PREDIKSI PENJUALAN SEMBAKO DI MINIMARKET MARS MENGGUNAKAN METODE LONG SHORT TERM MEMORY

DESTIN EVA INDRIANI (2025) PREDIKSI PENJUALAN SEMBAKO DI MINIMARKET MARS MENGGUNAKAN METODE LONG SHORT TERM MEMORY. Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text RAMA_57201_2102030031.pdf Download (15MB)

Abstract

Perkembangan teknologi informasi telah meningkatkan kebutuhan sistem prediksi yang akurat dalam sektor perdagangan, khususnya minimarket. Minimarket Mars, yang bergerak di bidang ritel sembako, menghadapi kendala dalam menentukan jumlah stok barang secara optimal akibat belum adanya sistem prediksi yang terstruktur. Penelitian ini bertujuan membangun model prediksi penjualan sembako menggunakan metode Long Short-Term Memory (LSTM) untuk membantu pengelolaan stok yang lebih efisien dan tepat sasaran. Data penjualan sembako selama tiga tahun (2022–2024) dari sembilan kategori barang diproses melalui tahap preprocessing, normalisasi, pembentukan dataset time series, pelatihan model, dan evaluasi menggunakan metrik RMSE, MAE, dan MAPE. Hasil menunjukkan performa prediksi terbaik pada kategori telur dengan RMSE 0,58, MAE 0,42, dan MAPE 0,53%, menandakan tingkat kesalahan yang sangat rendah. Prediksi stok untuk tahun 2025 dihasilkan, antara lain stok telur 95 unit, kecap 55 unit, dan mie instan lebih dari 90 unit. Kesimpulannya, model LSTM efektif dalam memprediksi penjualan sembako dengan akurasi tinggi, sehingga dapat menjadi dasar pengambilan keputusan dalam pengelolaan stok, mengurangi risiko kelebihan atau kekurangan barang, serta meningkatkan efisiensi operasional minimarket. Kata Kunci: Prediksi Penjualan, Long Short-Term Memory, LSTM, Manajemen Stok, Time Series,

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Sistem Informasi
Depositing User:	Admin Perpus UnivBI
Date Deposited:	10 Feb 2026 09:43
Last Modified:	10 Feb 2026 09:43
URI:	http://eprints.univbinainsan.ac.id/id/eprint/505

Actions (login required)

View Item