ANALISIS PERAMALAN DATA PENJUALAN OBAT GENERIK DENGAN METODE ARIMA, FACEBOOK’S PROPHET, DAN LONG-SHORT TERM MEMORY (LSTM)

PUSPITASARI, DEVI (2024) ANALISIS PERAMALAN DATA PENJUALAN OBAT GENERIK DENGAN METODE ARIMA, FACEBOOK’S PROPHET, DAN LONG-SHORT TERM MEMORY (LSTM). Other thesis, Universitas Bina Darma.

	Text (BAB 0) BAB 0.pdf Download (2MB)
	Text (BAB 1) BAB 1_11zon (4).pdf Download (426kB)
	Text (DAFTAR PUSTAKA) DP.pdf Download (686kB)
	Text (LAPORAN HASIL) LH.pdf Restricted to Repository staff only Download (5MB)
	Text (LAMPIRAN) L.pdf Download (1MB)

Abstract

Penelitian ini bermaksud untuk menganalisa metode time series forecasting terbaik yaitu Metode ARIMA, Facebook’s Prophet, dan Long-Short Term Memory (LSTM) dalam meramalkan penjualan obat generik dengan memanfaatkan data historis penjualan tahun 2022-2023 untuk meramalkan penjualan obat generik periode berikutnya yaitu periode bulan Januari sampai dengan Desember 2024. Hasil penelitian menunjukkan bahwa dengan menggunakan komposisi 75% (data bulan Januari 2022 – Juni 2023) sebagai data latih dan 25% (data bulan Juli – Desember 2023) sebagai data uji, didapatkan hasil evaluasi model dengan nilai error masing-masing model yaitu ARIMA senilai 2,700, LSTM 2,582, dan Facebook’s Prophet sebesar 2,007 hal ini dapat disimpulkan bahwa metode Facebook’s Prophet memiliki nilai error yang paling rendah dibandingkan metode lainnya sehingga dapat dikatakan bahwa model tersebut memiliki performa yang lebih baik, disusul oleh model LSTM dan ARIMA untuk kasus dataset penjualan obat generik yang digunakan pada penelitian ini. Facebook’s Prophet cenderung menunjukkan performa prediksi dengan baik pada data time series yang memiliki efek musiman atau adanya perubahan tren naik turun.

Actions (login required)

View Item