Konveksi Syauqi Production menghadapi tantangan dalam perencanaan produksi akibat tingginya volatilitas permintaan dan perubahan tren musiman pada produk batik. Selama ini, penentuan jumlah produksi hanya mengandalkan intuisi pemilik dan arsip faktur fisik yang belum terkelola secara sistematis, sehingga memunculkan risiko penumpukan stok (overproduction) maupun kekurangan barang (underproduction). Penelitian ini bertujuan membangun sistem pendukung keputusan berbasis web dengan menerapkan algoritma Decision Tree Regressor untuk memprediksi jumlah produksi batik bulanan. Menggunakan data historis transaksi periode 2001 hingga 2024 sebanyak 3.551 rekaman data, pengolahan diawali dengan tahap pembersihan data, rekayasa fitur (lag features, rolling average, serta pemetaan siklus bulan), dan transformasi data. Evaluasi model menghasilkan nilai Koefisien Determinasi (R^2) sebesar 0,724, Root Mean Square Error (RMSE) sebesar 325,89, dan Mean Absolute Error (MAE) sebesar 274,29. Model prediktif ini berhasil diintegrasikan ke dalam aplikasi web berbasis PHP, MySQL, dan Python untuk membantu pihak manajemen beralih dari perkiraan intuitif menuju perencanaan produksi berbasis data yang lebih objektif.
References
[1] J. F. Hair, W. C. Black, B. J. Babin, and R. E. Anderson, Multivariate Data Analysis, 8th ed. Cengage Learning, 2019.
[2] F. Firmansyah, N. Suarna, and W. Prihartono, "Klasifikasi Hasil Penjualan Pakaian Menggunakan Algoritma C4.5 Pada Toko Pakaian RIA Busana," JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 1, pp. 1291–1299, 2025.
[3] A. Y. Nadhiroh, N. Holisah, N. D. Y. Yulistina, and S. U. Mirza, "Peramalan Penjualan dengan Decision Tree untuk Optimasi Keuntungan di Garment Nurul Jadid," JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 13, no. 1, pp. 1049–1055, 2025.
[4] M. Rizaludin and F. Fikriah, "Prediksi Perilaku Pelanggan Pada Produk UMKM Batik Dengan Menggunakan Algoritma Decision Tree," TEKNOMATIKA, vol. 13, no. 1, pp. 8–16, 2023.
[5] F. Sesilia, V. H. Pranatawijaya, and R. Priskila, "Machine Learning untuk Memprediksi Jumlah Penjualan, Stok dan Jumlah Tanam Hasil Pertanian Hidroponik," Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), vol. 8, no. 2, pp. 312–320, 2024.
[6] D. Septiani, Evanita, and A. Susanto, "Implementasi Decision Tree untuk Prediksi Kebutuhan Bahan Kain Pada Usaha Konveksi," Jurnal Sistem Informasi, vol. 12, no. 1, pp. 45–52, 2025.
[7] M. Choirunnisah, A. P. Juledi, I. Purnama, and M. Nasution, "Decision Tree Regression dan Regresi Linear: Teori, Metode, dan Implementasi dalam Prediksi Permintaan Usaha Konveksi," Jurnal Sains Data dan Informatika, vol. 4, no. 1, pp. 15–24, 2026.
[8] F. Y. N. Ningtyas and R. Azmiyanti, "Analisis Forecasting Tren Ekspor Batik Indonesia: Prediksi Penurunan Pendapatan di Amerika & Eropa serta Peluang Pertumbuhan di Asia Melalui Business Intelligence," Jurnal Sistem Informasi dan Bisnis Cerdas, vol. 18, no. 1, pp. 172–185, 2025.
[9] R. R. Abdalla and A. K. Jumaa, "Log File Analysis Based on Machine Learning: A Survey," UHD Journal of Science and Technology, vol. 6, no. 1, pp. 77–84, 2022.
[10] S. S. Alshamrani, "Design and Analysis of Machine Learning Based Technique for Malware Identification," Security and Communication Networks, vol. 2022, pp. 1–10, 2022.