<![CDATA[The operational success in the Albasia timber trading sector, particularly at Pulung Galih Trading Enterprise, is often hindered by market demand fluctuations and uncertain weather conditions affecting stock availability. This study addresses these challenges by developing a sales volume forecasting model to serve as a strategic guide for the business owner. Utilizing a ten-year historical database (120 records), the research implements the Multiple Linear Regression (MLR) algorithm to examine the extent to which seasonal factors () and total capital price () influence the volume of timber sold. The analysis proves that both variables play a significant role, with the model's ability to explain data variation reaching 84.4% (Adjusted R-Squared). Furthermore, the accuracy evaluation shows a MAPE value of 10.55%, a figure that places this model in a good and realistic forecasting category for field conditions. Through a prediction simulation for January 2027, the model estimates a sales volume of 182.51 . These findings provide confidence that the developed forecasting model can be relied upon by the company to minimize the risk of losses due to inefficient stock accumulation. Keyword: Accuracy of MAPE; Albasia Wood; Inventory Management; Multiple Linear Regression; Sales Forecasting. Abstrak Keberhasilan operasional di sektor perdagangan kayu Albasia, khususnya pada Usaha Dagang Pulung Galih, sering kali terhambat oleh fluktuasi permintaan pasar serta ketidakpastian kondisi cuaca yang memengaruhi ketersediaan stok. Penelitian ini hadir untuk menjawab tantangan tersebut melalui pengembangan model peramalan volume penjualan yang dapat menjadi panduan strategis bagi pemilik usaha. Dengan memanfaatkan basis data historis selama sepuluh tahun (120 records), penelitian ini mengimplementasikan algoritma Multiple Linear Regression (MLR) untuk melihat sejauh mana faktor musim () dan total harga modal () memengaruhi jumlah kayu yang terjual. Hasil analisis membuktikan bahwa kedua variabel tersebut memiliki peran yang signifikan, dengan kemampuan model dalam menjelaskan variasi data sebesar 84,4% (Adjusted R-Squared). Selain itu, evaluasi akurasi menunjukkan nilai MAPE sebesar 10,55%, sebuah angka yang menempatkan model ini pada kategori peramalan yang baik dan realistis untuk kondisi lapangan. Melalui simulasi prediksi untuk Januari 2027, model mengestimasi volume penjualan sebesar 182,51 . Temuan ini memberikan keyakinan bahwa model peramalan yang dibangun dapat diandalkan oleh perusahaan untuk meminimalisir risiko kerugian akibat penumpukan stok yang tidak efisien.]]>
Copyrights © 2026
