Analisis Komparatif Artificial Neural Network dan Random Forest dalam Estimasi Nilai Penjualan SuperStore
Keywords:
Artificial Neural Network, Estimasi Penjualan, Machine Learning, Random ForestAbstract
Kesalahan dalam mengestimasi nilai penjualan dapat berdampak fatal bagi keuangan perusahaan retail, mulai dari penumpukan barang di gudang (overstock) hingga hilangnya peluang penjualan akibat stok kosong (stockout). Kondisi ini menuntut ketersediaan model estimasi yang akurat, khususnya yang mampu mempertimbangkan faktor keuangan seperti harga, biaya modal, dan keuntungan secara bersamaan. Oleh karena itu, penelitian ini bertujuan untuk membandingkan performa algoritma Artificial Neural Network (ANN) dan Random Forest dalam mengestimasi nilai penjualan pada dataset SuperStore, menggunakan sembilan fitur prediktor termasuk kuantitas, harga, biaya modal, dan keuntungan. Model ANN dibangun dengan tiga lapisan tersembunyi melalui serangkaian percobaan untuk memperoleh konfigurasi optimal, sedangkan Random Forest dibangun menggunakan seratus pohon keputusan. Hasil menunjukkan ANN memperoleh RMSE $69,87 dan R² 0,9844, sedangkan Random Forest memperoleh RMSE $83,26 dan R² 0,9778, namun unggul jauh lebih baik pada metrik MAE (13,21 dibandingkan 34,63). Analisis feature importance menunjukkan biaya modal dan keuntungan memberikan kontribusi paling dominan, melampaui harga produk. Kesimpulannya, performa kedua algoritma bergantung pada karakteristik kesalahan yang ingin diminimalkan, sehingga pemilihan model perlu disesuaikan dengan kebutuhan manajemen retail.
References
[1] J. Kameswari et al., "Analyzing the role of big data and its effects on the retail industry," Web Intelligence, vol. 22, no. 1, pp. 45-63, Mar. 2024, doi: 10.3233/WEB-230027.
[2] F. Fallucchi, M. Coladangelo, R. Giuliano, and E. W. De Luca, "Predicting employee attrition using machine learning techniques," Computers, vol. 9, no. 4, pp. 1-17, 2020, doi: 10.3390/computers9040086.
[3] A. Ida et al., "PENERAPAN DATA MINING UNTUK PREDIKSI PENJUALAN PRODUK ELEKTRONIK TERLARIS MENGGUNAKAN METODE DECISION TREE," 2025.
[4] J. Anne A. Repaso, E. T. Capariño, M. G. G. Hermogenes, and J. G. Perez, "Determining Factors Resulting to Employee Attrition Using Data Mining Techniques," International Journal of Education and Management Engineering, vol. 12, no. 3, pp. 22-29, Jun. 2022, doi: 10.5815/ijeme.2022.03.03.
[5] O. O. Mustapha and Dr. T. Sithole, "Forecasting Retail Sales using Machine Learning Models," American Journal of Statistics and Actuarial Sciences, vol. 6, no. 1, pp. 35-67, Apr. 2025, doi: 10.47672/ajsas.2679.
[6] M. Rizky Fajar Mali, B. N. Arilla Dimas, A. Jaya, I. Binanto, and F. Sains dan Teknologi, "Perbandingan Algoritma Random Forest dan Artificial Neural Network untuk Dataset Water Potability," JTRISTE, vol. 11, no. 1, pp. 53-59, 2024.
[7] A. Aszava et al., "Prediksi Total Penjualan Gorden Berdasarkan Data Historis Bulanan Menggunakan Random Forest Regressor," Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer, vol. 5, no. 1, pp. 786-793, Jun. 2026, doi: 10.70247/jumistik.v5i1.292.
[8] A. A. Wijanarko and H. Imaduddin, "Implementasi Metode Random Forest Untuk Memprediksi Jumlah Penjualan Gorden Berdasarkan Data Historis," Journal of Information System Research, vol. 7, no. 2, pp. 371-381, 2026, doi: 10.47065/josh.v7i2.9194.
[9] R. T. Nugraha, D. Hidayat, and F. Mahardika, "Analisis Perbandingan Algoritma Random Forest, SVM, dan Neural Network untuk Klasifikasi Risiko Keamanan E-Learning," Jurnal Teknologi dan Informasi, vol. 16, no. 1, pp. 1-10, Mar. 2026, doi: 10.34010/jati.v16i1.17191.
[10] U. F. Hamidah, A. A. Sari, and R. P. Indah, "MODEL PREDIKSI OMZET PENJUALAN MENGGUNAKAN RANDOM FOREST REGRESSION PADA UMKM TOKO KEMBAR," 2026.
[11] G. Urva and W. Desriyati, "Evaluasi Komparatif Neural Network dan Random Forest untuk Prediksi Produktivitas Tandan Buah Segar Kelapa Sawit Berbasis Fitur Musiman," Jurnal Algoritma, vol. 23, no. 1, May 2026, doi: 10.33364/algoritma/v.23-1.3352.
