PREDIKSI PENJUALAN DAN PERSEDIAAN IKAN BERBASIS WEBSITE MENGGUNAKAN SINGLE EXPONENTIAL SMOOTHING DAN LONG SHORT TERM MEMORY

Sigalingging, Hotmarisi (2023) PREDIKSI PENJUALAN DAN PERSEDIAAN IKAN BERBASIS WEBSITE MENGGUNAKAN SINGLE EXPONENTIAL SMOOTHING DAN LONG SHORT TERM MEMORY. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (641kB)
	Text BAB I.pdf Download (323kB)
	Text BAB II.pdf Download (579kB)
	Text BAB III.pdf Download (568kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (207kB)
	Text Lampiran.pdf Download (550kB)

Abstract

Sektor perikanan merupakan suatu faktor yang dapat menunjang kegiatan dan perdagangan Indonesia. Pada usaha penjualan dan persediaan ikan, Supplier belum dapat memprediksi secara maksimal apakah penjualan ikan akan menurun atau meningkat, serta memperkirakan jumlah stok ikan yang dibutuhkan konsumen pada bulan berikutnya, karena jika konsumen melebihi permintaan atau tidak akan menyebabkan ada kerugian. Beberapa masalah tersebut dapat diminimalisir dengan menganalisis data penjualan periode sebelumnya untuk memprediksi penjualan dan stok ikan periode berikutnya. Oleh karena itu dilakukan peramalan penjualan dan persediaan ikan berbasis website, melalui data penjualan mulai dari bulan Januari 2021 sampai Desember 2022 dengan menggunakan metode Long Short Term Memory (LSTM) dan Single Exponential Smoothing. Setiap instan data mengandung dua atribut, yaitu: jenis ikan dan harga ikan. Perbandingan uji akurasi untuk membandingkan tingkat kesalahan peramalan (error) dapat dilakukan dengan meliputi, MSE (mean square error), MAD (mean absolute deviation) dan MAPE (mean absolute percentage error). Metode peramalan terbaik adalah peramalan nilai error yang terkecil. Hasil akhir dari sistem dapat memprediksi jumlah penjualan dan persediaan ikan untuk bulan berikutnya. Dari hasil perhitungan perbandingan tingkat keeroran di atas, maka nilai alpha yang memiliki nilai kesalahan terkecil menggunakan 0,9 dengan nilai MAD sebesar 0.006, MSE sebesar 0.005 dan MAPE 0.6% sedangkan nilai perhitungann RMSE mencapai 3657.75.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Miss Rahma Rahmawati
Date Deposited:	15 Jan 2024 02:59
Last Modified:	15 Jan 2024 02:59
URI:	http://repository.unas.ac.id/id/eprint/9460

Actions (login required)

View Item