Claim Missing Document
Check
Articles

Found 2 Documents
Search

Analisis dan Pengujian Sistem Informasi Stok dengan Boundary Value Analysis pada PT ABC Bong, Adryanto Wisesa; Safitri, Elsa; Hendry, Tivelin
DEVICE : JOURNAL OF INFORMATION SYSTEM, COMPUTER SCIENCE AND INFORMATION TECHNOLOGY Vol 5, No 1: JUNI 2024
Publisher : Universitas Dharmawangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46576/device.v5i1.4559

Abstract

Penelitian ini bertujuan untuk menganalisis dan menguji sistem informasi stok pada PT. ABC dengan menggunakan metode Boundary Value Analysis (BVA) dan Equivalence Partitioning (EP). Kedua metode ini dipilih untuk memastikan sistem informasi mampu menangani berbagai kondisi input secara efektif dan efisien, serta untuk mengidentifikasi potensi cacat perangkat lunak dalam berbagai skenario penggunaan. BVA digunakan untuk menguji batas-batas nilai input yang mungkin diterima oleh sistem, sedangkan EP digunakan untuk membagi himpunan data uji menjadi partisi-partisi yang ekivalen sehingga dapat mewakili keseluruhan ruang input. Hasil pengujian menunjukkan bahwa sistem informasi stok mampu berfungsi dengan baik dalam kondisi normal maupun ekstrem, namun terdapat beberapa area yang memerlukan perbaikan untuk meningkatkan keandalan dan akurasi sistem. Rekomendasi perbaikan yang diusulkan diharapkan dapat meningkatkan performa sistem dalam pengelolaan stok barang di PT. ABC.
Penerapan Data Analitik untuk Menentukan Pola Asosiasi Penjualan dengan Algoritma Apriori Bong, Adryanto Wisesa; Mardiani, Mardiani
MDP Student Conference Vol 4 No 1 (2025): The 4th MDP Student Conference 2025
Publisher : Universitas Multi Data Palembang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35957/mdp-sc.v4i1.10930

Abstract

Company XYZ is a distributor of motorbike spare parts that faces challenges in utilizing transaction data to improve marketing strategies. This research aims to apply the Apriori algorithm in analyzing transaction data to find product purchasing patterns that often occur simultaneously. The Knowledge Discovery in Database (KDD) method is used for the analysis process, starting from understanding data, data transformation, to pattern discovery and evaluation. The interactive dashboard was designed using Python to present analysis results in an easy-to-understand visual form. The research results show that the application of the Apriori algorithm can identify significant association patterns between products, help companies improve sales strategies and optimize stock management. Thus, this research contributes to data-based decision making to support company business growth.