PENERAPAN ALGORITMA RANDOM FOREST UNTUK PREDIKSI PENJUALAN PERSEDIAAN PRODUK (UMKM YURI STORE)

Penelitian ini berjudul “Penerapan Algoritma Random Forest untuk Prediksi Penjualan pada UMKM Yuri Store”. Tujuan penelitian adalah mengimplementasikan metode machine learning dengan algoritma Random Forest untuk meningkatkan akurasi prediksi penjualan, sehingga dapat membantu perencanaan persediaan barang pada UMKM Yuri Store yang bergerak di bidang pemasaran digital produk herbal. Variabel penelitian meliputi metode pembayaran (Cash on Delivery/COD dan reguler) serta status pengiriman (terkirim, return, dan dibatalkan). Data penjualan yang digunakan adalah data 5 bulan terakhir di tahun 2025, dan metode analisis yang digunakan adalah regresi Random Forest. Hasil penelitian menunjukkan bahwa model Random Forest Regressor mampu memberikan performa prediksi yang cukup baik. Nilai Mean Absolute Error (MAE) sebesar 12,70, Mean Squared Error (MSE) sebesar 538,634, dan Mean Absolute Percentage Error (MAPE) pada pengiriman COD dengan status diterima sebesar 22,75% serta pengiriman reguler sebesar 26,17%. Berdasarkan kategori kinerja MAPE, hasil tersebut termasuk dalam kategori reasonable atau dapat diterima. Model juga mampu menangkap tren umum permintaan harian dengan akurat, meskipun terdapat deviasi pada titik-titik tertentu. Kesimpulan penelitian ini adalah penerapan algoritma Random Forest efektif dalam menangani kompleksitas data penjualan yang bersifat non-linear serta meningkatkan kualitas perencanaan stok. Dengan demikian, model ini dapat dijadikan solusi strategis bagi UMKM Yuri Store dalam mengoptimalkan pengelolaan persediaan, khususnya produk herbal yang memiliki masa kedaluwarsa terbatas.