Publisher

UnmulUnmul

Journal Jurnal Rekayasa Teknologi Informasi (JURTI)Jurnal Rekayasa Teknologi Informasi (JURTI) Abstract

Pesatnya perkembangan era digital membuat persaingan di sektor ritel semakin ketat, termasuk di gerai SRC Pak Didin. Salah satu tantangan yang dihadapi gerai tersebut adalah pengelolaan produk yang belum optimal sehingga berdampak pada efisiensi operasional. Data Science menawarkan solusi untuk meningkatkan kinerja bisnis, seperti meningkatkan efisiensi operasional dan mengoptimalkan strategi pemasaran atau penjualan. Penelitian ini bertujuan untuk memprediksi penjualan produk di gerai SRC Pak Didin menggunakan algoritma XGBoost dan mengusulkan strategi penjualan yang dapat diterapkan untuk meningkatkan operasional gerai. Dataset yang digunakan dalam penelitian ini terdiri dari 24 jenis produk selama tiga bulan terakhir, terhitung sejak September 2024. Produk-produk tersebut antara lain mi instan (berbagai rasa seperti gorengan, kuah kaldu ayam, Aceh, dan soto), teh botol, minuman ringan, minuman herbal, kopi instan, makanan ringan, biskuit, air minum dalam kemasan, roti, tepung, gula, bumbu penyedap, es krim, susu kotak, dan makanan ringan lainnya. Penelitian ini menggunakan algoritma XGBoost untuk menganalisis data penjualan selama tiga bulan terakhir dan memprediksi penjualan pada bulan berikutnya. Metrik evaluasi yang digunakan meliputi Mean Squared Error (MSE) dan R-squared (R²). Model XGBoost diuji dalam tiga skenario: XGBoost Regression, XGBoost Regression Linear (variabel tunggal x), dan XGBoost Regression Linear (dua variabel x), dengan tujuan mengidentifikasi model dengan kinerja terbaik. Hasil akurasi menunjukkan bahwa model XGBoost Regression mencapai 96,56%, model XGBoost Regression Linear dengan satu variabel x mencapai 99,22%, dan model XGBoost Regression Linear dengan dua variabel x mencapai 99,59%. Model XGBoost Regression Linear dengan dua variabel dipilih sebagai model terbaik karena memiliki skor akurasi tertinggi. Model ini dapat secara efektif memprediksi penjualan produk dan memberikan wawasan yang dapat ditindaklanjuti untuk mengembangkan strategi penjualan, yang menguntungkan operasi toko SRC Pak Didin.

Conclusion

Prediksi penjualan produk menggunakan algoritma XGBoost dengan tiga eksperimen yaitu XGBoost Regression, XGBoost Regression Linear (satu variabel x), dan XGBoost Regression Linear (dua variabel x).Berdasarkan ketiga eksperimen model tersebut, model XGBoost Regression Linear (dua variabel x) merupakan model yang paling baik dengan akurasi sebesar 0.Hasil prediksi data penjualan produk yang didapatkan sangat sesuai jika dilihat dari pola penjualan tiga bulan sebelumnya, sehingga berdasarkan data tersebut dibuat strategi penjualan produk yang dapat diterapkan oleh pihak toko untuk bulan-bulan selanjutnya.Oleh karena itu, untuk pengembangan selanjutnya dataset yang digunakan ditambah lagi dengan menggunakan data penjualan produk di beberapa toko SRC berbeda untuk menghasilkan strategi penjualan produk yang lebih baik lagi.

Future Research

Penelitian lanjutan dapat dilakukan dengan memperluas dataset penjualan ke toko SRC lainnya untuk meningkatkan generalisasi model prediksi. Selain itu, eksplorasi optimasi hyperparameter pada algoritma XGBoost dapat dikembangkan untuk meningkatkan akurasi prediksi lebih lanjut. Terakhir, penelitian juga dapat fokus pada penerapan teknik preprocessing data yang lebih canggih untuk mengatasi masalah data yang tidak lengkap atau tidak konsisten, sehingga meningkatkan kualitas input model prediksi.

References

1. Pengembangan Model Machine Learning Regresi sebagai Web Service untuk Prediksi Harga Pembelian Mobil... doi.org/10.30865/jurikom.v9i5.5021Pengembangan Model Machine Learning Regresi sebagai Web Service untuk Prediksi Harga Pembelian Mobil doi 10 30865 jurikom v9i5 5021
2. SEGMENTASI DAN PERAMALAN PASAR RETAIL MENGGUNAKAN XGBOOST DAN PRINCIPAL COMPONENT ANALYSIS | METHOMIKA:... ejurnal.methodist.ac.id/index.php/methomika/article/view/80SEGMENTASI DAN PERAMALAN PASAR RETAIL MENGGUNAKAN XGBOOST DAN PRINCIPAL COMPONENT ANALYSIS METHOMIKA ejurnal methodist ac index php methomika article view 80
3. PREDIKSI PENJUALAN PRODUK UNILEVER MENGGUNAKAN METODE K-NEAREST NEIGHBOR | Alfani W.P.R. | JIPI (Jurnal... jurnal.stkippgritulungagung.ac.id/index.php/jipi/article/view/1910PREDIKSI PENJUALAN PRODUK UNILEVER MENGGUNAKAN METODE K NEAREST NEIGHBOR Alfani W P R JIPI Jurnal jurnal stkippgritulungagung ac index php jipi article view 1910

Metadata

File size	378.31 KB
Pages	10
DMCA	Report