Peramalan waktu pengiriman outbound dalam sektor bisnis merupakan suatu proses yang digunakan untuk memprediksi kapan barang akan dikirimkan ke pelanggan. Peramalan waktu pengiriman outbound menggunakan teknik pembelajaran mesin dengan menggunakan alat otomatis TPOT (Tree-based Pipeline Optimization Tool). Metode ini bertujuan untuk memprediksi waktu pengiriman barang dari suatu perusahaan ke pelanggan dengan tepat dan akurat. Data yang digunakan dalam penelitian ini adalah data inbound dan outbound yang diperoleh dari perusahaan logistik. TPOT digunakan untuk menemukan pipeline pembelajaran mesin yang optimal dengan menggunakan algoritma genetika, TPOT mencari kombinasi terbaik dari transformasi data, pilihan fitur, dan algoritma pemodelan yang akan memberikan hasil terbaik dalam masalah peramalan. Hasil pengujian menunjukkan bahwa metode TPOT dapat memberikan hasil peramalan yang akurat dan dapat digunakan sebagai rekomendasi untuk perusahaan dalam meningkatkan efisiensi waktu pengiriman outbound.

Pada kesempatan ini, penulis menghadirkan sebuah karya tulis dengan judul "Peramalan Waktu Pengiriman Outbound Menggunakan Random Forest Regressor". Karya tulis ini membahas mengenai penggunaan algoritma Random Forest Regressor dalam peramalan waktu pengiriman outbound. Outbound merupakan proses pengiriman barang dari gudang ke pelanggan atau tujuan akhir. Dalam proses outbound, waktu pengiriman menjadi salah satu faktor yang penting untuk diperhatikan karena akan mempengaruhi kepuasan pelanggan. Penggunaan Random Forest Regressor dipilih karena algoritma ini mampu menghasilkan hasil prediksi yang akurat dalam waktu yang relatif singkat. Selain itu, algoritma ini juga dapat menangani masalah data yang noisy dan memiliki kemampuan untuk memilih fitur yang paling penting dalam proses peramalan.

Dalam karya tulis ini, penulis menjelaskan secara detail mengenai proses peramalan waktu pengiriman outbound menggunakan Random Forest Regressor, mulai dari pengumpulan data, pemrosesan data, pemilihan fitur, hingga pengujian dan evaluasi hasil peramalan. Penulis berharap karya tulis ini dapat bermanfaat bagi pembaca khususnya yang tertarik dalam bidang data mining dan machine learning. Penulis juga ingin mengucapkan terima kasih kepada pihak-pihak yang telah membantu dalam penyelesaian tugas akhir ini, terutama dosen pembimbing, teman-teman sejawat, dan keluarga. Akhir kata, penulis berharap karya tulis ini dapat memberikan kontribusi dan manfaat bagi pengembangan ilmu pengetahuan dan teknologi di masa yang akan datang.

Program: https://github.com/bukped/Peramalan_Waktu_Pengiriman_Outbound_Mengg unakan_Random_Forest_Regressor Katalog Buku Pedia: https://katalog.bukupedia.co.id/2023/02/peramalanwaktu-pengiriman-outbound.html

Sampul
Prakata
Daftar Isi
BAB 1 Pendahuluan
     A. Peramalan
     B. Python
     C. Website
     D. Streamlit
     E. MySQL
BAB 2 Installasi Software
     A. Installasi Anaconda Navigator
     B. Installasi Python
     C. Installasi XAMPP
BAB 3 Metode Algoritma
     A. Machine Learning
     B. Random Forest Regressor
BAB 4 Pemrosesan Data
     A. Data Understanding
     B. Data Preparation
BAB 5 Model Peramalan
     A. Mencari Model Terbaik
     B. Modeling dengan Random Forest Regressor
     C. Evaluasi Model
     D. Menyimpan Model
BAB 6 Website Peramalan Outbound
     A. Membuat Environment
     B. Install Library
     C. Membuat Projek Streamlit
     D. User Interface Website
Pustaka
Glosarium
Indeks
Profil Penulis