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.
