Prediksi Stok Produk Sari Roti Untuk Penjualan Online Melalui Whatsapp Menggunakan Metode LightGBM dan LSTM

Authors

  • Adithya Marhaendra Kusuma Institut Sains dan Teknologi Terpadu Surabaya
  • Reddy Alexandro Harianto Institut Sains dan Teknologi Terpadu Surabaya
  • Edwin Pramana Institut Sains dan Teknologi Terpadu Surabaya

DOI:

https://doi.org/10.30736/informatika.v8i2.1083

Keywords:

LSTM, Sari Roti, Mape, Ensemble

Abstract

Penelitian ini bertujuan untuk mengetahui akurasi dari metode forecasting berdasarkan model Long short term memory network (LSTM) dan LightGBM dalam memprediksi jumlah stok yang harus disediakan di depo sari roti untuk mencukupi permintaan customer online melalui Chatbot sari roti. Data penjualan yang di teliti dalam penelitian ini adalah perusahaan PT Nippon Indosari Corpindo selama periode Juni 2021 – Oktober 2022. Penelitian ini dilakukan menggunakan data penjualan berupa lokasi penjualan, total harga diskon, harga per item, dan jumlah item terjual sebagai parameternya dan 4 jenis roti yang dijadikan sampel. Dalam penelitian ini di hitung masing-masing mean absolute percentage error (MAPE) dari forecasting LSTM dan LightGBM. Parameter yang mempengaruhi hasil prakira metode LSTM dalam penelitian ini yaitu epoch untuk model LSTM, Lags pada Mode LightGBM, dan Perbandingan rasio pada model ensemble LSTM dan LightGBM. Akurasi terbaik diperoleh dengan menggunakan model ensemble pada jenis roti tawar kupas dengan evaluas MAPE terbaik diperoleh yaitu 9,58%.

Downloads

Download data is not yet available.

References

, LIPUTAN. n.d. “BALEiSIN.ID Keimbangkan Fitur Chat Commeircei Untuk WhatsApp. ” LIPUTAN 6 1–8. Reitrieiveid (https://www.liputan6.com/teikno/reiad/4382426/baleisinid-keimbangkan-fitur-chat-commeircei-untuk-whatsapp).

D. Gei, J. Gu, S. Chang, and J. Cai, “Creidit Card Fraud Deiteiction Using Lightgbm Modeil,” in 2020 Inteirnational Confeireincei on Ei-Commeircei and Inteirneit Teichnology (EiCIT), Zhangjiajiei, China, Apr. 2020, pp. 232–236. doi: 10.1109/EiCIT50008.2020.00060.

Eirfan Feibriantoro. 2022. “PEiMODEiLAN PREiDIKSI KUANTITAS PEiNJUALAN MAINAN MEiNGGUNAKAN LightGBM.” ISTTS.

F. Yei, J. Wang, Z. Li, Z. Jihan, and C. Yang, “Janei Streieit Stock preidiction modeil baseid on LightGBM,” in 2021 6th Inteirnational Confeireincei on Inteilligeint Computing and Signal Proceissing (ICSP), Xi’an, China, Apr. 2021, pp. 385–388. doi: 10.1109/ICSP51882.2021.9408851

G. Kei eit al., “LightGBM: A Highly Eifficieint Gradieint Boosting Deicision Treiei,” Deic. 2017. [Onlinei].Availablei:https://www.microsoft.com/ein-us/reiseiarch/publication/lightgbm-a-highly-eifficieint-gradieint-boosting-deicision-treiei/

Guo, Yuankai, Yangyang Li, and Yuan Xu. 2021. “Study on thei Application of LSTM-LightGBM Modeil in Stock Risei and Fall Preidiction.” MATEiC Weib of Confeireinceis 336:05011. doi: 10.1051/mateicconf/202133605011.

Hei, Zhang, and Sun Yu. 2020. “Application of LightGBM and LSTM Combineid Modeil in Veigeitablei Saleis Foreicast.” in Journal of Physics: Confeireincei Seirieis. Vol. 1693. IOP Publishing Ltd.

H. H. Xiei, C. Li, N. Ding, and C. Gong, “Walmart Salei Foreicasting Modeil Baseid On LSTM And LightGBM,” in 2021 2nd Inteirnational Confeireincei on Eiducation, Knowleidgei and Information Manageimeint (ICEiKIM), Xiamein, China, Jan. 2021, pp. 366–369. doi: 10.1109/ICEiKIM52309.2021.00087.

Y. Han, “A foreicasting meithod of pharmaceiutical saleis baseid on ARIMA-LSTM modeil,” in 2020 5th Inteirnational Confeireincei on Information Scieincei, Computeir Teichnology and Transportation (ISCTT), Sheinyang, China, Nov. 2020, pp. 336–339. doi: 10.1109/ISCTT51595.2020.00064.

Kei, Guolin, Qi Meing, Thomas Finleiy, Taifeing Wang, Weii Chein, Weiidong Ma, Qiweii Yei, and Tiei Yan Liu. 2017. “LightGBM: A Highly Eifficieint Gradieint Boosting Deicision Treiei.” Advanceis in Neiural Information Proceissing Systeims 2017-Deiceimbeir(Nips):3147–55.

Mugi, Rizki, and Seitya Adi. 2022. “Preidiksi Harga Komoditas Pangan Meinggunakan Algoritma Long Short-Teirm Meimory ( LSTM ).” 4(2):1137–45. doi: 10.47065/bits.v4i2.2229.

Pada, Smoothing, Peineintuan Peirseidiaan, Jurusan Teiknik Informatika, Fakultas Teiknik, Univeirsitas Palangka Raya, Jalan Heindrik, Timang Kampus, U. P. R. Tunjung, and Palangka Raya. n.d. “MOVING AVEiRAGEi DAN MEiTODEi SINGLEi EiXPONEiNTIAL.” 1770:137–45.

Rosyadi, Hudan Eika, Fikri Amrullah, Ronald David Marcus, and Rizal Rahman Affandi. 2020. “Rancang Bangun Chatbot Informasi Lowongan Peikeirjaan Beirbasis Whatsapp Deingan Meitodei NLP ( Natural Languagei Proceissing ).” BRILIANT: Jurnal Riseit Dan Konseiptual 5(1):619–26.

T. Deing, Y. Zhao, S. Wang, and H. Yu, “Saleis Foreicasting Baseid on LightGBM,” in 2021 IEiEiEi Inteirnational Confeireincei on Consumeir Eileictronics and Computeir Eingineieiring (ICCEiCEi), Guangzhou, China, Jan. 2021, pp. 383–386. doi: 10.1109/ICCEiCEi51280.2021.9342445.

Weing, Tingyu, Weinyang Liu, and Jun Xiao. 2020. “Supply Chain Saleis Foreicasting Baseid on LightGBM and LSTM Combination Modeil.” Industrial Manageimeint and Data Systeims 120(2):265–79. doi: 10.1108/IMDS-03-2019-0170.

Downloads

PlumX Metrics

Published

2023-09-18

How to Cite

Marhaendra Kusuma, A., Alexandro Harianto , R., & Pramana, E. (2023). Prediksi Stok Produk Sari Roti Untuk Penjualan Online Melalui Whatsapp Menggunakan Metode LightGBM dan LSTM. Joutica, 8(2), 45–50. https://doi.org/10.30736/informatika.v8i2.1083