NURISNURIS

Sains Data Jurnal Studi Matematika dan TeknologiSains Data Jurnal Studi Matematika dan Teknologi

Peningkatan kebutuhan material konstruksi menjadikan paving block sebagai salah satu produk dengan permintaan tinggi di pasaran. CV. Difa Jaya Abadi sebagai produsen paving block memerlukan sistem prediksi harga yang akurat untuk mendukung strategi penjualan dan efisiensi produksi. Penelitian ini mengimplementasikan metode Regresi Linear Berganda untuk memprediksi harga jual paving block per meter persegi berdasarkan variabel produksi, biaya produksi, upah pekerja, bulan, dan tahun. Sistem prediksi dikembangkan berbasis web menggunakan Python (Flask) untuk backend perhitungan, HTML/CSS untuk antarmuka, dan PostgreSQL sebagai basis data. Data historis periode 2021–2024 digunakan sebagai dasar pelatihan model, sedangkan evaluasi dilakukan menggunakan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa sistem mampu menghasilkan prediksi harga yang mendekati nilai aktual dengan tingkat akurasi yang baik, di mana nilai MAPE sebesar 0,6%. Implementasi sistem ini diharapkan dapat membantu perusahaan dalam menetapkan harga jual yang lebih tepat, meningkatkan efisiensi operasional, dan mendukung pengambilan keputusan berbasis data.

Penelitian ini berhasil mengembangkan sistem prediksi harga penjualan paving block berbasis web menggunakan metode regresi linear berganda.Sistem ini mengintegrasikan variabel produksi, biaya produksi, upah pekerja, bulan, dan tahun, serta dibangun dengan Python, PostgreSQL, dan HTML/CSS.Hasil evaluasi menunjukkan tingkat akurasi yang sangat baik dengan nilai MAPE sebesar 0,6%, sehingga sistem ini layak digunakan sebagai acuan dalam penetapan harga jual di CV.

Penelitian lanjutan dapat dilakukan dengan memperluas sistem prediksi ini dengan menambahkan variabel eksternal seperti harga bahan baku, tren permintaan pasar, dan faktor cuaca untuk meningkatkan akurasi prediksi. Selain itu, perlu dilakukan pembaruan dan pelatihan model secara berkala agar tetap relevan dengan perubahan pola data di lapangan. Pengembangan fitur impor data secara massal juga dapat mempermudah pengguna dalam memperkaya dataset dan meningkatkan performa model prediksi, sehingga perusahaan dapat merespons dinamika pasar dengan lebih cepat dan tepat.

  1. Implementasi Metode Regresi Linear Berganda untuk Prediksi Harga Penjualan Material Paving Block pada... pub.nuris.ac.id/sainsdata/article/view/281Implementasi Metode Regresi Linear Berganda untuk Prediksi Harga Penjualan Material Paving Block pada pub nuris ac sainsdata article view 281
  2. Login. required fields marked asterisk lembaga penelitian pengabdian masyarakat lppm sekolah ekonomi... ejurnal.stie-trianandra.ac.id/index.php/jupea/article/view/2435Login required fields marked asterisk lembaga penelitian pengabdian masyarakat lppm sekolah ekonomi ejurnal stie trianandra ac index php jupea article view 2435
  3. PENERAPAN METODE REGRESI LINIER DALAM PREDIKSI PENJUALAN LIQUID VAPE DI TOKO VAPOR PANDAAN BERBASIS WEBSITE... doi.org/10.36040/jati.v6i1.4537PENERAPAN METODE REGRESI LINIER DALAM PREDIKSI PENJUALAN LIQUID VAPE DI TOKO VAPOR PANDAAN BERBASIS WEBSITE doi 10 36040 jati v6i1 4537
  4. Penerapan Metode Regresi Linear Berganda Dalam Prediksi Jumlah Pemakaian Obat Pada Rumah Sakit Rafflesia... doi.org/10.37676/jmi.v20i2.6512Penerapan Metode Regresi Linear Berganda Dalam Prediksi Jumlah Pemakaian Obat Pada Rumah Sakit Rafflesia doi 10 37676 jmi v20i2 6512
Read online
File size401.71 KB
Pages8
DMCAReport

Related /

ads-block-test