Penelitian ini bertujuan membangun model prediksi volume penjualan harian produk fashion menggunakan algoritma Random Forest Regression berdasarkan data historis penjualan periode Oktober 2025 hingga Maret 2026. Penelitian menerapkan metodologi CRISP-DM yang meliputi tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Data diproses melalui data cleaning, agregasi penjualan harian, dan feature engineering, kemudian dibagi menggunakan metode Random Split dengan perbandingan 80% data pelatihan dan 20% data pengujian. Hasil evaluasi menunjukkan model memperoleh nilai Mean Absolute Error (MAE) sebesar 2,57 dan Root Mean Square Error (RMSE) sebesar 6,09. Analisis Feature Importance menunjukkan bahwa fitur historis penjualan dan fitur temporal memberikan kontribusi terbesar terhadap hasil prediksi. Model kemudian diimplementasikan ke dalam aplikasi berbasis web untuk menampilkan hasil prediksi, evaluasi model, dan analisis Feature Importance. Hasil penelitian menunjukkan bahwa algoritma Random Forest Regression mampu menghasilkan prediksi penjualan harian yang dapat dimanfaatkan sebagai pendukung evaluasi penjualan, penyusunan target, dan pengambilan keputusan di Toko Tulip.

S12652

INF 0174 2026

Bekasi

Tersedia