Penelitian ini bertujuan untuk menerapkan metode Linear Regression dan dalam memprediksi penjualan makanan dan minuman berdasarkan data historis transaksi serta membandingkan tingkat akurasi kedua metode tersebut. Metodologi penelitian yang digunakan adalah CRISP-DM (Cross Industry Standard Process for Data Mining) yang terdiri dari tahapan Business Understanding, Data Understanding, Data Preparation, Modelling, Evaluation, dan Deployment. Dataset yang digunakan berasal dari data transaksi penjualan Restoran Ayam Serayu Bekasi sebanyak 26.610 transaksi yang mencakup informasi tanggal dan waktu, nama produk, kategori, serta harga. Evaluasi model dilakukan menggunakan Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa metode Random Forest Regression menghasilkan performa yang lebih baik dibandingkan Linear Regression. Pada kategori makanan, Linear Regression memperoleh nilai MAE sebesar 259,97 dan RMSE sebesar 274,98, sedangkan Random Forest Regression memperoleh nilai MAE sebesar 105,72 dan RMSE sebesar 128,83. Pada kategori minuman, Linear Regression memperoleh nilai MAE sebesar 71,65 dan RMSE sebesar 77,95, sedangkan Random Forest Regression memperoleh nilai MAE sebesar 25,61 dan RMSE sebesar 35,61. Hasil tersebut menunjukkan bahwa Random Forest Regression memiliki tingkat kesalahan prediksi yang lebih rendah sehingga lebih optimal dalam memprediksi penjualan makanan dan minuman pada Restoran Ayam Serayu Bekasi. Model yang dihasilkan juga telah diimplementasikan ke dalam sistem berbasis web untuk membantu proses prediksi penjualan.

S12708

INF 0230 2026

Bekasi

Tersedia