Analisis Regresi Linier Dalam Memprediksi Data Penjualan Supermarket
DOI:
https://doi.org/10.53513/jis.v22i1.7556Abstract
Supermarket merupakan tempat atau toko yang menjual berbagai macam barang kebutuhan pokok masyarakat, dalam mengelola sebuah supermarket dibutuhkan manajemen atau tata kelola yang baik agar minimarket meningkat pesat. Permasalahan yang sering dialami oleh usaha supermarket adalah penurunan penjualan, penjualan produk di supermarket sering mengalami kekurangan suplai stok produk. Maka dibuat pengolahan data penjualan menggunakan algoritma regresi linier berganda untuk mengamati penjualan supermarket. Data yang digunakan dalam penelitian ini diambil dari website Kaggle, data terdiri dari beberapa parameter yaitu id toko, luas toko, ketersediaan barang, jumlah pelanggan harian dan penjualan toko. Dari parameter tersebut sebagai label x yaitu id toko, store area, item available dan daily customer count dan sebagai label y yaitu store sales. Adapun metode yang digunakan yaitu SEMMA(Sample, Explore, Modify, Model, Asses) dan implementasi menggunakan RapidMiner Studio 10.0. Jumlah nilai hasil pengujian Mean Square Error (MSE) adalah 312486513.723,Root Mean Square Error (RMSE) adalah 17677.288,dan Mean Absolute Error (MAE) adalah 14437.255.Kata Kunci : Data Mining, Regresi Linier, Prediksi Penjualan, SEMMAReferences
F. H. Hamdanah and D. Fitrianah, “Analisis Performansi Algoritma Linear Regression dengan Generalized Linear Model untuk Prediksi Penjualan pada Usaha Mikra, Kecil, dan Menengah,†J. Nas. Pendidik. Tek. Inform., vol. 10, no. 1, p. 23, Apr. 2021, doi: 10.23887/janapati.v10i1.31035.
Y. Aryani, “Sistem Informasi Penjualan Barang Dengan Metode Regresi Linear Berganda Dalam Prediksi Pendapatan Perusahaan,†J. Ris. Sist. Inf. dan Teknol. Inf., vol. 2, no. 2, pp. 39–51, 2020, doi: 10.52005/jursistekni.v2i2.47.
F. Widia and W. Murniati, “Penerapan Data Mining Untuk Memprediksi Penjualan Kain Tenun Mnggunakan Regresi Linear,†J. Ilm. Tek. Mesin …, vol. 2, no. 1, 2022, [Online]. Available: http://ejurnal.stie-trianandra.ac.id/index.php/JURITEK/article/view/284%0Ahttp://ejurnal.stie-trianandra.ac.id/index.php/JURITEK/article/download/284/241
Y. Asohi and A. Andri, “Impelementasi Algoritma Regresi Linier Berganda Untuk Prediksi Penjualan,†J. Nas. Ilmu Komput., vol. 1, no. 3, pp. 149–158, 2020, doi: 10.47747/jurnalnik.v1i3.161.
I. Noviyanti, F. A. Hayati, and R. Saputra, “Pengaruh Harga dan Promosi terhadap Keputusan Pembelian pada Story-I Mall Alam Sutera,†J. Mandiri Ilmu Pengetahuan, Seni, dan Teknol., vol. 3, no. 2, pp. 230–243, 2019, doi: 10.33753/mandiri.v3i2.84.
D. Rahmawati, T. Kristanto, B. Freega Setya Pratama, and D. Bagas Abiansa, “Prediksi Pelaku Perjalanan Luar Negeri Di Masa Pandemi COVID-19 Menggunakan Metode Regresi Linier Sederhana,†J. Inf. Syst. Res., vol. 3, no. 3, pp. 338–343, 2022, doi: 10.47065/josh.v3i3.1507.
R. A. L. P. Ramli and R. Y. B. Silalahi, “Pengaruh Kualitas Pelayanan, Persepsi Harga, Dan Kualitas Produk Terhadap Tingkat Penjualan Mobil Toyota Yaris Di Wilayah Batam,†J. Bening, vol. 7, no. 1, pp. 43–52, 2020.
