Perpustakaan Digital ITB

Kedai kopi semakin populer di Indonesia, dan mereka dianggap sebagai salah satu sektor bisnis yang berkontribusi pada perkembangan industri negara. Kesulitan dalam memperkirakan penjualan dan permintaan, mengganggu manajemen inventaris biji kopi. Peramalan dengan model pembelajaran mesin dapat memberikan solusi untuk masalah-masalah ini. Data yang digunakan dalam penelitian ini adalah permintaan biji kopi dari sistem POS (Point-of-Sales), yang dihitung dengan mengonversi data penjualan menu kopi menjadi permintaan biji kopi. Data tersebut adalah deret waktu, mencakup dari. Untuk meningkatkan efektivitas model, beberapa variabel eksternal seperti cuaca dan acara dimasukkan. Analisis data eksploratif dari faktor-faktor ini mengungkapkan pengaruh dan pola yang mempengaruhi dinamika permintaan biji kopi. Model prediksi yang digunakan dalam studi ini termasuk Regresi Linier Berganda (MLR), Pohon Keputusan (DT), Regresi Vektor Dukungan (SVR), dan Jaringan Saraf. (NN). Hasil pelatihan model menunjukkan bahwa model dengan semua variabel mengungguli model dengan hanya variabel tanggal. Model DT menghasilkan ramalan terbaik berdasarkan pola dan pengukuran kesalahannya. Hasil prediksi dilaksanakan dengan membangun dasbor yang membantu pebisnis dalam menentukan jumlah biji kopi yang harus dipesan dalam beberapa bulan ke depan. Ini adalah implementasi yang dapat digunakan untuk meningkatkan manajemen inventaris.