PREDIKSI KEBUTUHAN STOK BAHAN BAKAR PADA SPBU DENGAN ALGORITMA RECURRENT NEURAL NETWORK (RNN)

Abstract

Kebutuhan bahan bakar pada Stasiun Pengisian Bahan Bakar Umum (SPBU) cenderung mengalami fluktuasi yang dipengaruhi oleh faktor waktu, pola konsumsi masyarakat, dan tren permintaan. Perencanaan persediaan yang tepat menjadi penting untuk menghindari kekurangan maupun kelebihan stok. Penelitian ini bertujuan untuk membangun sistem informasi prediksi kebutuhan bahan bakar menggunakan algoritma Recurrent Neural Network (RNN) yang mampu memproses data historis penjualan bahan bakar untuk menghasilkan prediksi yang akurat. Data yang digunakan berasal dari catatan penjualan harian SPBU Letda Sujono, yang diolah melalui tahapan normalisasi, pembentukan data sequence, pelatihan model, serta evaluasi kinerja prediksi. Hasil penelitian menunjukkan bahwa sistem ini dapat memberikan estimasi kebutuhan bahan bakar untuk periode berikutnya dengan tingkat akurasi yang baik. Implementasi sistem ini diharapkan dapat membantu pihak SPBU dalam merencanakan distribusi bahan bakar secara lebih efektif dan efisien.