[12] G. E. Pratiwi and A. Nugroho, "IMPLEMENTASI METODE RANDOM FOREST UNTUK KLASIFIKASI PENJUALAN PRODUK SABUN PALING LARIS," Jurnal Teknik Informasi dan Komputer (Tekinkom), vol. 7, no. 2, p. 541, Dec. 2024, doi: 10.37600/tekinkom.v7i2.1610.
[13] Angelina M. T. I. Sambi Ua et al., "Penggunaan Bahasa Pemrograman Python Dalam Analisis Faktor Penyebab Kanker Paru-Paru," Jurnal Publikasi Teknik Informatika, vol. 2, no. 2, pp. 88-99, Jul. 2023, doi: 10.55606/jupti.v2i2.1742.
[14] H. E. Senjaya, "Kaggle," https://www.kaggle.com/datasets/ekajaya/sales-superstore-updated.
[15] N. Nurdiansyah, F. S. Febriyan, Z. G. D. Amanta, D. A. Saputra, and W. M. Baihaqi, "Analisis Kesehatan Mental untuk Mencegah Gangguan Mental pada Mahasiswa Menggunakan Algoritma K-Nearest Neighbor (K-NN) dan Random Forest," MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 1, pp. 1-9, Nov. 2024, doi: 10.57152/malcom.v5i1.1537.
[16] N. Fathirachman Mahing et al., "KLASIFIKASI TINGKAT STRES DARI DATA BERBENTUK TEKS DENGAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN RANDOM FOREST," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 10, no. 7, pp. 1527-1539, 2019, doi: 10.25126/jtiik2023108010.
[17] Sugiyono, METODE PENELITIAN PENDIDIKAN (Pendekatan Kuantitatif, Kualitatif, dan R&D, 22nd ed. Bandung: ALFABETA, 2015.
[18] Y. A. Prasetyo, E. Utami, and A. Yaqin, "Pengaruh Komposisi Split Data Terhadap Performa Akurasi Analisis Sentimen Algoritma Naïve Bayes dan SVM," Journal homepage: Journal of Electrical Engineering and Computer (JEECOM), vol. 6, no. 2, 2024, doi: 10.33650/jeecom.v4i2.
[19] M. Reza, A. Dores, S. N. Ambo, and P. Meilina, "PERBANDINGAN METODE MACHINE LEARNING UNTUK SENTIMEN ANALISIS REVIEW PENJUALAN PRODUK," Just IT?: Jurnal Sistem Informasi, Teknologi Informasi dan Komputer, vol. 15, no. 2, pp. 362-372, Jan. 2025, [Online]. Available: https://jurnal.umj.ac.id/index.php/just-it/index
[20] D. Septasari and R. A. Aziz, "Perbandingan Metode Artificial Neural Network (ANN) dan Classification And Regression Tree (CART) Dalam Menentukan Penerima Bantuan Program Keluarga Harapan (PKH)", doi: 10.33364/algoritma/v.21-2.1794.
[21] K. Jaya Atmaja et al., "Implementation of Artificial Neural Network on Sales Forecasting Application," 2022.
[22] F. N. Farida, A. Faqih, and S. E. Permana, "PENERAPAN MODEL PREDIKSI PENJUALAN PADA USAHA RUMAH MAKAN MENGGUNAKAN ALGORITMA RANDOM FOREST," 2025.
[23] S. R. Febrian, A. A. Sunarto, and A. Pambudi, "PREDIKSI PENJUALAN SUKU CADANG MOTOR DENGAN PENERAPAN RANDOM FOREST DI PT TERUS JAYA SENTOSA MOTOR," 2024.
[24] Agung Narayana Adhi Putra, I Wayan Sudiarsa, I Kadek Adi Gunawan, Kadek Bagus Karunia Dwi Dharmayasa, and I Wayan Eka Saputra, "Analisis Prediksi Penjualan Bisnis Retail Menggunakan Metode Decision Tree dan Random Forest," Saturnus: Jurnal Teknologi dan Sistem Informasi, vol. 4, no. 1, pp. 94-102, Jan. 2026, doi: 10.61132/saturnus.v4i1.1409.
[25] I. M. G. A. B. Putra and I. K. G. Suhartana, "Implementasi Algoritma Random Forest Regression dalam Sistem Prediksi Harga Rumah di Jabodetabek," Jurnal Nasional Teknologi Informasi dan Aplikasinya, vol. 4, pp. 27-37, Nov. 2025.
[26] D. N. Dwi Nurani, J. J. L. James, A. N. R. Alfie, and S. Upie, "Analisis Prediksi Performa Produk Teh Menggunakan Algoritma Regresi Linear dan Random Forest Regressor," remik, vol. 10, no. 1, pp. 200-208, Jan. 2026, doi: 10.33395/remik.v10i1.15768.
[27] A. R. Fadillah, M. N. Fauzan, and N. S. Fathonah, "ANALISIS PERBANDINGAN LINEAR REGRESSION DAN RANDOM FOREST REGRESSION UNTUK PREDIKSI BATAS KREDIT: PENDEKATAN OPTIMASI HYPERPARAMETER," JIP (Jurnal Informatika Polinema), vol. 10, pp. 543-549, Aug. 2024.
