Analisis Penerapan Machine Learning, Deep Learning, dan Data Mining dalam Prediksi Penjualan di Industri Otomotif
DOI:
https://doi.org/10.52436/1.jpti.826Kata Kunci:
Data Mining, Deep Learning, Machine Learning, Penjualan Kendaraan, Prediksi, Tinjauan Literatur SistematisAbstrak
Persaingan bisnis yang semakin ketat di era globalisasi menuntut perusahaan, termasuk industri otomotif, untuk mampu memenuhi kebutuhan pasar secara cepat dan tepat. Salah satu strategi yang dapat diterapkan adalah melakukan prediksi penjualan kendaraan guna menunjang proses perencanaan produksi dan pengambilan keputusan strategis. Penelitian ini bertujuan untuk melakukan Systematic Literature Review (SLR) mengenai penerapan teknologi machine learning, deep learning, dan data mining dalam prediksi penjualan kendaraan. Fokus kajian ini mencakup identifikasi sebaran publikasi ilmiah dari tahun 2021 hingga 2025, pendekatan prediksi dan teknik prediksi yang digunakan, serta metode evaluasi yang diterapkan. Artikel-artikel tersebut difilter dengan kata kunci penelusuran menggunakan pendekatan PICO yang telah ditentukan, sehingga menghasilkan 19 artikel yang dikaji. Hasil yang diharapkan dari penelitian ini adalah memberikan gambaran komprehensif tentang tren penelitian di bidang ini, pendekatan-pendekatan populer seperti level data, algoritma, dan hybrid, serta mengidentifikasi metode prediksi yang paling sering digunakan seperti Exponential Smoothing dan teknik evaluasi yang umum diterapkan seperti MAPE dan MSE. Dengan temuan ini, penelitian diharapkan dapat menjadi referensi penting bagi peneliti dan pelaku industri dalam memilih metode prediksi yang tepat dan meningkatkan akurasi peramalan penjualan kendaraan.
Unduhan
Referensi
R. Ganesan, T. Narang, and V. Krishnamurthy, “SLAM: Sales Lead AMplification through GenAI and ML for e-learning platforms,” IEEE Access, 2024, doi: 10.1109/ACCESS.2024.3507878.
U. M. Sirisha, M. C. Belavagi, and G. Attigeri, “Profit Prediction Using ARIMA, SARIMA and LSTM Models in Time Series Forecasting: A Comparison,” IEEE Access, vol. 10, pp. 124715–124727, 2022, doi: 10.1109/ACCESS.2022.3224938.
R. S. Bagaskara, “Prediksi Penjualan Kendaraan Bermotor di Gaikindo dalam Pengambilan Keputusan Dengan Metode Forecasting,” Sekolah Tinggi Manajemen Informatika dan Komputer, Yogyakarta, 2021.
A. T. Sasongko, “Studi Literatur Konsep dan Implementasi Sains Data untuk Memaksimalkan Kinerja Industri Manufaktur,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 5, no. 2, pp. 90–94, Apr. 2023, doi: 10.47233/jteksis.v5i2.778.
F. Riza, “Analisis dan Prediksi Data Penjualan Menggunakan Machine Learning dengan Pendekatan Ilmu Data,” Data Sciences Indonesia (DSI), vol. 1, no. 2, pp. 62–68, Jan. 2022, doi: 10.47709/dsi.v1i2.1308.
A. Hasyim, M. Fatchan, and W. Hadikristanto, “Penerapan Algoritma Naïve Bayes Dalam Memprediksi Tingkat Penjualan Mobil Tahun 2022,” Jurnal Ilmiah Intech?: Information Technology Journal of UMUS, vol. 4, no. 02, pp. 207–215, Nov. 2022, doi: 10.46772/intech.v4i02.872.
A. Juwanda et al., “Analisa Prediksi Penjualan Mobil dengan Metode Autoregressive Integrated Moving Average (ARIMA),” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), 2021.
P. A. Duran, A. V. Vitianingsih, Moch. S. Riza, A. L. Maukar, and S. F. A. Wati, “Data Mining Untuk Prediksi Penjualan Menggunakan Metode Simple Linear Regression,” TEKNIKA, vol. 13, no. 1, pp. 27–34, Jan. 2024, doi: 10.34148/teknika.v13i1.712.