R. D. Shaputra and S. Hidayat, “Implementasi regresi linear untuk prediksi penjualan pada aplikasi point of sales restoran,†Automata, 2021, [Online]. Available: https://103.220.113.195/AUTOMATA/article/view/17355
M. Wijayanti, “Analisa Peramalan Penjualan Produk Susu Kental Manis Carnation Pada Cv Pangan Makmur Irja Sorong,†J. Pitis AKP, vol. 1, no. 1, pp. 78–91, 2017, doi: 10.32531/jakp.v1i1.57.
T. Khotimah and R. Nindyasari, “Forecasting Dengan Metode Regresi Linier Pada Sistem Penunjang Keputusan Untuk Memprediksi Jumlah Penjualan Batik (Studi Kasus Kub Sarwo Endah Batik Tulis Lasem),†J. Mantik Penusa, vol. 1, no. 1, pp. 71–92, 2017.
R. Supardi, “Penerapan Metode Regresi Linear Dalam Memprediksi Data Penjualan Barang Di Toko Bangunan Vita Viya,†J. Technopreneursh. Inf. Syst., vol. 3, no. 1, pp. 11–18, 2020, doi: 10.36085/jtis.v3i1.629.
S. Widodo, “Strategi Pemasaran dalam Meningkatkan Siklus Hidup Produk ( Product Life Cycle ),†Kaji. Ekon. Dan Kebijak. Publik, vol. 4, no. 1, pp. 84–90, 2018, [Online]. Available: http://jurnal.pancabudi.ac.id/index.php/jepa/article/view/546
M. Adha, E. Utami, and H. Hanafi, “Prediksi Produksi Jagung Menggunakan Algoritma Apriori Dan Regresi Linear Berganda (Studi Kasus : Dinas Pertanian Kabupaten Dompu),†JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 7, no. 3, pp. 803–820, 2022, doi: 10.29100/jipi.v7i3.3139.
A. A. Suryanto, “Penerapan Metode Mean Absolute Error (Mea) Dalam Algoritma Regresi Linear Untuk Prediksi Produksi Padi,†Saintekbu, vol. 11, no. 1, pp. 78–83, 2019, doi: 10.32764/saintekbu.v11i1.298.
B. A. Wisudaningsi, I. Arofah, and K. A. Belang, “Pengaruh Kualitas Pelayanan Dan Kualitas Produk Terhadap Kepuasan Konsumen Dengan Menggunakan Metode Analisis Regresi Linear Berganda,†Statmat J. Stat. Dan Mat., vol. 1, no. 1, pp. 103–117, 2019, doi: 10.32493/sm.v1i1.2377.
A. A. Muhartini, O. Sahroni, S. D. Rahmawati, T. Febrianti, and I. Mahuda, “Analisis Peramalan Jumlah Penerimaan Mahasiswa Baru Dengan Menggunakan Metode Regresi Linear Sederhana,†J. Bayesian J. Ilm. Stat. dan Ekon., vol. 1, no. 1, pp. 17–23, 2021, [Online]. Available: http://bayesian.lppmbinabangsa.id/index.php/home/article/view/2
U. Azmi, Z. N. Hadi, and S. Soraya, “ARDL METHOD: Forecasting Data Curah Hujan Harian NTB,†J. Varian, vol. 3, no. 2, pp. 73–82, 2020, doi: 10.30812/varian.v3i2.627.
S. Adiguno, Y. Syahra, and M. Yetri, “Prediksi Peningkatan Omset Penjualan Menggunakan Metode Regresi Linier Berganda,†J. Sist. Inf. Triguna Dharma (JURSI TGD), vol. 1, no. 4, p. 275, 2022, doi: 10.53513/jursi.v1i4.5331.
T. I. Hermanto and Y. Muhyidin, “Analisis Data Sebaran Bandwidth Menggunakan Algoritma Dbscan Untuk Menentukan Tingkat Kebutuhan Bandwidth Di Kabupaten Purwakarta,†Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 5, no. 2, pp. 130–137, 2020, doi: 10.36341/rabit.v5i2.1388.
N. F. Matondang, H. Jaya, and A. Azanuddin, “Penerapan Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Pola Penjualan Barang Elektronik,†J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 21, no. 2, p. 102, 2022, doi: 10.53513/jis.v21i2.5988.
