Implementasi Machine Learning Dalam Memprediksi Permintaan Model Business To Business Dengan Menggunakan Algoritma Autoregressive Integrated Moving Average (Arima) Dan Long Short Term Memory (Lstm) Guna Mengurangi Food Waste (Studi Kasus : Pt Tanihub Indonesia)

Abstract

Food waste merupakan pangan yang terbuang pada tahap distribusi dan retail, serta konsumsi. PT TaniHub Indonesia merupakan perusahaan berbasis startup yang bergerak di bidang agroteknologi yang berfokus dalam penjualan hasil tani kepada customer. Permasalahan food waste sering sekali terjadi di PT TaniHub Indonesia terkhususnya untuk perishable product. Hal ini dikarenakan tidak adanya jumlah permintaan stok produk hanya didasari intuisi commercial specialist. Pada penelitian ini akan melakukan pemodelan prediksi pada sektor business to business dengan menggunakan ARIMA dan LSTM yang akan diproses menggunakan bahasa pemrograman Python. Pengujian tingkat error akan dilakukan menggunakan Root Mean Squared Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil pemodelan menunjukkan bahwa performa metode LSTM memiliki akurasi yang lebih tinggi dengan nilai RMSE lebih kecil dibandingkan ARIMA yaitu 358.633 sedangkan untuk hasil peramalan memiliki nilai rata-rata MAPE 20% yang dinilai memiliki hasil akurasi yang baik.