Implementasi Metode Regresi Linier Dalam Memprediksi Penjualan Produk PT. Adam Dani Lestari

Muhamad Azhari; Edy Rahman Syahputra; Husni Lubis

doi:10.55537/cosmic.v3i3.1881

Penulis

Muhamad Azhari Universitas Harapan Medan
Edy Rahman Syahputra Universitas Harapan Medan
Husni Lubis Universitas Harapan Medan

DOI:

https://doi.org/10.55537/cosmic.v3i3.1881

Kata Kunci:

Kata Kunci: Prediksi Penjualan, Regresi Linier, MAPE, Python, PT. Adam Dani Lestari.

Abstrak

Penelitian ini bertujuan untuk mengimplementasikan metode regresi linier dalam memprediksi penjualan produk PT. Adam Dani Lestari, perusahaan distributor produk Unilever pada industri Fast Moving Consumer Goods (FMCG). Penelitian menggunakan data historis penjualan bulan Mei 2024 sebagai dasar pembentukan model prediksi penjualan harian. Pengolahan data dilakukan menggunakan bahasa pemrograman Python melalui Google Colab dengan dukungan pustaka Pandas, NumPy, Matplotlib, Seaborn, dan Scikit-learn. Tahapan penelitian meliputi pengumpulan data, pembersihan dan konversi data, perhitungan total penjualan harian, pembentukan model regresi linier, prediksi penjualan, serta evaluasi menggunakan Mean Absolute Percentage Error (MAPE). Model digunakan untuk menghasilkan prediksi penjualan harian pada periode Juni 2024 berdasarkan pola penjualan historis. Hasil analisis menunjukkan bahwa regresi linier mampu menangkap kecenderungan umum perubahan penjualan dari waktu ke waktu dan menghasilkan estimasi yang dapat digunakan sebagai gambaran awal dalam perencanaan bisnis. Evaluasi MAPE pada penelitian ini menggunakan data aktual yang disimulasikan karena data aktual bulan Juni belum tersedia, sehingga hasil evaluasi berfungsi sebagai ilustrasi pengukuran akurasi model. Implementasi ini dapat membantu perusahaan dalam mendukung perencanaan persediaan, strategi pemasaran, alokasi sumber daya, dan pengambilan keputusan operasional secara lebih terarah berdasarkan tren penjualan. Dengan demikian, model dapat menjadi pendekatan sederhana untuk membantu perusahaan memperkirakan permintaan masa depan tanpa memasukkan faktor eksternal lainnya.

Unduhan

Data unduhan belum tersedia.

Referensi

[1] Muhdar Abdurahman, “Sistem Informasi Pengolahan Data Pembelian Dan Penjualan Pada Toko Koloncucu Ternate,” Ijis-Indonesia J. Inf. Syst., Vol. 4, No. April, Pp. 69–76, 2019, Doi: 10.1021/Jp5128578.

[2] R. R. Ayu Septiana Sari, Jumadil Nangi, “Penerapan Metode Promethee Dalam Sistem Penunjang Keputusan Penentuan Penerima Beasiswa Bidik Misi Universitas Halu Oleo,” Bianglala Inform., Vol. 3, No. 1, Pp. 229–236, 2015.

[3] S. Zahara, Sugianto, And M. Bahril Ilmiddafiq, “Prediksi Indeks Harga Konsumen Menggunakan Metode Long Short Term Memory (Lstm) Berbasis Cloud Computing,” J. Resti (Rekayasa Sist. Dan Teknol. Informasi), Vol. 3, No. 3, Pp. 357–363, 2019, Doi: 10.29207/Resti.V3i3.1086.

[4] N. Kalcheva, M. Karova, And I. Penev, “Comparison Of The Accuracy Of Svm Kemel Functions In Text Classification,” Proc. Int. Conf. Biomed. Innov. Appl. Bia 2020, Pp. 141–145, 2020, Doi: 10.1109/Bia50171.2020.9244278.

[5] G. L. Yovellia Londo, D. H. Kartawijaya, H. T. Ivariyani, P. W. P. Yohanes Sigit, A. P. Muhammad Rafi, And D. Ariyandi, “A Study Of Text Classification For Indonesian News Article,” Proceeding - 2019 Int. Conf. Artif. Intell. Inf. Technol. Icaiit 2019, Pp. 205–208, 2019, Doi: 10.1109/Icaiit.2019.8834611.

[6] R. Abdulrahman, D. Neagu, D. R. W. Holton, M. Ridley, And Y. Lan, “Data Extraction From Online Social Networks Using Application Programming Interface In A Multi Agent System Approach,” Lect. Notes Comput. Sci. (Including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), Vol. 8065, Pp. 88–118, 2013, Doi: 10.1007/978-3-642-41776-4-4.

[7] D. Nallaperuma Et Al., “Online Incremental Machine Learning Platform For Big Data-Driven Smart Traffic Management,” Ieee Trans. Intell. Transp. Syst., Vol. 20, No. 12, Pp. 4679–4690, 2019, Doi: 10.1109/Tits.2019.2924883.

[8] A. R. Lubis, H. R. Safitri, M. Lubis, M. L. Hamzah, A.-K. Al-Khowarizmi, And O. Nugroho, “Enhancing Text Summarization With A T5 Model And Bayesian Optimization.,” Rev. D’intelligence Artif., Vol. 37, No. 5, 2023.

[9] A. R. Lubis, F. Fachrizal, And M. Lubis, “The Effect Of Social Media To Cultural Homecoming Tradition Of Computer Students In Medan,” Procedia Comput. Sci., Vol. 124, Pp. 423–428, 2017.

[10] A. R. Lubis, S. Prayudani, Y. Fatmi, And O. Nugroho, “Classifying News Based On Indonesian News Using Lightgbm,” In 2022 International Conference On Computer Engineering, Network, And Intelligent Multimedia (Cenim), Ieee, 2022, Pp. 162–166.