Analisis Performansi Algoritma Linear Regression dengan Generalized Linear Model untuk Prediksi Penjualan pada Usaha Mikra, Kecil, dan Menengah

Abstract

Penjualan merupakan syarat mutlak kelangsungan suatu usaha, karena dengan penjualan maka akan didapatkan keuntungan. Metode Linear Regression dan Generalized Linear Model merupakan metode pendekatan yang didukung dengan perhitungan RSME. RMSE (Root Mean Square Error) berfungsi untuk mendapatkan besaran tingkat kesalahan dari hasil prediksi, dimana semakin kecil (mendekati 0) nilai RMSE maka semakin akurat nilai prediksinya. Pada setiap Usaha Mikro Kecil Menengah (UMKM) aktivitas transaksi dan pelayanan terhadap konsumen setiap harinya semakin lama semakin meningkat, sehingga tanpa disadari hal ini dapat menimbulkan tumpukan data yang semakin membesar. UMKM biasanya mengeluarkan beberapa item berbeda untuk ditawarkan ke pasar dengan harga yang berbeda, namun tidak semua barang banyak peminatnya. Keberhasilan penjualannya menentukan keberlanjutan untuk umkm itu sendiri. Pada penelitian ini akan dibandingkan penggunaan algoritma Linear Regression dengan Generalized Linear Model yang diimplementasikan pada data penjualan yang sudah diinputkan sebelumnya guna menghasilkan prediksi penjualan barang untuk tahun berikutnya. Hasil perhitungan menunjukkan bahwa algoritma Linear Regression dengan nilai RSME, MSE,MAPE sebesar 1,983; 3,933; dan 1,518 sedangkan hasil dari algoritma Generalized Linear Model dengan nilai RSME, MSE, MAPE sebesar 4,827; 23,295; dan 3,882. Berdasarkan perhitungan prediksi oleh algoritma Linear Regression dan Generalized Linear Model dapat disimpulkan bahwa nilai RSME pada algoritma Linear Regression menunjukkan perhitungan paling baik dikarenakan nilai RSME paling kecil.

Sistem Rekomendasi Tempat Wisata Di Bali Menggunakan Imdb Weigted Rating Dan Chatbot

“…Pada proses evaluation menggunakan Root Mean Square Error (RMSE) untuk mengevaluasi model regresi linear dengan mengukur tingkat akurasi hasil perkiraan suatu model. Nilai RMSE yang semakin mendekati 0 memiliki hasil yang semakin akurat [9].…”

Penerapan Algoritma Regresi Linear Pada Data Harga Cabai Rawit Di Pasar Indihiang

“…Dengan kata lain, RMSE mengukur kualitas kesesuaian antara data yang sebenarnya dan model prediksi. Tingkat kesalahan dari hasil prediksi jika semakin kecil atau mendekati 0 nilai RMSE maka semakin akurat nilai prediksinya [16]. Pada data supervised algoritma Regresi Linear data mining bekerja dengan menggunakan label yang telah diketahui nilainya.…”

Analisis Jumlah Prediksi Penyebaran HIV/AIDS di Kabupaten Sidoarjo menggunakan Metode Multiple Linier Regression

“…Berdasarkan dari atribut HIV positif dengan gejala TB (tuberkulosis) menghasilkan koefisien sebesar 52.667, pada jenis kelamin laki-laki yang positif HIV/AIDS koefisiennya 97.500, sedangkan untuk jenis kelamin perempuan 41.00, dan untuk jumlah HIV/AIDS positif seluruhnya dengan koefisien 138.500. Koefisien hubungan tersebut digunakan untuk mengukur kekuatan hubungan antar beberapa variabel, sehingga koefisien hubungan tersebut dapat digunakan dengan menggunakan analisis korelasi (Pada et al, 2021). Korelasi dapat bernilai positif, negatif, atau tidak ada korelasi.…”