PERBANDINGAN METODE RECURRENT NEURAL NETWORK (RNN) DAN LONG SHORT TERM MEMORY (LSTM) PADA PREDIKSI PENJUALAN PRODUK COFFEE Stusi Kasus : Dobbro Coffee

Yoggy Ilman, Iskandar (2024) PERBANDINGAN METODE RECURRENT NEURAL NETWORK (RNN) DAN LONG SHORT TERM MEMORY (LSTM) PADA PREDIKSI PENJUALAN PRODUK COFFEE Stusi Kasus : Dobbro Coffee. Other thesis, UNSADA.

	Text COVER.pdf Download (900kB)
	Text BAB 1.pdf Download (616kB)
	Text BAB 2.pdf Download (756kB)
	Text BAB 3.pdf Restricted to Registered users only Download (733kB)
	Text BAB 4.pdf Restricted to Registered users only Download (796kB)
	Text BAB 5.pdf Download (487kB)
	Text DAFTAR PUSTAKA.pdf Download (499kB)
	Text LAMPIRAN.pdf Download (709kB)
	Text HASIL TURNITIN.pdf Download (642kB)
	Text SUKET TURNITIN.pdf Restricted to Registered users only Download (644kB)

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja metode Recurrent Neural Network (RNN) dan Long Short Term Memory (LSTM) dalam memprediksi penjualan produk kopi. Prediksi penjualan merupakan salah satu aspek penting dalam strategi bisnis yang dapat membantu perusahaan dalam mengatur stok, merencanakan produksi, dan mengoptimalkan pemasaran. Dataset yang digunakan dalam penelitian ini terdiri dari data penjualan produk kopi harian selama periode tertentu. Hasil penelitian menunjukkan bahwa metode LSTM memiliki kinerja yang lebih baik dibandingkan dengan RNN dalam hal akurasi prediksi penjualan produk kopi. LSTM mampu menangkap pola-pola kompleks dalam data penjualan yang tidak dapat ditangani dengan baik oleh RNN. Meskipun waktu pelatihan LSTM lebih lama dibandingkan dengan RNN, peningkatan akurasi yang diperoleh membuat LSTM menjadi pilihan yang lebih efektif untuk prediksi penjualan produk kopi. Penelitian lebih lanjut dapat dilakukan dengan menggabungkan LSTM dengan teknik lain seperti Attention Mechanism untuk meningkatkan kinerja prediksi lebih lanjut.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing Bagus Tri Mahardika,M.Kom
Uncontrolled Keywords:	Prediksi Penjualan, Recurrent Neural Network, Long Short Term Memory, Website
Subjects:	000 Generalities/Karya Umum > 005.3 Programs/ Program
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	26 Sep 2025 03:46
Last Modified:	26 Sep 2025 03:46
URI:	http://repository.unsada.ac.id/id/eprint/8990

Actions (login required)

View Item