Memuat
Memuat
Ramal penjualan bulan berikutnya dari pola bulan-bulan sebelumnya dan musim tahun lalu.
0 kali dilihat
Proyek ini meramalkan penjualan bulanan sebuah perusahaan fiktif dari data 10 tahun. Nilai bulan lalu, dua bulan lalu, dan bulan yang sama tahun lalu disusun sebagai atribut (teknik windowing) lalu dipakai regresi linear, dan akurasinya diuji pada bulan-bulan terakhir yang disimpan terpisah.

Read CSV memuat penjualan_bulanan.csv: 120 bulan (Januari 2016 sampai Desember 2025) dengan kolom periode, bulan_ke, promo, dan penjualan_juta.
Multiply membuat empat salinan: satu sebagai tabel utama dan tiga untuk menggeser waktu 1, 2, dan 12 bulan.
Di dalam Subprocess Lag k: Generate Attributes membuat kunci k = bulan_ke + k, Select Attributes menyisakan kunci dan penjualan, lalu Rename mengganti penjualan menjadi lag_k.
Tiga operator Join (inner) mencocokkan bulan_ke dengan kunci tiap lag sehingga setiap baris kini memuat penjualan 1, 2, dan 12 bulan sebelumnya. Baris tahun pertama yang belum punya lag_12 tidak ikut terpakai.
Select Attributes membuang kolom kunci, lalu Set Role menetapkan penjualan_juta sebagai label dan periode sebagai id.
Split Data dengan linear sampling 80:20 menjaga urutan waktu: model dilatih pada bulan-bulan awal dan diuji pada bulan-bulan paling akhir, seperti situasi peramalan sebenarnya.
Linear Regression dilatih pada bagian pertama, Apply Model meramal bagian kedua, dan Performance (Regression) menghitung RMSE, galat relatif (MAPE), serta R2.
Write CSV menyimpan ramalan dan nilai sebenarnya bulan uji agar dapat digrafikkan di Excel.
penjualan_bulanan.csv
120 baris · 4 kolom
Penjualan bulanan (juta rupiah) sebuah perusahaan fiktif selama 10 tahun, dengan tren naik, pola musiman (puncak Desember), dan penanda bulan promo.
Proses RapidMiner (.rmp) siap jalan; Dataset CSV beserta kamus data; Panduan praktik dan pertanyaan latihan (PDF/MD); Video tutorial langkah demi langkah.
Tidak harus. Proyek ini bertingkat "menengah", dan setiap langkah prosesnya dijelaskan sehingga Anda bisa mengikuti bagaimana data menjadi hasil.
Bisa. Ganti dataset di langkah pertama dan sesuaikan peran atributnya; sisa prosesnya tetap sama. Bila ingin kami yang menyesuaikan, hubungi kami lewat WhatsApp.
Proyek ini seharga Rp 349.000. Gunakan tombol "Beli via WhatsApp" di halaman ini; berkas proyek dikirim setelah pembayaran dikonfirmasi.
Menemukan kendala atau punya saran untuk proyek ini? Beri tahu kami lewat WhatsApp
Kembali ke portofolio RapidMiner