PENERAPAN METODE ALGORITMA EXTREME GRADIENT BOOSTING DALAM MEMPREDIKSI PENJUALAN THRIFTING PADA TOKO CCHASE

Abstract

Thrifting di zaman sekarang sangat mudah dijangkau karena sudah banyak bermunculan toko thrift di perkotaan. Namun permasalahan yang sering terjadi pada toko thrifting ialah menghadapi masalah stok dan prediksi penjualan. Seperti pada toko Cchase, penentuan jumlah stok sering tidak tepat karena variasi barang thrifting yang beragam dan pasokan yang tidak menentu, sehingga menimbulkan risiko penumpukan barang yang tidak terjual. Untuk mengatasi hal ini, penelitian menggunakan teknologi machine learning dengan algoritma Extreme Gradient Boosting (XGBoost). Metode ini dipilih karena terbukti mampu memberikan hasil prediksi yang akurat pada data dengan pola yang kompleks. Data yang digunakan berupa catatan penjualan selama satu tahun terakhir yang kemudian diproses, dibagi menjadi data latih dan data uji, lalu diuji menggunakan metrik evaluasi Root Mean Squared Error (RMSE) dan Mean Absolute Error (MAE). Hasil penelitian menunjukkan nilai RMSE sebesar 0,8105 dan MAE sebesar 0,6643, yang berarti model cukup baik dalam memprediksi penjualan. Dari hasil prediksi untuk periode satu bulan ke depan, diperoleh kategori dengan penjualan tertinggi yaitu crewneck, hoodie, dan kaos. Dengan adanya hasil ini, diharapkan dapat membantu pelaku usaha thrift dalam mengelola stok lebih efisien serta menyusun strategi penjualan yang lebih tepat sasaran.