Implementasi Machine Learning Dalam Memprediksi Permintaan Model Business To Business Dengan Menggunakan Algoritma Autoregressive Integrated Moving Average (Arima) Dan Long Short Term Memory (Lstm) Guna Mengurangi Food Waste (Studi Kasus : Pt Tanihub Indonesia)
Abstract
Food waste merupakan pangan yang terbuang pada tahap distribusi dan retail, serta
konsumsi. PT TaniHub Indonesia merupakan perusahaan berbasis startup yang
bergerak di bidang agroteknologi yang berfokus dalam penjualan hasil tani kepada
customer. Permasalahan food waste sering sekali terjadi di PT TaniHub Indonesia
terkhususnya untuk perishable product. Hal ini dikarenakan tidak adanya jumlah
permintaan stok produk hanya didasari intuisi commercial specialist. Pada penelitian ini
akan melakukan pemodelan prediksi pada sektor business to business dengan
menggunakan ARIMA dan LSTM yang akan diproses menggunakan bahasa
pemrograman Python. Pengujian tingkat error akan dilakukan menggunakan Root Mean
Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil
pemodelan menunjukkan bahwa performa metode LSTM memiliki akurasi yang lebih
tinggi dengan nilai RMSE lebih kecil dibandingkan ARIMA yaitu 358.633 sedangkan
untuk hasil peramalan memiliki nilai rata-rata MAPE 20% yang dinilai memiliki hasil
akurasi yang baik.
Collections
- Industrial Engineering [2224]