MODEL PREDIKSI OMZET PENJUALAN MENGGUNAKAN RANDOM FOREST REGRESSION PADA UMKM TOKO KEMBAR

Abstract

UMKM retail di Indonesia, termasuk Toko Kembar di Sukoharjo, masih mengandalkan pencatatan transaksi secara manual sehingga data penjualan belum dimanfaatkan secara optimal. Permasalahan utama yang dihadapi adalah ketidakmampuan memprediksi fluktuasi omzet penjualan, yang berdampak pada pengelolaan stok dan perencanaan keuangan yang reaktif. Penelitian ini bertujuan membangun model prediksi omzet penjualan berbasis Random Forest Regression untuk mendukung pengelolaan stok yang lebih terencana dan berbasis data. Metode yang digunakan adalah kerangka CRISP-DM dengan pendekatan panel data per produk per bulan, menggunakan rekayasa fitur berupa lag omzet 1–3 bulan, rata-rata bergerak 3 bulan, harga satuan, dan jumlah transaksi. Dataset mencakup 23.466 transaksi dari 8.720 produk selama periode September 2025–Maret 2026. Evaluasi model menggunakan MAE, RMSE, R², dan MAPE. Hasil evaluasi model menunjukkan nilai MAE sebesar Rp 32.579, RMSE sebesar 277.705, R² sebesar 0,6702 (67,02%), dan MAPE sebesar 8,45%. Prediksi omzet April 2026 sebesar Rp 661.396.513 dan Mei 2026 sebesar Rp 651.661.400 dengan rekomendasi penyesuaian stok pada beberapa produk.