Kopi | Harga | Jumlah Penjualan | Hasil |
Pengguna dapat langsung memasukkan data penjualan kopi ke dalam sel-sel yang
tersedia dalam tabel ini. Setiap baris mewakili satu entri data penjualan.
 28

C. Table Input Jenis Kopi

4.3 Gambar Tabel Input Jenis Kopi

Table ini untuk mencari jenis kopi apa yang sering keluar.
Es Kopi Relasi : A
Sanger :B
Expresso :C
Kopi Hitam :D
V 60 :E
Dengan rumus {=countif (ringe, criteria)} untuk menentukan jenis kopi apa yang
sering laku selama sebulan.
 29

D. Table Semua Data Input

4.4 Gambar Tabel Semua Data Input

Disini hasil dari semua data input yang sudah di jumlah kan dari hari pertama di
Bulan Januari sampai hari terakhir di Bulan Mei, memperoleh hasil :
Januari = Es Kopi Relasi sebanyak 203 cup, Sanger sebanyak 111 cup,
Expresso sebanyak 80 cup, Kopi Hitam sebanyak 167 cup, V 60
sebanyak 88 cup, dan pendapatan sebanyak 7.771.000 Rupiah.
Februari = Es Kopi Relasi sebanyak 210 cup, Sanger sebanyak 118 cup,
Expresso sebanyak 85 cup, Kopi Hitam sebanyak 187 cup, V 60
sebanyak 91 cup, dan pendapatan sebanyak 8.211.000 Rupiah.
Maret = Es Kopi Relasi sebanyak 225 cup, Sanger sebanyak 116 cup,
Expresso sebanyak 93 cup, Kopi Hitam sebanyak 187 cup, V 60
sebanyak 94 cup, dan pendapatan sebanyak 8.599.000 Rupiah.
April = Es Kopi Relasi sebanyak 217 cup, Sanger sebanyak 116 cup,
Expresso sebanyak 95 cup, Kopi Hitam sebanyak 180 cup, V 60
sebanyak 91 cup, dan pendapatan sebanyak 8.360.000 Rupiah.
Mei = Es Kopi Relasi sebanyak 205 cup, Sanger sebanyak 114 cup,
Expresso sebanyak 87 cup, Kopi Hitam sebanyak 169 cup, V 60
sebanyak 86 cup, dan pendapatan sebanyak 7.932.000 Rupiah.
Maka kita dapat menghitung rata-rata dari data tersebut dan mendapat hasil
prediksi Es kopi Relasi sebanyak 212 cup, Sanger sebanyak 115 cup, Expresso
sebanyak 88 cup, Kopi Hitam sebanyak 178 cup, V60 sebanyak 90 cup, dan
pendapatan yang diperkirakan pada bulan Juni adalah 8.166.600 Rupiah.
 30

E. Input Data ke Rapidminer

4.5 Gambar Design Rapidminer

Saya buka Rapidminer dan memilih read excel di operators untuk membaca file
excel yang sudah saya buat. Untuk membuat tampilan output dari data yang sudah
ditambang.

F. Pengecekan Data

4.6 Gambar Import Data

Pengecekan data mana yang ingin di proses.

 31

G. Pengecekan missing value

4.7 Gambar Format Columns

Disini kita mengecek apakah ada data yang hilang atau kolom yang tidak
memiliki nilai, setelah tidak ada data yang missing value langsung tekan finish.

