PEMODELAN PREDIKSI KUANTITAS PENJUALAN MAINAN MENGGUNAKAN LightGBM

Abstrak

Ciri khas utama industri mainan adalah perubahan dan ketidakpastiannya yang cepat. Permintaan yang dipengaruhi oleh tren tertentu, dapat berubah secara mendadak dan tiba-tiba menghilang saat produk viral berikutnya menguasai pasar. Inovasi produk yang konstan, siklus hidup yang pendek, dan tingkat kanibalisasi yang tinggi berpotensi mengeluarkan biaya relatif lebih tinggi dibandingkan dengan industri lain dalam hal persediaan usang, kehilangan penjualan, dan penurunan harga. Berdasarkan permasalahan tersebut maka dilakukan penelitian untuk memprediksi penjualan mainan menggunakan model algoritma LightGBM dalam bentuk time-series dengan dataset penjualan 460 item mainan yang diklasifikasikan menjadi 14 kategori dalam rentang waktu 1.353 hari dengan periode prediksi 1, 3, dan 6 bulan. Penelitian ini menghasilkan 42 model berdasarkan kategori produk dan periode prediksi, dengan nilai RMSE terbaik 0.0042 pada model mainan KARTU, dan 3 model untuk semua kategori berdasarkan periode prediksi dengan nilai RMSE terbaik 0.0380 pada periode prediksi 1 bulan.