Data Mining Untuk Prediksi Penjualan Menggunakan Metode Simple Linear Regression

  • Patrisius Ando Duran Program Studi Teknik Informatika, Universitas Dr. Soetomo, Surabaya, Jawa Timur
  • Anik Vega Vitianingsih Program Studi Teknik Informatika, Universitas Dr. Soetomo, Surabaya, Jawa Timur
  • Moch. Syaiful Riza Program Studi Teknik Informatika, Universitas Dr. Soetomo, Surabaya, Jawa Timur
  • Anastasia Lidya Maukar Program Studi Teknik Industri, President University, Bekasi, Jawa Barat
  • Seftin Fitri Ana Wati Program Studi Sistem Informasi, Universitas Pembangunan Nasional Veteran, Surabaya, Jawa Timur
Keywords: Data Mining, Prediksi Penjualan, Prediksi Stok Penjualan, Simple Linear Regression

Abstract

Prediksi penjualan menjadi elemen penting dalam perencanaan perusahaan karena akan menentukan rencana anggaran penjualan, yang mempengaruhi banyak faktor dalam perusahaan. Produsen penjualan sering kali mengalami kesulitan untuk memprediksi kisaran jumlah produk yang terjual pada periode yang akan datang. Permasalahan tersebut mengakibatkan ketidakefektifan dalam pengelolaan stok dan jadwal produksi, sehingga stok produk digudang menumpuk yang mengakibatkan beberapa produk mengalami kerusakan karena disimpan terlalu lama. Tujuan dari penelitian ini adalah mengimplementasikan metode Simple Linear Regression untuk memprediksi penjualan produk agar dapat mengetahui tentang kisaran jumlah penjualan produk di periode yang akan datang, sehingga dapat menyesuaikan penyedian stok yang lebih efektif berdasarkan prediksi yang diperoleh. Metode Simple Linear Regression digunakan untuk mengevaluasi dan memahami arah serta kekuatan hubungan antara dua variabel, yaitu variabel independen (X) dan variabel dependen (Y). Parameter yang digunakan adalah periode bulan dan jumlah penjualan. Periode bulan yang merujuk pada rentang waktu, bagaimana perubahan waktu dapat memengaruhi jumlah penjualan produk sedangkan jumlah penjualan merupakan output yang menjadi fokus utama, mengetahui sejauh mana variabilitas dalam periode bulan dapat dijelaskan oleh variasi dalam jumlah penjualan produk. Dataset yang digunakan untuk uji tingkat kesalahan terhadap hasil prediksi menggunakan data penjualan mulai periode Februari 2021 sampai dengan September 2023. Hasil uji menyatakan nilai rata-rata dari selisih absolut antara nilai prediksi atau MAD sebesar 3,778563, rata-rata dari kuadrat selisih antara nilai prediksi dan nilai aktual atau MSE sebesar 21,661444 dan rata-rata persentase kesalahan absolut antara nilai prediksi dan nilai aktual atau MAPE sebesar 12%. Berdasarkan nilai MAPE yang diperoleh, dapat disimpulkan bahwa prediksi penjualan untuk penjualan produk ini dapat dikategorikan Baik. Hasil penelitian ini dapat dijadikan rekomendasi untuk memprediksi kisaran jumlah penjualan produk diperiode yang akan datang agar menyesuaikan persediaan stok, anggaran dan jadwal produksi.

Downloads

Download data is not yet available.

References

F. D. Ramadhani and M. Ardhiansyah, Sistem Prediksi Penjualan Dengan Metode Single Exponential Smoothing Dan Trend Parabolik. Tangerang Selatan: Pascal Books, PT.Mediatama Digital Cendekia, 2021.

S. Manalu and S. J. Poluan, Cara Akurat Menyusun Penganggaran Perusahaan Manufaktur. Malang: Seribu Bintang, 2019.

F. Rangkuti, Strategi Promosi Yang Kreatif Dan Analisis Kasus Integrated Marketing Communication. Jakarta: PT. Gramedia Pustaka Utama, 2009.

I. D. Sudirman, Data-Driven Entrepreneur: Bisnis Berdaya Saing Dengan Data Science Dan RapidMiner. Jakarta Selatan: Salemba Infotek, 2023.

