Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Publikasi Ilmu Komputer dan Multimedia
Azali, Imam
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pendekatan Bayesian untuk Prediksi Permintaan Produk Makanan Ringan UMKM dalam Kondisi Ketidakpastian Ramadani, Irfan; Sari Hasibuan, Maya; Simatupang, Khairunnisa; Azali, Imam
Jurnal Publikasi Ilmu Komputer dan Multimedia Vol. 5 No. 1 (2026): Januari: Jurnal Publikasi Ilmu Komputer dan Multimedia
Publisher : Pusat Riset dan Inovasi Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/jupikom.v5i1.6263

Abstract

Penelitian ini menerapkan pendekatan Bayesian untuk memprediksi permintaan produk makanan ringan pada Usaha Mikro, Kecil, dan Menengah (UMKM) dalam kondisi ketidakpastian. Prediksi permintaan pada UMKM umumnya menghadapi keterbatasan data historis dan fluktuasi permintaan yang tinggi, sehingga metode deterministik konvensional kurang mampu memberikan hasil yang andal. Penelitian ini bertujuan untuk mengembangkan model prediksi permintaan berbasis Bayesian yang mampu mengintegrasikan informasi awal serta mengukur tingkat ketidakpastian sebagai dasar pengambilan keputusan. Metode yang diusulkan menggunakan regresi Bayesian untuk memperoleh distribusi posterior permintaan berdasarkan data penjualan historis. Hasil penelitian menunjukkan bahwa model Bayesian menghasilkan prediksi yang lebih informatif melalui penyediaan interval kepercayaan (credible interval) yang merepresentasikan ketidakpastian permintaan. Evaluasi empiris menunjukkan bahwa model mencapai nilai mean absolute percentage error (MAPE) sebesar 9,84%, lebih baik dibandingkan regresi linier konvensional dengan MAPE sebesar 14,27%. Selain itu, interval kepercayaan 95% mampu mencakup sebagian besar nilai permintaan aktual. Temuan ini membuktikan bahwa pendekatan Bayesian tidak hanya meningkatkan akurasi prediksi, tetapi juga memberikan informasi probabilistik yang bermanfaat bagi UMKM dalam perencanaan produksi dan pengelolaan persediaan di tengah ketidakpastian pasar.
Co-Authors Ramadani, Irfan Sari Hasibuan, Maya Simatupang, Khairunnisa