<![CDATA[Prediksi penjualan merupakan aspek penting dalam pengelolaan operasional Supermarket. Algoritma Machine Learning dapat dimanfaatkan untuk menghasilkan prediksi yang akurat. Supermarket mencatat transaksi penjualan setiap harinya, data transaksi tersebut dapat dimanfaatkan untuk mendapatkan informasi dalam memperoleh keuntungan. Pada penelitian ini, algoritma Random Forest Regression digunakan dengan tujuan untuk memprediksi penjualan di Supermarket. Data dalam dataset berjumlah 1000 data. Proses preprocessing data dimulai dengan menentukan fitur yang paling relevan sebagai variabel independen dan variabel dependen. Selanjutnya, entri kosong pada data numerik diisi dengan nilai rata-rata (mean), sedangkan pada data kategori, entri kosong diisi dengan nilai modus. Evaluasi kinerja model algoritma diukur dengan menggunakan beberapa metrik, yaitu Out-of-Bag (OOB) score sebesar 0.9999, Mean Squared Error (MSE) sebesar 2.4899, R-squared atau koefisien determinasi mencapai 0.9999, dan Mean Absolute Error (MAE) bernilai 0.9305. Secara keseluruhan, nilai-nilai metrik menunjukkan model Random Forest Regression sangat akurat untuk prediksi penjualan di supermarket.]]>
Copyrights © 2025
