Perpustakaan Digital ITB

Pertumbuhan dunia teknologi mempermudah berbagai bidang industri dalam menyelesaikan pekerjaannya dan juga dalam membantu mengambil keputusan penting untuk masa depan perusahaan, salah satunya adalah Perusahaan Foods and Beverages (F&B). Dalam manajemen tingkat atas, sebuah peramalan penjualan menjadi sebuah hal yang wajib dilakukan sebagai landasan untuk menentukan keputusan penting. Hal ini dapat diselesaikan dengan forecasting dan salah satu model terbaik dalam melakukan forecasting adalah SARIMA. Meskipun model SARIMA telah memberikan kinerja yang baik saat ini, tetapi model tersebut masih memiliki kekurangan, yakni tidak dapat menyertakan data eksogen pada proses prediksinya. Selain itu model SARIMA tidak dapat memprediksi pola non-linear pada data. Kemudian, pada umumnya proses forecasting hanya fokus terhadap satu jenis sekuens, akan tetapi pada dunia nyata terdapat sekuens yang banyak dan saling terhubung satu sama lain, sehingga data sering berstruktur hierarki. Oleh sebab kedua masalah tersebut, pada penelitian ini akan menggunakan metode hybrid, yakni SARIMAX-LSTM. SARIMAX merupakan perkembangan dari SARIMA yang dapat menyertakan data eksogen dalam prediksinya dan LSTM untuk menangani pola non-linear pada data. Selanjutnya, metode hybrid tersebut akan diterapkan pada data berstruktur hierarki dengan proses rekonsiliasi dimana proses ini untuk menyelaraskan hasil forecasting pada data yang berstruktur hierarki. Penelitian ini berhasil menunjukkan peningkatan kinerja dari metode hybrid SARIMAX-LSTM pada data berstuktur hierarki dengan proses rekonsiliasi dibandingkan dengan SARIMA dan SARIMAX. Nilai kinerja 10.2% (MAPE) berhasil dicapai dan terjadi peningkatan 4.0% dibandingkan dengan model SARIMA dan peningkatan 3.7% dibandingkan dengan model SARIMAX menggunakan data penjualan Brand B yang bergerak di bidang makanan dan minuman.