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.
