Penerapan Data Mining Metode Regresi Liner Berganda Dalam Memprediksi Penjualan Di Toko F3i Kisaran
Abstract
Abstract: This study is motivated by the underutilization of transaction data at Toko F3I Kisaran in supporting decision-making related to inventory and pricing strategies. Currently, decisions are made conventionally based on experience, which may lead to overstock or stockout conditions. This research aims to develop a sales prediction model by applying Data Mining techniques using the Multiple Linear Regression method to analyze the influence of stock and price variables on sales. The research methodology includes historical data collection, regression analysis, web-based system design using PHP and MySQL, and system testing through the Black Box method. The results indicate that the developed model is capable of generating measurable and systematic sales estimations based on stock and price variables. The implementation of this system can assist store management in planning inventory levels and pricing strategies more efficiently, thereby improving operational effectiveness and business competitiveness.
Keywords: data mining; multiple linear regression; PHP; sales prediction; web-based system
Abstrak: Penelitian ini dilatarbelakangi oleh belum optimalnya pemanfaatan data transaksi penjualan pada Toko F3I Kisaran dalam mendukung pengambilan keputusan terkait persediaan dan penetapan harga. Selama ini, keputusan masih dilakukan secara konvensional berdasarkan pengalaman, sehingga berpotensi menimbulkan overstock maupun stockout. Penelitian ini bertujuan untuk membangun model prediksi penjualan dengan menerapkan teknik Data Mining menggunakan metode Regresi Linier Berganda guna menganalisis pengaruh variabel stok dan harga terhadap penjualan. Metodologi penelitian meliputi pengumpulan data historis, analisis perhitungan regresi, perancangan sistem berbasis web menggunakan PHP dan MySQL, serta pengujian sistem dengan metode Black Box. Hasil penelitian menunjukkan bahwa model yang dibangun mampu menghasilkan estimasi penjualan berdasarkan variabel stok dan harga secara lebih terukur dan sistematis. Implementasi sistem ini dapat membantu manajemen toko dalam merencanakan jumlah persediaan dan strategi harga secara lebih efisien, sehingga meningkatkan efektivitas pengelolaan bisnis dan daya saing perusahaan.
Kata kunci: data mining; prediksi penjualan; regresi linier berganda; sistem berbasis web; PHP
References
E. A. Wibowo and R. Aryanti, “Penerapan Metode Clustering K-Means Menggunakan RapidMiner untuk Klasifikasi Prestasi Siswa di Sekolah Swasta,” J. Inf. Technol. Informatics Eng., vol. 1, no. 1, pp. 20–24, 2025, [Online]. Available: https://journal.jci.co.id/jitie/article/view/35
A. Alawiyah, N. Aghnia, and F. F. Abdalah, “Implementasi Clustering Algoritma K-Means Pada Penjualan Beras Di CV Tangguh Bumi Perkasa,” J. Komisi (Jurnal Komput. dan Sist. Informasi), vol. 2, no. 2, pp. 17–23, 2025.
J. N. Iin, “PERBANDINGAN KMEANS DAN HIERARCHICAL CLUSTERING UNTUK PEMETAAN KAWASAN RAWAN STUNTING DI KABUPATEN KOLAKA,” RABIT J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 701–716, 2025.
R. Rahmawati, W. Prihartono, and K. Cirebon, “Optimasi Stok Dengan Clustering Data Transaksi Penjualan Menggunakan Algoritma K-Means di Konter Agung Cell,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 13, no. 2, 2025.
A. Rahardianto and U. Budiyanto, “Seleksi Calon Penerimaan Karyawan Baru Di PT . Citius Solusi Indonesia Menggunakan Metode Naive Bayes,” SENAFTI, vol. 3, no. September, pp. 1581–1588, 2024.
F. Latief Mukmin, Y. Yupanti, and D. Sartika, “Klasifikasi Data Karyawan Outsourcing Berdasarkan Penempatan Menggunakan Metode Naive Bayes Pada PT. Solusi Gemilang Persada,” J. Media Infotama, vol. 20, no. 2, pp. 632–637, 2024.
N. Riyanah and F. Fatmawati, “Penerapan Algoritma Naive Bayes Untuk Klasifikasi Penerima Bantuan Surat Keterangan Tidak Mampu,” JTIM J. Teknol. Inf. dan Multimed., vol. 2, no. 4, pp. 206–213, 2021, doi: 10.35746/jtim.v2i4.117.
P. C. Hartono and A. D. Widiantoro, “Analisis Prediksi Harga Saham Unilever Menggunakan Regresi Linier dengan RapidMiner,” J. Comput. Inf. Syst. Ampera, vol. 5, no. 3, pp. 2775–2496, 2024, [Online]. Available: https://journal-computing.org/index.php/journal-cisa/index
I. Amansyah, J. Indra, E. Nurlaelasari, and A. R. Juwita, “Prediksi Penjualan Kendaraan Menggunakan Regresi Linear : Studi Kasus pada Industri Otomotif di Indonesia,” Innov. J. Soc. Sci. Res., vol. 4, no. 4, pp. 1199–1216, 2024.
A. Supriyatna, A. I. Purnamasari, and I. Ali, “Analisis Penjualan Produk Umkm Di Shopee Pada Toko Agung0Na9 Menggunakan Model Algoritma Regresi Linear,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1911–1915, 2024, doi: 10.36040/jati.v8i2.8372.
R. H. Solihin, J. Supratman, and R. Muhendra, “Pengembangan Model Peramalan Penjualan Menggunakan Metode Regresi Linier dan Polinomial Pada Industri Makanan Ringan (Studi Kasus: CV. Stanley Mandiri Snack),” TEKNOSAINS J. Sains, Teknol. dan Inform., vol. 10, no. 2, pp. 185–192, 2023, doi: 10.37373/tekno.v10i2.456.
R. Andrianto and F. Irawan, “Implementasi Metode Regresi Linear Berganda Pada Sistem Prediksi Jumlah Tonase Kelapa Sawit di PT . Paluta Inti Sawit,” J. Pendidik. Tambusai, vol. 7, no. 1, pp. 2926–2934, 2023.
S. Adiguno, Y. Syahra, and M. Yetri, “Prediksi Peningkatan Omset Penjualan Menggunakan Metode Regresi Linier Berganda,” J. Sist. Inf. Triguna Dharma (JURSI TGD), vol. 1, no. 4, p. 275, 2022, doi: 10.53513/jursi.v1i4.5331.
O. J. Ababil, S. A. Wibowo, and H. Z. Zahro, “Penerapan Metode Regresi Linier Dalam Prediksi Penjualan Liquid Vape Di Toko Vapor Pandaan Berbasis Website,” JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 1, pp. 186–195, 2022.
A. Z. Siregar, “Implementasi Metode Regresi Linier Berganda Dalam Estimasi Tingkat Pendaftaran Mahasiswa Baru,” Kesatria J. Penerapan Sist. Inf. (Komputer dan Manajemen), vol. 2, no. 3, pp. 133–137, 2021, [Online]. Available: https://tunasbangsa.ac.id/pkm/index.php/kesatria/article/view/73
