OPTIMASI PERAMALAN PENJUALAN MENU CAFE MENGGUNAKAN MODEL HYBRID FACEBOOK PROPHET DAN LIGHTGBM

Pardede, Erik Evranata (2025) OPTIMASI PERAMALAN PENJUALAN MENU CAFE MENGGUNAKAN MODEL HYBRID FACEBOOK PROPHET DAN LIGHTGBM. Undergraduate thesis, UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN" JAWA TIMUR.

	Text (COVER) 21081010114_COVER.pdf Download (2MB)
	Text (BAB 1) 21081010114_BAB 1.pdf Download (130kB)
	Text (BAB 2) 21081010114_BAB 2.pdf Restricted to Registered users only until 15 September 2028. Download (366kB)
	Text (BAB 3) 21081010114_BAB 3.pdf Restricted to Registered users only until 15 September 2028. Download (630kB)
	Text (BAB 4) 21081010114_BAB 4.pdf Restricted to Registered users only until 15 September 2028. Download (1MB)
	Text (BAB 5) 21081010114_BAB 5.pdf Download (80kB)
	Text (DAFTAR PUSTAKA) 21081010114_DAFPUS.pdf Download (383kB)
	Text (LAMPIRAN) 21081010114_LAMPIRAN.pdf Restricted to Registered users only until 15 September 2028. Download (195kB)

Abstract

Industri kafe berkembang pesat, dengan tantangan utama berupa ketidakpastian permintaan pelanggan. Ketidakpastian ini dapat menyebabkan kekurangan stok (understocking) maupun kelebihan stok (overstocking), yang berdampak pada berkurangnya kepuasan pelanggan serta kerugian finansial. Untuk mengatasi hal tersebut, sistem peramalan penjualan yang akurat diperlukan guna mengoptimalkan perencanaan operasional, pengelolaan stok, serta strategi pemasaran. Penelitian ini bertujuan mengembangkan model hybrid yang mampu meningkatkan akurasi prediksi penjualan menu kafe dengan menggabungkan algoritma Facebook Prophet dan Light Gradient Boosting Machine (LightGBM). Prophet digunakan untuk menangkap pola musiman dan tren jangka panjang pada data deret waktu, sementara LightGBM digunakan untuk memodelkan residual Prophet dan menemukan hubungan antar variabel yang lebih kompleks. Dataset yang digunakan terdiri dari lebih dari 10 ribu transaksi penjualan kafe yang diperoleh dari platform Kaggle. Proses penelitian meliputi pembersihan data, transformasi, agregasi harian, pembagian dataset dengan rasio 80:10:10 dan 70:15:15, serta optimasi hyperparameter menggunakan Grid Search. Hasil dari Grid Search menunjukkan bahwa kombinasi parameter learning rate = 0.1, max depth = 3, num leaves = 20, dan n_estimators = 200 memberikan performa terbaik dalam meningkatkan akurasi model. Pengujian model dengan menggunakan cross-validation dan metrik evaluasi MAE, RMSE, dan MAPE menunjukkan bahwa model hibrida ini dapat menghasilkan prediksi penjualan yang lebih stabil dan akurat. Pada menu Cake, misalnya, model hibrida menghasilkan MAE sebesar 0.84, RMSE sebesar 0.99, dan MAPE 5.83%, jauh lebih baik dibandingkan Prophet tunggal yang memperoleh MAE 4.10, RMSE 5.18, dan MAPE 29.86%. Selain itu, hasil penelitian juga menunjukkan bahwa skenario pembagian dataset 80:10:10 memberikan performa terbaik dibandingkan dengan 70:15:15., Hasil penelitian ini membuktikan bahwa penggabungan Prophet dan LightGBM dalam kerangka hybrid model mampu meningkatkan performa prediksi penjualan menu kafe secara signifikan. Kata Kunci: Peramalan Penjualan, Deret Waktu, Facebook Prophet, LightGBM, Model Hybrid, Kafe.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Anggraeny, Fetty Tri	NIDN0711028201	fettyanggraeny.if@upnjatim.ac.id
Thesis advisor	Junaidi, Achmad	NIDN0710117803	achmadjunaidi.if@upnjatim.ac.id

Subjects:

Q Science > Q Science (General)

Divisions:

Faculty of Computer Science

Depositing User:

Erik Evranata Pardede

Date Deposited:

15 Sep 2025 06:12

Last Modified:

15 Sep 2025 06:12

URI:

https://repository.upnjatim.ac.id/id/eprint/43537