Prediksi Penjualan Lampu Menggunakan Metode CRISP-DM: Analisis Moving Average dengan perbandingan Algoritma Linear Regression dan K-Nearest Neighbors di PT XYZ

PT XYZ sebagai perusahaan yang bergerak di bidang produksi dan distribusi lampu LED memerlukan strategi yang efektif untuk memprediksi penjualan agar proses produksi dan distribusi dapat berjalan dengan efisien. Penelitian ini bertujuan untuk menganalisis pola dan tren penjualan berdasarkan data historis dari tahun 2022 hingga 2024, sekaligus membangun model prediksi dengan membanding dua algoritma, yaitu Linear Regression dan K-Nearest
Neighbors (KNN). Metode yang digunakan CRISP-DM yang terdiri dari 6 tahapan yaitu Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation dan deployment. Identifikasi tren dilakukan dengan pendekatan Moving Average. Hasil pengujian menunjukkan bahwa rata-rata pergerakan selama 6 bulan memberikan akurasi yang lebih baik dibandingkan dengan periode 3 bulan, sehingga fitur ini dimasukkan sebagai variabel tambahan dalam pemodelan. Model kemudian dibangun menggunakan kedua algoritma dan dievaluasi dengan metrik MAPE, MAE, RMSE, dan R-Squared. Dari hasil evaluasi, model Linear regression menunjukkan performa terbaik dengan nilai R-Squared sebesar 0,999 dan MAPE 1,1%, sedangkan model KNN menghasilkan R-Squared sebesar 0,839 dan MAPE 1,609%. Berdasarkan hasil tersebut, Linear regression dipilih sebagai model yang paling tepat untuk prediksi penjualan di PT XYZ.