Optimasi Waktu dan Besaran Diskon Produk Slow-moving Berdasarkan Prediksi Penjualan dengan Model Prophet: Studi Kasus Toko Rumahbayitaz
Abstract
Pertumbuhan e-commerce di Indonesia menuntut pelaku usaha untuk menyusun strategi promosi yang lebih terukur, khususnya dalam mengatasi produk slow-moving yang dapat menurunkan performa penjualan. Penelitian ini bertujuan untuk menganalisis tren historis penjualan di Toko Rumahbayitaz, menerapkan model time series Prophet untuk memprediksi performa produk slow-moving, serta merancang strategi diskon berbasis hasil prediksi. Permasalahan yang diangkat meliputi belum adanya sistem prediksi penjualan yang akurat, kurangnya analisis historis waktu pemberian diskon, dan ketiadaan mekanisme perencanaan promosi berbasis data. Penelitian ini menggunakan pendekatan Knowledge Discovery in Databases (KDD) dengan algoritma Prophet dan data penjualan harian periode Januari 2023 hingga April 2024 dari Shopee Seller Centre. Hasil menunjukkan bahwa Prophet mampu mengidentifikasi pola musiman mingguan dan bulanan serta memberikan prediksi akurat untuk mendeteksi periode dengan permintaan rendah. Strategi diskon seperti “Midweek Deal” dan “Flash sale Minggu Ceria” disusun berdasarkan output model dan menunjukkan potensi dalam meningkatkan efektivitas promosi. Kesimpulannya, integrasi model Prophet dalam perencanaan strategi diskon memungkinkan toko merancang promosi yang lebih relevan, tepat waktu, dan berbasis pola permintaan konsumen.
Kata kunci— diskon, e-commerce, forecasting, penjualan, Prophet, Shopee, slow-moving, time series
References
A. Ahdiat, “5 E-Commerce dengan Pengunjung Terbanyak di Indonesia (Januari-Desember 2023),” Databoks. Accessed: May 27, 2025. [Online]. Available: https://databoks.katadata.co.id/teknologi-telekomunikasi/statistik/3c9132bd3836eff/5-e-commerce-dengan-pengunjung-terbanyak-sepanjang-2023
C. Chandra and S. Budi, “Analisis Komparatif ARIMA dan Prophet dengan Studi Kasus Dataset Pendaftaran Mahasiswa Baru,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 6, no. 2, Aug. 2020, doi: 10.28932/jutisi.v6i2.2676.
D. Rizkya, H. Roosaputri, and C. Dewi, “Perbandingan Algoritma ARIMA, Prophet, dan LSTM dalam Prediksi Penjualan Tiket Wisata Taman Hiburan (Studi Kasus: Saloka Theme Park),” Jurnal Penerapan Sistem Informasi (Komputer & Manajemen), vol. 4, no. 3, pp. 507–517, Jul. 2023.
M. T. Hidayat and M. Sulistiyono, “Analisis Performa Algoritma XGBoost, GRU, dan Prophet dalam Peramalan Penjualan Obat untuk Optimasi Rantai Pasok Farmasi,” Jurnal Pendidikan dan Teknologi Indonesia, vol. 5, no. 1, pp. 65–73, Jan. 2025, doi: 10.52436/1.jpti.562.
U. Novita and S. S. E. Putri, “Analisis Pengaruh Promosi dan Diskon dalam Peningkatan Penjualan E-Commerce Era Digital,” Jurnal Pendidikan Tambusai, vol. 9, no. 1, pp. 11402–11408, 2025.
M. F. Amalia and D. B. Arianto, “Implementasi Algoritma K-Means Clustering Dalam Klasterisasi Kabupaten/Kota Provinsi Jawa Barat Berdasarkan Faktor Pemicu Stunting Pada Balita,” SIMKOM, vol. 9, no. 1, pp. 36–46, Jan. 2024, doi: 10.51717/simkom.v9i1.356.
C. A. Z. Arifin, A. E. Nugraha, and W. Winarno, “Klasifikasi Persediaan pada Gudang Bahan Kemasan XYZ dengan Metode FSN Analysis (Fast, Slow, Non-Moving) Berdasarkan Turn Over Ratio (TOR),” Go-Integratif : Jurnal Teknik Sistem dan Industri, vol. 4, no. 02, pp. 76–87, Nov. 2023, doi: 10.35261/gijtsi.v4i02.8906.
