UMI Dampingi Primkoppol Maros Digitalisasi Pencatatan Stok, Siapkan Prediksi Berbasis AI
Maros-Sulawesi Selatan–Spektroom : Koperasi Primer Kepolisian Resor Maros (Primkoppol Resor Maros) mulai beralih dari pencatatan transaksi manual ke sistem digital untuk memperbaiki pengelolaan barang dan memudahkan penyusunan laporan keuangan.
Langkah ini dilakukan melalui pendampingan dosen dan mahasiswa Fakultas Ilmu Komputer Universitas Muslim Indonesia (UMI) Makassar, Senin (2/11/2026).
Selama ini, pencatatan transaksi dan stok barang di koperasi masih dilakukan secara manual. Kondisi tersebut membuat pengelola membutuhkan waktu lebih lama untuk menyusun laporan, sekaligus meningkatkan risiko kesalahan pencatatan dan selisih transaksi.
Persoalan semakin kompleks karena koperasi melayani tiga jenis pembayaran, yakni tunai, QRIS, dan kredit. Seluruh transaksi tersebut masih dibukukan dengan tangan sehingga pengurus kesulitan melacak pembayaran kredit dan mencocokkan uang yang diterima.
Selain itu, Primkoppol Resor Maros belum memiliki kode barang yang seragam. Akibatnya, barang yang sama berpotensi tercatat dengan nama berbeda. Untuk mengatasi persoalan tersebut, tim pendamping mendorong penggunaan barcode pada kemasan sebagai identitas setiap barang.
Program bertajuk Pendampingan Digitalisasi Manajemen Stok Berbasis AI-LSTM ini berlangsung September hingga Desember 2026 melalui skema Pengabdian kepada Masyarakat (PKM) Internal UMI di bawah LPkM UMI.
Dalam pendampingan tersebut, pengurus dan staf koperasi mendapatkan pelatihan penggunaan aplikasi kasir dan pencatatan stok digital. Materinya meliputi pengelolaan data barang, pelanggan, pemasok, transaksi penjualan, barang masuk, berbagai metode pembayaran, hingga pemantauan persediaan dan pengelolaan kasir.
Ketua Primkoppol Resor Maros, H. Haeruddin, S.Pd., menyambut baik pendampingan tersebut. Menurutnya, sistem digital akan membantu koperasi melakukan pencatatan lebih tertib sehingga penyusunan laporan bulanan menjadi lebih mudah.
Digitalisasi juga menjadi tahap awal untuk memperbaiki keputusan pengadaan barang. Selama ini, pembelian stok lebih banyak mengandalkan pengalaman pengelola. Akibatnya, ada barang yang menumpuk, sementara barang lain justru kosong ketika dibutuhkan pembeli.
Setelah data transaksi terkumpul secara konsisten, tim UMI akan mengembangkan model prediksi kebutuhan stok menggunakan metode Long Short-Term Memory (LSTM). Teknologi kecerdasan buatan ini diharapkan mampu membaca pola penjualan dan memperkirakan kebutuhan barang pada periode berikutnya.
Ketua tim pelaksana, Ir. Wistiani Astuti, S.Kom., M.T., MTA, bersama tiga dosen dan dua mahasiswa Teknik Informatika terlibat dalam program tersebut. Model LSTM yang dikembangkan sebelumnya telah diuji menggunakan data penjualan minimarket kampus dengan tingkat akurasi prediksi mencapai 80,57 persen.
