PENERAPAN DATA MINING UNTUK PREDIKSI PENJUALAN PRODUK TERLARIS MENGGUNAKAN METODE ANN DAN LSTM

 Ika Nur Hasanah, Alter Lasarudin, Wahyudin Hasyim

Abstract


Toko Setia Keramik yang menjual berbagai jenis keramik sedang menghadapi tantangan dalam menentukan produk keramik terlaris akibat data penjualan yang belum diolah secara optimal. Penelitian ini bertujuan untuk menerapkan algoritma Artificial Neural Network (ANN) dan Long Short-Term Memory (LSTM) untuk memprediksi penjualan produk keramik terlaris serta mengukur tingkat akurasi prediksi masing-masing algoritma. Data yang digunakan mencakup penjualan lima jenis keramik selama tiga tahun (2021–2023). Hasil penelitian menunjukkan bahwa algoritma ANN memberikan prediksi terbaik untuk pola jangka pendek dengan tingkat kesalahan Mean Square Error (MSE) yang rendah, sementara algoritma LSTM unggul dalam memprediksi pola jangka panjang. Penerapan kedua algoritma ini mampu membantu Toko Setia Keramik dalam menentukan jenis keramik terlaris sehingga pengelola toko dapat mengelola stok barang secara lebih efisien dan meminimalisir kekurangan maupun kelebihan stok, serta mengantisipasi tren penjualan di masa depan. Dengan demikian, penelitian ini memberikan kontribusi penting dalam optimalisasi manajemen penjualan menggunakan metode prediksi berbasis data mining.


Keywords


Artificial Neural Network, Long Short-Term Memory, Sales, Prediction

Full Text:

PDF

References


Miftahul Jannah, M. haviz irfani Haviz, Dewi Sartika, and Evi Purnamasari, “Prediksi Penjualan Produk Pada PT Bintang Sriwijaya Palembang Menggunakan K-Nearest Neighbour,” J. Softw. Eng. Comput. Intell., vol. 1, no. 2, pp. 80–89, 2023, doi: 10.36982/jseci.v1i2.3542.

A. Dzulfikar, N. Ramsari, and S. Sutjiningtyas, “Implementasi Peramalan Penjualan Produk Di Pt. Prima Per Tradea Utama Menggunakan Metode Artificial Neural Network,” J. FIKI, vol. XI, no. 2, pp. 2087–2372, 2021, [Online]. Available: http://jurnal.unnur.ac.id/index.php/jurnalfiki

A. A. Putri, “Penerapan Data Mining Untuk Memprediksi Penjualan Buah Dan Sayur Menggunakan Metode K-Nearest Neighbor ( Studi Kasus : PT . Central Brastagi Utama ),” vol. 1, no. 6, pp. 354–361, 2021.

Siregar, “Implementasi Metode Hybrid Autoregressive Integrated Moving Average (Arima) – Artificial Neural Network (Ann) Dalam Peramalan Harga Mata Uang Kripto,” no. 8.5.2017, pp. 2003–2005, 2022.

Ghufron Tamami and M. Arifin, “Penggunaan LSTM dalam Membangun Prediksi Penjualan untuk Aplikasi Laptop Lens,” J. Fasilkom, vol. 14, no. 2, pp. 301–308, 2024, doi: 10.37859/jf.v14i2.7372.

Febby Wilyani, Qonaah Nuryan Arif, and Fitri Aslimar, “Pengenalan Dasar Pemrograman Python Dengan Google Colaboratory,” J. Pelayanan dan Pengabdi. Masy. Indones., vol. 3, no. 1, pp. 08–14, 2024, doi: 10.55606/jppmi.v3i1.1087.

RANTI VIDIA MAHYUNIS, “Penerapan Artificial Neural Network (Ann) Menggunakan Algoritma Backpropagation Dengan Membandingkan Empat Fungsi Aktivasi Dalam Memprediksi Harga Emas,” no. 8.5.2017, pp. 2003–2005, 2022.

M. A. Putri and T. Sukmono, “Analisa Peramalan Penjualan Kerupuk Udang dengan menggunakan Metode Artificial Neural Network (ANN),” Innov. Technol. Methodical Res. J., vol. 2, no. 4, pp. 1–11, 2024, doi: 10.47134/innovative.v2i4.93.

F. T. Industri and U. I. Indonesia, “Prediksi Curah Hujan Menggunakan Metode Long Short Term Memory ( Studi Kasus : Kota Bandung ) Prediksi Curah Hujan Menggunakan Metode Long Short Term Memory ( Studi Kasus : Kota Bandung ),” 2022.

F. Febriansyah, A. Sujjada, and F. Sembiring, “Prediksi Harga Bitcoin Menggunakan Algoritma Long Short Term Memory (LSTM),” INOVTEK Polbeng - Seri Inform., vol. 9, no. 1, pp. 450–459, 2024, doi: 10.35314/isi.v9i1.4247.


DOI: http://dx.doi.org/10.31314/juik.v5i2.4180

Article metrics

Abstract views : 488 | views : 303

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Jurnal Ilmu Komputer (JUIK)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.