PERAMALAN PENJUALAN DAN JUMLAH STOK AMAN ROTI MENGGUNAKAN LONG SHORT-TERM MEMORY (STUDI KASUS DI EFRATA BAKERY) - Dalam bentuk buku karya ilmiah
DEAN IGO WIBOWO

Informasi Umum

Kode

25.04.2780

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Deep Learning

Dilihat

136 kali

Informasi Lainnya

Abstraksi

Industri roti di Indonesia terus berkembang seiring meningkatnya permintaan roti sebagai alternatif makanan pokok. Namun, usaha roti skala kecil seperti Efrata Bakery kerap menghadapi tantangan dalam meramalkan penjualan akibat fluktuasi permintaan, faktor musiman, dan perubahan preferensi konsumen. Hal ini dapat menyebabkan ketidaktepatan perencanaan stok, risiko overstock, hingga menurunnya kualitas layanan. Penelitian ini mengembangkan sistem peramalan penjualan harian menggunakan metode Long Short-Term Memory (LSTM), teknik deep learning yang efektif untuk data time-series. Model dikembangkan secara univariate per jenis roti dan dilengkapi proses deteksi serta penanganan anomali pada data historis untuk meningkatkan akurasi. Hasil evaluasi menunjukkan rata rata MAPE (Mean Absolute Precentage Error) sebesar 10,84%, menandakan performa prediksi yang baik. Sistem tidak hanya memprediksi penjualan H+1, tetapi juga merekomendasikan jumlah stok produksi harian dengan mempertimbangkan stok sisa. Pendekatan ini memungkinkan penyesuaian jumlah produksi secara adaptif untuk menghindari overstock maupun stockout. Sistem diimplementasikan dalam bentuk aplikasi web yang memudahkan pemilik toko dalam mengakses informasi prediksi dan rekomendasi stok. Dengan sistem ini, Efrata Bakery dapat mengoptimalkan perencanaan produksi dan meningkatkan kepuasan pelanggan.<br /> <br /> Kata Kunci:. Peramalan Penjualan, Long Short-term Memory, Industri roti, time series, deep learning

• CKB2KAB3 - SISTEM CERDAS
• CBK4BAA4 - TUGAS AKHIR

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook