<![CDATA[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.]]>
