Aplikasi Point of Sales Es Teh Jumbo dengan Prediksi Penjualan Harian Menggunakan Algoritma Random Forest Regression

Bisnis es teh jumbo mengalami perkembangan pesat, namun salah satu mitra di Solo menghadapi tantangan dalam pencatatan transaksi manual dan pengelolaan stok yang kurang optimal akibat fluktuasi penjualan. Masalah ini berdampak pada efisiensi operasional dan kepuasan pelanggan. Penelitian ini bertujuan untuk merancang dan membangun aplikasi point of sales dengan fitur prediksi penjualan menggunakan algoritma random forest regression yang mampu mengatasi data non- linear dan mempunyai keakuratan yang tinggi daripada linear regression atau decision tree. Metode yang digunakan adalah waterfall, yang mencakup tahapan identifikasi dan perencanaan, analisis, perancangan sistem, implementasi, dan pemeliharaan. Dataset untuk prediksi diambil dari data historis penjualan harian, dengan variabel yang digunakan meliputi hari dalam minggu, status akhir pekan, penjualan hari sebelumnya, dan rata-rata penjualan 7 hari sebelumnya. Hasil pengujian menunjukkan bahwa model random forest regression dengan jumlah dataset sebanyak 30 data memiliki tingkat akurasi yang baik yaitu 97,15%, dengan rata-rata persentase kesalahan absolut sebesar 2,85%. Sistem aplikasi yang dikembangkan diharapkan mempunyai implikasi untuk meningkatkan efisiensi operasional bisnis es teh jumbo, mendukung pengambilan keputusan yang lebih baik, meningkatkan profitabilitas, serta meningkatkan kepuasan pelanggan melalui pengelolaan stok dan transaksi yang lebih terstruktur.