MODEL PREDIKSI OMZET PENJUALAN MENGGUNAKAN RANDOM FOREST REGRESSION PADA UMKM TOKO KEMBAR

UMKM retail di Indonesia, termasuk Toko Kembar di Sukoharjo, masih mengandalkan pencatatan transaksi secara manual sehingga data penjualan belum dimanfaatkan secara optimal. Permasalahan utama yang dihadapi adalah ketidakmampuan dalam memprediksi fluktuasi omzet penjualan, yang berdampak pada pengelolaan stok dan perencanaan keuangan yang bersifat reaktif. Penelitian ini bertujuan untuk membangun model prediksi omzet penjualan berbasis Random Forest Regression guna mendukung pengelolaan stok yang lebih terencana dan berbasis data.
Metode yang digunakan dalam penelitian ini adalah kerangka CRISP-DM dengan pendekatan panel data per produk per bulan. Rekayasa fitur yang digunakan meliputi lag omzet 1–3 bulan, rata-rata bergerak 3 bulan, harga satuan, dan jumlah transaksi. Dataset yang digunakan mencakup 23.466 transaksi dari 8.720 produk selama periode September 2025 hingga Maret 2026. Evaluasi model dilakukan menggunakan metrik MAE, RMSE, R², dan MAPE.
Hasil evaluasi model menunjukkan nilai MAE sebesar Rp32.579, RMSE sebesar Rp277.705, R² sebesar 0,6702 (67,02%), dan MAPE sebesar 8,45%. Prediksi omzet pada April 2026 sebesar Rp661.396.513 dan Mei 2026 sebesar Rp651.661.400, dengan rekomendasi penyesuaian stok pada beberapa produk. Hasil penelitian ini menunjukkan bahwa metode Random Forest Regression mampu memberikan prediksi omzet yang cukup akurat sehingga dapat mendukung pengambilan keputusan dalam pengelolaan stok pada UMKM.