Predicting Monthly Sales Target Using Machine Learning Approach, Case Study at Danone Indonesia

LIA MONICA, Mardhani Riasetiawan, SE., Akt., M.T. Dr.

2022 | Skripsi | S1 ILMU KOMPUTER

Kemajuan teknologi saat ini telah berdampak pada industri. Menyadari hal ini, semua pelaku bisnis harus mampu membuat strategi terbaik untuk memenangkan pasar. Mempertimbangkan betapa pentingnya peran teknologi, tidak mengherankan jika industri mulai beralih dari cara manual ke otomatis. Salah satu hal yang dapat diotomatisasi adalah forecasting menggunakan machine learning. Hal ini bisa menghemat banyak tenaga, waktu, dan upaya untuk menciptakan rencana produk permintaan yang bergerak cepat. Prediksi menggunakan pembelajaran mesin adalah cara populer yang banyak digunakan oleh peneliti dalam pekerjaan mereka. Skripsi ini menyajikan pendekatan baru untuk pembelajaran mesin berbasis cloud platform. Memanfaatkan layanan komputasi awan, pembelajaran mesin telah memperluas fiturnya menjadi Machine Learning as a Service (MLaaS) dengan model dan evaluasi otomatis sehingga memudahkan semua orang untuk menerapkan pembelajaran mesin dalam pekerjaan mereka. Melalui langkah-langkah sederhana, platform akan menampilkan model, evaluasi, dan bahkan hasilnya. Penelitian ini bertujuan untuk mempresentasikan prediksi penjualan bulanan kepada tim sales di Danone Indonesia; Oleh karena itu, target dapat disesuaikan di setiap wilayah sebelum menjalankan strategi agar mendapat hasil yang akurat. Pekerjaan ini terbatas pada level toko dan beberapa variabel eksternal tidak diperhitungkan. Pengembangan di kemudian hari diperlukan untuk meningkatkan prediksi dengan beberapa faktor eksternal yang dapat meningkatkan akurasi. Kata kunci: Penjualan, Prediksi, Memprediksi, Pembelajaran Mesin, Cloud, Industri, Amazon SageMaker Canvas, IBM Machine Learning, Google AI Platform, Microsoft Azure Machine Learning, regresi, time-series forecasting

The advancement of technology these days has been an impact on the industry. Aware of this, all business players should put the best strategy to win the market. Considering how essential tech plays a role, it is not surprising that the industry started shifting from manual methodology to automated. One of the things that can be automated is forecasting using machine learning. It could save much work, time, and effort to roll out plan the fast-moving demand products. Forecasting using machine learning itself is a popular methodology that many researchers use in their works. This thesis presents a new approach to machine learning based on cloud platform. Leveraging cloud computing service, machine learning has extended its feature becomes Machine Learning as a Service (MLaaS) with its automated model and evaluations, making it easier for everyone to implement machine learning in their works. Through simple steps, the platforms will show the models, evaluation, and even the result. This study aims to present on-time monthly sales predictions to the sales team in Danone Indonesia; hence, the target could be adjusted in each region before executing the strategy. This work is reflected up to the store level, and some external variables are not accounted. Future development works are needed to improve the prediction with some external factors that could improve the accuracy. Keywords: Sales, Prediction, Predicting, Machine Learning, Cloud, Industry, Amazon SageMaker Canvas, IBM Machine Learning, Google AI Platform, Microsoft Azure Machine Learning, regression, time-series forecasting

Kata Kunci : Sales, Prediction, Predicting, Machine Learning, Cloud, Industry, Amazon SageMaker Canvas, IBM Machine Learning, Google AI Platform, Microsoft Azure Machine Learning, regression, time-series forecasting