<![CDATA[Perkembangan teknologi informasi mendorong pemanfaatan machine learning untuk mengolah data historis transaksi menjadi informasi pendukung pengambilan keputusan bisnis. Pada usaha percetakan, permintaan layanan cenderung fluktuatif sehingga pelaku usaha sering mengalami kesulitan dalam memperkirakan jumlah permintaan pada periode tertentu. Penelitian ini bertujuan membangun model prediksi permintaan layanan percetakan menggunakan algoritma Random Forest Regression berdasarkan data historis transaksi pada ADIA SOLUTION. Metode penelitian menggunakan pendekatan Cross Industry Standard Process for Data Mining (CRISP-DM) yang meliputi business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data yang digunakan berupa data historis transaksi layanan percetakan seperti print, fotokopi, dan cetak foto. Model prediksi dibangun menggunakan algoritma Random Forest Regression karena mampu menangani data kompleks dan mengurangi risiko overfitting. Evaluasi model dilakukan menggunakan Mean Absolute Error (MAE), Mean Squared Error (MSE) dan R-Squared. Hasil pengujian menunjukkan bahwa model Random Forest Regression memperoleh nilai R-Squared sebesar 0.76 sehingga mampu melakukan prediksi permintaan layanan print dengan cukup baik berdasarkan data historis transaksi.]]>
Copyrights © 2026
