Prediksi Pendapatan Penjualan di Indomaret Menggunakan Algoritma Random Forest Regression

Abstract

Penelitian ini bertujuan untuk membangun sistem informasi prediksi pendapatan penjualan di Indomaret menggunakan algoritma Random Forest Regressor. Data yang digunakan merupakan data historis penjualan yang mencakup atribut seperti tanggal transaksi, produk, lokasi toko, metode pembayaran, dan total pendapatan. Model dikembangkan melalui proses pra-pemrosesan data, pelatihan model, dan evaluasi menggunakan metrik Mean Absolute Error (MAE) dan R² Score. Hasil menunjukkan bahwa model memiliki akurasi tinggi dengan MAE sebesar 9.587,48 dan R² sebesar 0,9998, yang menunjukkan kemampuan prediksi yang sangat baik. Visualisasi hasil prediksi juga menunjukkan kesesuaian antara data aktual dan prediksi. Kesimpulan dari penelitian ini adalah bahwa algoritma Random Forest efektif digunakan untuk memprediksi pendapatan penjualan dan dapat dijadikan alat bantu dalam pengambilan keputusan strategis di bidang ritel, khususnya untuk manajemen stok dan perencanaan promosi.