H. Pemerosesan Data

4.8 Gambar Pemerosesan Data

Setalah data di cek langsung hubungkan untuk memproses data menjadi tampilan
output.
 32

4.2.2 Tampilan Output

A.Data Output

4.9 Gambar Tampilan Output

Data Output di Rapidminer menunjukkan Bulan | Es Kopi Relasi | Sanger |

Expresso | Kopi Hitam | V 60 | Pendapatan |
Dan ada baris Prediksi.
 33

B. Statistik dari data

4.10 Gambar Statistik

Statistik menunjukkan data penjualan jenis kopi yang paling sedikit, paling
banyak, dan rata-rata sebagai prediksi nya. Ada juga jumlah pendapatan minimal
sebesar 7.771.000, pendapatan maximal sebesar 8.559.000 dan rata-rata sebesar
8.166.600 sebagai prediksi bulan berikutnya.
 34

C. Visualisasi Jenis Kopi

4.11 Gambar Visualisasi Jenis Kopi

Visualisasi data jenis kopi dan bulan dengan tipe bar menunjukkan menu yang
paling laris setiap bulan dengan melihat warna apa yang paling tinggi.
Warna hijau : Es kopi relasi
Warna orange : Sanger
Warna hitam : Expresso
Warna biru : Kopi hitam
Warna pink : V 60
Dengan ini kita dapat lebih mudah mengetahui jenis kopi apa yang paling laris,
jadi kita dapat mempersiapkan stok untuk bulan berikut nya. Seperti yang kita
lihat di bar prediksi Es kopi relasi berada di atas 200 cup yang berarti owner
Coffee shop Relasi dapat menyetok bahan baku untuk membuat Es kopi relasi
agar lebih banyak di stok.
 35

D. Visualisasi Pendapatan

4.12 Gambar Visualisasi Pendapatan

Untuk visualisasi pendapatan nya saya buat tipe bar juga agar lebih mudah di
mengerti.
Seperti yang kita lihat pendapatan Coffee shop Relasi dari bulan Januari sampai
dengan Mei sangat setabil dan kita juga dapat melihat pendapatan paling tinggi
Coffee shop Relasi terjadi pada Bulan Maret.
 36

4.3 Hasil Pengujian Program

Pengujian program bertujuan untuk menguji program yang di kerjakan.

Apakah sudah berjalan atau tidak, Apakah hasil nya sesuai dengan perhitungan
algoritma yang dipakai. Disini saya memakai dua algoritma dari forecasting, yaitu
algoritma Moving Average dan algoritma Exponential Smoothing. Kedua
algoritma ini berfungsi untuk memprediksi pendapatan Coffee shop Relasi.

A. Pengujian Algoritma Moving Average

Algoritma Moving Average adalah salah satu metode forecasting yang

digunakan untuk meramalkan nilai masa depan berdasarkan nilai rata-rata pada
periode sebelumnya. Berikut adalah rumus algoritma Moving Average:

Moving Average = (X1 + X2 + X3 + ... + Xn) / n

Januari : X1 = 7.771.000

Februari : X2 = 8.211.000

Maret : X3 = 8.559.000

April : X4 = 8.360.000

Mei :X5 = 7.932.000

Moving Average pada Bulan Juni = (X1 + X2 + X3 + X4 + X5 ) / 5

= (7.771.000 + 8.211.000 + 8.559.000 + 8.360.000 + 7.932.000) / 5

 37

= 40.833.000 / 5

=8.166.600

Dengan demikian, hasil forecast pada Bulan juni dapat dihitung dengan
menggunakan nilai Moving Average , yaitu 8.166.600

B. Pengujian Algoritma Exponential Smoothing

Algoritma Exponential Smoothing adalah salah satu metode forecasting

yang digunakan untuk meramalkan nilai masa depan berdasarkan rata-rata

tertimbang pada periode sebelumnya dengan memberikan bobot yang lebih besar

pada nilai periode yang lebih baru. Berikut adalah rumus algoritma Exponential

Smoothing:

Ft = α * Xt + (1 - α) * Ft-1

α = 0,5

Periode 1: Xt = 7.771.000

Periode 2: Xt = 8.211.000

Periode 3: Xt = 8.559.000

Periode 4: Xt = 8.360.000
 38

Periode 5:Xt = 7.932.000

F1 = X1 = 7.771.000

F2 = α * X2 + (1 - α) * F1 = 0,5 * 8.211.000 + 0.5 * 7.771.000 = 4.105.000 +

3.885.500

= 7.990.500

F3 = α * X3 + (1 - α) * F2 = 0.5 * 8.559.000 + 0.5 * 7.990.500 = 4.279.500 +

3.995.250

=8.274.750

F4 = α * X3 + (1 - α) * F2 = 0.5 * 8.360.000 + 0.5 * 8.274.750 = 4.180.000 +

4.137.375

= 8.317.375

F5 = α * X4 + (1 - α) * F3 = 0.5 * 7.932.000 + 0.5 * 8.317.375 = 3.966.000

+4.158.687,5

= 8.124.687,5

Dengan demikian, nilai forecast pada periode 5 dapat dihitung dengan

menggunakan rumus Exponential Smoothing dengan menggunakan nilai α dan F5

yang sudah dihitung sebelumnya, yaitu 8.124.687,5.

 39

BAB V

PENUTUP

5.1 KESIMPULAN

Dalam penelitian ini, dilakukan analisis data mining terhadap penjualan

kopi di Coffee Shop Relasi menggunakan metode forecasting. Dalam proses ini,
dilakukan pengumpulan data penjualan kopi dan penerapan algoritma moving
average serta exponential smoothing untuk memprediksi penjualan di masa
mendatang.
Hasil analisis menunjukkan bahwa metode forecasting dapat memberikan
perkiraan yang dapat digunakan untuk mengantisipasi tren penjualan kopi di
Coffee Shop Relasi. Dalam kasus ini, moving average dan exponential smoothing
digunakan untuk mengidentifikasi pola dan tren penjualan, serta memprediksi
penjualan di masa yang akan datang.
Berdasarkan analisis data, ditemukan bahwa penjualan kopi di Coffee Shop
Relasi mengalami peningkatan seiring dengan waktu. Pola musiman juga
teridentifikasi, di mana penjualan cenderung meningkat pada musim liburan dan
akhir pekan.

5.2 SARAN

Berikut adalah beberapa saran yang dapat diberikan berdasarkan hasil

penelitian ini:

A. Pemilihan Metode Forecasting: Melakukan eksperimen dengan berbagai

metode forecasting lainnya seperti ARIMA, regresi linier, atau metode
ensemble untuk membandingkan performa prediksi. Hal ini dapat
memberikan wawasan yang lebih mendalam tentang prediksi penjualan
kopi di Coffee Shop Relasi.
 40

B. Peningkatan Akurasi Prediksi: Melakukan analisis lebih lanjut untuk

meningkatkan akurasi prediksi penjualan. Mungkin diperlukan tambahan
data historis, peningkatan kualitas data, atau penyesuaian parameter dalam
algoritma forecasting.
C. Analisis Faktor Eksternal: Melibatkan faktor-faktor eksternal seperti
cuaca, tren konsumen, atau kegiatan promosi dalam analisis penjualan. Ini
dapat memberikan pemahaman yang lebih komprehensif tentang faktor-
faktor yang mempengaruhi penjualan kopi di Coffee Shop Relasi.
D. Peningkatan Manajemen Persediaan: Menggunakan hasil prediksi
penjualan untuk mengoptimalkan manajemen persediaan kopi di Coffee
Shop Relasi. Dengan memperkirakan permintaan di masa depan,
manajemen persediaan dapat disesuaikan untuk menghindari kekurangan
atau kelebihan stok.
E. Evaluasi Strategi Pemasaran: Menganalisis hubungan antara upaya
pemasaran dan penjualan kopi di Coffee Shop Relasi. Dengan
mengevaluasi strategi pemasaran yang berbeda, perusahaan dapat
mengidentifikasi strategi yang paling efektif dalam meningkatkan
penjualan.
F. Penggunaan Sistem Informasi Manajemen: Mengintegrasikan hasil
analisis data mining dalam sistem informasi manajemen Coffee Shop
Relasi. Dengan mengimplementasikan sistem yang terkomputerisasi,
perusahaan dapat memantau penjualan secara real-time, menghasilkan
laporan analisis yang terstruktur, dan mengoptimalkan pengambilan
keputusan.

