SISTEM PREDIKSI PENJUALAN KERIPIK SINGKONG MENGGUNAKAN METODE REGRESI LINEAR
DOI:
https://doi.org/10.65851/0ybekf89Keywords:
peramalan penjualan, regresi linier, keripik singkong, manajemen stok, MAPEAbstract
Penelitian ini berfokus pada pengembangan sistem prediksi penjualan keripik singkong menggunakan metode Regresi Linier. Masalah utama yang dihadapi oleh Rumah Industri Keripik Cak Udin adalah kurangnya sistem prediksi yang andal, yang menyebabkan kesulitan dalam mengelola produksi dan tingkat persediaan. Sistem pembukuan manual yang saat ini digunakan mengakibatkan overproduction atau underproduction, yang menyebabkan kerugian finansial. Untuk mengatasi masalah ini, sistem prediksi berdasarkan data penjualan historis dirancang untuk memprediksi penjualan masa depan dengan akurat. Metode Regresi Linier dipilih karena kesederhanaannya dan keefektifannya dalam memodelkan hubungan antara stok (variabel independen) dan penjualan (variabel dependen). Model dibangun menggunakan data penjualan bulanan dari Januari hingga Desember 2024. Penjualan yang diprediksi untuk Januari 2025, berdasarkan stok yang tersedia, dihitung menggunakan rumus regresi, menghasilkan perkiraan penjualan sebesar 99 kilogram keripik. Ketepatan prediksi dievaluasi menggunakan Mean Absolute Percentage Error (MAPE), dengan tingkat kesalahan 4,472%, yang setara dengan ketepatan 95,527%. Hal ini menunjukkan bahwa sistem prediksi yang dikembangkan memberikan perkiraan yang andal, memungkinkan Rumah Industri Keripik Cak Udin untuk mengelola produksi dengan lebih baik dan menghindari ketidakseimbangan persediaan. Penelitian ini juga menyoroti potensi Regresi Linier dalam peramalan penjualan di usaha kecil dan menengah, berkontribusi pada efisiensi operasional dan optimasi sumber daya.
Downloads
References
Anggrawan, A., Hairani, H., & Azmi, N. (2022). Prediksi Penjualan Produk Unilever Menggunakan Metode Regresi Linear. Jurnal Bumigora Information Technology (Bite), 4(2), 123–132. https://doi.org/10.30812/bite.v4i2.2416
Dеwantara, R. Y., & Giovanni, J. (2023). Analisis Peramalan Item Penjualan Dalam Optimalisasi Stok Menggunakan Metode Least Square. Jurnal Krisnadana, 3(1), 59–66. https://doi.org/10.58982/krisnadana.v3i1.504
Hamdanah, F. H., & Fitrianah, D. (2021). Analisis Performansi Algoritma Linear Regression Dengan Generalized Linear Model Untuk Prediksi Penjualan Pada Usaha Mikra, Kecil, Dan Menengah. Jurnal Nasional Pendidikan Teknik Informatika (Janapati), 10(1), 23. https://doi.org/10.23887/janapati.v10i1.31035
Jumardi, R., & Widiastuti, S. H. (2021). Aplikasi Forecasting Penjualan Dan Persediaan Produk Usaha Mikro, Kecil Dan Menengah. Jsai (Journal Scientific and Applied Informatics), 4(3), 383–390. https://doi.org/10.36085/jsai.v4i3.2756
Nurrohkayati, A. S., Bahry, N. A., & Khairul, M. (2020). Desain Mesin Perajang Singkong Menggunakan Cakram 4 Mata Pisau dengan Penggerak Motor Listrik Guna Meningkatkan Produktivitas Produsen Keripik Singkong. Prosiding Seminar Nasional Teknoka, 5, 235–241. https://doi.org/10.22236/teknoka.v5i.370
Phan, P. D. D., Minh Anh Nguyen Nguyen Minh Anh, & Nguyen, B. H. H. (2024). Using Linear Regression Analysis to Predict Energy Consumption. https://doi.org/10.21203/rs.3.rs-4590592/v1
Rahman, F. (2021). “Bertumbuh dan Mengakar”: Sejarah Pembudidayaan Ketela Pohon di Indonesia. Metahumaniora, 11(2), 222–235. https://doi.org/10.24198/metahumaniora.v11i2.35449
Sateria, A., Rodika, R., Setiawan, D., Widianto, A., & Saputra, A. D. (2022). Iptek Bagi Masyarakat (IBM) Rancang Bangun Mesin Pengaduk Keripik Singkong. SEMINAR NASIONAL PENGABDIAN KEPADA MASYARAKAT 2021, 1(1), 234–240. https://doi.org/10.33086/snpm.v1i1.815
Setiyorini, T., & Frieyadie, F. (2024). Comparison of the Application of Linear Regression With Sliding Window Validation and K-Fold Cross-Validation for Forecasting Covid-19 Recovered Cases. Jurnal Riset Informatika, 6(3), 159–166. https://doi.org/10.34288/jri.v6i3.288
Wijaya, S., & Fauziah, F. (2023). Analysis of the Comparison Between Linear Regression, Random Forest, and Logistic Regression Methods in Predicting Crude Palm Oil (CPO) Price. Brilliance Research of Artificial Intelligence, 3(2), 343–350. https://doi.org/10.47709/brilliance.v3i2.3334
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Afdol Singgih Kusuma, Chamdan Mashuri, Anita Andriani, Reza Augusta Jannatul Firdaus (Author)
This work is licensed under a Creative Commons Attribution 4.0 International License.
