ABSTRAK

PENERAPAN METODE LONG SHORT TERM MEMORY RECURRENT NEURAL NETWORK UNTUK PERAMALAN TRANSAKSI PENJUALAN PADA MINIMARKET

 (Oleh : Patrick Josealdo R; Pembimbing :Fatma Indriani, S.T, M.IT dan MuhamMAD Itqan Mazdadi, M.Kom.; 2019; Halaman)

Penelitian ini bertujuan untuk mengetahui apakahdapat membangun suatu prediksi penjualan barang pada Lapan-Lapan Mart dengan menggunakan metode Long Short Term Memory Recurrent Neural Network yang dapat digunakan untuk meramalkan penjualan barang. Dalam penelitian ini, data tersebut diambil dari Lapan-Lapan Mart berjumalah data 10 barang yang berbeda yang terjual setiap harinya. Data tersebut kemudian disusun untuk tingkat penjualannya menjadi perminggu dan didapat sejumlah 52 data untuk setiap barangnya sehinggat total data berjumlah 520. Untuk mendapat bobot dalam perhitungan LSTM , terdapat dua proses yaitu forward dan backward. bobot tersebut akan digunakan untuk melakukan prediksi menggunakan rumus dasar dari LSTM. Berdasarkan penelitian yang telah dilakukan diketahui hasil akurasi menggunakan MAD (Mean Absolute Deviation) yang tertinggi adalah barang indomie rending 91 gr (11.61803507)dan daia lemon 1,8kg (2.077000464) untuk MAD terendah

Kata Kunci : Long Short Term Memory Recurrent Neural Network,Mean Absolute Deviation, Prediksi penjualan barang pada Lapan-lapan Mart.