Kesimpulan dan saran di atas bertujuan untuk memberikan wawasan dan

rekomendasi yang berguna dalam mengelola penjualan kopi di Coffee Shop
Relasi. Dengan memanfaatkan teknik data mining dan metode forecasting,
perusahaan dapat mengambil langkah-langkah yang tepat untuk meningkatkan
efisiensi operasional dan keuntungan.
 41

DAFTAR PUSTAKA

Chong, E. K. P., Zakaria, R., Sulaiman, S., & Lee, C. H. (2019). The use of data
mining in predicting sales and profits for a small retail business. Journal of
Retailing and Consumer Services, 49, 347-353.

Nurhayati, E., & Putra, A. R. (2019). Sales Forecasting Using ARIMA Method
(Case Study: Coffee Shop). Journal of Physics: Conference Series, 1235(1),
012005.

Tan, P. N., Steinbach, M., & Kumar, V. (2019). Introduction to data mining.
Pearson.

Asif, M., Muhammad, F., & Nawaz, M. (2018). Sales forecasting of beverages
using Box-Jenkins and ARIMA models. Journal of Food Measurement and
Characterization, 12(4), 2743-2750.

Ahtesham, U., Khan, S., & Rasheed, F. (2019). Impact of Pricing on Customer
Purchase Behaviour: Evidence from Pakistan’s Coffee Shop Industry. Journal of
Business and Retail Management Research, 13(2), 75-81.

Andreini, D., & Vitali, G. (2018). The determinants of coffee shop customers’
satisfaction and loyalty in Italy: The role of physical and social environment.
Journal of Retailing and Consumer Services, 40, 220-229.

Wempen, F. (2018). Microsoft Excel 2019 Step by Step. Microsoft Press.

Jelen, B., & Syrstad, T. (2019). Excel 2019 Power Programming with VBA. John
Wiley & Sons.

Walkenbach, J. (2019). Excel 2019 Bible. John Wiley & Sons.

RapidMiner. (2022). RapidMiner: Your guide to an AI-driven world. Retrieved

from https://rapidminer.com/

Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: principles and

practice. OTexts.

40
 42

Gardner Jr, E. S. (1985). Exponential smoothing: The state of the art. Journal of
forecasting, 4(1), 1-28

assi, I., & Shneiderman, B. (1973). Flowchart techniques for structured

programming. ACM SIGPLAN Notices, 8(3), 12-26.

Han, J., Kamber, M., & Pei, J. (2011). Data mining: concepts and techniques.
Elsevier.

Chatfield, C., & Prothero, D. L. (2018). The analysis of time series: an

introduction (7th ed.). Chapman and Hall/CRC.

Montgomery, D. C., Jennings, C. L., & Kulahci, M. (2015). Introduction to time

series analysis and forecasting. John Wiley & Sons.

Wei, W. S. (2006). Time series analysis: univariate and multivariate methods (2nd
ed.). Pearson Education.

Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical
learning: data mining, inference, and prediction (2nd ed.). Springer.

Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data mining: practical
machine learning tools and techniques (4th ed.). Morgan Kaufmann.

Hand, D. J., Mannila, H., & Smyth, P. (2001). Principles of data mining. MIT
Press.

Chen, C., Liaw, A., & Breiman, L. (2004). Using random forest to learn
imbalanced data. University of California, Berkeley, Tech Report.

Jha, S. K., & Singh, D. (2016). Data mining: techniques, methodologies, tools,
and applications. CRC Press.

Liao, T. W. (2005). Clustering of time series data—a survey. Pattern Recognition,

38(11), 1857-1874.