Analisis Perbandingan Model Machine Learning Untuk Proyeksi Data Penjualan Pakaian

Mustika Putri Winarni

Abstrak

Cara meningkatkan perekonomian masyarakat melalui pengembangan kewirausahaan sosial dalam pemberdayaan masyarakat yaitu dengan memaksimalkan peran masyarakat dan lingkungan melalui model bisnis yang kreatif dan inovatif. Salah satunya adalah yang terus tumbuh dan berkembang yaitu usaha dagang. Seperti halnya, usaha dagang pakaian pada bidang fashion. Bisnis di dunia fashion memang semakin tinggi, terutama industri pakaian. Tentunya, usaha dagang ini dapat dianggap sebagai bisnis musiman. Berdasarkan hasil riset dari jurnal, permasalahan yang sering terjadi pada pedagang bisnis penjualan pakaian di bidang fashion adalah kesulitan dalam menentukan persediaan jumlah stok produk yang akan mendatang dan memiliki sumberdaya yang terbatas, sehingga kesulitan dalam mengimplementasikan kecerdasan buatan dalam pembuatan sistem proyeksi data penjualan. Oleh karena itu, penelitian ini bertujuan untuk memudahkan pedagang dalam permasalahan tersebut dengan membandingkan algoritma atau metode dalam model machine learning dikarenakan data penjualan pakaian memiliki tren pola data musiman, diantaranya yaitu: ARIMA, Holt-Winters, dan Linear Regression. Pada penelitian ini, hasil perbandingan akurasi atau nilai error dari ketiga algoritma, yaitu ARIMA, Holt-Winters, dan Linear Regression yang paling rendah nilai error nya adalah pada metode ARIMA yang menggunakan perbandingan data latih dan data uji 80%:20% dengan nilai RMSE 391.733, MSE 613820.0734, dan MAPE 9.908% berdasarkan data penjualan dari salah satu cabang di salah satu kota.

© 2026 UPA Perpustakaan POLINEMAStatus LayananKebijakan PrivasiSyarat & Ketentuan

v2026.11.17.2 · d0569a2