Supermarket x is a retail shop that sells various types of products ranging from home necessities, kitchen necessities, food and drinks. The importance of layout in retail is needed to make it easier for consumers to reach the goods they need. Supermarket x has a less effective layout, especially in arranging display shelves. This research aims to make recommendations for layout, especially new display shelves that are more efficient so that consumers can easily reach the items they want to buy. This research uses the Activity Relationship Chart (ARC) and Total Closeness Rating (TCR) analysis methods. The results of the research show that there is a change in the placement of goods on display shelves, after using ARC and TCR, the placement of goods on display shelves is arranged based on the closeness grouping of goods types, shelves 4 and 5 have a value of A (absolute) so the shelves must be close together, while shelf 2 with shelves 4, 5, 6, and 7 have undesirable adjacent X (prohibited) values. Shelf 5 which contains snacks has a high ARC value of 121, so shelf 5 will be allocated first, because snacks are most often sought after by consumers.

Inflasi yang terjadi di seluruh dunia termasuk negara Indonesia mengakibatkan masalah bagi masyarakat maupun negara, terjadinya ketidakstabilan ekonomi negara dan meningkatnya pengangguran dikarenakan banyaknya pengurangan karyawan kerja, selain itu dengan kelangkaan minyak terutama bahan bakar kendaraan salah satu faktor yang mendorong kenaikan inflasi sehingga mengakibatkan harga-harga barang dan sandang mengalami kenaikan yang signifikan, dari persoalan tersebut menimbulkan opini-opini masyarakat pada jejaring sosial khususnya twitter dari timbulnya masalah inflasi. Maka dibuatkan sistem untuk melakukan analisis sentimen dari masalah kondisi Inflasi Indonesia. Proses sistem memerlukan data tweet dengan jumlah 1725 tweet hasil dari proses crawling data twitter menggunakan bantuan library python yaitu tweepy pada masing-masing kata kunci inflasi. Algoritma naïve bayes clasiffier dengan model multinomialnb sebagai metode untuk melakukan klasifikasi. Hasil klasifikasi dari search key inflasi indonesia mengandung beberapa kelas yaitu positif, negatif dan netral. Proses penelitian diuji menggunakan beberapa skenario pembagian data yaitu 90:10, 80:20, 70:30, untuk tingkat akurasi terbaik dihasilkan menggunakan skenario 90% data train dan 10% data test mendapatkan hasil akurasi 75,5%, precision 75%, f1-score 75% dan recall 74%.