ANALISA DAN IMPLEMENTASI LONG SHORT-TERM MEMORY (LSTM) DALAM KEBUTUHAN PERSEDIAAN BARANG DI PT. GUNUNG SARI INDONESIA

Abstract

PT. Gunung Sari Indonesia menghadapi tantangan dalam menjaga keseimbangan stok agar tidak terjadi kelebihan atau kekurangan persediaan. Penelitian ini bertujuan memprediksi kebutuhan stok menggunakan metode Long Short-Term Memory (LSTM) dan membandingkannya dengan Moving Average (MA). Data penjualan Januari 2023–Desember 2024 dianalisis melalui tahapan preprocessing, pelatihan model, dan evaluasi menggunakan Mean Absolute Deviation (MAD), Mean Squared Error (MSE), dan Mean Absolute Percentage Error (MAPE). Hasil menunjukkan bahwa LSTM lebih akurat menangkap pola fluktuatif dan tren jangka panjang, sedangkan Moving Average lebih sesuai untuk pola penjualan stabil. Pendekatan ini diharapkan membantu perusahaan meningkatkan efisiensi pengelolaan persediaan dan mendukung keputusan berbasis data.