Penelitian ini membangun model untuk memperkirakan jumlah distribusi harian setiap produk pada masing-masing wilayah DJO menggunakan Extreme Gradient Boosting (XGBoost) serta mengoptimalkan hyperparameter melalui Optuna dengan algoritma Tree- structured Parzen Estimator (TPE). Penelitian mengikuti tahapan CRISP-DM yang meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Data berasal dari aktivitas distribusi satu tenaga penjualan selama Januari sampai Desember 2025. Setelah persiapan data, diperoleh 3.817 observasi yang mencakup 11 jenis produk dan wilayah DJO. Variabel pemodelan meliputi jenis produk, wilayah DJO, jumlah distribusi satu observasi sebelumnya, rata-rata distribusi tujuh observasi sebelumnya, serta rata- rata Effective Call tujuh observasi sebelumnya. Data dibagi secara kronologis dengan rasio 70:30, 80:20, dan 90:10, sedangkan optimasi menggunakan Walk- Forward Cross Validation 3-Fold dan 5-Fold. Model terbaik pada rasio 90:10 dengan 5-Fold menghasilkan MAE 3,5836, RMSE 7,7278, R2 0,7328, dan WMAPE 23,25%. Dibandingkan model baseline, optimasi menurunkan MAE sebesar 5,10%, RMSE sebesar 5,83%, dan WMAPE sebesar 1,25 poin persentase serta meningkatkan R2 dari 0,6987 menjadi 0,7328. Model ini dapat mendukung penentuan jumlah dan komposisi muatan pada kunjungan berikutnya.

S12610

INF 0132 2026

Bekasi

Tersedia