Perbandingan Algoritma Supervised Learning Dalam Prediksi Penjualan

Nopiardi, Rian (2025) Perbandingan Algoritma Supervised Learning Dalam Prediksi Penjualan. Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (Cover) 00. Cover.pdf - Accepted Version Download (209kB)
	Text (BAB I-III) 01. BAB I-III.pdf - Accepted Version Restricted to Registered users only Download (356kB) | Request a copy
	Text (BAB IV) 02. BAB IV.pdf - Accepted Version Restricted to Registered users only Download (458kB) | Request a copy
	Text (BAB V) 03. BAB V.pdf - Accepted Version Restricted to Registered users only Download (11kB) | Request a copy
	Text (BAB Daftar Pustaka) 04. BAB Daftar Pustaka.pdf - Accepted Version Download (14kB)
	Text (Lampiran) 05. Lampiran.pdf - Accepted Version Restricted to Registered users only Download (324kB) | Request a copy

Abstract

Perkembangan industri Food & Beverage mendorong pelaku usaha untuk lebih adaptif dalam mengelola operasional dan menyusun strategi bisnis berbasis data. Salah satu tantangan utamanya adalah memprediksi penjualan secara akurat guna mengoptimalkan pengelolaan stok dan strategi promosi. Penelitian ini bertujuan untuk membandingkan kinerja tiga algoritma Machine Learning yaitu Decision Tree, Long Short-Term Memory (LSTM), dan XGBoost dalam melakukan prediksi penjualan pada Ken Aliy Coffee, dengan menggunakan data transaksi sepanjang tahun 2024. Metode penelitian mencakup proses Exploratory Data Analysis, feature engineering, serta pelatihan dan evaluasi model menggunakan metrik MAE, RMSE, dan R². Hasil penelitian menunjukkan bahwa ketiga algoritma memiliki kemampuan prediksi yang baik. Model LSTM memberikan nilai R² sebesar 97% dengan MAE 0,13 dan RMSE 0,30. Algoritma Decision Tree menghasilkan R² sebesar 95% dengan MAE 0,11 dan RMSE 0,36, sedangkan XGBoost memperoleh R² sebesar 94% dengan MAE 0,12 dan RMSE 0,37. Nilai R² yang mendekati 100% menunjukkan bahwa model-model tersebut cukup mampu merepresentasikan data dengan baik. Faktor-faktor yang paling berpengaruh terhadap prediksi penjualan meliputi harga produk, tipe produk, metode pembayaran, hari dalam seminggu, serta hari libur nasional. Penelitian ini membuktikan bahwa penerapan algoritma Machine Learning, khususnya LSTM, dapat menjadi solusi efektif dalam mendukung pengambilan keputusan berbasis data di industri Food & Beverage.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Prediksi Penjualan, Machine Learning, Decision Tree, LSTM, XGboost
Subjects:	Computer Science > Information Systems Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi
Depositing User:	Rian Nopiardi
Date Deposited:	26 Aug 2025 03:14
Last Modified:	26 Aug 2025 03:14
URI:	https://repository.bakrie.ac.id/id/eprint/11917

Actions (login required)

View Item