Penerapan Long Short Term Memory RNN untuk Prediksi Transaksi Penjualan Minimarket

  • Patrick Ringkuangan Mahasiswa
  • Fatma Indriani
  • Muhammad Itqan Mazdadi
  • Irwan Budiman
  • Andi Farmadi
Kata Kunci: LSTM, RNN, Prediksi

Abstrak

Penelitian ini bertujuan untuk mengetahui apakah dapat membangun suatu prediksi penjualan barang pada Lapan-Lapan Mart dengan menggunakan metode Long Short Term Memory Recurrent Neural Network yang dapat digunakan untuk meramalkan penjualan barang. Dalam penelitian ini, data tersebut diambil dari Lapan-Lapan Mart berjumalah data 10 barang yang berbeda yang terjual setiap harinya. Data tersebut kemudian disusun untuk tingkat penjualannya menjadi perminggu dan didapat sejumlah 52 data untuk setiap barangnya sehinggat total data berjumlah 520. Untuk mendapat bobot dalam perhitungan LSTM , terdapat dua proses yaitu forward dan backward. bobot tersebut akan digunakan untuk melakukan prediksi menggunakan rumus dasar dari LSTM. Berdasarkan penelitian yang telah dilakukan diketahui hasil akurasi menggunakan MAD (Mean Absolute Deviation) yang tertinggi adalah barang indomie rending 91 gr (11.61803507) dan daia lemon 1,8kg (2.077000464) untuk MAD terendah

Diterbitkan
2020-11-17
##submission.howToCite##
Ringkuangan, P., Fatma Indriani, Muhammad Itqan Mazdadi, Irwan Budiman, & Andi Farmadi. (2020). Penerapan Long Short Term Memory RNN untuk Prediksi Transaksi Penjualan Minimarket. Journal of Data Science and Software Engineering, 1(02), 73-84. Diambil dari https://jurnalmahasiswamipa.ulm.ac.id/index.php/integer/article/view/19
Terbitan
Vol 1 No 02 (2020)
Bagian
Artikel