Penerapan Algoritma CNN - LSTM Untuk Memprediksi Produksi Shampo Pada PT XYZ

Yohan Tri Sucandra (Teknik Informatika, Fakultas Ilmu Komputer Universitas Esa Unggul, Jakarta, Indonesia)
Agung Mulyo Widodo (Teknik Informatika, Fakultas Ilmu Komputer Universitas Esa Unggul, Jakarta, Indonesia)

Journal of Scientech Research and Development
Vol 7 No 2 (2025): JSRD, December 2025

Tujuan dari kajian ini untuk untuk menghasilkan model prediksi jumlah produksi sampo secara akurat dengan menerapkan algoritma CNN-LSTM (Convolutional Neural Network – Long Short-Term Memory). Model ini diharapkan dapat membantu PT XYZ dalam mengatasi ketidakpastian permintaan dan menyusun perencanaan produksi serta pengadaan bahan baku secara lebih efisien dan tepat waktu. Data produksi bulanan dari tahun 2021 hingga 2024 digunakan sebagai data latih, sementara data Januari hingga April 2025 digunakan sebagai data uji. Dataset disusun dalam format time series multivariat berdasarkan hasil pengolahan data produksi dan struktur Bill of Materials (BOM). Proses pemodelan dilakukan melalui normalisasi data, pembentukan window time series, dan pelatihan model CNN-LSTM. Evaluasi model dilakukan dengan menggunakan metrik MAE, MSE, RMSE, dan MAPE. Hasil evaluasi menunjukkan bahwa model CNN-LSTM yang dibangun memiliki performa yang cukup baik dengan nilai MAE sebesar 22.5282, MSE sebesar 14385.8333, RMSE sebesar 119.9410, dan MAPE sebesar 22.10%. Dengan demikian, model ini layak digunakan untuk mendukung perencanaan produksi pada industri manufaktur sampo.