Penerapan Data Mining Untuk Memprediksi Permintaan Keripik Labu Menggunakan Metode Regresi Linear Berganda

  • Cahyuni Novia Universitas Nurul Jadid
  • Diah Manda Putri Permata Sari Prodi Informatika, Universitas Nurul Jadid, Paiton Probolinggo, Jawa Timur
  • Atyatus Sholihah Latifah Prodi Informatika, Universitas Nurul Jadid, Paiton Probolinggo, Jawa Timur
  • Tantri Elevani Putri Erisa Prodi Informatika, Universitas Nurul Jadid, Paiton Probolinggo, Jawa Timur
  • Afiyatun Hasanah Prodi Informatika, Universitas Nurul Jadid, Paiton Probolinggo, Jawa Timur
https://doi.org/10.36084/jpt..v12i2.579
Data mining, Keripik labu, Regresi linier berganda, UKM, Prediksi

Abstrak

UKM di Indonesia masih banyak yang mengalami kesulitan dalam memanfaatkan teknologi digital secara optimal. Salah satu kelemahan UKM adalah tidak bisa memprediksi permintaan produk, karena terbiasa meramalkan permintaan menggunakan intuisi. Sehingga sering terjadi kekurangan stok produk atau kelebihan stok produk, hal ini juga dialami oleh UKM UD. Dua putra yang memproduksi keripik labu. Salah satu cara untuk mengatasi hal tersebut adalah dengan melakukan prediksi permintaan produk keripik labu menggunakan konsep data minning dengan metode regresi linier berganda dan alat analisis SPSS. Keluaran dari data minning bisa dipakai untuk memperbaiki pengambilan keputusan dimasa depan. Teknik yang digunakan untuk mengetahui prediksi permintaan keripik labu UD. Dua Putra adalah teknik prediksi dan estimasi. Performa metode regresi linear berganda yang dibentuk dari data training dan di validasi pada data testing memberikan tingkat akurasi prediksi yang cukup baik. Hasil penelitian ini dapat memberikan solusi kepada UKM UD. Dua Putra agar dapat memprediksi permintaan sehingga tidak lagi mengalami kelebihan produk atau kekurangan produk keripik labu. Hasil regresi linier berganda nilai adjusted R square (R2) sebesar 0,994 atau sebesar 99,4% yang berarti hubungan antar variabel dikategorikan sangat kua

