Search for collections on Repository Library PCR

IMPLEMENTASI PREDIKSI PENJUALAN PRODUK DENGAN MENGGUNAKAN LONG SHORT TERM MEMORY (LSTM) NETWORK PADA DAPUR MARYAM TELUK KUANTAN

Andika, Frahenta (2023) IMPLEMENTASI PREDIKSI PENJUALAN PRODUK DENGAN MENGGUNAKAN LONG SHORT TERM MEMORY (LSTM) NETWORK PADA DAPUR MARYAM TELUK KUANTAN. Diploma thesis, Politeknik Caltex Riau.

[thumbnail of Laporan PA (Proyek Akhir)] Text (Laporan PA (Proyek Akhir))
AndikaFrahenta_4TIE_PA(FINAL).pdf - Submitted Version
Restricted to Registered users only

Download (2MB)
[thumbnail of Poster PA] Image (Poster PA)
4. Poster PA - Andika Frahenta.png - Submitted Version
Restricted to Registered users only

Download (546kB)

Abstract

Gerai Dapur Maryam Taluk Kuantan merupakan gerai oleh-oleh
yang menjual berbagai produk makanan khas Taluk, yang menjual
berbagai produk seperti tradisional food yaitu gelamai, roti canai, onde-onde wijen, kerupuk sagu, kare-kare dan lain-lain. Dengan banyaknya
jenis produk makanan yang dijual dan ada beberapa produk yang
memiliki masa expired yang singkat dan juga masa expired yang
panjang, hal ini dapat menyebabkan kerugian, terutama untuk produk
yang masa expired yang singkat, karena stok yang disediakan terkadang
berlebih dan ketika konsumen meningkat stok yang tersedia habis. Oleh
karena itu prediksi menjadi hal yang dapat di pertimbangkan dalam
proses penjualan produk dan persedian barang. Implementasi prediksi
dibangun mengunakan metode LSTM (Long Short Term Memory).
LSTM merupakan suatu turunan dari Recurrent Neural Network yang
terbukti berhasil digunakan untuk prediksi data time series. Metode
Long Short Term Meory memiliki keungulan dalam menaggani masalah
gradien yang hilang saat proses data sekuensial dengan melakukan
percobaan yang melitputi pola time series, neuron hidden, max epoch,
dan batch size untuk mendapatkan hasil prediksi yang optimal.
Implementasi prediksi penjualan menggunakan data penjulan Dapur
Maryam Teluk Kuantan menggunakan metode LSTM menghasilkan
hasil prediksi cukup baik dalam menggunakan RMSE 0.0060 dan MAPE
8.06%. Nilai MAPE kurang dari 10% adalah nilai akurasi untuk sebuah
model peramalan yang baik.

Item Type: Thesis (Diploma)
Subjects: KBK > KBK Jurusan Teknologi Informasi > KBK Soft Computing
Divisions: Sarjana Terapan > Jurusan Teknologi Informasi > Teknik Informatika
Depositing User: andika Frahenta
Date Deposited: 03 Aug 2023 01:26
Last Modified: 03 Aug 2023 01:26
URI: http://repository.lib.pcr.ac.id/id/eprint/192

Actions (login required)

View Item
View Item