IMPLEMENTASI ALGORITMA MACHINE LEARNING UNTUK PREDIKSI PENJUALAN CROISSANT PADA CAFE RETAWUDELI BERBASIS HISTORI PENJUALAN TIME SERIES

Sari

Dalam era digital yang berkembang pesat, pemanfaatan teknologi informasi untuk meningkatkan efisiensi bisnis menjadi krusial. Penelitian ini menerapkan algoritma machine learning berbasis analisis deret waktu, yaitu ARIMA (Autoregressive Integrated Moving Average) dan LSTM (Long Short-Term Memory), untuk memprediksi penjualan croissant di Retawu Deli. Data penjualan harian croissant dari Oktober 2022 hingga Mei 2024 digunakan untuk mengidentifikasi pola dan tren penjualan. ARIMA dipilih untuk kemampuannya dalam menangkap pola musiman jangka pendek, sementara LSTM dipilih untuk mengatasi kompleksitas data deret waktu yang panjang.Hasil penelitian menunjukkan bahwa LSTM secara konsisten memberikan prediksi yang lebih akurat dibandingkan ARIMA, dengan nilai RMSE (Root Mean Squared Error) sebesar 40.73 untuk LSTM dan 157.59 untuk ARIMA. Evaluasi juga menunjukkan bahwa LSTM lebih efektif dalam memprediksi variasi penjualan berbagai jenis croissant, seperti Banana Choco dan Almond yang ditemukan sebagai jenis croissant paling stabil berdasarkan analisis.Prediksi satu tahun ke depan menunjukkan bahwa kedua model cenderung stabil dalam memprediksi tren jangka panjang, meskipun mungkin kurang mampu menangkap variasi jangka panjang dengan baik. Pengujian untuk satu bulan ke depan menunjukkan bahwa LSTM mampu menangkap tren penjualan dengan lebih baik dibandingkan ARIMA, terutama dalam memprediksi penjualan yang lebih tinggi untuk jenis croissant tertentu.Penemuan ini memberikan wawasan penting bagi Retawu Deli dalam merencanakan strategi pemasaran dan manajemen persediaan, menunjukkan bahwa penerapan LSTM dalam analisis deret waktu dapat meningkatkan akurasi dan relevansi prediksi penjualan dalam konteks retail.Kata Kunci— Machine Learning, Analisis Deret Waktu, Prediksi Penjualan, ARIMA, LSTM, Retawu Deli, Croissant, RMSE