Peramalan Deret Waktu untuk Bisnis : Pendekatan algoritma LGBM Regressor

Abstract

Peramalan deret waktu adalah topik yang cukup umum di bidang data science (ilmu data). Perusahaan menggunakan model peramalan untuk mendapatkan pandangan yang lebih jelas tentang bisnis masa depan. Data masa lalu dikumpulkan dan dianalisis melalui model kuantitatif atau kualitatif sehingga pola dapat diidentifikasi dan dapat mengarahkan perencanaan bisnis di masa depan akan tetapi memilih algoritme yang tepat merupakan salah satu keputusan sulit ketika akan mengembangkan model peramalan deret waktu. Penelitian ini menyajikan hasil analisi data dengan mengadopsi kerangka kerja data science CRISP-DM dan membandingkan lima algoritma berbeda untuk memperkirakan penjualan harian selama 28 hari ke depan. Berdasarkan hasil evaluasi kinerja RMSE, algoritma LGBM Regressor menghasilkan tingkat kesalahan 7.53 %, paling rendah dibandingkan algoritma lain, akan tetapi waktu pelatihan dan pengujian paling tinggi.