SKRIPSI DIGITAL
Penerapan Algoritma Random Forest untuk Optimalisasi Stock Opname dan Distribusi Barang pada Gudang-Toko = Application of Random Forest Algorithm for Optimization of Stock Opname and Distribution Goods in Warehouses
Bisnis ritel adalah sektor vital yang melibatkan penjualan kebutuhan sehari-hari kepada konsumen. Pada tahun 2022, Indonesia memiliki sekitar 3,98 juta unit ritel, dengan peritel tradisional seperti kios dan toko kelontong mencapai sekitar 98,78% dari total tersebut. Tantangan seperti manajemen stok yang buruk di ritel tradisional menyebabkan ketidakseimbangan antara barang yang sering terjual dan barang yang tidak terjual yang terlalu banyak, sehingga menyebabkan kerugian yang signifikan, terutama untuk barang-barang yang mudah rusak. Transformasi digital dalam manajemen ritel telah menunjukkan potensi dalam meningkatkan efisiensi dan profitabilitas. Penelitian ini bertujuan untuk mengembangkan sistem terintegrasi menggunakan algoritma Random Forest untuk mengoptimalkan stock opname dan distribusi di toko ritel. Metode yang digunakan adalah System Development Life Cycle (SDLC) dengan pendekatan Waterfall. Algoritma Random Forest diterapkan untuk memprediksi penjualan dan kebutuhan stok. Data dikumpulkan dari KPRI Polines Mart dan diolah terlebih dahulu sebelum melatih dan mengevaluasi model. Algoritma Random Forest menunjukkan kinerja yang sangat baik dalam memprediksi penjualan dan stok. Model ini mencapai nilai R-squared sebesar 0,96 untuk prediksi penjualan dan 0,92 untuk prediksi stok produk, yang mengindikasikan kekuatan prediksi yang kuat. Nilai Mean Absolute Percentage Error (MAPE) sebesar 1,04% dan 18,97% untuk prediksi penjualan dan stok produk, masing-masing, menunjukkan akurasi yang tinggi. Integrasi algoritma Random Forest dengan sistem POS menawarkan solusi yang tepat untuk mengoptimalkan manajemen stok dalam bisnis ritel. Sistem ini meningkatkan proses pengambilan keputusan terkait tingkat stok dan distribusi produk, yang berpotensi menghasilkan peningkatan yang signifikan dalam efisiensi operasional dan profitabilitas untuk gerai ritel tradisional. Hasil penelitian ini menunjukkan manfaat nyata dari pemanfaatan teknik pembelajaran mesin dalam manajemen stok ritel.
Kata kunci: Ritel, Manajemen Inventaris, Random Forest, Point of Sales (POS), Analisis Prediktif, Transformasi Digital
No other version available
Computer Science, Information & General Works 
Philosophy & Psychology 
Religion 
Social Sciences 
Language 
Pure Science 
Applied Sciences 
Art & Recreation 
Literature 
History & Geography