<![CDATA[Kesalahan dalam mengestimasi nilai penjualan dapat berdampak fatal bagi keuangan perusahaan retail, mulai dari penumpukan barang di gudang (overstock) hingga hilangnya peluang penjualan akibat stok kosong (stockout). Kondisi ini menuntut ketersediaan model estimasi yang akurat, khususnya yang mampu mempertimbangkan faktor keuangan seperti harga, biaya modal, dan keuntungan secara bersamaan. Oleh karena itu, penelitian ini bertujuan untuk membandingkan performa algoritma Artificial Neural Network (ANN) dan Random Forest dalam mengestimasi nilai penjualan pada dataset SuperStore, menggunakan sembilan fitur prediktor termasuk kuantitas, harga, biaya modal, dan keuntungan. Model ANN dibangun dengan tiga lapisan tersembunyi melalui serangkaian percobaan untuk memperoleh konfigurasi optimal, sedangkan Random Forest dibangun menggunakan seratus pohon keputusan. Hasil menunjukkan ANN memperoleh RMSE $69,87 dan R² 0,9844, sedangkan Random Forest memperoleh RMSE $83,26 dan R² 0,9778, namun unggul jauh lebih baik pada metrik MAE (13,21 dibandingkan 34,63). Analisis feature importance menunjukkan biaya modal dan keuntungan memberikan kontribusi paling dominan, melampaui harga produk. Kesimpulannya, performa kedua algoritma bergantung pada karakteristik kesalahan yang ingin diminimalkan, sehingga pemilihan model perlu disesuaikan dengan kebutuhan manajemen retail.]]>
Copyrights © 2026
