<![CDATA[Abstrak—PT XYZ merupakan perusahaan garmen yang telah beroperasi selama 14 tahun, memproduksi produk celana berbahan jeans/denim dan katun/chinos. Saat ini, PT XYZ hanya memprediksi jumlah permintaan berdasarkan jumlah permintaan periode sebelumnya, yang mengakibatkan adanya kesalahan peramalan yang besar, terutama pada produk celana merk OXN yang memiliki jumlah permintaan sebesar 67,19% dari total permintaan. Kesalahan permintaan pada produk OXN ini mencapai 22%. Untuk mengatasi masalah tersebut, penelitian ini menggunakan metode Artificial Neural Network (ANN) untuk melakukan peramalan permintaan periode berikutnya. Model ANN yang dirancang memiliki 5 hidden layer dengan masing-masing layer 5 node, menggunakan fungsi aktivasi ReLU pada hidden layer dan sigmoid pada output layer. Hasil evaluasi ini menunjukkan bahwa metode ANN secara signifikan mengurangi kesalahan peramalan. Nilai Mean Absolute Error (MAE) sebesar 0,03504 dan Root Mean Square Error (RMSE) sebesar 0,07797. Mean Absolute Percentage Error (MAPE) pada metode ANN menurun dari 22% menjadi 8%, memperlihatkan penurunan sebesar 14%. Selain itu, nilai Mean Square Error (MSE) pada metode eksisting adalah 1.021.013, sedangkan pada metode ANN turun menjadi 643.238, menunjukkan kemampuan metode ANN dalam mengurangi kesalahan prediksi cukup baik. Kata kunci— Peramalan Permintaan, Artificial Neural Network (ANN), Industri Garmen, PT XYZ.nci— Peramalan Permintaan, Artificial Neural Network (ANN), Industri Garmen, PT XYZ.]]>
Copyrights © 2025
