Analisis Prediktif untuk Keputusan Bisnis : Peramalan Penjualan

Abstract

Peramalan penjualan produk adalah aspek utama dari manajemen pembelian, persediaan yang melebihi permintaan atau kekurangan akan berdampak pada manajemen pelayanan maupun secara ekominis. Makalah ini fokus mencoba menyajikan penerapan analisis prediktif dengan mengadopsi kerangka kerja Data Science (ilmu data) untuk menemukan wawasan yang berguna dalam pengambilan keputusan bisnis khususnya tentang peramalan penjualan produk di masa depan. Kerangka CRISP-DM diusulkan dengan tahapan pemahasan bisnis, pemahaman dan persiapan data, exploratory data analysis (EDA) dan pemodelan. Berdasarkan hasil pengujian data penjualan yang dievaluasi berdasarkan RMSE dan MAE, algoritma XGBoost menghasilkan prediksi berada dalam 1,3% kemudian ARIMA sebesar 1.6%, masih lebih baik dibandingkan LinearRegression, RandomForestdan LSTM dengan tingkat kesalahan sebesar 1.81%, 1.97%, 2.21% pada masing-masing algoritma dari data aktual.

Modelling the Price Forecast for Construction Steel: A Case Study in EPC Company

“…This research was developed to assist EPC companies in modelling construction iron price forecasts in the future by considering the historical patterns of construction iron price data, foreign exchange rates, and billet prices as construction iron raw materials. This forecasting model will be helpful to get the best competitive price during the project tender process [2]. The forecasting procedure used is nonparametric, which involves several statistical tests such as cross-correlation, linearity, and error assessment [3].…”

Analisis Pemasaran Bisnis dengan Data Science : Segmentasi Kepribadian Pelanggan berdasarkan Algoritma K-Means Clustering

“…Hal Ini dapat memudahkan dalam mendorong pembelian karena pelanggan tidak perlu terlalu memikirkan apakah mereka ingin membeli atau tidak. Salah satu cara untuk menciptakan minat langsung ini dan siklus penjualan yang lebih pendek adalah dengan menggunakan segmentasi pelanggan [7].…”