MEKANISME TIME SERIES UNTUK PREDIKSI DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA LSTM

ELININGTYAS, ARLIKAH TATA (2020) MEKANISME TIME SERIES UNTUK PREDIKSI DATA TRANSAKSI PENJUALAN MENGGUNAKAN ALGORITMA LSTM. S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) Jurnal Yudisium Bunga perpus.pdf Restricted to Registered users only Download (1MB)

Abstract

Coffee shop is a growing business in the food industry, giving birth to many competitors in their fields. Many customers are willing to stand in line to enjoy the dishes and facilities of the coffee shop because the coffee shop can be a gathering place, discussion and etc, making it difficult for the waiters to serve the visiting customers. Therefore, there needs to be a good service strategy by knowing future sales predictions. In this case study, a prediction trial was conducted using the Long Short Term Memory (LSTM) algorithm to determine the value of error evaluation using a coffee shop sales dataset. The performance parameters generated in the LSTM model are the Mean Absolute Percentage Error (MAPE) and Root Mean Squared Error (RMSE) values. Thus the results of this test were obtained with an RMSE value in rupiah of Rp. 25.883.785. Keywords : Prediction, Coffee Shop, Long Short Term Memory, Sales Kedai kopi merupakan bisnis yang sedang berkembang di industri pangan, sehingga melahirkan banyak kompetitor di bidangnya. Banyak pelanggan yang rela antri untuk menikmati hidangan dan fasilitas kedai kopi karena kedai kopi dapat menjadi tempat berkumpul, berdiskusi dan lain-lain sehingga membuat para pelayan merasa kesulitan dalam melayani pelanggan yang berkunjung. Oleh karena itu, perlu adanya strategi pelayanan yang baik dengan mengetahui prediksi penjualan yang akan datang. Pada studi kasus ini, dilakukan uji coba prediksi dengan menggunakan algoritma Long Short Term Memory (LSTM) untuk mengetahui nilai evaluasi error dengan digunakan dataset penjualan kedai kopi. Parameter kinerja yang dihasilkan pada model LSTM yaitu nilai Mean Absolute Percentage Error (MAPE) dan Root Mean Squared Error (RMSE). Dengan demikian didapatkan hasil pengujian ini dengan nilai RMSE dalam rupiah sejumlah Rp. 25.883.785. Kata kunci: Prediksi, kedai kopi, Long Short Term Memory, Penjualan

Item Type:	Thesis (S1)
Call Number CD:	JM/TI. 20 056
Call Number:	JM/15/21/013
NIM/NIDN Creators:	41516010162
Uncontrolled Keywords:	Prediksi, kedai kopi, Long Short Term Memory, Penjualan
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 005 Computer Programmming, Programs, Data/Pemprograman Komputer, Program, Data > 005.5 General Purpose Application Programs/Program Aplikasi dengan Kegunaan Khusus 200 Religion/Agama > 290 Other Religions/Agama Selain Kristen > 297 Agama Islam/Islam > 297.4 Islamic law/Hukum Islam > 297.43 Muamalat/Muamalat > 297.431 Buy Sell/Jual Beli 300 Social Science/Ilmu-ilmu Sosial > 330 Economics/Ilmu Ekonomi > 332 Financial Economics, Finance/Ekonomi Keuangan dan Finansial, Ekonomi Biaya dan Pembiayaan 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma 600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 657 Accounting/Akuntansi > 657.3 Financial Reporting (Financial Statements)/Laporan Keuangan > 657.32 Preparing Financial Statements/Menyiapkan Laporan Keuangan
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	Putra Arsy Anugrah
Date Deposited:	28 Jul 2022 01:24
Last Modified:	28 Jul 2022 01:24
URI:	http://repository.mercubuana.ac.id/id/eprint/54728

Actions (login required)

View Item