M. Leonardi, R. Emilda, I. Katrin, and A. Yulianto, “Prediksi Penjualan Produk Rokok Pada pt. Indomarco Prismatama menggunakan algoritma c4.5,” Paradigma - Jurnal Komputer dan Informatika, vol. 23, no. 2, 2021. doi:10.31294/p.v23i2.11151

Harsiti, Z. Muttaqin, and E. Srihartini, “Penerapan metode Regresi Linier Sederhana Untuk prediksi Persediaan obat jenis tablet,” JSiI (Jurnal Sistem Informasi), vol. 9, no. 1, pp. 12—16, 2022. doi:10.30656/jsii.v9i1.4426

R. Kurniawan, “Penerapan metode Regresi Linear Sederhana Untuk prediksi penyebaran vaksin covid 19 di Kabupaten Cilacap,” Journal ICTEE, vol. 4, no. 1, p. 43, 2023. doi:10.33365/jictee.v4i1.2696

A. A. Muhartini , O. Sahroni , S. D. Rahmawati, T. Febrianti, and I. Mahuda, “Analisis Peramalan Jumlah Penerimaan Mahasiswa Baru Dengan Menggunakan Metode Regresi Linear Sederhana,” Jurnal Bayesian : Jurnal Ilmiah Statistika dan Ekonometrika , vol. 1, no. 1, 2021. doi:10.46306/bay.v1i1.2

O. J. Ababil, S. A. Wibowo, and H. Zulfia Zahro’, “Penerapan metode regresi Linier Dalam Prediksi Penjualan liquid vape di toko vapor pandaan berbasis website,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 6, no. 1, pp. 186—195, 2022. doi:10.36040/jati.v6i1.4537

R. A. Laksono, S. Achmadi, and A. P. Sasmito, “Implementasi Data Mining Menggunakan Metode Least Square Untuk Memprediksi Jumlah Pendapatan,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 5, 2023.

G. N. Ayuni and D. Fitrianah, “Penerapan Metode Regresi Linear Untuk Prediksi Penjualan Properti pada PT XYZ,” Jurnal Telematika , vol. 14, no. 2, 2019. doi:10.61769/jurtel.v14i2.321

Amna et al., Data Mining. Padang: PT. Global Eksekutif Teknologi, 2023.

G. A. Pradnyana and K. Agustini, Konsep Dasar Data Mining. Tangerang Selatan: Universitas Terbuka, 2022.

Mustika et al., DATA MINING DAN APLIKASINYA. Bandung: Widina Bhakti Persada , 2021.

A. Alfani W.P.R., F. Rozi, and F. Sukmana, “Prediksi Penjualan Produk Unilever Menggunakan Metode K-Nearest Neighbor,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 6, no. 1, pp. 155—160, 2021. doi:10.29100/jipi.v6i1.1910

S. H. Sahir, Metodologi Penelitian. Jogjakarta: KBM Indonesia, 2021.

Z. Matondang and H. F. Nasution, Praktik Analisis Data : Pengolahan Ekonometrika Dengan Eviews & SPSS. Medan : Merdeka Kreasi, 2021.

Kusrini and A. Koniyo, Tuntunan Praktis Membangun Sistem Informasi Akuntansi Dengan Visual Basic Dan Microsoft SQL Server. Yogyakarta: CV Andi Offset, 2007.

R. Ambarwati and Supardi, Manajemen Operasional Dan Implementasi Dalam Industri. Sidoarjo: Pustaka Rumah Cinta, 2021.

G. P. N. Hakim, D. Septiyana, A. Firdausi, F. R. I. Mariati, and M. Kika, Sistem Fuzzy : Panduan Lengkap Aplikatif. Yogyakarta : Andi, 2021.

A. K. Wardhani et al., Teknik Peramalan Pada Teknologi Informasi. Padang: PT. Global Eksekutif Teknologi, 2022

Published
2024-01-23
How to Cite
Duran, P. A., Vitianingsih, A. V., Riza, M. S., Maukar, A. L., & Wati, S. F. A. (2024). Data Mining Untuk Prediksi Penjualan Menggunakan Metode Simple Linear Regression. Teknika, 13(1), 27-34. https://doi.org/10.34148/teknika.v13i1.712
Section
Articles