Proyek ini memprediksi penjualan mingguan 20 toko dari biaya iklan, harga, diskon, jumlah pesaing, dan musim memakai regresi linear. Model diuji dengan validasi silang dan hasilnya diterjemahkan menjadi dampak nyata, misalnya tambahan unit terjual per Rp1 juta iklan.
Tujuan Bisnis
Ukur seberapa besar iklan, harga, diskon, dan musim menggerakkan penjualan. Bidang penerapan: Penjualan. Tingkat proyek: dasar.
Alat dan Operator RapidMiner
Proses dibangun dengan operator berikut:
- Read CSV
- Select Attributes
- Nominal to Numerical
- Cross Validation
- Linear Regression
- Apply Model
- Performance (Regression)
- Performance to Data
- Write CSV
Yang Akan Anda Pelajari
- Memahami regresi linear dan cara menilainya dengan RMSE dan R2
- Mengubah koefisien regresi menjadi angka yang dapat dipakai untuk anggaran iklan dan penetapan harga
- Mempraktikkan dummy coding untuk atribut kategori seperti musim
Langkah Pengerjaan
- Baca data penjualan toko — Read CSV memuat penjualan_toko.csv (1.200 baris: 20 toko x 60 minggu). Tetapkan penjualan_unit sebagai label bertipe numerik dan id_observasi sebagai id.
- Buang kolom yang tidak dipakai — Select Attributes dengan invert selection membuang toko dan minggu_ke karena hanya berfungsi sebagai penanda, bukan penjelas penjualan.
- Ubah musim menjadi angka — Regresi linear hanya menerima atribut numerik. Nominal to Numerical dengan dummy coding mengubah musim (Libur, Kemarau, Hujan) menjadi kolom 0/1.
- Latih regresi di dalam Cross Validation — Cross Validation 10 lipatan. Bagian Training berisi Linear Regression (feature selection none, eliminate collinear features aktif, use bias aktif).
- Hitung galat prediksi — Apply Model memprediksi data uji; Performance (Regression) menghitung RMSE, absolute error, relative error, dan squared correlation (R2).
- Simpan hasil dan baca koefisien — Performance to Data dan Write CSV menyimpan ukuran kinerja serta prediksi tiap baris. Model akhir dikirim ke port hasil; buka tab Description untuk melihat persamaan regresinya.



