Model Regresi Linear untuk Efisiensi Stok dan Prediksi Kebutuhan Bawang Putih Kupas UMKM

Weri Sirait; Nur Azizah; Rahmat Hidayat

doi:10.54914/jtt.v11i2.2560

Penulis

Weri Sirait Politeknik Manufaktur Negeri Bangka Belitung
Nur Azizah Politeknik Negeri Padang
Rahmat Hidayat Politeknik Manufaktur Negeri Bangka Belitung

DOI:

https://doi.org/10.54914/jtt.v11i2.2560

Kata Kunci:

Bawang Putih Kupas, Data Mining, Prediksi, Regresi Linear, UMKM

Abstrak

Permintaan bawang putih kupas pada usaha Gilingan Bakso Barokah cenderung fluktuatif dan sulit diprediksi. Ketidakakuratan menentukan stok harian sering menimbulkan masalah, terutama ketika stok bawang putih kupas berlebih namun permintaan rendah. Bawang putih yang dikupas akan menguning, membusuk, menurunkan kualitas, sementara pelanggan mengharapkan bawang putih dalam kondisi segar. Untuk mengatasi permasalahan tersebut, penelitian ini bertujuan memprediksi kebutuhan harian bawang putih kupas menggunakan algoritma regresi linear sederhana. Data yang digunakan ialah catatan penjualan harian bawang putih kupas selama periode Januari hingga Desember 2024 di Gilingan Bakso Barokah. Model regresi linear dibangun dengan variabel waktu sebagai prediktor untuk mengestimasi tren penjualan harian. Hasil penelitian menunjukkan bahwa model mampu memberikan estimasi yang cukup akurat dengan nilai Mean Squared Error (MSE) sebesar 8,93 dan validasi sebesar 9,03. Model prediksi memproyeksikan kebutuhan bawang putih kupas 30 hari ke depan berada pada kisaran 16 kg per hari. Hasil penelitian dapat membantu pemilik usaha mengelola stok bawang putih kupas secara lebih efisien, meminimalkan pemborosan, dan menjaga kepuasan pelanggan. Penelitian ini memberikan model prediktif awal yang stabil dan terandalkan bagi usaha Gilingan Bakso Barokah, sekaligus menunjukkan efektivitas regresi linear sederhana untuk manajemen stok bahan baku segar harian dengan tingkat akurasi MSE ≈ 9.

Unduhan

Data unduhan belum tersedia.

Referensi

S. Napitupulu and N. A. Siagian, “Prediksi Data Produksi Menggunakan Regresi Linear Sederhana,” JDMIS: Journal of Data Mining and Information Systems., vol. 1, no. 2, 2023, doi: 10.54259/jdmis.v1i2.1956.

A. Sugiyarta, S. Sumiati, and H. Maulana, “Implementasi Data Mining Pola Penjualan Dengan Pendekatan Regresi Linear,” JSiI (Jurnal Sist. Informasi), vol. 11, no. 1, pp. 54–61, 2024, doi: 10.30656/jsii.v11i1.8411.

N. Salsavira and E. Yuliawati, “Peramalan Supply Bahan Baku Menggunakan Metode Regresi Linier dan Exponential Smoothing,” Nusant. Eng., vol. 6, no. 2, pp. 183–189, 2023, doi: 10.29407/noe.v6i2.20371.

H. Husdi and H. Dalai, “Penerapan Metode Regresi Linear Untuk Prediksi Jumlah Bahan Baku Produksi Selai Bilfagi,” J. Inform., vol. 10, no. 2, pp. 129–135, 2023, doi: 10.31294/inf.v10i2.14129.

M. Musfiah and C. H. Simanjuntak, “Penerapan Metode Regresi Linier pada Sistem Prediksi Penjualan Produk Ikan,” Simtek J. Sist. Inf. dan Tek. Komput., vol. 10, no. 1, pp. 172–178, 2025, doi: 10.51876/simtek.v10i1.1545.

A. H. Pradhana, M. Irfa, A. Ali, A. Ristyawan, and E. Daniati, "Penerapan Regresi Linear Menggunakan Rapidminer untuk Memprediksi Penjualan dan Persediaan," Pros. Semnas Inotek, vol. 8, pp. 291–297, 2024, doi: 10.29407/inotek.v8i1.4939.

R. Jumardi and S. H. Widiastuti, "Aplikasi Forecasting Penjualan dan Persediaan Produk Usaha Mikro, Kecil dan Menengah," JSAI (Journal Sci. Appl. Informatics), vol. 4, no. 3, pp. 383–390, 2021, doi: 10.36085/jsai.v4i3.2756.