Download

Belum ada

Referensi

Aydin, E. (2022). Evaluation of phenolic acid, total phenolic content, antioxidant capacity and in-vitro simulated bioaccessibility of healthy snack: Aromatized pumpkin chips. Emirates Journal of Food and Agriculture. https://doi.org/10.9755/ejfa.2022.v34.i2.2807
Balderas, M., Peña, M., Araiza, A., & Celestino, B. (2019). Improving Forecasting Accuracy to reduce Variability of Customer Service Level. 3rd European International Conference on Industrial Engineering and Operations Management, 1–10. https://doi.org/10.46254/EU03.20190004
Boy, A. F. (2020). Implementasi Data minning Dalam Memprediksi Harga Crude Palm Oil (CPO) Pasar Domestik Menggunakan Algoritma Regresi Linier Berganda (Studi Kasus Dinas Perkebunan Provinsi Sumatera Utara). Journal of Science and Social Research, 3(2), 78–85. https://doi.org/https://doi.org/10.54314/jssr.v3i2.421
Doszyń, M. (2019). Intermittent demand forecasting in the Enterprise: Empirical verification. Journal of Forecasting, 38(5), 459–469. https://doi.org/10.1002/for.2575
Fadhillah, P., & Yuniarti, A. (2023). Pemberdayaan UMKM tentang Pentingnya Adaptasi Digital dan Legalitas Usaha di Limpomajang Kec. Majauleng Kab. Wajo. Jurnal Pengabdian Masyarakat Dan Riset Pendidikan, 2(1), 299–306. https://jerkin.org/index.php/jerkin/article/view/176
Juarsa, R. P., Amrizal, A., Idris, M., Qalbi, R., Alfayet, R. I., Alvarizi, Y., & Nurdianti, L. (2023). Penerapan Metode Penghalusan Eksponensial untuk Meramalkan Permintaan Sate pada UMKM Sate Ocu Rumbio Pamai. Journal of Systems Engineering and Management, 2(2), 204. https://doi.org/10.36055/joseam.v2i2.20965
Kavitha S, Varuna S, & Ramya R. (2016). A comparative analysis on linear regression and support vector regression. 2016 Online International Conference on Green Engineering and Technologies (IC-GET), 1–5. https://doi.org/10.1109/GET.2016.7916627
Maulud, D., & Abdulazeez, A. M. (2020). A Review on Linear Regression Comprehensive in Machine Learning. Journal of Applied Science and Technology Trends, 1(2), 140–147. https://doi.org/10.38094/jastt1457
Panggabean, D. S. O., Buulolo, E., & Silalahi, N. (2020). Penerapan Data minning Untuk Memprediksi Pemesanan Bibit Pohon Dengan Regresi Linear Berganda. JURIKOM (Jurnal Riset Komputer), 7(1), 56–62.
Putri, A. N., Wakhidah, N., & Utomo, V. G. (2022). Pemanfaatan Data minning untuk Media Pembelajaran di SMK Hidayah Semarang. E-Dimas: Jurnal Pengabdian Kepada Masyarakat, 13(3), 487–491. https://doi.org/10.26877/e-dimas.v13i3.5572
Rahmat Hidayat. (2022). PEMANFAATAN DATA MINNING UNTUK MELIHAT MINAT SISWA SETELAH MENYELESAIKAN PENDIDIKAN SEKOLAH MENENGAH ATAS (SMA) DENGAN ALGORITMA K-MEANS CLUSTERING. Technology and Informatics Insight Journal, 1(2), 85–97. https://doi.org/10.32639/tiij.v1i2.220
Santika, D. F., Azanuddin, & Yakub, S. (2021). Penerapan Data minning Untuk Memprediksi Keuntungan Penjualan Melalui Aplikasi Gofood Pada Coffeescape Medan Dengan Menggunakan Metode Regresi Linear Berganda. Jurnal Cyber Tech, 1(2), 1–14. https://ojs.trigunadharma.ac.id/index.php/jct/article/view/2203
Sari Wiyanti, Maey Diana Putri, Happy Nadia Mareta, Nina Antika, Dinda Tri Cahya Ramadhani, & Bagas Dwi Cahyo. (2023). Peran Strategi Desain Produk Dan Mutu/Kualitas Terhadap Prediksi Permintaan Pakaian Wanita Bintang Collection Tegal. Gudang Jurnal Multidisiplin Ilmu, 1(1), 1–8. https://doi.org/10.59435/gjmi.v1i1.1
Septiadia, D., & Joka, U. (2019). Analisis respon dan faktor-faktor yang mempengaruhi permintaan beras Indonesia. Agrimor, 4(3), 42–44.
Septriawan, M. R., & Anan, M. (2023). Prediksi jumlah penduduk miskin di Kota Medan melalui analisis arima time-series forecasting methods dengan kenaikan harga bahan bakar minyak (bbm) sebagai variabel moderating. Jurnal Warta Dharmawangsa, 17(3), 2716–3083. https://jurnal.dharmawangsa.ac.id/index.php/juwarta/article/view/3587
Setiawati, I., & Widyartati, P. (2017). Pengaruh Strategi Pemasaran Online Terhadap Peningkatan Laba UMKM. Seminar Nasional Bingkai Manajemen, 343–347. https://download.garuda.kemdikbud.go.id/article.php?article=765725&val=12498&title=PENGARUH STRATEGI PEMASARAN ONLINE TERHADAP PENINGKATAN LABA UMKM
Seyedan, M., & Mafakheri, F. (2020). Predictive big data analytics for supply chain demand forecasting: methods, applications, and research opportunities. Journal of Big Data, 7(1), 53. https://doi.org/10.1186/s40537-020-00329-2
Sholicha, N., & Oktafia, R. (2021). Strategi Pemasaran dalam Upaya Peningkatan Omset Penjualan UMKM Desa Sumber Kembar, Kecamatan Pacet, Kabupaten Mojokerto. Jurnal Ilmiah Ekonomi Islam, 7(2), 1156–1165. https://doi.org/http://dx.doi.org/10.29040/jiei.v7i2.2286
Wahyuni, I., Nafi’iyah, N., & Masruroh. (2019). Sistem Prediksi Penjualan Perumahan Di Kabupaten Lamongan Dengan Menggunakan Metode Regresi Linier Berganda. Seminar Nasional Sistem Informasi (SENASIF), 1969–1973. https://seminar.unmer.ac.id/index.php/senasif/2019/paper/view/355/509
Diterbitkan sejak
27-12-2024
Rekomendasi Sitasi
Novia, C., Sari, D., Latifah, A., Erisa, T., & Hasanah, A. (2024). Penerapan Data Mining Untuk Memprediksi Permintaan Keripik Labu Menggunakan Metode Regresi Linear Berganda. Jurnal Pertanian Terpadu, 12(2), 117-128. https://doi.org/10.36084/jpt.v12i2.579
Terbitan
Vol 12 No 2 (2024): Jurnal Pertanian Terpadu Jilid XII Nomor 2 Desember 2024 (in Progres)
Bagian
Artikel

 Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional. Pemegang hak cipta adalah penulis sesuai dengan ketentuan yang berlaku.