Analisis Prediksi Performa Produk Teh Menggunakan Algoritma Regresi Linear dan Random Forest Regressor

Abstract

Penelitian ini berfokus pada analisis prediksi performa produk teh menggunakan algoritma regresi linear dan Random Forest Regressor (RFR). Masalah yang diangkat adalah ketidakpastian dalam memprediksi performa penjualan produk teh yang dapat berdampak pada strategi pemasaran dan pengambilan keputusan di industri teh. Ketidakakuratan dalam proyeksi penjualan dapat menyebabkan kerugian finansial dan menurunkan daya saing produk di pasar. Oleh karena itu, penting untuk menerapkan metode analisis yang tepat untuk meningkatkan akurasi prediksi. Metode penelitian yang digunakan meliputi pengumpulan data dari platform Kaggle, di mana variabel yang dianalisis mencakup harga produk, rating rata-rata, dan jumlah ulasan. Penelitian ini menerapkan algoritma regresi linear untuk memahami hubungan linear antar variabel, serta RFR untuk menangani data dengan kompleksitas tinggi. Proses analisis mengikuti tahapan Knowledge Discovery in Database (KDD) yang sistematis, mulai dari pemilihan data hingga evaluasi model. Hasil penelitian menunjukkan bahwa RFR memberikan akurasi prediksi yang lebih tinggi dibandingkan regresi linear dalam memprediksi performa produk teh. Temuan ini bermanfaat bagi pelaku industri teh, termasuk produsen dan pemasar, dalam merumuskan strategi pemasaran yang lebih efektif berdasarkan data yang akurat. Penelitian ini juga merekomendasikan penelitian lebih lanjut untuk mengeksplorasi variabel lain yang mungkin mempengaruhi performa penjualan produk teh

GS Cited Analysis