Prediksi Produksi Pakaian Baju Renang Menggunakan Algoritma Linear Regeression Pada PT. Dodo Activewear

  • Tri Wahyudi Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika Jakarta
  • Serli Bebriani Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika

Abstract

Dengan perkembangan kegiatan export daan import dalam negeri terutama di daerah DKI Jakarta, membuat persaingan bisnis terutama dalam bidang industri garment makin marak. Penelitian ini bertujuan untuk memprediksi produksi pakaian renang menggunakan metode regresi linear. Regresi linear digunakan untuk memodelkan hubungan antara variabel-variabel yang relevan dengan produksi pakaian renang, seperti permintaan pasar, tren musiman, dan kapasitas produksi.Data historis produksi pakaian renang dikumpulkan dan dianalisis untuk mengidentifikasi pola dan tren. Model regresi linear kemudian dikembangkan dan diuji menggunakan data tersebut. Hasil model digunakan untuk memproyeksikan tingkat produksi pakaian renang. Penelitian ini dapat membantu produsen pakaian renang dalam merencanakan produksi secara lebih akurat, mengoptimalkan inventaris, dan meningkatkan efisiensi operasional. Dalam kasus ini metode linear regresi adalah metode yang baik untuk melakukan prediksi. Software yang digunakan dalam metode Linear Regresi ini adalah RapidMiner dan menghasilkan nilai RMSE sebesar 0.089% yang menunjukan performa yang bagus dan hasil prediksi cukup akurat.

References

Musababa, M.A. (2024). Implementasi algoritma linear regression untuk prediksi produksi tanaman padi di Kabupaten Grobogan. Data Sci. Indones, 3(2): 68–78. Doi:
10.47709/dsi.v3i2.3118.
Hamdanah, F.H., Fitrianah, D. (2021). Analisis performansi algoritma linear regression dengan generalized linear model untuk prediksi penjualan pada Usaha Mikra, Kecil, dan Menengah. J. Nas. Pendidik. Tek. Inform, 10 (1). Doi: 10.23887/janapati.v10i1.31035.
Purnamasari, A.I., Ali, I., Kec. Kesambi Kota Cirebon. (2024). Penerapan Data Mining Dalam Prediksi Produksi Beras Menggunakan Metode Regresi Linear.
Nugroho, A.J., Sutrisna, E. (2023). Implementasi data mining dalam prediksi kinerja keuangan dan operasional pada perusahaan aviasi menggunakan linear regression. OKTAL: Jurnal Ilmu Komputer dan Science, 2 (12).
Indarwati, T., Irawati, T., Rimawati, E. (2019). Penggunaan metode linear regression untuk prediksi penjualan smartphone. J. Teknol. Inf. dan Komun. 6(2). Doi: 10.30646/tikomsin.v6i2.369.
Dewi, A.M., Azhar, F.N., Rozikin, C. (2023). Prediksi Penjualan Restoran Go Chicken Karawang Menggunakan Metode Linear Regresi. Socius: Jurnal Penelitian Ilmu-Ilmu Sosial. Doi: 10.5281/zenodo.10369168.
Nainggolan, N.F.C., Boy, A.F. (2023). Penerapan data mining untuk prediksi export penjualan produk kerajinan rotan menggunakan metode regresi linear berganda. 2 (5): 743–749. Available: https://ojs.trigunadharma.ac.id/inde x.php/jsi
Lailiyah, S., Yusnita, A., Hariri, L. (2023). Prediksi persediaan bahan baku untuk produksi makanan olahan ‘Sanggar Krispi’ menggunakan metode regresi linear berganda. SIMKOM, 8 (2): 84–94. Doi: 10.51717/simkom.v8i2.141.
Fitri, E., Nugraha, S.N. (2024). Optimasi kinerja linear regression, random forest regression dan multilayer perceptron pada prediksi hasil panen. INTI Nusa Mandiri, 18 (2):210–217. Doi: 10.33480/inti.v18i2.5269.
Hafizah, Tugiono, Maya, W.R. (2019). Penerapan data mining dalam memprediksi jumlah penumpang pada CV. Surya Mandiri Sukses dengan menggunakan metode regresi linier. J. Teknol. Inf. dan Sist. Komput. TGD, 2 (1): 54–61.
Lathifah, U., Dana, R.D. (2024). Implementasi metode linear regression untuk prediksi harga properti real estate menggunakan rapidminer. [Online]. Available: https://www.kaggle.com/datasets/oddyvirgant ara/har
Prasetyo, V.R., Lazuardi, H., Mulyono, A.A., Lauw, C. (2021). Penerapan aplikasi rapidminer untuk prediksi nilai tukar rupiah terhadap US dollar dengan metode linear regression,” J. Nas. Teknol. dan Sist. Inf., 7(1):8–17. Doi: 10.25077/teknosi.v7i1.2021.8-17
Wijayadhi, A., Makmun, M., Rahardjo, S.B. (2023). Prediksi penyakit jantung dengan algoritma regresi linier,” Bull. Inf. Technol., 4 (1):15–28. Doi: 10.47065/bit.v3i1.
Published
2024-09-21
Abstract viewed = 1 times
PDF downloaded = 0 times