Prediksi Penjualan Produk PT Indonesia Saji Nusantara Untuk Mengestimasi Kebutuhan Bahan Baku Menggunakan Perbandingan Algoritma LSTM Dan ARIMA

PUTRI, EFRIKE SOFYANI (2020) Prediksi Penjualan Produk PT Indonesia Saji Nusantara Untuk Mengestimasi Kebutuhan Bahan Baku Menggunakan Perbandingan Algoritma LSTM Dan ARIMA. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 cover.pdf Download (4MB) | Preview
	Text (BAB I) 02 bab 1.pdf Restricted to Registered users only Download (369kB)
	Text (BAB II) 03 bab 2.pdf Restricted to Registered users only Download (806kB)
	Text (BAB III) 04 bab 3.pdf Restricted to Registered users only Download (426kB)
	Text (BAB IV) 05 bab 4.pdf Restricted to Registered users only Download (777kB)
	Text (BAB V) 06 bab 5.pdf Restricted to Registered users only Download (1MB)
	Text (BAB VI) 07 bab 6.pdf Restricted to Registered users only Download (739kB)
	Text (DAFTAR PUSTAKA) 08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (343kB)
	Text (LAMPIRAN) 09 LAMPIRAN.pdf Restricted to Registered users only Download (430kB)

Abstract

Global Food Industries growth (including in Indonesia) make people around the world change their behaviour become more instant and also change their pattern of food consumptions when they have consumed their foods (time efficiency). Those factors impact people's needs for instant foods. Fast food appearances on citizens make dozens of companies create their products to become cheaper, faster and better. One of the companies is Indonesia Saji Nusantara corporation. Indonesia Saji Nusantara has options of products such as fried pizza that are handmade, plenty of frozen food that variation of products and its flavours that are sold in a lot of places across nations. Purpose of this research is to have a prediction of raw materials using LSTM Algorithm and Arima. The final result of this research is, the company will be able to know what flavour that sold out in the market. Using LSTM with testing data 63% ingredients and data testing 73% with range interval [-1,-1] and 100 epoch. With this method plus with RMSE with LSTM data testing with an average of result 0,22 and ARIMA average 60,21 with an error percentage of the result between daily using MAPE in LSTM method 29,57% and ARIMA method error average 73%. the conclusion that using the LSTM method better rather than ARIMA for predictions of frozen and fast-food sales. Based on this research, cow-based products are sold rapidly with cow-based material compared with other materials, with sales predictions with 194.37. Key words: Long Short Term Memory, Predictions, Sales, Machine Learning, Arima Perkembangan industri pangan di dunia termasuk Indonesia yang meningkat menyebabkan masyarakat terbiasa dengan segala sesuatu yang serba cepat dan praktis, begitu pula dengan pola masyarakat dalam mengkonsumsi makanan yang sebisa mungkin dapat diselesaikan dalam waktu singkat dan dapat menghemat waktu. Hal tersebut berdampak pada timbulnya kebutuhan masyarakat terhadap makanan yang cepat dan instant. Kehadiran fast food langsung disukai masyarakat salah satunya produk yang dibuat oleh PT. Indonesia Saji Nusantara yaitu pizza goreng yang dibuat dengan cara handmade, perusahaan ini menjual makanan frozen food dengan berbagai varian rasa dan memiliki pelanggan dari berbagai macam daerah. Pada Penelitian ini bertujuan untuk memprediksi penjualan kebutuhan bahan baku dengan menggunakan perbandingan algoritma LSTM dan Arima. Dengan ini dapat diketahui rasa yang paling laku di tahun yang akan datang. Metode terbaik penggunaan LSTM dengan komposisi data latih 63% dan data uji 37% , range interval [-1,1] dan epoch sebanyak 100. Metode tersebut mendapatkan hasil perhitungan RMSE dalam bentuk data testing di LSTM rata-rata mendapatkan hasil 0,22 dan di ARIMA rata-rata 60,21 sedangkan hasil persentase rata-rata kesalahan model antara nilai perhari yang terkecil menggunakan MAPE di metode LSTM rata-rata 29,57% dan metode ARIMA rata-rata 73%. Dapat disimpulkan bahwa penggunaan metode LSTM disini lebih baik dari pada menggunakan metode ARIMA untuk memprediksi penjualan makanan frozen food pada penelitian yang sedang dilakukan, untuk hasil prediksi penjualan paling laku yaitu bahan baku sapi dengan hasil rata-rata yaitu bahan baku sapi dibandingkan dengan bahan baku lainnya, dengan prediksi penjualan 194.37. Kata kunci:Long Short Term Memory, Prediksi, Penjualan, Machine Learning, Arima

Actions (login required)

View Item