Prediksi Total Penjualan Gorden Berdasarkan Data Historis Bulanan Menggunakan Random Forest Regressor

Abstract

Penelitian ini bertujuan memprediksi total item penjualan gorden bulanan di Azka Gorden menggunakan Random Forest Regressor berbasis data historis. Penelitian menerapkan pendekatan kuantitatif dengan tahapan data mining yang meliputi pengumpulan data, preprocessing, transformasi data, feature engineering time series, pemodelan, dan evaluasi. Dataset awal terdiri atas 63 observasi bulanan dari Januari 2021 sampai Maret 2026. Setelah pembentukan fitur temporal, musiman, lag, dan moving average, diperoleh 51 observasi yang siap dimodelkan dan dibagi secara kronologis menjadi data latih, validasi, dan uji. Kinerja model dievaluasi menggunakan RMSE, MAPE, MAE, dan R². Hasil penelitian menunjukkan nilai R² sebesar 98,56% pada data latih, 94,87% pada data validasi, dan 98,18% pada data uji, dengan kesalahan prediksi yang rendah. Hasil ini menunjukkan model efektif untuk mendukung prediksi penjualan dan perencanaan stok yang lebih tepat.