Data Mining Dalam Memprediksi Tingkat Penjualan BBM Menggunakan Metode Random Forest

Abstract

Perusahaan-perusahaan yang bergerak dalam industri bahan bakar minyak (BBM) sering menghadapi tantangan kompleks terkait dengan prediksi tingkat penjualan. Fluktuasi permintaan yang tidak terduga dan perubahan kondisi ekonomi dapat mempengaruhi ketersediaan stok dan efisiensi operasional. Untuk mengatasi masalah ini, pendekatan data mining dengan metode Random Forest menjadi solusi yang menjanjikan. Random Forest menggabungkan keputusan dari beberapa pohon keputusan, menghasilkan prediksi yang akurat dan dapat menangani kompleksitas data penjualan BBM. Meskipun memiliki kelemahan seperti overfitting dengan dataset kecil, pendekatan ini diharapkan dapat meningkatkan akurasi prediksi penjualan BBM, meningkatkan efisiensi operasional, dan mengoptimalkan strategi persediaan bagi PT. Pertamina Patra Niaga Fuel Terminal Medan Group. Dengan menggunakan Random Forest dalam framework data mining, perusahaan dapat lebih responsif terhadap fluktuasi pasar, mengurangi biaya persediaan, meningkatkan kepuasan pelanggan, dan memastikan ketersediaan stok yang optimal. Penelitian ini mengeksplorasi potensi dan keunggulan metode Random Forest dalam menghadapi tantangan prediksi tingkat penjualan BBM, memberikan wawasan yang berharga bagi industri bahan bakar minyak dalam mengoptimalkan rantai pasok dan persediaan.