PENERAPAN ALGORITMA REGRESI LINIER DAN RANDOM FOREST UNTUK MEMPREDIKSI PENJUALAN DI UCHI PARFUME

Syamsul Falah; Aris Tri Jaka; Noora Qotrun Nada

doi:10.51401/jinteks.v7i3.6464

Authors

Syamsul Falah Universitas PGRI Semarang
Aris Tri Jaka Universitas PGRI Semarang
Noora Qotrun Nada Universitas PGRI Semarang

DOI:

https://doi.org/10.51401/jinteks.v7i3.6464

Keywords:

Prediksi Penjualan, Machine Learning, Regresi Linier, Random Forest, CRISP-DM

Abstract

Persaingan yang semakin ketat di sektor ritel parfum memerlukan pengelolaan persediaan dan strategi promosi yang tepat serta terukur. Di Uchi Parfume cabang Bumiayu, proses tersebut masih dilakukan secara manual melalui perkiraan, sehingga berisiko memicu ketidakseimbangan stok dan menurunkan kinerja penjualan. Penelitian ini mengembangkan model prediksi penjualan berbasis data historis untuk memperbaiki ketepatan perencanaan dan mengoptimalkan strategi promosi. Dua algoritma machine learning, yaitu Regresi Linier dan Random Forest, diterapkan dengan metode CRISP-DM yang mencakup tahap pemahaman bisnis, pengolahan data, pemodelan, evaluasi, dan implementasi. Variabel yang dianalisis meliputi bulan, harga, diskon, varian parfum, metode pembelian, dan lokasi cabang. Hasil evaluasi berdasarkan metrik MAE, RMSE, MAPE, dan R² menunjukkan bahwa Random Forest memiliki kinerja lebih unggul dibandingkan Regresi Linier, dengan kesalahan prediksi yang lebih rendah dan kemampuan menjelaskan variasi data yang lebih tinggi. Model kemudian diterapkan ke dalam aplikasi berbasis Streamlit, yang memungkinkan pengguna melakukan analisis penjualan dan perencanaan stok secara interaktif. Penelitian ini diharapkan dapat meningkatkan efisiensi operasional Uchi Parfume dalam membuat keputusan yang lebih akurat dan efisien.

References

R. Hidayat et al., “Implementasi Algoritma Random Forest Regression Untuk Memprediksi Penjualan Produksi di Supermarket,” Jurnal Sistem Informasi dan Sistem Komputer, vol. 10, no. 1, pp. 101–109, Jan. 2025, doi: 10.51717/simkom.v10i1.703.

A. Hurifiani, A. I. Purnamasari, and I. Ali, “Penerapan Algoritma Regresi Linear Untuk Prediksi Penjualan Alat Tulis Kantor (Atk) Di Bumdes,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 1, 2024, [Online]. Available: https://www.kaggle.com/.

Y. A. Ramadhan, A. Faqih, and G. Dwilestari, “Prediksi Penjualan Handphone Di Toko X Menggunakan Algoritma Regresi Linear,” Jurnal Informatika Terpadu, vol. 9, no. 1, pp. 40–44, 2023, [Online]. Available: https://journal.nurulfikri.ac.id/index.php/JIT

Y. Syakir et al., “Analisis Marketplace Shopee Untuk Memprediksi Penjualan dengan Algoritma Regresi Linier,” 2022.

B. A. Manurung, A. Gea, A. P. Silalahi, and N. Samosir, “Penerapan Algoritma Regresi Linear Untuk

Memprediksi Jumlah Wisatawan,” 2024. [Online]. Available: https://ejurnal.methodist.ac.id/index.php/methosisfo

R. Verdiyanto, D. Hartanti, and E. Purwanto, “Pengembangan Aplikasi Point of Sales untuk Prediksi Penjualan Harian Usaha Minuman Menggunakan Algoritma Random Forest Regression,” Jurnal Informatika dan Teknologi, vol. 8, no. 1, pp. 128–139, Jan. 2025, doi: 10.29408/jit.v8i1.28386.

