Claim Missing Document
Check
Articles

Found 2 Documents
Search

Prophet–LightGBM Hybrid Model Implementation in Cafe Menu Sales Prediction: Implementasi Model Hybrid Prophet–LightGBM dalam Prediksi Penjualan Menu Kafe Erik evranata Pardede; Fetty Tri Anggraeny; Achmad Junaidi
JATI EMAS (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat) Vol. 9 No. 4 (2025): Jati Emas (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat)
Publisher : DPD Jatim Perkumpulan Dosen Indonesia Semesta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

This study aims to improve the accuracy of sales forecasting for cafe menu items through the development of a hybrid model that combines the Facebook Prophet and LightGBM algorithms. This hybrid model is designed to leverage the strengths of Prophet in detecting seasonal patterns and trends, as well as the ability of LightGBM to learn from residuals that are not captured by Prophet. The dataset used is sourced from Kaggle, containing cafe menu sales data, which includes information about the menu items, the quantity sold, and the transaction dates. Model evaluation was conducted using MAE (Mean Absolute Error), MAPE (Mean Absolute Percentage Error), and RMSE (Root Mean Squared Error) metrics. According to the results, the hybrid model shows significant improvement in forecasting accuracy, with MAPE of 5.83% for one menu item (cake), MAE of 0.84, and RMSE of 0.99, indicating better accuracy compared to the single models. This study is expected to provide valuable contributions to more efficient stock management and the development of more targeted marketing strategies for the cafe industry.
Implementasi Teknik Pengolahan Citra Digital untuk Deteksi Objek dari Latar Belakang Kompleks Abdillah Faruqul Adhim; Alfian Bima Prastyo; Bagas Maulana Akbar; Erik Evranata Pardede; Fetty Tri Angrraeny
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 7 No. 1 (2025): Jurnal Ilmiah Teknologi Informasi dan Robotika
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v7i1.161

Abstract

Pengolahan citra digital merupakan salah satu teknologi penting untuk mendeteksi objek secara otomatis dari latar belakang kompleks, yang banyak digunakan dalam berbagai bidang, termasuk industri dan penelitian. Dalam proyek ini, metode deteksi objek dikembangkan berdasarkan pengolahan warna dan deteksi bentuk, dengan fokus pada objek berbentuk lingkaran seperti buah mangga. Tahapan utama meliputi pengolahan warna RGB untuk menghilangkan objek yang tidak relevan, konversi citra ke skala abu-abu untuk penyaringan lebih lanjut, dan transformasi Hough melingkar (Circular Hough Transform, CHT) untuk mendeteksi pola lingkaran. Studi ini menunjukkan bahwa teknik pengolahan warna efektif dalam mengidentifikasi objek dalam kondisi pencahayaan statis, sedangkan metode deteksi bentuk menggunakan CHT lebih andal untuk menangani variasi warna dan latar belakang kompleks. Hasil pengujian menunjukkan tingkat keberhasilan yang bervariasi, tergantung pada intensitas cahaya dan tingkat kebisingan citra. Kendala utama yang dihadapi adalah ketidakkonsistenan pencahayaan dan deteksi objek yang saling tumpang tindih. Secara keseluruhan, metode ini memberikan pendekatan yang menjanjikan untuk deteksi objek secara otomatis dan dapat diterapkan pada skenario lain dengan penyesuaian yang sesuai.