<![CDATA[Kebutuhan masyarakat urban terhadap air minum isi ulang yang praktis mendorong PT. XYZ untuk mengoptimalkan distribusi mesin penjual air otomatis (water-vending machine) di wilayah Jakarta Barat. Prediksi penjualan harian menjadi penting dalam mendukung efisiensi operasional dan strategi penempatan mesin. Penelitian ini membandingkan performa dua algoritma hybrid berbasis deep learning, yaitu CNN–LSTM dan CNN–Prophet, dalam memprediksi volume penjualan harian. Data yang digunakan merupakan data historis transaksi periode 2022–2025 dengan lebih dari 40.000 baris data, mencakup informasi waktu dan volume air. Data diolah melalui proses agregasi, normalisasi, serta pemisahan data training dan testing. Evaluasi dilakukan menggunakan metrik MAE, MSE, RMSE, dan MAPE. Hasil menunjukkan CNN–LSTM menghasilkan MAE 706,42; MSE 629,42; RMSE 793,27; dan MAPE 20,13%. Sementara CNN–Prophet memperoleh MAE 453,20; MSE 346,58; RMSE 588,91; dan MAPE 14,37%. Berdasarkan hasil tersebut, CNN–Prophet memiliki performa lebih baik dengan tingkat kesalahan yang lebih rendah dan akurasi lebih tinggi. Secara keseluruhan, kedua model mampu memprediksi penjualan harian mesin water-vending dengan akurasi yang dapat diterima. Hasil ini dapat dijadikan dasar pengambilan keputusan berbasis data bagi PT. XYZ, seperti penjadwalan isi ulang air, pemeliharaan mesin, dan strategi distribusi.]]>
Copyrights © 2026
