Dengan adanya kebutuhan akan informasi dari data yang digunakan dalam kegiatan bisnis, maka perlu dilakukan eksplorasi data untuk mengetahui informasi tersebut. Dalam proses eksplorasi data dapat dilakukan dengan menggunakan grafik, sedangkan dalam penggunaan grafik tersebut dapat berguna untuk mengidentifikasi pola-pola yang ada pada data. Penelitian ini dilakukan dengan tujuan untuk memperoleh informasi dari hasil eksplorasi data dengan menggunakan data penjualan barang elektronik dalam memperoleh informasi sebagai bahan pertimbangan dalam merencanakan strategi peningkatan usaha. Bahwa dalam penjualan barang elektronik dari bulan januari 2019 – desember 2019 yang paling banyak terjual adalah baterai AAA(4 packs) sedangkan barang yang paling sedikit terjual adalah LG Dryer. Dan untuk produk elektronik yang paling mahal terjual sepanjang bulan januari – desember adalah Macbook Pro Laptop dengan kisaran harga sebesar 1750 dolar.

Seiring dengan bertumbuhnya tingkat aktivitas dan bisnis, mobil kini menjadi salah satu kebutuhan masyarakat. Dengan meningkatnya minat masyarakat terhadap mobil bekas, banyak orang berencana untuk memulai bisnis showroom mobil bekas. Masalah yang sering dihadapi pengusaha showroom adalah penetapan harga mobil bekas dengan tepat. Salah satu cara untuk melakukan prediksi harga adalah menggunakan metode Machine Learning. Untuk membuat prediksi harga yang lebih akurat dan memiliki nilai akurasi yang lebih tinggi, penelitian ini bertujuan untuk membuat sebuah model machine learning menggunakan algoritma regressi dengan bantuan hyper-parameter tuning untuk meningkatkan tingkat akurasi dari model yang dibuat dengan konfigurasi default. Model Machine Learning yang dibuat memiliki nilai yang berbeda, namun pada penelitian ini dipakai model Gradient Boost Regression yang memiliki nilai akurasi model sebesar 97% (setelah tuning) untuk melakukan prediksi. Dalam pencobaan prediksi, didapat nilai akurasi prediksi sebesar 80% dari 5 percobaan yang telah dilakukan.