UNSURYAUNSURYA

JSI (Jurnal sistem Informasi) Universitas SuryadarmaJSI (Jurnal sistem Informasi) Universitas Suryadarma

Penelitian ini bertujuan untuk membangun sistem informasi prediksi pendapatan penjualan di Indomaret menggunakan algoritma Random Forest Regressor. Data yang digunakan merupakan data historis penjualan yang mencakup atribut seperti tanggal transaksi, produk, lokasi toko, metode pembayaran, dan total pendapatan. Model dikembangkan melalui proses pra-pemrosesan data, pelatihan model, dan evaluasi menggunakan metrik Mean Absolute Error (MAE) dan R² Score. Hasil menunjukkan bahwa model memiliki akurasi tinggi dengan MAE sebesar 9.587,48 dan R² sebesar 0,9998, yang menunjukkan kemampuan prediksi yang sangat baik. Visualisasi hasil prediksi juga menunjukkan kesesuaian antara data aktual dan prediksi. Kesimpulan dari penelitian ini adalah bahwa algoritma Random Forest efektif digunakan untuk memprediksi pendapatan penjualan dan dapat dijadikan alat bantu dalam pengambilan keputusan strategis di bidang ritel, khususnya untuk manajemen stok dan perencanaan promosi.

Penelitian ini berhasil melakukan prediksi penjualan di Indomaret dengan algoritma Random Forest, menunjukkan kinerja yang sangat memuaskan.Evaluasi model menghasilkan akurasi tinggi dengan MAE rendah dan R² Score mendekati sempurna, membuktikan kemampuan model dalam menangkap pola penjualan.Oleh karena itu, sistem ini layak digunakan sebagai pendukung keputusan dalam pengelolaan bisnis ritel, terutama manajemen stok dan perencanaan promosi.

Penelitian selanjutnya dapat difokuskan pada pengintegrasian faktor eksternal seperti data cuaca atau event promosi untuk meningkatkan akurasi prediksi penjualan. Selain itu, eksplorasi penggunaan algoritma machine learning yang lebih kompleks, seperti deep learning, dapat dilakukan untuk mengidentifikasi pola non-linear yang lebih halus dalam data penjualan. Terakhir, pengembangan sistem rekomendasi produk berdasarkan preferensi pelanggan dan data historis pembelian dapat menjadi arah penelitian yang menarik untuk meningkatkan penjualan dan kepuasan pelanggan di Indomaret. Penelitian-penelitian ini diharapkan dapat memberikan wawasan yang lebih mendalam tentang perilaku konsumen dan membantu Indomaret dalam mengoptimalkan strategi bisnisnya.

  1. IMPLEMENTASI BUSINESS INTELLIGENCE PADA TOKO SMART-S DALAM MEMBANTU PROSES ANALISIS BISNIS DENGAN METODE... doi.org/10.36040/jati.v8i4.10112IMPLEMENTASI BUSINESS INTELLIGENCE PADA TOKO SMART S DALAM MEMBANTU PROSES ANALISIS BISNIS DENGAN METODE doi 10 36040 jati v8i4 10112
  2. Prediksi Harga Bitcoin Menggunakan Metode Random Forest | Jurnal Komputer Terapan. harga bitcoin metode... jurnal.pcr.ac.id/index.php/jkt/article/view/4618Prediksi Harga Bitcoin Menggunakan Metode Random Forest Jurnal Komputer Terapan harga bitcoin metode jurnal pcr ac index php jkt article view 4618
  3. Kajian Performa Metode Class Weight Random Forest pada Klasifikasi Imbalance Data Kelas Curah Hujan |... journal.uii.ac.id/jurnalsnati/article/view/28294Kajian Performa Metode Class Weight Random Forest pada Klasifikasi Imbalance Data Kelas Curah Hujan journal uii ac jurnalsnati article view 28294
  4. PENERAPAN METODE RANDOM FOREST UNTUK KLASIFIKASI VARIAN MINUMAN KOPI DI KEDAI KOPI KONIJIWA BANTAENG... jurnalvariansi.unm.ac.id/index.php/variansi/article/view/31PENERAPAN METODE RANDOM FOREST UNTUK KLASIFIKASI VARIAN MINUMAN KOPI DI KEDAI KOPI KONIJIWA BANTAENG jurnalvariansi unm ac index php variansi article view 31
Read online
File size580.27 KB
Pages7
DMCAReport

Related /

ads-block-test