Baharsyah, Bagas Krisnanda (2026) ANALISIS PENJUALAN PRODUK PAKAN HEWAN DI PETSHOP MENGGUNAKAN RANDOM FOREST DAN LINEAR REGRESSION DENGAN HYPERPARAMETER TUNING. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/text.png) |
Text (COVER - ABSTRAK)
COVER.pdf - Published Version Download (1MB) |
|
Text (BAB I)
BAB I.pdf - Published Version Download (282kB) |
|
Text (BAB II)
BAB II.pdf - Published Version Restricted to Registered users only Download (781kB) |
|
Text (BAB III)
BAB III.pdf - Published Version Restricted to Registered users only Download (731kB) |
|
Text (BAB IV)
BAB IV.pdf - Published Version Restricted to Registered users only Download (900kB) |
|
Text (BAB V)
BAB V.pdf - Published Version Download (87kB) |
|
Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf - Published Version Restricted to Registered users only Download (142kB) |
![[img]](https://eprints.amikom.ac.id/style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 22.11.4890.zip Restricted to Repository staff only Download (411kB) |
|
Text (PUBLIKASI)
Publikasi.pdf - Published Version Restricted to Repository staff only Download (672kB) |
Abstract
Pertumbuhan industri pakan hewan di Yogyakarta yang pesat menimbulkan tantangan bagi pelaku usaha petshop, seperti Seana Petshop & Petcare, dalam mengelola stok produk akibat fluktuasi permintaan yang dinamis. Pengelolaan yang selama ini masih mengandalkan intuisi pemilik berisiko menyebabkan ketidakseimbangan stok yang berdampak pada inefisiensi operasional dan potensi kerugian finansial. Penelitian ini bertujuan untuk membangun model prediksi penjualan yang akurat dengan membandingkan algoritma Random Forest dan Linear Regression. Tahapan penelitian diawali dengan pengumpulan 11.883 data transaksi, dilanjutkan dengan preprocessing data yang meliputi seleksi fitur, penanganan missing values, serta Standard Scaling. Untuk meningkatkan performa model, dilakukan optimasi menggunakan metode Hyperparameter Tuning dengan Grid Search pada algoritma Random Forest. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki performa yang jauh lebih unggul dibandingkan Linear Regression. Hal ini dibuktikan dengan perolehan nilai koefisien determinasi (R 2 ) sebesar 0,9917 dan Mean Absolute Error (MAE) sebesar Rp164,19, sementara Linear Regression hanya mencapai R 2 sebesar 0,8385 dengan MAE Rp3.635,34. Tingginya akurasi Random Forest menunjukkan kemampuannya dalam menangkap pola hubungan non-linear antar variabel penjualan secara stabil. Hasil penelitian ini dapat dimanfaatkan oleh pengelola petshop sebagai dasar pengambilan keputusan strategis dalam perencanaan stok dan manajemen inventori yang lebih efisien. Penelitian lebih lanjut direkomendasikan untuk menambahkan variabel eksternal seperti data promosi atau tren musiman guna meningkatkan cakupan prediksi model.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Prediksi Penjualan, Machine Learning, Random Forest, Linear Regression, Hyperparameter Tuning, Sales Prediction, | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 14 Jul 2026 03:31 | ||
| Last Modified: | 14 Jul 2026 03:31 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/32127 |
Actions (login required)
 |
View Item |