Penerapan Algoritma Regresi Linear Untuk Memprediksi Stok Inventaris Barang Berdasarkan Tren Musiman Dan Promosi Platform

Abstract

Toko ritel sering kesulitan menentukan jumlah stok yang tepat karena permintaan dipengaruhi oleh tren musiman dan aktivitas promosi platform yang jarang diperhitungkan secara sistematis. Penelitian ini menerapkan regresi linear berganda untuk memprediksi tingkat stok satu produk elektronik (P0009) pada satu toko, menggunakan 731 data harian dari dataset ritel publik di Kaggle. Tiga variabel bebas digunakan, yaitu tren musiman, aktivitas promosi/hari libur, dan penjualan historis, dengan pembagian 80% data latih (584 data) dan 20% data uji (147 data). Model yang dihasilkan adalah Y = 174,16 − 0,81X₁ + 1,10X₂ + 0,72X₃, dievaluasi menggunakan MAPE, MAD, dan MSE. Model menghasilkan MAPE 34,67%, MAD 74,77 unit, MSE 8.608,83, dan R² 0,38 yang menunjukkan akurasi prediksi tergolong layak. Penjualan historis dan promosi terbukti berpengaruh positif terhadap tingkat stok, sedangkan tren musiman berpengaruh negatif namun kecil. Temuan ini mengindikasikan bahwa stok perlu ditambah menjelang dan selama periode promosi serta saat tren penjualan meningkat, dan dapat dikurangi saat tidak ada promosi dan penjualan menurun. Penelitian ini menawarkan pendekatan kuantitatif yang sederhana dan mudah diinterpretasikan sebagai dasar awal perencanaan stok bagi pengelola toko.