I. P. A. Sanjaya and N. K. Purnawati, “ANALISIS KINERJA MANAJEMEN PERSEDIAAN PRODUK UD. SINAR JAYA KARANGASEM,” E-Jurnal Manajemen Universitas Udayana, vol. 10, no. 3, p. 270, Mar. 2021, doi: 10.24843/EJMUNUD.2021.v10.i03.p04.
G. T. S. Gayatri, “Analisis Penerapan Manajemen Pergudangan pada Gudang UMKM Online Shop X,” Co-Value: Jurnal Ekonomi, Koperasi & Kewirausahaan, vol. 15, no. 4, Oct. 2024, [Online]. Available: https://journal.ikopin.ac.id
A. Alawi and B. Rahardjo, “PENGARUH PROMOSI DAN HARGA TERHADAP KEPUTUSAN PEMBELIAN MELALUI PLATFORM SHOPEE DI SAAT PANDEMI COVID-19,” TRANSEKONOMIKA: AKUNTANSI, BISNIS DAN KEUANGAN, vol. 2, no. 6, pp. 83–98, Sep. 2022, doi: 10.55047/transekonomika.v2i6.272.
R. D. Oktaviani and Albari, “Analisis Hubungan antara Online Customers’ Shopping Experience, Sikap Loyalitas dan Online Impulsive Buying: Studi pada Pengguna E-Commerce Shopee di Indonesia,” Selekta Manajemen: Jurnal Mahasiswa Bisnis & Manajemen, vol. 02, no. 05, pp. 133–151, 2023, [Online]. Available: https://journal.uii.ac.id/selma/index
D. B. Mahendra, M. Jefri, B. R. Gumilang, and B. Sutarto, “Analisis Perilaku Konsumen dalam Transaksi Berbasis E-commerce (Studi Kasus Mahasiswa Universitas Pamulang),” Prosiding Seminar Nasional Manajemen, vol. 4, no. 1, pp. 143–151, Nov. 2024, [Online]. Available: http://openjournal.unpam.ac.id/index.php/PSM/index
A. W. Sari, I. Djan, M. Wartaka, and Sumardjono, “Analisis Sikap dan Perilaku Konsumen Terhadap Keputusan Pembelian pada Online Marketplace,” Jurnal Ekonomi Efektif, vol. 5, no. 3, pp. 481–493, Apr. 2023.
I. G. P. W. Wardhana and I. W. Santiyasa, “Sistem Informasi Prediksi Penjualan E-Commerce Menggunakan Analisis Data Historis dan Algoritma MLR,” Jurnal Nasional Teknologi Informasi dan Aplikasnya, vol. 1, no. 3, p. 893, Jul. 2023, doi: 10.24843/JNATIA.2023.v01.i03.p15.
S. Makin, N. Supriana, and M. A. Kurniawan, “Model Peramalan Jumlah Penjualan Sparepart dengan Algoritma Forecasting Time series: Studi Kasus di PT. XYZ,” Jurnal Pendidikan dan Teknologi Indonesia, vol. 3, no. 6, pp. 265–271, Jul. 2023, doi: 10.52436/1.jpti.306.
S. J. Taylor and B. Letham, “Forecasting at Scale,” Am Stat, vol. 72, no. 1, pp. 37–45, Jan. 2018, doi: 10.1080/00031305.2017.1380080.
I. G. T. Suryawan, I. K. N. Putra, P. M. Meliana, and I. G. I. Sudipa, “Performance Comparison of ARIMA, LSTM, and Prophet Methods in Sales Forecasting,” sinkron, vol. 8, no. 4, pp. 2410–2421, Oct. 2024, doi: 10.33395/sinkron.v8i4.14057.
D. Chicco, M. J. Warrens, and G. Jurman, “The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation,” PeerJ Comput Sci, vol. 7, p. e623, Jul. 2021, doi: 10.7717/peerj-cs.623.
T. Chai and R. R. Draxler, “Root Mean Square Error (RMSE) or mean absolute error (MAE)? – Arguments against avoiding RMSE in the literature,” Geosci Model Dev, vol. 7, no. 3, pp. 1247–1250, Jun. 2014, doi: 10.5194/gmd-7-1247-2014.
U. Fayyad, G. Piatetsky-Shapiro, and P. Smyth, “The KDD process for extracting useful knowledge from volumes of data,” Commun ACM, vol. 39, no. 11, pp. 27–34, Nov. 1996, doi: 10.1145/240455.240464.
H. M. Said, “Data Mining and Knowledge Discovery in Big Data for Decision Making in Higher Education,” Biosci Biotechnol Res Commun, vol. 14, no. 4, pp. 2013–2019, Dec. 2021, doi: 10.21786/bbrc/14.4.93.
