ANALISIS FAKTOR DOMINAN DAN PREDIKSI PENJUALAN PRODUK ROTI MENGGUNAKAN GRADIENT BOOSTED DECISION TREE (GBDT) (STUDI KASUS : HN BAKERY)

Hasib, Muhammad (2026) ANALISIS FAKTOR DOMINAN DAN PREDIKSI PENJUALAN PRODUK ROTI MENGGUNAKAN GRADIENT BOOSTED DECISION TREE (GBDT) (STUDI KASUS : HN BAKERY). ["eprint_fieldopt_thesis_type_skripsi" not defined] thesis, Institut Teknologi Nasional Malang.

	Text Cover (1).pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (496kB)
	Text Bab 1.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (204kB)
	Text Bab 2.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (347kB) | Request a copy
	Text Bab 3.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text Bab 4 (1).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB) | Request a copy
	Text Bab 5 (1).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (130kB) | Request a copy
	Text Daftar Pustaka (1).pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (187kB)
	Text Lampiran (1).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (545kB) | Request a copy

Abstract

Industri bakery di tingkat Usaha Mikro, Kecil, dan Menengah (UMKM) sering menghadapi kendala dalam menentukan jumlah produksi yang tepat akibat fluktuasi permintaan harian. HN Bakery, salah satu UMKM roti, kerap mengalami overstock yang berujung pada kerugian produk basi (food waste), serta stockout yang menghilangkan potensi pendapatan. Penelitian ini bertujuan membangun sistem prediksi penjualan roti pada HN Bakery menggunakan metode Gradient Boosted Decision Tree (GBDT) berdasarkan data historis penjualan tahun 2022–2025. Proses penelitian meliputi preprocessing data, feature engineering, agregasi mingguan, dan pembagian dataset menggunakan Time-Series Split dengan rasio 80:20. Model GBDT dibangun menggunakan 150 iterasi pohon keputusan dengan learning rate 0,05 dan dievaluasi menggunakan Mean Absolute Error (MAE). Hasil penelitian menunjukkan model mampu menghasilkan prediksi yang cukup baik dengan nilai MAE sebesar 5,49–9,86 roti per minggu dan tingkat akurasi mencapai 94,51%. Analisis feature importance menunjukkan bahwa variabel stok menjadi faktor paling dominan dengan kontribusi sebesar 79%–88%. Sistem yang dikembangkan juga mampu mengklasifikasikan hasil prediksi ke dalam kategori rendah, sedang, dan tinggi sebagai rekomendasi operasional produksi roti di HN Bakery.

Item Type:	Thesis (["eprint_fieldopt_thesis_type_skripsi" not defined])
Additional Information:	Muhammad Hasib (2218017)
Uncontrolled Keywords:	Prediksi Penjualan, Gradient Boosted Decision Tree, Feature Importance, SPK, UMKM Roti
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Muhammad Hasib
Date Deposited:	06 Aug 2026 03:28
Last Modified:	06 Aug 2026 03:28
URI:	http://eprints.itn.ac.id/id/eprint/16337

Actions (login required)

View Item