CoStore: AI Inventory Decision System
Transformasi Sistem Kasir & Manajemen Stok Pintar
Decision co-pilot berbasis kecerdasan buatan yang mengubah aplikasi kasir konvensional menjadi asisten proaktif untuk memprediksi permintaan, mencegah stockout, dan mengeliminasi risiko deadstock.
Ringkasan Eksekutif
Proyek Tim
Christian G., Felix F., Michael K., Richie A., Trevin A.
Tech Stack
React, FastAPI, Qwen2.5-1.5B, MySQL, Docker
Arsitektur
2-Stage Hybrid Architecture (Deterministik + LLM)
Fokus Utama
Prediksi restock presisi & pencegahan deadstock.
Latar Belakang & Permasalahan
Sistem kasir (Point of Sale) konvensional yang digunakan pemilik usaha di Indonesia umumnya terbatas sebagai pencatat transaksi harian. Meskipun stok otomatis berkurang dan laporan ringkasan harian tercatat, sistem tersebut belum mampu membantu pemilik usaha mengambil keputusan strategis terkait pengelolaan persediaan.
Kesalahan estimasi pembelian sering memicu dua risiko utama: stockout (kehilangan potensi penjualan akibat kehabisan stok) atau overstock yang berujung pada deadstock (barang tidak terjual karena kedaluwarsa atau penurunan demand/Demand Decay). Data transaksi harian yang kaya potensi seringkali terabaikan akibat keterbatasan sumber daya dan ketersediaan analisis yang terjangkau bagi UKM.
Pernyataan Solusi
Mengubah sistem kasir konvensional menjadi AI Decision Co-Pilot yang secara aktif memprediksi pola permintaan, menentukan jadwal restock presisi, dan memberikan peringatan dini terhadap risiko kerugian.
Pendekatan Arsitektur: 2-Stage Hybrid Architecture
Untuk menghindari halusinasi aritmatika yang kerap terjadi pada model bahasa murni, CoStore memisahkan kalkulasi statistik deterministik dari pemodelan bahasa generatif:
Layer 1: Metric Calculation (Deterministik)
Kalkulasi metrik kunci seperti Simple Moving Average, Persentase Tren Penjualan, dan Days of Inventory dihitung secara akurat menggunakan kode pemrograman untuk menjamin validitas 100% tanpa risiko halusinasi angka.
Layer 2: Fine-Tuned Local LLM (Qwen2.5-1.5B-Instruct)
Model lokal diadaptasi menggunakan teknik QLoRA (4-Bit NF4) dan Completion-Only Loss Masking untuk menerjemahkan hasil metrik Layer 1 menjadi rekomendasi strategi retail terstruktur dalam format JSON yang valid.
Fitur & Klasifikasi Skenario Operasional
Sistem mengelompokkan status inventaris ke dalam tiga skenario operasional berbasis metrik DOI dan tren penjualan:
Kasus Merah (Restock Urgent)
Permintaan stabil/tinggi dengan sisa persediaan kritis.
Kasus Kuning (Dead Stock Risk)
Permintaan anjlok drastis dengan persediaan menumpuk berlebih.
Kasus Hijau (Normal/Aman)
Perputaran barang seimbang dengan cadangan stok dalam batas wajar operasional.
Integrasi & Deployment
Backend FastAPI bertindak sebagai jembatan penghubung antara React Frontend, database MySQL, dan inference pipeline AI.
Mock Data & Containerization
Dilengkapi Mock Data Mode untuk pengujian frontend secara independen serta dikemas menggunakan Docker Compose agar deployment berjalan konsisten di berbagai environment.
CoStore membantu UMKM beralih dari pengelolaan berbasis intuisi ke keputusan berbasis data yang akurat, aman, dan efisien.