IMPELEMENTASI ALGORITMA REGRESI LINIER BERGANDA UNTUK PREDIKSI PENJUALAN
DOI:
https://doi.org/10.47747/jurnalnik.v1i3.161Keywords:
Minimarket, Prediction, Multiple Linear Regression AlgorithmAbstract
Minimarket is a place or shop that sells various kinds of basic necessities of the community and generally uses technology or a machine to make payment transactions. The problem that is often faced in minimarkets is the uncertainty of the number of sales, it is also faced by Minimarket Sr. This study aims to predict the number of sales of goods using multiple linear regression algorithms as a method to be applied to predict. The results obtained from this study resulted in the predicted number of sales of goods for 2020 amounting to 169715 items.
Minimarket merupakan sebuah tempat atau toko yang menjual berbagai macam barang kebutuhan pokok masyarakat dan umumnya menggunakan teknologi atau sebuah mesin untuk melakukan transaksi pembayarannya. Permasalahan yang sering dihadapi pada minimarket yakni tidak menentunya jumlah penjualan, hal itu juga yang dihadapi oleh Minimarket Sr. Penelitian ini bertujuan untuk memprediksi jumlah penjualan barang menggunakan algoritma regresi linier berganda sebagai metode yang akan diterapkan untuk memprediksi. Hasil yang didapatkan dari penelitian ini menghasilkan jumlah prediksi penjulan barang untuk tahun 2020 sebesar 169715 barang.
References
A. K. ASLAM, “Pengaruh pertumbuhan minimarket terhadap minat dan kebiasaan belanja masyarakat di kelurahan tamamaung kota makassar,” 2017.
N. L. P. Wulandari, N. L. A. K. Y. Sarja, and I. G. A. D. Saryanti, “Prediksi Jumlah Pelanggan Dan Persediaan Barang Menggunakan Metode Regresi Linier Berganda Pada Bali Orchid,” Eksplora Inform., pp. 1–12, 2014.
I. K. Juni Arta, G. Indrawan, and G. R. Dantes, “Data Mining Rekomendasi Calon Mahasiswa Berprestasi Di Stmik Denpasar Menggunakan Metode Technique for Others Reference By Similarity To Ideal Solution,” JST (Jurnal Sains dan Teknol., vol. 5, no. 2, p. 792, 2017, doi: 10.23887/jst-undiksha.v5i2.8549.
N. A. Hasibuan et al., “Implementasi Data Mining Untuk Pengaturan Layout,” vol. 4, no. 4, pp. 6–11, 2017.
M. Irfan, L. P. Ayuningtias, and J. Jumadi, “Analisa Perbandingan Logic Fuzzy Metode Tsukamoto, Sugeno, Dan Mamdani ( Studi Kasus : Prediksi Jumlah Pendaftar Mahasiswa Baru Fakultas Sains Dan Teknologi Uin Sunan Gunung Djati Bandung),” J. Tek. Inform., vol. 10, no. 1, pp. 9–16, 2018, doi: 10.15408/jti.v10i1.6810.
S. Haryati, A. Sudarsono, and E. Suryana, “Implementasi Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan Algoritma C4.5 (Studi Kasus: Universitas Dehasen Bengkulu),” J. Media Infotama, vol. 11, no. 2, pp. 130–138, 2015.
D. S. Kusumo, M. A. Bijaksana, and D. Darmantoro, “Data Mining Dengan Algoritma Apriori Pada Rdbms Oracle,” TEKTRIKA - J. Penelit. dan Pengemb. Telekomun. Kendali, Komputer, Elektr. dan Elektron., vol. 8, no. 1, pp. 1–5, 2016, doi: 10.25124/tektrika.v8i1.215.
M. Syafruddin, L. Hakim, and D. Despa, “Metode Regresi Linier Untuk Prediksi Kebutuhan Energi Listrik Jangka Panjang (Studi Kasus Provinsi Lampung),” J. Inform., vol. 2, no. 1, pp. 1–9, 2014, [Online]. Available: http://journal.eng.unila.ac.id/index.php/jitet/article/download/237/228.
A. Purwanto et al., “Perbandingan Minat Siswa Smu Pada Metode Klasifikasi Menggunakan 5 Algoritma,” vol. 2, no. 1, pp. 43–47, 2018.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2020 Yaya Asohi, Andri Andri
This work is licensed under a Creative Commons Attribution 4.0 International License.
