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.