Claim Missing Document
Check
Articles

Forecasting Permintaan Persediaan Berbasis Long Short-Term Memory untuk Penentuan Safety Stock dan Reorder Point fatmawati, Eka Fatmawati; Endah Sudarmilah
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 7 No. 3 (2026): Maret 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v7i3.9648

Abstract

Ketidakseimbangan antara ketersediaan stok dan fluktuasi permintaan sering menyebabkan overstock maupun stockout dalam manajemen persediaan ritel. Penelitian ini bertujuan untuk menerapkan metode Long Short-Term Memory (LSTM) dalam peramalan permintaan. Peramalan ini digunakan sebagai dasar penentuan Safety Stock (SS) dan Reorder Point (ROP) pada tiga kategori produk ritel: susu, sabun, dan frozen food. Data historis penjualan digunakan untuk menghasilkan prediksi permintaan tiga bulan ke depan. Hasil prediksi dievaluasi menggunakan Mean Absolute Percentage Error (MAPE), Mean Absolute Error (MAE), dan Root Mean Squared Error (RMSE). Hasil evaluasi menunjukkan bahwa model LSTM menghasilkan tingkat akurasi yang baik pada seluruh kategori produk. Pada kategori susu, rata-rata nilai MAPE sebesar 4,53%, dan pada sabun sebesar 5,23%. Kedua nilai ini tergolong sangat baik. Sementara itu, frozen food memiliki nilai MAPE sebesar 12,08%, yang termasuk kategori baik. Berdasarkan hasil peramalan tersebut, parameter pengendalian persediaan dihitung menggunakan pendekatan Safety Stock dan Reorder Point. Kategori susu menunjukkan nilai rata-rata SS dan ROP tertinggi. Hal ini mencerminkan volume permintaan yang lebih besar dibandingkan kategori lainnya. Di sisi lain, kategori frozen food memperlihatkan variasi ROP yang relatif lebih tinggi antar produk. Hasil penelitian ini menunjukkan bahwa integrasi metode LSTM dengan model pengendalian persediaan dapat mendukung perumusan kebijakan stok yang lebih terukur dan berbasis data dalam pengelolaan persediaan ritel. Penelitian ini memberikan kontribusi berupa integrasi metode deep learning dengan model pengendalian persediaan yang menghasilkan kebijakan stok yang lebih terukur dan aplikatif.
Co-Authors Agus Purwohartono Ainayah Syifa Hendri Al Faruqi, Muhammad Haidar Alfi Dimar Pradana Anggara, Ariski Try Anggita Puspaningrum Ardhiyatama Nur Saputra Ari Gunanto Astari, Fitria Widya Aziz Mufa’adhi Bakhtiar, Doni Nuryanto Budi Darmanto Budi Darmanto, Budi Darsono, Ruswa Della Fitria Lestari Deniar Risma Putri Diah Priyawati Dian Imam Nurrahim Dian Imam Nurrahim, Dian Imam Dita Aluf Mawsally Diva Rahmaningtyas Citra Ayu Pradani Doni Nuryanto Bakhtiar Dzaky Anwar Zein Emy Nurchasanah Endah Tri Rahayu Fadli Dana Septiawan Fahmawati Nur Makrifah Fatah Yasin Al Irsyadi fatmawati, Eka Fatmawati Fitria Widya Astari gunanto, ari Gunawan Ariyanto Haikal Ahkam Purliano Hanifa Salsabila Harsanto, Malika Heru Supriyono Ikhwan Caesar Amri Pradana Ikhwan Muhsinin, Yahya Imam Mujahid Inandra Asha Fardhana Irianto, Ade Gilang Hendra Istiqomah Khoirun Nisa Lawton, Megan Mahendra, Farhan Ihza Makrifah, Fahmawati Nur Martatiani Muyasaroh, Siti Mawsally, Dita Aluf Melani, Tyas Minsih Mufa’adhi, Aziz Muhammad Vicky Al Hasri Mulyana, Afrizal Meka Nuqisari, Rina Nurchasanah, Emy Nurgiyatna Pasha Bhimasty Pradana, Alfi Dimar Pramesti, Regita Cahya Pungky Ary Wibowo Purliano, Haikal Ahkam Rafiqa Maharani Putri Siregar Regita Cahya Pramesti Rina Nuqisari Ruswa Darsono Saifur Robbi, Royan Sam'an Alghozy Sang Aji Indutoro Saputra, Ardhiyatama Nur Sari, Anggun Yunita Sarnila Sari Saputri Septiawan, Fadli Dana Siti Laila Sholihah Siti Martatiani Muyasaroh Sutrisno, Iwan Umi Fadlilah Ustia, Nurul Wibowo, Pungky Ary Windi Saputri Y. A. Hafiz Yanuarta, Azis Bisma Yoga Yogatama Dwi Prasetya Zahra Nurbana, Khadijah Zaki Satria Prayoga