Implementasi Machine Learning pada Peramalan Permintaan Menggunakan Algoritma Long Short-Term Memory (Lstm) Berbasis Web Application (Studi Kasus: Marisa Food)

RAMADHAN, Anugrah Gusti (2026) Implementasi Machine Learning pada Peramalan Permintaan Menggunakan Algoritma Long Short-Term Memory (Lstm) Berbasis Web Application (Studi Kasus: Marisa Food). Skripsi thesis, Universitas Jenderal Soedirman.

[img] PDF (Cover)
COVER-Anugrah Gusti Ramadhan-H1E021005-Tugas Akhir-2026.pdf
Download (186kB)
[img] PDF (Legalitas)
LEGALITAS-Anugrah Gusti Ramadhan-H1E021005-Tugas Akhir-2026.pdf
Restricted to Repository staff only
Download (933kB)
[img] PDF (Abstrak)
ABSTRAK-Anugrah Gusti Ramadhan-H1E021005-Tugas Akhir-2026.pdf
Download (236kB)
[img] PDF (BabI)
BAB-I-Anugrah Gusti Ramadhan-H1E021005-Tugas Akhir-2026.pdf
Restricted to Repository staff only until 18 February 2027.
Download (381kB)
[img] PDF (BabII)
BAB-II-Anugrah Gusti Ramadhan-H1E021005-Tugas Akhir-2026.pdf
Restricted to Repository staff only until 18 February 2027.
Download (496kB)
[img] PDF (BabIII)
BAB-III-Anugrah Gusti Ramadhan-H1E021005-Tugas Akhir-2026.pdf
Restricted to Repository staff only until 18 February 2027.
Download (565kB)
[img] PDF (BabIV)
BAB-IV-Anugrah Gusti Ramadhan-H1E021005-Tugas Akhir-2026.pdf
Restricted to Repository staff only
Download (1MB)
[img] PDF (BabV)
BAB-V-Anugrah Gusti Ramadhan-H1E021005-Tugas Akhir-2026.pdf
Restricted to Repository staff only
Download (949kB)
[img] PDF (BabVI)
BAB-VI-Anugrah Gusti Ramadhan-H1E021005-Tugas Akhir-2026.pdf
Download (225kB)
[img] PDF (DaftarPustaka)
DAFTAR PUSTAKA-Anugrah Gusti Ramadhan-H1E021005-Tugas Akhir-2026.pdf
Download (211kB)
[img] PDF (Lampiran)
LAMPIRAN-Anugrah Gusti Ramadhan-H1E021005-Tugas Akhir-2026.pdf
Restricted to Repository staff only
Download (590kB)

Abstract

Peramalan permintaan berperan penting dalam mendukung pengambilan keputusan produksi dan pengelolaan persediaan. Marisa Food, sebagai industri kecil menengah pengolah ikan lele, menghadapi pola permintaan abon lele original 80 gram yang bersifat non-linier dan fluktuatif, sehingga menimbulkan kondisi overstock dan understock. Metode peramalan konvensional dinilai kurang mampu menangani karakteristik data tersebut, sehingga diperlukan pendekatan yang lebih adaptif. Penelitian ini bertujuan menghasilkan peramalan permintaan abon lele original 80 gram untuk 12 minggu ke depan menggunakan model Long Short-Term Memory (LSTM) dengan konfigurasi terbaik, serta mengimplementasikannya ke dalam web application. Data historis penjualan diolah melalui tahap preprocessing dan feature engineering, kemudian digunakan untuk membangun dan mengevaluasi berbagai konfigurasi model LSTM. Hasil penelitian menunjukkan bahwa model terbaik menggunakan dua layer LSTM dengan 128–128 neuron, learning rate 0,001, dropout rate 0,2, 225 epoch, batch size 18, dan optimizer Adam, serta menghasilkan nilai RMSE sebesar 7,75, yang menunjukkan rata-rata kesalahan prediksi berada pada kisaran ±8 unit. Model tersebut menghasilkan peramalan permintaan selama 12 minggu ke depan dengan total permintaan sebesar 722 unit. Model LSTM diintegrasikan ke dalam aplikasi web berbasis Streamlit yang menyediakan fitur unggah data, pelatihan model, serta visualisasi dan tabel hasil peramalan, sehingga dapat mendukung pengambilan keputusan produksi dan pengelolaan persediaan secara lebih efektif bagi Marisa Food

Item Type: Thesis (Skripsi)
Nomor Inventaris: H26046
Uncontrolled Keywords: Peramalan Permintaan, Long Short-Term Memory, Time Series, Industri Kecil Menengah
Subjects: W > W84 Web sites Design
Divisions: Fakultas Teknik > S1 Teknik Industri
Depositing User: Mr. Anugrah Gusti Ramadhan
Date Deposited: 18 Feb 2026 03:37
Last Modified: 18 Feb 2026 03:37
URI: http://repository.unsoed.ac.id:443/id/eprint/39646

Actions (login required)

View Item View Item