Perpustakaan Digital ITB

Dengan bertumbuhnya e-commerce telah terjadi perubahan dalam tingkah laku pembelian masyarakat. Masyarakat yang sebelumnya harus membeli barang secara tatap muka, sekarang dapat dengan lebih mudah membeli kebutuhannya secara online. Ketika membeli barang secara online, umumnya masyarakat ingin agar barang yang dipesannya segera cepat untuk dikirim. Para penjual barang harus merespons akan permintaan kebutuhan yang cepat tersebut, mereka harus menyediakan stok terlebih dahulu dalam memenuhi permintaan masyarakat kedepannya. Dalam menyediakan stok, para penjual memerlukan prediksi akan permintaan barang kedepannya. Namun, umumnya usaha mikro kecil dan menengah masih melakukan prediksi dengan mengira-ngira dari penjualan yang mereka dapatkan sebelumnya. Hal ini dapat menyebabkan kekurang akuratan akan prediksi permintaan barang kedepannya, sehingga dapat menyebabkan beberapa masalah yang menyebabkan kerugian, seperti stok penjual tidak dapat memenuhi daya beli masyarakat atau stok penjual melebihi daya beli masyarakat. Pada Tugas Akhir ini akan dibuat model prediksi permintaan barang toko umum dengan menggunakan algoritma Pembelajaran Mendalam yaitu Gated Recurrent Unit (GRU), Long Short Term Memory (LSTM), dan Transformer dengan tujuan mentransformasi metode prediksi permintaan barang usaha kecil dan menengah (UMKM) agar diperoleh penyediaan stok yang tepat. GRU memberikan hasil yang terbaik dengan nilai mean absolute percentage (MAPE) 19.94% dalam memprediksi permintaan barang dari data toko umum yang dimiliki.