Journal of Software Engineering And Technology
Vol 1, No 1 (2021): SEAT: Journal of Software Engineering And Technology

PERBANDINGAN METODE DEEP LEARNING RECURRENT NEURAL NETWORKS , ARIMA DAN HOLT-WINTERS EXPONENTIAL SMOOTHING DALAM PREDIKSI POLA TRANSAKSI PELANGGAN

Muhamad Brilliant (Institut Teknologi dan Bisnis Diniyyah Lampung)
Iis Ariska Nurhasanah (INSTIDLA)
Herlini Oktaria (INSTIDLA)



Article Info

Publish Date
31 Jan 2021

Abstract

PT Andesit Lumbung Sejahtera yang bergerak di bidang pertambangan dan pengolahan batu andesit, berkomitmen untuk menyokong baik perusahaan milik Negara maupun swasta, dengan menyediakan material berkualitas dan siap pakai bagi kebutuhan pembangunan di Sumatera bagian Selatan, khususnya Lampung. Sebagai perusahaan penghasil batu andesit yang sudah dikenal dan memiliki banyak pelanggan, PT Andesit Lumbung Sejahtera harus selalu berupaya melakukan yang terbaik agar posisinya dapat eksis dalam rangka membantu pembangunan infrastruktur di Lampung. Perusahaan harus melakukan perencanaan di segala bidang, salah satunya adalah bidang penjualan dengan menyusun rencana penjualan. Peramalan penjualan bertujuan untuk memperkirakan penjualan di masa yang akan datang pada periode tertentu. Dalam rangka meramalkan jumlah pelanggan akan pada PT.Andesit Lumbung Sejahtera, akan dibandingkan dua metode peramalan, yaitu Recurrent Neural Networks, Autoregressive Integrated Moving Average (ARIMA) dan Holt-Winters Exponential Smoothing . Metode Winter’s Exponential Smoothing digunakan ketika data menunjukkan pola trend dan musiman. Dari tiga metode yang diuji berdasarkan nilai kesalahan terkecil MSE, metode Reccurent Neural Network merupakan metode peramalan terbaik karena metode tersebut menghasilkan nilai MSE terkecil dibandingkan dengan metode lainnya, yaitu sebesar 114. Nilai MSE dipilih nilai terkecil dikarenakan semakin kecil nilai MSE nilai ramalan (prediksi) semakin mendekati nilai aktualnya. Jika dilihat dari nilai MAPE metode peramalan Reccurent Neural Network memiliki nilai MAPE 0,289 yang berarti memiliki nilai bias sangat kecil.

Copyrights © 2021






Journal Info

Abbrev

seat

Publisher

Subject

Computer Science & IT

Description

Journal of Software Engineering And Technology. The study area of this journal is Software Engineering; Sound, Image and Video Processing; Machine Learning, Artificial Intelligence, and Soft Computing; Big Data; Network and System; Computer Science and Information Systems; Internet of things. All ...