<![CDATA[Pesatnya perkembangan bisnis kedai kopi mendorong para pemilik usaha untuk lebih cermat dalam mengelola stok bahan baku, guna mengantisipasi permintaan pelanggan. Warung Kopi OI menghadapi kendala dalam pengelolaan persediaan yang selama ini dilakukan secara manual, sering kali menyebabkan pembelian bahan baku yang tidak terencana. Penelitian ini bertujuan untuk memprediksi penjualan menggunakan dua algoritma pembelajaran mesin, yakni Random Forest dan XGBoost. Data yang dianalisis diperoleh dari Kaggle, mencakup transaksi penjualan selama enam bulan. Proses penelitian meliputi pengumpulan data, tahap pra-pengolahan, implementasi algoritma, serta evaluasi model berdasarkan akurasi, RMSE, dan MAPE. Hasil penelitian menunjukkan bahwa penggunaan rasio data latih dan uji sebesar 80:20 memberikan hasil paling optimal dengan akurasi tertinggi, yakni 72%, pada kedua metode. Secara keseluruhan, Random Forest terbukti lebih stabil dibandingkan XGBoost dengan rata-rata akurasi masing-masing 64% dan 62%. Temuan ini menegaskan bahwa pemilihan rasio data yang tepat berpengaruh signifikan terhadap performa model prediksi. Penelitian ini diharapkan dapat memberikan rekomendasi kepada Warung Kopi OI dalam pengelolaan bahan baku secara lebih efisien, sehingga mampu mengurangi kelebihan maupun kekurangan stok.]]>
Copyrights © 2025
