1
Penerapan metode regresi linear
terutama di sektor bisnis atau ekonomi di mana akan menghasilkan nilai prediksi yang berbeda
kerugian diminimalisir sebisa mungkin dan [14].
keuntungan atau laba diraih semaksimal Dalam perancangan suatu metode prediksi
mungkin. Pelaksanaan prediksi ini sendiri dapat atau peramalan, terdapat tiga tahapan yang harus
dilakukan dalam banyak cara [3], [4]. Penelitian dilalui yaitu [6]:
terkait analisis model prediksi pada sektor 1. Melakukan analisa pada data masa
properti sebelumnya telah dilakukan lampau. Langkah ini bertujuan untuk
menggunakan data e-commerce dan metode mendapatkan gambaran pola dari data
klasifikasi Decision Tree dan K-NN dengan bersangkutan.
hasil akurasi masing-masing metode sebesar 2. Memilih metode yang akan digunakan.
75% dan 71% [5]. Beberapa penelitian lainnya Terdapat bermacam-macam metode yang
telah mengimplementasikan teknik forecasting tersedia dengan keperluannya. Pemilihan
ini dengan menggunakan berbagai metode lain. metode dapat mempengaruhi hasil
Salah satu metode prediksi ini adalah metode ramalan. Hasil ramalan diukur dengan
deret berkala. Metode ini merupakan metode menghitung error atau kesalahan terkecil.
prediksi yang memperkirakan Oleh karena itu, tidak ada metode
penjualan/permintaan pada periode yang akan peramalan yang pasti baik untuk semua
datang dengan menggunakan data histori [6]. jenis data.
Beberapa metode yang termasuk dalam metode 3. Proses transformasi dari data masa lampau
deret berkala antara lain: Simple Moving dengan menggunakan metode yang
Avarage [7], Weighted Moving Average [8], dipilih. Apabila diperlukan maka diadakan
Exponential Smoothing [9], dan Linear perubahan sesuai kebutuhannya.
Regresssion [6].
Metode Regresi Linear
II. METODOLOGI Metode regresi merupakan sebuah metode
Prediksi atau Peramalan statistik yang melakukan prediksi menggunakan
Prediksi atau peramalan dapat diasumsikan pengembangan hubungan matematis antara
sebagai kegiatan untuk memperkirakan apa yang variabel, yaitu variabel dependen (Y) dengan
akan terjadi pada masa yang akan datang [13]. variabel independen (X) [1]. Variabel dependen
Kegiatan ini dilakukan dengan memperhatikan merupakan variabel akibat atau variabel yang
data atau informasi masa lalu atau saat ini baik dipengaruhi, sedangkan variabel independen
secara matematik atau statistik [14]. Prediksi merupakan variabel sebab atau variabel yang
bertujuan untuk mengetahui, melihat dan mempengaruhi [17]. Prediksi terhadap nilai
memperkirakan prospek ekonomi atau kegiatan variabel dependen dapat dilakukan jika variabel
usaha [15]. independennya diketahui [14]. Umumnya
Sebuah prediksi dapat bersifat kualitatif penjualan atau permintaan suatu produk
(tidak berbentuk angka) ataupun kuantitatif dinyatakan sebagai variabel dependen yang
(berbentuk angka) [16]. Prediksi bersifat besar atau nilainya dipengaruhi oleh variabel
kualitatif cenderung sulit untuk memperoleh independen [18].
hasil yang baik dikarenakan variabelnya yang Regresi linear menjadi salah satu metode
memiliki sifat sangat relatif [16]. Sementara itu, yang dipergunakan dalam produksi untuk
pada prediksi bersifat kuantitatif hasil prediksi melakukan peramalan atau prediksi tentang
yang dibuat sangat bergantung pada metode karakteristik kualitas maupun kuantitas [19]. Hal
yang dipergunakan [14]. Metode yang berbeda ini dikarenakan dengan memperkirakan berbagai
2
Penerapan metode regresi linear
kombinasi produk, perusahaan dapat mean square error (RMSE), dan mean absolute
memaksimalkan keuntungan serta percentage error (MAPE). MSE merupakan
memperkirakan jumlah produksi yang tepat [6]. rataan selisih kuadrat antara nilai yang
Rumus untuk Regresi Linear dengan diprediksikan dengan diamati, RMSE
metode kuadrat terkecil atau sederhana adalah: merupakan akar dari MSE, dan MAPE
merupakan rataan diferensiasi absolut antara
2
(∑ y )(∑ x )(∑ x )(∑ xy) nilai yang diprediksi dan aktual [21]. Hasil
a= prediksi dinyatakan baik jika nilai MAPE
n ( ∑ x )−( ∑ x )
2 2
Pengujian Keakurasian
Keakurasian suatu prediksi ditentukan oleh dengan Yt adalah nilai aktual periode t, Y’t
seberapa besar penyimpangan atau kesalahan ini, adalah nilai peramalan periode t, dan n adalah
yang terjadi antara data yang diprediksi dengan banyaknya periode.
data yang sebenarnya atau data aktual [20], [21].
Kesalahan dalam perumusan sebuah prediksi III. HASIL DAN PEMBAHASAN
tidak hanya disebabkan oleh unsur error tapi Pada bagian ini akan ditampilkan hasil yang
juga ketidakmampuan suatu model peramalan didapatkan setelah melakukan tahapan yang
mengenali unsur yang lain dalam deret data yang digambarkan pada metodologi. Melalui tahapan
mempengaruhi besarnya penyimpangan dalam pengumpulan data, diperoleh data penjualan
prediksi [22]. Besarnya kesalahan atau properti pada PT Mayora selama periode Juni
penyimpangan ini dapat disebabkan oleh 2014 s.d. Mei 2019 atau dalam kurun waktu
besarnya faktor yang tidak diduga (outliers) lima tahun yang terdiri dari tanggal penjualan,
dimana tidak ada metode prediksi yang mampu tipe properti, nama sales, dan nama pembeli.
menghasilkan prediksi yang akurat atau dapat Data penjualan yang telah diterima
juga disebabkan metode prediksi yang kemudian difilterisasi pada tahap pre-processing
digunakan tidak dapat memprediksi dengan tepat dimana dilakukan pengeliminasian variabel yang
komponen tren, komponen musiman atau tidak dibutuhkan seperti nama sales dan nama
komponen siklus yang mungkin terdapat dalam pembeli, hingga menyisakan tanggal penjualan
deret data [22] dan tipe properti yang akan digunakan sebagai
Di antara berbagai cara untuk menghitung varabel X dan variabel Y. Data penjualan yang
besarnya kesalahan tersebut beberapa di berbentuk tabel kemudian ditranspos untuk
antaranya adalah mean square error (MSE), root mempermudah perhitungan.
3
Penerapan metode regresi linear
4
Penerapan metode regresi linear
C. Rumah Sudut
Data penjualan tipe rumah sudut yang telah
dikumpulkan dan melalui tahapan ke-2 pada alur
metodologi pada Tabel V, kemudian selanjutnya
dilakukan perhitungan untuk menentukan nilai
X, Y, XY, dan XX.