Rancang Bangun Sistem Analisis Pendapatan dan Prediksi Tren Penjualan Berbasis Metode ARIMA pada CV. Anugrah Murni Sejati

Abstract

Penelitian ini bertujuan merancang sistem analisis pendapatan dan prediksi tren penjualan berbasis metode Autoregressive Integrated Moving Average (ARIMA) pada CV. Anugrah Murni Sejati, sebuah UMKM percetakan digital di Padang. Permasalahan utama yang dihadapi perusahaan adalah data transaksi dari sistem Point of Sale telah tersimpan secara digital, tetapi belum dimanfaatkan sebagai dasar analisis tren, proyeksi pendapatan, dan perencanaan pengadaan bahan baku. Penelitian menggunakan pendekatan rancang bangun dengan tahapan analisis kebutuhan, perancangan pipeline data, pemodelan ARIMA, perancangan arsitektur aplikasi web, perancangan basis data, dan perencanaan pengujian fungsional serta akurasi model. Data yang dirancang sebagai masukan adalah transaksi penjualan mingguan periode Januari 2024 sampai Januari 2026. Hasil perancangan menunjukkan bahwa sistem memiliki tujuh kebutuhan fungsional utama, meliputi otentikasi, manajemen transaksi, manajemen data master, modul prediksi ARIMA, dashboard visualisasi, pelaporan, dan pengelolaan produk POS. Pipeline data mengubah transaksi mentah menjadi deret waktu mingguan melalui proses ekstraksi, pembersihan, agregasi, pengindeksan waktu, pemodelan, dan pengiriman hasil prediksi ke dashboard. Rancangan ini memperlihatkan integrasi antara sistem operasional dan lapisan intelijen bisnis sehingga manajemen dapat membaca tren penjualan secara lebih proaktif. Sistem yang diusulkan diharapkan meningkatkan objektivitas keputusan, mengurangi ketergantungan pada intuisi, dan memperkuat pengelolaan persediaan berbasis data.

This study aims to design an income analysis and sales trend forecasting system based on the Autoregressive Integrated Moving Average (ARIMA) method at CV. Anugrah Murni Sejati, a digital printing micro, small, and medium enterprise in Padang. The main problem is that transaction data generated by the Point of Sale system have been stored digitally but have not yet been transformed into analytical insight for trend analysis, income projection, and raw-material planning. This study applies a system development approach consisting of requirement analysis, data pipeline design, ARIMA modeling design, web-application architecture design, database design, and functional as well as forecasting-accuracy testing plans. The designed input consists of weekly sales transaction data from January 2024 to January 2026. The design results indicate seven major functional requirements: authentication, transaction management, master-data management, Point of Sale product management, ARIMA forecasting, dashboard visualization, and reporting. The proposed pipeline converts raw transaction records into weekly time-series data through extraction, cleaning, aggregation, time indexing, modeling, and prediction delivery to the dashboard. The design integrates operational data management with a business-intelligence layer, enabling managers to interpret future sales trends proactively. The proposed system is expected to improve decision objectivity, reduce reliance on intuition, and strengthen data-driven inventory planning.