<![CDATA[Proses akurasi dalam menentukan peramalan permintaan barang (demand forecasting) menjadi hal yang sangat penting, terutama dalam elemen manajemen supply chain, khususnya pada sistem operasional gudang guna meminimalisir tingkat kesalahan dalam pengiriman dan ketidaksesuaian stok barang. Penelitian ini bertujuan untuk melihat tingkat akurasi model Transformer dalam memprediksi permintaan barang di gudang. Sebagai bahan perbandingan, hasil akurasi model ini akan dibandingkan dengan metode konvensional seperti Moving Average dan ARIMA. Metode penelitian yang digunakan bersifat kuantitatif dengan pendekatan eksperimen, menggunakan data simulasi yang mencerminkan pola permintaan gudang (tren, musiman, dan noise). Hasil penelitian yang dilakukan menunjukkan bahwa model Transformer memiliki tingkat akurasi yang lebih tinggi dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 9.12%, dibandingkan dengan ARIMA (15.87%) dan Moving Average (20.34%). Berdasarkan hasil temuan ini, model Transformer mampu menangkap pola kompleks dalam data time series dan berpotensi meningkatkan efisiensi operasional gudang serta mengurangi risiko kesalahan distribusi.]]>
Copyrights © 2026
