Jurnal Rekayasa Informatika

Perancangan Sistem Enterprise Resource Planning (ERP) Menggunakan Odoo Community pada Mini Market Toko Emi Grosir

Arya Maulana, Ricak Agus Setiawan — Thu, 04 Jun 2026 00:00:00 +0000

Mini Market Toko Emi Grosir dan Eceran merupakan usaha dagang yang masih menjalankan proses bisnisnya secara manual, sehingga sering terjadi kesalahan pencatatan stok, keterlambatan transaksi, dan ketidakakuratan data keuangan. Penelitian ini bertujuan untuk mengimplementasikan sistem Enterprise Resource Planning (ERP) berbasis Odoo Community guna mengintegrasikan dan mengotomasi proses bisnis pada modul Purchase, Inventory, Sales, Point of Sales, Website, eCommerce dan Accounting. Metode yang digunakan adalah studi kasus dengan pendekatan deskriptif. Hasil implementasi menunjukkan bahwa seluruh alur transaksi mulai dari pembelian barang ke vendor, pengelolaan stok gudang, penjualan melalui kasir (Point of Sale) maupun e-commerce, hingga pencatatan keuangan dapat berjalan secara terintegrasi dalam satu sistem. Simulasi transaksi bisnis berhasil dilakukan dengan melibatkan berbagai peran pengguna seperti staf pembelian, staf gudang, kasir, sales, dan keuangan. Pengujian sistem menunjukkan bahwa implementasi ERP Odoo Community mampu meningkatkan efisiensi operasional, akurasi data persediaan, dan kemudahan pengambilan keputusan manajerial pada Mini Market Toko Emi Grosir.

Penerapan Enterprise Resource Planning Berbasis Odoo untuk Mendukung Efisiensi Operasional pada UMKM Minuman D’Sruput Keliling

Muhammad Akmal Rizki, Ricak Agus Setiawan — Thu, 04 Jun 2026 00:00:00 +0000

Usaha Mikro, Kecil, dan Menengah (UMKM) di bidang minuman masih banyak menggunakan sistem manual dalam pengelolaan stok, transaksi penjualan, dan pencatatan operasional sehingga menyebabkan kurang optimalnya pengelolaan operasional perusahaan [1][2]. Penelitian ini bertujuan untuk menerapkan Enterprise Resource Planning (ERP) berbasis Odoo pada UMKM minuman D’Sruput Keliling untuk mendukung integrasi proses bisnis perusahaan. Metode penelitian yang digunakan adalah metode deskriptif kualitatif dengan pendekatan penerapan sistem ERP menggunakan aplikasi Odoo. Modul yang digunakan meliputi Purchase, Inventory, Manufacturing, Point of Sale (POS), dan Invoicing. Hasil penelitian menunjukkan bahwa penerapan ERP berbasis Odoo dapat mendukung integrasi data antar divisi, mempermudah monitoring stok, membantu proses pencatatan transaksi, serta mendukung pengelolaan operasional perusahaan secara lebih terintegrasi. Sistem ERP juga membantu perusahaan dalam mengurangi kesalahan pencatatan dan meningkatkan pengendalian operasional bisnis

Implementasi Enterprise Resource Planning Berbasis Odoo Community Edition pada UMKM Jasa Cuci Sepatu Cucishini

Muhammad Najwan Naufal Alfarid, Ricak Agus Setiawan — Thu, 04 Jun 2026 00:00:00 +0000

Cucishini Shoes Laundry merupakan UMKM jasa cuci sepatu di Purwodadi, Kabupaten Grobogan, yang masih menjalankan proses bisnisnya secara manual menggunakan buku catatan dan komunikasi WhatsApp. Kondisi tersebut menimbulkan permasalahan seperti kehilangan data order, status pengerjaan yang tidak terpantau, laporan keuangan yang tidak real-time, serta inkonsistensi harga antar admin. Penelitian ini bertujuan mengimplementasikan sistem Enterprise Resource Planning berbasis Odoo Community Edition untuk mengintegrasikan dan mengotomatisasi proses bisnis pada modul Sales, Invoicing, Inventory, Contacts, dan Discuss. Metode yang digunakan adalah studi kasus dengan pendekatan deskriptif. Hasil implementasi menunjukkan bahwa seluruh alur transaksi mulai dari penerimaan order, pengerjaan layanan, generate invoice, hingga pencatatan pembayaran berjalan secara terintegrasi dalam satu sistem. Simulasi transaksi end-to-end berhasil dieksekusi dengan melibatkan peran Kasir, Staff Laundry, dan Manager. Implementasi ERP Odoo Community Edition mampu meningkatkan efisiensi operasional, akurasi data, transparansi tracking status, serta kemudahan pengambilan keputusan manajerial pada Cucishini Shoes Laundry.

