Aplikasi Prediksi Permintaan Produk Warung Makan Indomie
DOI:
https://doi.org/10.47701/6ebq5150Keywords:
Analisis Penjualan, Prediksi Permintaan, Regresi Polinomial, Machine LearningAbstract
Kemajuan teknologi informasi telah mendorong transformasi digital di berbagai sektor, termasuk usaha mikro, kecil, dan menengah (UMKM). Salah satu bentuk UMKM yang populer di Indonesia adalah Warmindo (Warung Makan Indomie), yang menghadapi tantangan dalam pengelolaan stok akibat fluktuasi permintaan. Penelitian ini bertujuan untuk mengembangkan aplikasi prediksi permintaan produk di Warmindo Banyumas menggunakan algoritma regresi polinomial. Model dibangun dengan memanfaatkan data historis penjualan enam menu utama dan diimplementasikan menggunakan bahasa pemrograman Python serta pustaka seperti Pandas, Matplotlib, dan Scikit-learn. Evaluasi model dilakukan menggunakan metrik R-squared (R²) untuk mengukur akurasi prediksi. Hasil menunjukkan bahwa model memiliki performa sangat baik untuk menu Magelangan (R² = 0,91) dan Nasi Goreng (R² = 0,89), serta performa baik untuk Indomie Goreng dan Indomie Kuah. Namun, akurasi prediksi untuk minuman seperti Es Teh dan Es Jeruk tergolong cukup, mengindikasikan perlunya pertimbangan faktor eksternal. Secara keseluruhan, aplikasi ini dapat menjadi alat bantu dalam pengambilan keputusan strategis terkait perencanaan stok dan penjualan di Warmindo Banyumas.
References
[1] S. M. Metev and V. P. Veiko, Laser Assisted Microtechnology, 2nd ed., R. M. Osgood, Jr., Ed. Berlin, Germany: Springer-Verlag, 1998.
[2] J. Breckling, Ed., The Analysis of Directional Time Series: Applications to Wind Speed and Direction, ser. Lecture Notes in Statistics. Berlin, Germany: Springer, 1989, vol. 61.
[3] S. Zhang, C. Zhu, J. K. O. Sin, and P. K. T. Mok, “A novel ultrathin elevated channel low-temperature poly-Si TFT,” IEEE Electron Device Lett., vol. 20, pp. 569–571, Nov. 1999.
[4] M. Wegmuller, J. P. von der Weid, P. Oberson, and N. Gisin, “High resolution fiber distributed measurements with coherent OFDR,” in Proc. ECOC’00, 2000, paper 11.3.4, p. 109.
[5] R. E. Sorace, V. S. Reinhardt, and S. A. Vaughn, “High-speed digital-to-RF converter,” U.S. Patent 5 668 842, Sept. 16, 1997.
[6] (2002) The IEEE website. [Online]. Available: http://www.ieee.org/
[7] M. Shell. (2002) IEEEtran homepage on CTAN. [Online]. Available: http://www.ctan.org/tex-archive/macros/latex/contrib/supported/IEEEtran/
[8] FLEXChip Signal Processor (MC68175/D), Motorola, 1996.
[9] “PDCA12-70 data sheet,” Opto Speed SA, Mezzovico, Switzerland.
[10] A. Karnik, “Performance of TCP congestion control with rate feedback: TCP/ABR and rate adaptive TCP/IP,” M. Eng. thesis, Indian Institute of Science, Bangalore, India, Jan. 1999.
[11] J. Padhye, V. Firoiu, and D. Towsley, “A stochastic model of TCP Reno congestion avoidance and control,” Univ. of Massachusetts, Amherst, MA, CMPSCI Tech. Rep. 99-02, 1999.
[12] Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specification, IEEE Std. 802.11, 1997.
[13] M. Mokhtari and A. G. Kouser, "Measurement of Economic Forecast Accuracy: A Systematic Overview of the Empirical Literature," Journal of Risk and Financial Management, vol. 15, no. 1, pp. 1–25, 2023. [Online]. Available: https://www.mdpi.com/1911-8074/15/1/1
[14] B. Zhang and L. Yang, "Evaluation of Regression Models: Model Assessment, Model Selection and Generalization Error," Information, vol. 14, no. 3, pp. 1–19, 2023. [Online]. Available: https://www.mdpi.com/2504-4990/1/1/32
[15] J. H. Steiger, "The Coefficient of Determination R² is More Informative than SMAPE, MAE, MAPE, MSE and RMSE in Regression Analysis Evaluation," ResearchGate, 2021. [Online]. Available: https://www.researchgate.net/publication/353007143
