PENERAPAN MACHINE LEARNING (MODEL PROPHET) DALAM PREDIKSI PERMINTAAN PRODUK UNTUK MENGOPTIMALKAN INVENTORI

Abstract

Penelitian ini bertujuan untuk meningkatkan akurasi prediksi permintaan produk frozen food Perusahaan Dua Bunda guna mengoptimalkan manajemen inventori. Penelitian ini menggunakan pendekatan kuantitatif dengan analisis deret waktu dan menerapkan model machine learning Prophet. Data permintaan mingguan dari Januari 2022 hingga Desember 2023 (dengan jumlah total104 data) dianalisis dengan menggunakan teknik analisis deskriptif untuk mengidentifikasi pola musiman dan tren yang mendasari.Analisis deskriptif menunjukkan adanya pola musiman yang kuat pada data permintaan, yang dipengaruhi oleh faktor-faktor seperti hari raya dan musim. Berdasarkan temuan ini, model Prophet, yang dirancang khusus untuk data deret waktu dengan komponen tren, musiman, dan hari libur, dipilih untuk melakukan prediksi. Model ini diimplementasikan menggunakan bahasa pemrograman Python.Hasil evaluasi model menunjukkan nilai MAE 2.35 unit, MSE 8.75 unit, RMSE 2.96 unit, dan MAPE 3.21%, mengindikasikan tingkat akurasi yang relatif baik. Meskipun terdapat sedikit perbedaan prediksi akibat pergeseran hari raya Lebaran 2024, model Prophet mampu menangkap pola permintaan secara umum dan memberikan hasil prediksi yang reliabel. Dengan demikian, model Prophet dapat menjadi alat yang efektif untuk mendukung pengambilan keputusan terkait perencanaan produksi dan pengelolaan inventori pada Perusahaan Dua Bunda.