Perancangan Sistem PersonaAI untuk Analisis Perilaku Konsumen UMKM Berbasis Media Sosial Menggunakan Unified Modeling Language (UML)

Mandala Adikara Sencoko — Thu, 04 Jun 2026 00:00:00 +0000

Pemasaran digital telah menjadi strategi krusial bagi usaha mikro, kecil, dan menengah, namun banyak pelaku usaha menghadapi kendala signifikan dalam menafsirkan data interaksi media sosial yang kompleks menjadi strategi pemasaran yang efektif. Keterbatasan literasi data dan ketiadaan alat analitik yang mampu memodelkan perilaku audiens secara mendalam menyebabkan pengambilan keputusan seringkali hanya didasarkan pada intuisi atau metrik deskriptif semata. Penelitian ini bertujuan merancang arsitektur sistem PersonaAI yang memanfaatkan kecerdasan buatan untuk menganalisis perilaku konsumen dan membentuk persona audiens secara otomatis guna mendukung keputusan pemasaran. Metode penelitian yang diterapkan adalah pendekatan rekayasa perangkat lunak dengan pemodelan sistem berbasis Unified Modeling Language untuk merancang alur fungsional, aktivitas proses, dan interaksi komponen secara sistematis. Hasil perancangan menunjukkan arsitektur sistem modular yang mengintegrasikan Large Language Model sebagai mesin analitik internal untuk memproses data interaksi mentah menjadi wawasan perilaku yang terstruktur. Desain ini mencakup mekanisme pendaftaran, manajemen akun, analisis pola perilaku otomatis, pembentukan persona digital, serta pembuatan rekomendasi konten yang dipersonalisasi. Kesimpulannya, arsitektur PersonaAI menawarkan solusi konseptual yang valid untuk menjembatani kesenjangan analitik pada usaha mikro dengan menyediakan pemahaman audiens yang interpretatif dan rekomendasi strategi berbasis data tanpa memerlukan keahlian teknis yang mendalam, sehingga meningkatkan efektivitas komunikasi pemasaran digital.

Penerapan Data Mining untuk Prediksi Employee Attrition Menggunakan Naive Bayes dan Decision Tree

Rafly Anugrah, Heti Mulyani — Thu, 04 Jun 2026 00:00:00 +0000

Penelitian ini membahas penerapan teknik data mining untuk memprediksi employee attrition menggunakan dataset IBM HR Employee Attrition. Tingginya tingkat attrition karyawan dapat memberikan dampak negatif bagi perusahaan, seperti meningkatnya biaya rekrutmen dan menurunnya produktivitas kerja. Oleh karena itu, diperlukan sistem prediksi yang mampu membantu perusahaan dalam mengidentifikasi kemungkinan karyawan melakukan resign. Penelitian ini menggunakan dua algoritma klasifikasi, yaitu Decision Tree dan Naive Bayes, untuk membandingkan performa model dalam memprediksi attrition karyawan. Tahapan penelitian meliputi preprocessing data, pengecekan duplicate data, deteksi outlier, visualisasi data menggunakan heatmap dan boxplot, serta proses pelatihan dan pengujian model. Evaluasi model dilakukan menggunakan accuracy score dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes memiliki performa yang lebih baik dibandingkan Decision Tree dengan tingkat akurasi sebesar 79%, sedangkan Decision Tree menghasilkan akurasi sebesar 73%. Model terbaik kemudian diimplementasikan ke dalam aplikasi berbasis Streamlit untuk mempermudah proses prediksi attrition karyawan. Penelitian ini diharapkan dapat membantu perusahaan dalam pengambilan keputusan terkait pengelolaan sumber daya manusia secara lebih efektif.

Penerapan Data Mining untuk Prediksi Penyakit Jantung Menggunakan Metode Decision Tree

Risky Yanuar Firdaus, Heti Mulyani — Thu, 04 Jun 2026 00:00:00 +0000

Penyakit jantung merupakan salah satu penyebab kematian tertinggi di dunia dan menjadi masalah kesehatan yang memerlukan penanganan serta deteksi dini yang efektif. Oleh karena itu, diperlukan sistem yang mampu membantu proses prediksi penyakit jantung secara cepat, akurat, dan efisien. Penelitian ini bertujuan untuk menerapkan teknik data mining menggunakan algoritma Decision Tree dalam membangun sistem prediksi penyakit jantung berbasis web. Metode yang digunakan adalah CRISP-DM (Cross Industry Standard Process for Data Mining) yang terdiri dari enam tahapan, yaitu Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dataset yang digunakan diperoleh dari Kaggle dan melalui proses preprocessing untuk meningkatkan kualitas data sebelum dilakukan pemodelan. Model dibangun menggunakan Decision Tree Classifier dan dievaluasi dengan accuracy score, confusion matrix, serta classification report. Hasil penelitian menunjukkan bahwa model mampu mencapai tingkat akurasi sebesar 73,77%. Selanjutnya, model diimplementasikan ke dalam aplikasi berbasis web menggunakan Streamlit sehingga pengguna dapat melakukan prediksi penyakit jantung dengan lebih mudah, cepat, dan interaktif