IMPLEMENTASI METODE RANDOM FOREST UNTUK PREDIKSI PERGERAKAN TREN PRODUK PADA SISTEM INFORMASI GUDANG STUDI KASUS PADA DIY KAZA

Abstract

Manajemen persediaan memegang peranan vital dalam operasional industri ritel seperti MR. DIY Kaza untuk menjamin ketersediaan barang dan kepuasan pelanggan. Penelitian ini bertujuan mengembangkan sistem informasi gudang berbasis web yang terintegrasi dengan kemampuan prediksi tren produk menggunakan algoritma Machine Learning, khususnya metode Random Forest. Penelitian memanfaatkan data historis transaksi barang masuk dan keluar yang telah melalui tahap pra-pemrosesan menjadi dataset terpadu. Berdasarkan hasil pengujian sistem, model yang dikembangkan menunjukkan kinerja klasifikasi yang optimal dalam mengelompokkan tren produk menjadi kategori Fast Moving, Slow Moving, dan Stable. Implementasi sistem ini diharapkan menjadi solusi strategis bagi manajemen MR. DIY Kaza dalam meningkatkan efisiensi alokasi stok, meminimalkan risiko penumpukan atau kekosongan barang, serta mendukung pengambilan keputusan operasional yang lebih akurat.

Kata Kunci: Sistem Informasi Gudang, Random Forest, Prediksi Tren Produk, Manajemen Persediaan, MR. DIY.