EUVIMEDEUVIMED entdecken
Crossref

Analisis Prediktif untuk Keputusan Bisnis : Peramalan Penjualan

Amir Mahmud Husein, Fachrul Rozi Lubis, Muhammad Khoiruddin Harahap

Data Sciences Indonesia (DSI) · 2021

DOI: 10.47709/dsi.v1i1.1196 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Data Sciences Indonesia (DSI), 2021. Verfasst von Amir Mahmud Husein und 2 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Peramalan penjualan produk adalah aspek utama dari manajemen pembelian, persediaan yang melebihi permintaan atau kekurangan akan berdampak pada manajemen pelayanan maupun secara ekominis. Makalah ini fokus mencoba menyajikan penerapan analisis prediktif dengan mengadopsi kerangka kerja Data Science (ilmu data) untuk menemukan wawasan yang berguna dalam pengambilan keputusan bisnis khususnya tentang peramalan penjualan produk di masa depan. Kerangka CRISP-DM diusulkan dengan tahapan pemahasan bisnis, pemahaman dan persiapan data, exploratory data analysis (EDA) dan pemodelan. Berdasarkan hasil pengujian data penjualan yang dievaluasi berdasarkan RMSE dan MAE, algoritma XGBoost menghasilkan prediksi berada dalam 1,3% kemudian ARIMA sebesar 1.6%, masih lebih baik dibandingkan LinearRegression, RandomForestdan LSTM dengan tingkat kesalahan sebesar 1.81%, 1.97%, 2.21% pada masing-masing algoritma dari data aktual.

Zitieren

APA

Husein, A. M., Lubis, F. R., & Harahap, M. K. (2021). Analisis Prediktif untuk Keputusan Bisnis : Peramalan Penjualan. Data Sciences Indonesia (DSI). https://doi.org/10.47709/dsi.v1i1.1196

Vancouver

Husein AM, Lubis FR, Harahap MK. Analisis Prediktif untuk Keputusan Bisnis : Peramalan Penjualan. Data Sciences Indonesia (DSI). 2021. doi:10.47709/dsi.v1i1.1196

BibTeX
@article{Husein2021,
  author = {Husein, Amir Mahmud and Lubis, Fachrul Rozi and Harahap, Muhammad Khoiruddin},
  title = {Analisis Prediktif untuk Keputusan Bisnis : Peramalan Penjualan},
  journal = {Data Sciences Indonesia (DSI)},
  year = {2021},
  doi = {10.47709/dsi.v1i1.1196}
}
Kostenlos starten →