Analisis Perbandingan ARIMA dan Long-Short Term Memory dalam Prediksi Penjualan (Studi Kasus: PT XYZ)

Pramudita, Julina Larasati and Bayu Rahayudi, S.T., M.M and Nanang Yudi Setiawan, S.T., M.Kom. (2024) Analisis Perbandingan ARIMA dan Long-Short Term Memory dalam Prediksi Penjualan (Studi Kasus: PT XYZ). Sarjana thesis, Universitas Brawijaya.

Abstract

Saat ini, perusahaan di berbagai sektor industri menghadapi sebuah tantangan berupa persaingan yang semakin ketat dan kompetitif. Keadaan ini tidak luput dialami oleh PT XYZ yang merupakan sebuah perusahaan yang memasarkan dan mendistribusikan elpiji ke berbagai segmen pasar. Persaingan yang ketat dan kompetitif ini mendorong perusahaan untuk mengoptimalkan perencanaan produksi agar permintaan pasar dapat dipenuhi secara efisien, tepat waktu, dan dengan jumlah yang sesuai. Perencanaan dan pengendalian produksi dapat didefinisikan sebagai aktivitas merencanakan dan mengendalikan material sehingga permintaan dapat dipenuhi secara efisien dan efektif, yaitu dengan biaya produksi yang minimum, tepat jumlah, dan tepat waktu penyerahan. Dalam mendukung pengoptimalan perencanaan produksi, salah satu hal yang dapat dilakukan adalah melakukan prediksi penjualan. Hal ini dapat membantu perusahaan dalam mengantisipasi fluktuasi permintaan dan menjaga keseimbangan antara pasokan dan permintaan. Penelitian ini akan membandingkan kinerja metode ARIMA dan LSTM untuk mendapatkan metode yang sesuai dalam memprediksi penjualan PT XYZ. Prediksi dengan ARIMA melewati beberapa proses, yaitu pengecekkan stasioneritas, identifikasi ACF dan PACF, pendugaan model, penetuan model terbaik, dilakukan prediksi, dan evaluasi hasil prediksi. Begitu pula dengan LSTM juga melewati beberapa proses, yaitu proses normaliasi, pelatihan, dan pengujian untuk mengetahui tingkat evaluasi. ARIMA untuk memprediksi penjualan PT XYZ diperoleh nilai RMSE terkecil sebesar 829.8422 dan MAPE terkecil sebesar 3.49%. Hasil terbaik metode ARIMA diperoleh dengan menggunakan rentang data tahun 2023 untuk RMSE terendah dan data tahun 2022 untuk MAPE terendah dengan 7 horizon prediksi. LSTM untuk memprediksi penjualan PT XYZ diperoleh nilai RMSE terendah sebesar 2160.5 dan nilai MAPE terendah sebesar 9.66%. Hasil terbaik dari metode LSTM diperoleh dengan jumlah epoch sebanyak 300, jumlah unit pada lapisan LSTM sebanyak 100, ukuran batch sebesar 1, panjang sequence sebanyak 21, dan dengan rentang data tahun 2022.

English Abstract

Currently, companies in various industrial sectors are facing a challenge of increasingly tight and competitive competition. This situation is not survived by PT XYZ which is a company that markets and distributes LPG to various market segments. This competitive competition drives companies to optimize production planning so that market demand can be met efficiently, on time, and in the appropriate quantity. Production planning and control can be defined as the activity of planning and controlling materials so that demand can be met efficiently and effectively, i.e. at minimum production costs, accurate quantity, and timely delivery. In support of optimizing production planning, one of the things that can be done is to make sales predictions. This can help companies to anticipate demand fluctuations and maintain a balance between supply and demand. This research will compare the performance of ARIMA and LSTM methods to obtain appropriate methods in predicting XYZ PT sales. Predictions with ARIMA go through several processes, namely stationarity verification, ACF and PACF identification, model prediction, best model design, prediction done, dam evaluation of predictive results. Similarly, the LSTM also passes through a number of processes, namely normalization, training, and testing to determine the level of evaluation. ARIMA for predicting sales of PT XYZ obtained the lowest RMSE score of 829.8422 and the MAPE lowest of 3.49%. The best results of ARIMA were achieved using data range of 2023 for the lowest RMSE and 2022 for the lowest MAPE with 7 predict horizon. LSTM for predicting sales of PT XYZ achieved the lowest RMSE score of 2160.5 and the lowest MAPE score of 9.66%. The best results of the LSTM method were obtained with epochs of 300, 100 units on the LSTM layer, batch sizes of 1, 21 sequence lengths, and with the data range of 2022.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150112
Uncontrolled Keywords:	prediksi, ARIMA, LSTM, time series, penjualan.prediction, ARIMA, LSTM, time series, sales.
Divisions:	Fakultas Ilmu Komputer > Teknologi Informasi
Depositing User:	Sugeng Moelyono
Date Deposited:	22 Feb 2024 07:45
Last Modified:	22 Feb 2024 07:45
URI:	http://repository.ub.ac.id/id/eprint/215721

Text (DALAM MASA EMBARGO) Julina Larasati Pramudita.pdf Restricted to Registered users only Download (6MB)

Actions (login required)

View Item