M. Ferdinan, "Prediksi Jumlah Penjualan Tahun 2024 Menggunakan Metode Regresi Linier," RESOLUSI (Rekayasa Teknik Informatika dan Informasi), vol. 4, no. 3, pp. 202–208, 2024, doi: 10.30865/resolusi.v4i3.1630.

S. K. Panda and S. N. Mohanty, "Time Series Forecasting and Modeling of Food Demand Supply Chain Based on Regressors Analysis," IEEE Access, vol. 11, pp. 42679–42700, 2023, doi: 10.1109/ACCESS.2023.3266275.

Y. Batara and P. Siringoringo, "Analysis of Economic Factors on Food and Non-Food Expenditure Consumption in North Sumatra Using Multiple Linear Regression Test," Formosa J. Appl. Sci., vol. 4, no. 7, pp. 2317–2326, 2025, doi: 10.55927/fjas.v4i7.282.

A. Kasar and M. M. Tripathi, “Data-Driven Decision Making for Perishable Food Supply Chains : Insights from Demand Forecasting Models Data-Driven Decision Making for Perishable Food Supply Chains : Insights from Demand Forecasting Models,” Advances in Consumer Research., vol. 2, no. 4, pp.1461-1468,2025, doi: 10.13140/RG.2.2.12142.93761.

R. Nurmalina. J. Z. Adil and A. K. Adhi, "Model Penawaran dan Permintaan Bawang Putih Indonesia: Pendekatan Sistem Dinamik," Forum Agribisnis (Agri Bus. Forum), vol. 13, no. 2, pp. 218–228, 2023, doi: 10.29244/fagb.13.2.218-228.

K. R. Dewi, K. F. Mauladi, and M. Masruroh, “Analisa Algoritma C4.5 untuk Prediksi Penjualan Obat Pertanian di Toko Dewi Sri,” Semin. Nas. Inov. Teknol., vol. 25, pp. 109–114, 2020, doi: 10.29407/inotek.v4i3.72.

C. Fan, M. Chen, X. Wang, J. Wang, and B. Huang, “A Review on Data Preprocessing Techniques Toward Efficient and Reliable Knowledge Discovery From Building Operational Data,” frontiers in Energy Research., vol. 9, no. March, pp. 1–17, 2021, doi: 10.3389/fenrg.2021.652801.

B. Tejaswi and G. R. Kumar, “Predictive Modelling for Food Demand in Supply Chains : A Regression Approach,” Libr. Prog. Int., vol. 44, no. 3, pp. 14965–14971, 2024, doi: doi.org/10.48165/bapas.2024.44.2.1.

D. Yustika, S. Sudarti, and R. D. Handayani, “Analisis Regresi Linier Sederhana untuk Mengestimasi Pengaruh Kemampuan Self Regulated Learning terhadap Hasil Belajar Siswa Menggunakan Model Pembelajaran Rasi,” J. Pendidik. Mipa, vol. 12, no. 2, pp. 294–297, 2022, doi: 10.37630/jpm.v12i2.609.

H. Kang and H. Zhao, “Description and Application Research of Multiple Regression Model Optimization Algorithm Based on Data Set Denoising,” J. Phys. Conf. Ser., vol. 1631, no. 1, p. 012063, Sep. 2020, doi: 10.1088/1742-6596/1631/1/012063.

N. F. Fahrudin, K. R. Putra, S. Umaroh, and G. B. Lautan, "Influence Of Data Scaling And Train/Test Split Ratios on Lightgbm Efficacy for Obesity Rate Prediction," MIND J., vol. 9, no. 2, pp. 220–234, 2024, doi: 10.26760/mindjournal.v9i2.220-234.

A. M. A. Rusdy, P. Purnawansyah, and H. Herman, "Penerapan Metode Regresi Linear Pada Prediksi Penawaran dan Permintaan Obat (Studi Kasus Aplikasi Point of Sales)," BUSITI, vol. 3, no. 2, pp. 121–126, 2022, doi: 10.33096/busitiv3i2.1130.

Y. Ilanda, D. Vionanda, Y. Kurniawati, and D. Fitria, "Perbandingan Metode Prediksi Laju Galat dalam Pemodelan Klasifikasi Algoritma C4.5 untuk Data Tidak Seimbang," J. Stat. DATA Sci., vol. 1, no. 4, pp. 240–247, 2023, doi: 10.24036/ujsds/vol1-iss4/89.