Ann-D’Mello Sandals menghadapi tantangan dalam manajemen produksi karena tidak menghitung tingkat produksi secara sistematis dan hanya mengandalkan intuisi dalam peramalan permintaan. Pendekatan ini mengakibatkan ketidaktepatan jumlah produksi dan potensi kerugian. Penelitian ini menerapkan metode regresi linear untuk menganalisis data historis permintaan sandal wanita dan memprediksi permintaan di masa depan. Metode ini memungkinkan identifikasi pola-pola dalam data historis, membantu UMKM seperti Ann-D’Mello Sandals dalam mengoptimalkan produksi berdasarkan hubungan antara variabel seperti tren mode, popularitas, musim, dan faktor ekonomi lainnya.

Tujuan penelitian ini adalah menerapkan algoritma regresi linear untuk memprediksi permintaan sandal wanita di masa depan dan mengevaluasi akurasi prediksi tersebut. Hasil penelitian menunjukkan bahwa penerapan algoritma regresi linear untuk peramalan permintaan selama 48 minggu ke depan mengindikasikan tren peningkatan permintaan, dengan prediksi mencapai lebih dari 4000 pasang pada minggu ke-248. Hal ini menunjukkan potensi pasar yang menjanjikan bagi produk sandal wanita dan dapat membantu UMKM dalam merencanakan strategi produksi dan pemasaran yang lebih efektif guna memenuhi permintaan yang meningkat.

Evaluasi model regresi linear menunjukkan kinerja yang baik dengan nilai Average MAPE sebesar 2,79 pada set pelatihan dan 4,65 pada set pengujian, menggunakan skenario Time Series Cross-Validation (TMCV) dengan 10 fold. Nilai MAPE yang rendah menunjukkan bahwa model mampu memprediksi permintaan dengan tingkat keakuratan tinggi. Secara keseluruhan, model regresi linear ini terbukti efektif dalam memprediksi permintaan sandal wanita, memberikan panduan berharga bagi UMKM untuk mengoptimalkan produksi dan strategi pemasaran.

Kata Kunci: manajemen produksi, peramalan permintaan, Regresi Linear, sandal wanita, optimasi produksi.

Ann-D'Mello Sandals faces challenges in production management due to the lack of systematic production planning and reliance on intuition for demand forecasting. This approach results in inaccurate production quantities and potential losses. This research applies the linear regression method to analyze historical demand data for women's sandals and predict future demand. This method allows for the identification of patterns in historical data, aiding MSME like Ann-D'Mello Sandals in optimizing production based on the relationship between variables such as fashion trends, popularity, seasonality, and other economic factors.

The aim of this study is to apply a linear regression algorithm to predict future demand for women's sandals and evaluate the accuracy of these predictions. The results indicate that applying the linear regression algorithm to forecast demand over the next 48 weeks shows an upward trend, with predictions reaching over 4,000 pairs by week 248. This demonstrates a promising market potential for women's sandals and can help MSME in planning more effective production and marketing strategies to meet the increasing demand.

The evaluation of the linear regression model shows good performance with an Average MAPE value of 2.79 on the training set and 4.65 on the testing set, using a 10-fold Time Series Cross-Validation (TMCV) scenario. The low MAPE values indicate that the model can predict demand with high accuracy. Overall, this linear regression model has proven effective in forecasting demand for women's sandals, providing valuable guidance for MSME to optimize their production and marketing strategies.

Keywords: productionn management, demand forecasting, Linear Regression, women’s sandals, production optimization.