<![CDATA[Penelitian ini bertujuan untuk membuat sistem prediksi penjualan berbasis web pada Starmart dengan menerapkan dua metode, yaitu Linear Regression dan Weighted Moving Average. Penelitian dilakukan dengan beberapa tahap, yaitu pengumpulan data penjualan, pengolahan data, penerapan kedua metode prediksi, serta pengujian akurasi menggunakan Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE).Penulis melakukan pengumpulan data secara langsung yang diambil dari Starmart dengan cakupan data penjualan yang berjumlah 12 kategori produk,Kemudian data diproses untuk membangun aplikasi prediksi penjualan yang bertujuan untuk memprediksi penjualan produk pada Starmart untuk periode selanjutnya.Hasil penelitian menunjukkan bahwa implementasi metode Linear Regression memberikan hasil prediksi yang lebih stabil dan sesuai dengan pola data historis, dengan nilai MSE sebesar 2184.18 dan MAPE sebesar 10.88%. Sementara itu, metode Weighted moving average menghasilkan prediksi yang cenderung fluktuatif dengan nilai MSE sebesar 4715.66 dan MAPE sebesar 17.35%. Berdasarkan perbandingan kedua metode, dapat disimpulkan bahwa Linear regression lebih akurat dibandingkan Weighted Moving Average dalam memprediksi penjualan produk di Starmart.]]>
Copyrights © 2025
