KURNIAWAN, Nadhifa Zahra (2026) Analisis Perbandingan Metode Long Short Term Memory, Extreme Gradient Boosting, dan Seasonal Autoregressive Integrated Moving Average dalam Memprediksi Penjualan Produk UMKM Pakaian Muslim Ananda Kids. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Nadhifa Zahra Kurniawan-H1D022020-Skripsi-2026.pdf Download (133kB)
	PDF (Legalitas) LEGALITAS-Nadhifa Zahra Kurniawan-H1D022020-Skripsi-2026.pdf Restricted to Repository staff only Download (605kB)
	PDF (Abstrak) ABSTRAK-Nadhifa Zahra Kurniawan-H1D022020-Skripsi-2026.pdf Download (249kB)
	PDF (BabI) BAB-I-Nadhifa Zahra Kurniawan-H1D022020-Skripsi-2026.pdf Restricted to Repository staff only until 6 May 2027. Download (253kB)
	PDF (BabII) BAB-II-Nadhifa Zahra Kurniawan-H1D022020-Skripsi-2026.pdf Restricted to Repository staff only until 6 May 2027. Download (528kB)
	PDF (BabIII) BAB-III-Nadhifa Zahra Kurniawan-H1D022020-Skripsi-2026.pdf Restricted to Repository staff only until 6 May 2027. Download (381kB)
	PDF (BabIV) BAB-IV-Nadhifa Zahra Kurniawan-H1D022020-Skripsi-2026.pdf Restricted to Repository staff only Download (6MB)
	PDF (BabV) BAB-V-Nadhifa Zahra Kurniawan-H1D022020-Skripsi-2026.pdf Download (236kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Nadhifa Zahra Kurniawan-H1D022020-Skripsi-2026.pdf Download (227kB)
	PDF (Lampiran) LAMPIRAN-Nadhifa Zahra Kurniawan-H1D022020-Skripsi-2026.pdf Restricted to Repository staff only Download (902kB)

Abstract

Ketidaktepatan prediksi penjualan pada industri pakaian berdampak pada risiko manajemen persediaan UMKM, termasuk UMKM Ananda Kids yang menghadapi fluktuasi tren dan pola musiman. Penelitian ini bertujuan membandingkan metode Long Short-Term Memory (LSTM), Extreme Gradient Boosting (XGBoost), dan Seasonal Au-to-Regressive Integrated Moving Average (SARIMA) dalam memprediksi penjualan dengan interval dwimingguan. Tingkat akurasi dari ketiga model tersebut dievaluasi menggunakan metrik Symmetric Mean Absolute Percentage Error (SMAPE). Data his-toris periode 2 Januari 2023 hingga 5 Desember 2025 diproses melalui rekayasa fitur kalender Hijriah, optimasi Optuna, dan pendekatan Strategy Map yang menyesuaikan arsitektur model dengan tingkat volatilitas setiap kategori produk. Hasil penelitian menunjukkan XGBoost memiliki kinerja rata-rata global terbaik dengan SMAPE 17,63%, diikuti oleh LSTM dengan SMAPE 24,23% dan SARIMA dengan SMAPE 36,43%. Evaluasi per kategori membuktikan bahwa pendekatan heterogen tetap diper-lukan. XGBoost menunjukkan performa terbaik pada produk musiman, SARIMA paling akurat untuk tren stabil dengan nilai SMAPE 16,35%, dan LSTM unggul pada data ber-fluktuasi tinggi dengan SMAPE 29,45%. Model-model ini kemudian diintegrasikan ke dalam sistem antarmuka interaktif berbasis Streamlit untuk mempermudah UMKM me-rencanakan persediaan barang secara otomatis dan berbasis data.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	H26112
Uncontrolled Keywords:	LSTM, Prediksi Penjualan, SARIMA, SMAPE, Streamlit, UMKM, XGBoost.
Subjects:	C > C489 Clothing and dress S > S23 Sales management S > S399 Small business
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Mrs. Nadhifa Zahra Kurniawan
Date Deposited:	06 May 2026 07:55
Last Modified:	06 May 2026 07:55
URI:	http://repository.unsoed.ac.id:443/id/eprint/40943

Actions (login required)

View Item