S. Sobari, A. I. Purnamasari, A. Bahtiar, and K. Kaslani, “Meningkatkan Model Prediksi Kelulusan Santri Tahfidz Di Pondok Pesantren Al-Kautsar Menggunakan Algoritma Random Forest,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 1, Jan. 2025, doi: 10.23960/jitet.v13i1.5704.

E. Fitri, “Analisis Perbandingan Metode Regresi Linier, Random Forest Regression dan Gradient Boosted Trees Regression Method untuk Prediksi Harga Rumah,” Journal Of Applied Computer Science And Technology (Jacost), vol. 4, no. 1, pp. 2723–1453, 2023, doi: 10.52158/jacost.491.

P. R. Linear, U. Prediksi, H. Beras, D. Indonesia, V. Arinal, and M. Azhari, “Penerapan Regresi Linear Untuk Prediksi Harga Beras Di Indonesia,” Jurnal Sains dan Teknologi, vol. 5, no. 1, p. |pp, 2023, doi:

55338/saintek.v5i1.1417.

J. Elektronik Ilmu Komputer Udayana, M. Putri, U. Singaperbangsa Karawang Puseurjaya, and T. Timur, “Prediksi Penjualan Marketplace Menggunakan Regresi Linear Berganda Berdasarkan Produk Terjual dan Potongan Biaya Pengiriman (Studi Kasus?: Aufar Grosir Jeans),” Jurnal Elektronik Ilmu Komputer Udayana, vol. 13, no. 3, pp. 2654–5101, 2025.

I. N. Syahri, M. Martanto, A. R. Dikananda, and M. Mulyawan, “Implementasi Algoritma Regresi Linear Untuk Model Prediksi Penjualan Di Toko Amanda Brownies,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 2, Apr. 2025, doi: 10.23960/jitet.v13i2.6337.

I. R. Afandi, I. Wahyuningtyas, S. Fathurrohman, and F. N. Hasan, “Penerapan FP-Growth dan Random Forest dalam Analisis Data Penjualan Makanan Ringan,” Jurnal Telekomunikasi dan Komputer, vol. 15, no. 01, pp. 77– 89, 2025, doi: 10.22441/incomtech.v15i1.30260.

A. Agustina, T. Tukino, B. Huda, and E. Novalia, “Prediksi Volume Penjualan Gadget Berdasarkan Promo dan Channel Penjualan Menggunakan Random Forest,” Jurnal Sistem Informasi dan Informatika, vol. 4, no. 1, pp. 85–91, Jun. 2025, doi: 10.70609/jusifor.v4i1.6962.

A. M. M. Fattah, A. Voutama, N. Heryana, and N. Sulistiyowati, “Pengembangan Model Machine Learning Regresi sebagai Web Service untuk Prediksi Harga Pembelian Mobil dengan Metode CRISP-DM,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 5, p. 1669, Oct. 2022, doi: 10.30865/jurikom.v9i5.5021.

I. Rasyid Muchtar, “Comparison of Linear Regression and Random Forest Algorithms for Premium Rice Price Prediction (Case Study: West Java),” Jurnal Indonesia Sosial Teknologi, vol. 5, no. 7, p. 3122, 2024, [Online]. Available: http://jist.publikasiindonesia.id/

P. Ganguly and I. Mukherjee, “Enhancing Retail Sales Forecasting with Optimized Machine Learning Models,” Dec. 2024, doi: 10.1109/ICSES63445.2024.10762950.

H. Liu, “Comparative Analysis of Machine Learning Algorithms for Sales Forecasting in the Russian Toy Retail Sector,” International Conference on Financial Technology and Business Analysis, 2024, doi: 10.54254/27541169/128/2024.18672.

I. Amansyah, J. Indra, E. Nurlaelasari, and A. Juwita, “Prediksi Penjualan Kendaraan Menggunakan Regresi Linier:Studi Kasus pada Industri Otomotif di Indonesia,” Journal Of Social Science Research, vol. 4, no. 4, 2024.