E. Retnoningsih and R. Pramudita, “Mengenal Machine Learning Dengan Teknik Supervised dan Unsupervised Learning Menggunakan Python,” BINA INSANI ICT JOURNAL, vol. 7, no. 2, pp. 156–165, 2020, [Online]. Available: https://www.python.org/
H. Saito, D. Kanzaki, and K. Yonekura, “Applications of Machine Learning in Surge Prediction for Vehicle Turbochargers,” Machine Learning with Applications, vol. 16, p. 100560, Jun. 2024, doi: 10.1016/j.mlwa.2024.100560.
S. P. Dewi, N. Nurwati, and E. Rahayu, “Penerapan Data Mining Untuk Prediksi Penjualan Produk Terlaris Menggunakan Metode K-Nearest Neighbor,” Building of Informatics, Technology and Science (BITS), vol. 3, no. 4, pp. 639–648, Mar. 2022, doi: 10.47065/bits.v3i4.1408.
L. Liu, “Application of K-means Supported by Clustered Systems in Big Data Association Rule Mining,” Systems and Soft Computing, vol. 7, Dec. 2025, doi: 10.1016/j.sasc.2025.200211.
L. A. Herlambang and W. Sugianto, “Analisis Peramalan Penjualan Sepeda dan Motor Listrik di PT XYZ,” Jurnal Comasie, vol. 4, no. 1, pp. 130–138, 2021.
S. K. Shetty and R. Buktar, “A Comparative Study of Automobile Sales Forecasting with ARIMA, SARIMA and Deep Learning LSTM Model,” International Journal of Advanced Operations Management, vol. 14, no. 4, pp. 366–387, Jan. 2022, doi: 10.1504/IJAOM.2022.10052792.
M. Phillips et al., “Systematic Reviews in The Engineering Literature: A Scoping Review,” IEEE Access, vol. 12, pp. 62648–62663, 2024, doi: 10.1109/ACCESS.2024.3394755.
J. Doornbos, K. E. Bennin, O. Babur, and J. Valente, “Drone Technologies: A Tertiary Systematic Literature Review on a Decade of Improvements,” IEEE Access, vol. 12, pp. 23220–23239, 2024, doi: 10.1109/ACCESS.2024.3364676.
B. Kitchenham, “Guidelines for Performing Systematic Literature Reviews in Software Engineering,” UK, Sep. 2007. [Online]. Available: https://www.researchgate.net/publication/302924724
E. A. Felix and S. P. Lee, “Systematic Literature Review Preprocessing Techniques for Imbalanced Data,” Dec. 01, 2019, Institution of Engineering and Technology. doi: 10.1049/iet-sen.2018.5193.
M. Petticrew and H. Roberts, Systematic Reviews in The Social Sciences A Practical Guide. John Wiley & Sons, 2008.
I. D. Lestari, B. P. Rininda, W. A. A. Sur, and M. N. Hayatie, “Analisis Perbandingan Metode Peramalan (Forecasting) Penjualan Motor Listrik Pada CV Santosa Abadi Motor Pelaihari,” Realible Accounting Journal, vol. 4, pp. 119–133, Feb. 2025, doi: 10.36352/raj.v4i2.899.
A. Sipahutar, I. R. Munthe, and A. P. Juledi, “Sales Trend Analysis With Machine Learning Linear Regression Algorithm Method,” Sinkron?: Jurnal dan Penelitian Teknik Informatika, vol. 8, no. 3, pp. 1724–1728, Jul. 2024, doi: 10.33395/sinkron.v8i3.13809.
Denny Riandhita Arief Permana, Muhamad Fahrul Rozi, and Fifi Lailasari Hadianastuti, “Penerapan Metode Exponential Smoothing Untuk Memaksimalkan Penjualan Stock Sepeda Motor Pada Dealer Honda,” Decode: Jurnal Pendidikan Teknologi Informasi, vol. 4, no. 1, pp. 216–224, Jan. 2024, doi: 10.51454/decode.v4i1.194.
A. Santriawan, Gunadi Widi Nurcahyo, and Billy Hendrik, “Prediksi Penjualan Sepeda Motor Yamaha dengan Jaringan Syaraf Tiruan dan Backpropagation (Studi Kasus: CV Sinar Mas),” Jurnal CoSciTech (Computer Science and Information Technology), vol. 5, no. 1, pp. 185–194, May 2024, doi: 10.37859/coscitech.v5i1.6709.
M. Nabil Afkar, D. Titania Randa, and R. A. Saputra, “Prediksi Penjualan Mobil Toyota di Indonesia Menggunakan Multi-Layer Perceptron,” Jurnal Informatika Polinema (JIP), vol. 11, pp. 91–98, Nov. 2024, doi: 10.33795/jip.v11i1.6339.
