Peramalan Permintaan Keripik Ubi Ungu Menggunakan Metode Long Short-Term Memory (LSTM) dan ARIMA (Studi Kasus di UD. Harum Manis, Kota Batu)

Clorinda Immanuelle PW, Janice and Prof. Dr. Ir. Imam Santoso, MP and Arif Hidayat, STP., M,AIT., Ph,D (2023) Peramalan Permintaan Keripik Ubi Ungu Menggunakan Metode Long Short-Term Memory (LSTM) dan ARIMA (Studi Kasus di UD. Harum Manis, Kota Batu). Sarjana thesis, Universitas Brawijaya.

Abstract

UD. Harum Manis merupakan sentra industri oleh-oleh yang bertempat di Jl. Ir. Soekarno no 48, Beji, Kota Batu, Malang, Jawa Timur. Perusahaan ini memproduksi berbagai jenis keripik dan kerupuk buah serta wingko apel. Pada pandemi COVID-19, penjualan produk UD. Harum Manis mengalami penurunan akibat peraturan pemerintah yang membatasi kegiatan berwisata dan jual beli di Kota Batu. Jumlah pembeli yang menurun menyebabkan UD. Harum Manis melakukan pemberhentian produksi pada tahun 2020 dan memulai memproduksi kembali di tahun 2021. Namun, produk unggulan yang paling diminati wisatawan yakni keripik ubi ungu masih memiliki nilai penjualan produk yang fluktuatif (naik-turun) walaupun kegiatan jual beli sudah kembali normal. UD. Harum Manis juga sedang berusaha mengatur ulang strategi agar mampu bertahan dan beradaptasi dengan permintaan pasar pasca pandemi. Permasalahan permintaan produk unggulan keripik ubi ungu yang fluktuatif tersebut dapat diselesaikan dengan melakukan peramalan permintaan. Penelitian peramalan permintaan keripik ubi ungu di UD. Harum Manis ini dilaksanakan pada bulan Februari hingga Juni dengan menggunakan metode deret waktu tradisional dan deep learning. Jenis metode deret waktu tradisional yang digunakan adalah ARIMA dan metode deep learning yang digunakan adalah Long Short-Term Memory (LSTM). Penelitian ini menggunakan data penjualan keripik ubi ungu sebelum pandemi, semasa pandemi dan pasca pandemi dengan rentang data 7 tahun sejak tahun 2017 hingga tahun 2022. Hasil dari penelitian menunjukkan bahwa parameter model LSTM yang digunakan adalah dengan proporsi training-testing sebesar 70%, 4 n_input, 60 batch_size, dan 128 unit LSTM. Model yang digunakan pada jaringan LSTM ini memiliki nilai RMSE prediksi dengan nilai aktual sebesar 67,37. Pada metode ARIMA, model yang memenuhi signifikansi dan white noise adalah ARIMA (1,1,1) sehingga model tersebut dipakai untuk melakukan peramalan. Nilai RMSE prediksi dengan nilai aktual data pada model ARIMA (1,1,1) yakni sebesar 80,826. Hasil peramalan permintaan keripik ubi ungu 150 gr di UD. Harum Manis periode Januari 2023-Desember 2023 untuk metode LSTM dan ARIMA masih memiliki nilai RMSE lebih dari 1, sehingga kedua metode masih belum akurat dalam meramalkan permintaan keripik ubi ungu. Rekomendasi perbaikan yang dapat diberikan pada penelitian kedepannya yakni periunya data yang lebih banyak dalam meramalkan permintaan suatu produk menggunakan metode LSTM dan ARIMA agar jaringan maupun model mampu mempelajari data dengan baik, sehingga mampu meramalkan permintaan dengan akurat

English Abstract

UD. Harum Manis is an industrial center located in Jl. Ir. Soekarno no. 48, Beji, Batu Town, Malang, East Java. The company produces various types of chips fruits, and apple wingko. In the COVID-19 pandemic, sales of UD. Harum Manis products decreased. This company suffered a decline as a result of government regulations that restricted travel and sales activities in the Batu Town. The declining number of buyers caused UD. Harum Manis to stop production in 2020 and begin it again in 2021. However, the top-notch products most sought by tourists, purple sweet potato chips, still have a fluctuating sales value (up and down) even though sales activity has returned to normal. UD. Harum Manis is also trying to reshape its strategy to be able to survive and adapt to the demand of the post-pandemic market. The problem of fluctuating demand for purple chips can be solved by making a demand forecast. Research and forecasting demand for purple chips in UD. Harum Manis is carried out from February to June 2023 using traditional time series methods and deep learning methods. The method used is ARIMA for traditional method and the deep learning method is Long Short-Term Memory (LSTM). The study used data on purple sweet potato chips sales before pandemics, during pandemics, and after pandemics, with data ranging from 7 years ago, from 2017 to 2022. The results showed that the LSTM model parameters used were the proportion of training-testing of 70%, 4 n_input, 60 batch_size, and 128 LSTM units. The model used on the LSTM network has a predictive RMSE value with an actual value of 67.37. In the ARIMA method, the model that have signification and white noise is ARIMA (1,1,1), so the model is used for forecasting. The predicted RMSE value with the actual value of data in the ARIMA model (1,1,1) is 80,826. Results of forecasting demand for purple yam chips 150 gr at UD. Harum Manis for the period January 2023-December 2023 for LSTM and ARIMA methods still has RMSE values of more than 1, so both methods are still inaccurate in forecasting the demand for purple yam chips. Recommendations for improvements that can be given in future research are the need for more data in forecasting demand for a product using LSTM and ARIMA methods so that networks and models are able to study data well, so as to be able to forecast demand accurately.

Item Type:	Thesis (Sarjana)
Identification Number:	052310
Uncontrolled Keywords:	ARIMA, Long Short-Term Memory (LSTM), Peramalan permintaan deret waktu, UD. Harum Manis,
Divisions:	Fakultas Teknologi Pertanian > Teknologi Industri Pertanian
Depositing User:	Annisti Nurul F
Date Deposited:	17 Jan 2024 02:06
Last Modified:	17 Jan 2024 02:08
URI:	http://repository.ub.ac.id/id/eprint/211224

Text (DALAM MASA EMBARGO) Janice Clorinda Immanuelle.pdf Restricted to Registered users only until 31 December 2025. Download (2MB)

Actions (login required)

View Item