Prediksi Pendapatan Harian kedai Kopi dengan Algoritma Random Forest Regression

Abstract

Penelitian ini mengulas pembangunan model prediksi pendapatan harian kedai kopi dengan algoritma Random Forest Regression (RFR). Permasalahan utama yang diangkat yaitu kebutuhan pemilik kedai kopi guna memprediksi pendapatan secara akurat dan menunjang pengambilan keputusan bisnis yang efisien. Data didapat dari platform Kaggle serta diproses melalui aplikasi RapidMiner dengan beberapa tahapan yaitu, preprocessing, pelatihan model, serta evaluasi performa memakai metrik RMSE, MAE, serta korelasi. Hasil penelitian ini menunjukkan bahwa model RFR mempunyai performa sangat baik dengan korelasi sebesar 0,968 yang menunjukkan tingkat akurasi tinggi. Rata-rata prediksi pendapatan mendekati nilai aktual dengan selisih yang relatif kecil. Temuan ini membuktikan bahwa algoritma RFR efektif untuk menangani data multivariabel dan mampu memberikan estimasi pendapatan yang stabil. Rekomendasi untuk penelitian berikutnya yaitu pengembangan sistem prediksi dalam bentuk aplikasi web atau mobile yang terintegrasi dengan sistem manajemen kedai.