Abstrak
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
PT SA adalah sebuah perusahaan FMCG yang sedang menghadapi tantangan
berupa persentase pemenuhan permintaan yang hanya mencapai 93,4% dari target
pemenuhan 97,5%. Tantangan lain yang dihadapi adalah penumpukan inventori
hingga 23 days of inventory. Salah satu akar permasalahan dari isu-isu ini adalah
peramalan penjualan PT SA yang memiliki akurasi rendah sehingga tidak dapat
menjadi dasar yang baik bagi perencanaan produksi.
Dalam rangka mengatasi permasalahan, penelitian ini melakukan pengembangan
usulan model peramalan penjualan berbasis pembelajaran mesin. Terdapat
beberapa alternatif model yang dipertimbangkan sebagai solusi, di antaranya adalah
Support Vector Machine (SVM) dan varian Recurrent Neural Network (RNN)
seperti Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU).
Beberapa model tersebut kemudian melalui uji coba untuk memperoleh model yang
paling sesuai untuk set data penelitian, dengan menggunakan metode evaluasi k-
fold cross-validation.
Dari hasil penelitian diperoleh model usulan terbaik adalah model berbasis GRU
dengan hasil nilai total mean squred error senilai 0,6966. Perbandingan hasil
peramalan dengan model GRU tersebut apabila dibandingkan dengan hasil
peramalan existing menunjukkan peningkatan akurasi pada 148 dari 164 produk
(stock-keeping unit). Melalui kategorisasi nilai mean absolute percentage error
berdasarkan standar perusahaan, diperoleh bahwa nilai MAPE yang dikategorikan
“Baik” meningkat dari 46% menjadi 100%.