F. N. Setyawan and M. A. I. Pangkereng, “Analisis Data Penjualan Dealer Motor Benelli Branch Pekalongan Menggunakan Metode Decision Tree,” Jurnal TEKINKOM, vol. 7, pp. 386–393, Jun. 2024, doi: 10.37600/tekinkom.v7i1.1268.
N. Zahra and A. Akbar, “Analisis Sales Forecasting Kendaraan Mobil Listrik Model Battery Electric Vehicle di Indonesia (Metode Least Square),” Jurnal Education and development Institut Pendidikan Tapanuli Selatan, vol. 12, no. 1, pp. 197–205, Jan. 2024, doi: 10.37081/ed.v12i1.5727.
R. N. Hidayanti, S. Achmadi, and M. Orisa, “Sistem Peramalan Penjualan Sepeda Motor Menggunakan Metode Double Exponentional Smooting (Studi Kasus?: Dealer Honda Kartika Sari Putra Dinoyo),” Jurnal Mahasiswa Teknik Informatika (JATI), vol. 8, no. 2, pp. 1245–1253, Apr. 2024, doi: 10.36040/jati.v8i2.9087.
I. Basri et al., “Design a Car Sales Business Intelligence Using the K-Means Algorithm With Holt-winter’s Smoothing Method,” Procedia of Engineering and Life Science, vol. 4, Jun. 2023, doi: 10.21070/pels.v4i0.1383.
M. Hani’ah and Y. Kurniawan, “Optimasi Parameter Holt–Winters Exponential Smoothing Menggunakan Multivariabel Golden Section Untuk Prediksi Penjualan Mobil Indonesia,” G-Tech: Jurnal Teknologi Terapan, vol. 7, no. 2, pp. 596–609, Mar. 2023, doi: 10.33379/gtech.v7i2.2386.
P. Juanta, S. Tamba Parsaoran, W. Purba, Y. Ferdinand Zai, and E. Ghozali, “Penerapan Metode Regresi Linear Memprediksi Tingkat Penjualan Sepeda Motor Honda Pada PT. Platina Mulia Abadi,” Jurnal TEKINKOM, vol. 6, no. 2, pp. 654–659, 2023, doi: 10.37600/tekinkom.v6i2.941.
J. Soeryawinata, H. Novianus, and L. W. Santoso, “Sales Forecasting pada Dealer Motor X dengan LSTM, ARIMA dan Holt-Winters Exponential Smoothing,” Jurnal Infra, vol. 10, pp. 1–4, 2022, doi: 10.47111/JTI.
A. Hasyim, M. Fatchan, and W. Hadikristanto, “Penerapan Algoritma Naïve Bayes Dalam Memprediksi Tingkat Penjualan Mobil Tahun 2022,” Jurnal Ilmiah Intech?: Information Technology Journal of UMUS, vol. 4, no. 02, pp. 207–215, 2022.
J. Lemantara, “Penerapan Algoritma Naïve Bayes dan ID3 untuk Memprediksi Segmentasi Pelanggan pada Penjualan Mobil,” Journal of Technology and Informatics (JoTI), vol. 4, no. 1, pp. 31–40, Oct. 2022, doi: 10.37802/joti.v4i1.265.
I. Anggriawan and W. Gunawan, “Implementation of Data Mining Using K-Means Algorithm for Bicycle Sales Prediction,” ILKOM Jurnal Ilmiah, vol. 14, no. 3, pp. 284–293, Dec. 2022, doi: 10.33096/ilkom.v14i3.1291.284-293.
I. H. Susilowati, “Peramalan Penjualan Mobil pada PT Toyota Astra Motor Indonesia dengan Metode Trend Semi Average dan Metode Least Square,” JIMF (Jurnal Ilmiah Manajemen Forkamma), vol. 6, no. 1, p. 28, Nov. 2022, doi: 10.32493/frkm.v6i1.23893.
R. Ginting and C. Humaira, “Prediksi Penjualan Mobil Toyota Menggunakan Artificial Neural Network pada Software Orange,” TALENTA, vol. 4, no. 1, pp. 71–76, 2021, doi: 10.32734/ee.v4i1.1228.
T. Waluyo, A. Hermawan, and A. P. Wibowo, “Prediksi Penjualan Sepeda Motor Honda Menggunakan Jaringan Syaraf Tiruan,” Jurnal Of Information System Management (JOISM), vol. 1, no. 1, 2019, [Online]. Available: https://www.aisi.or.id/statistic/.