Kurniawan, Febryo (2021) Penentuan Persediaan Bahan Baku Kertas pada Perusahaan Manufaktur Percetakan dengan Metode Long Short-Term Memory. Skripsi thesis, Universitas Tarumanagara.
Text
535170023_Febryo Kurniawan_01 Cover.pdf Download (119kB) |
|
Text
535170023_Febryo Kurniawan_02 Lembar Pengesahan.pdf Download (853kB) |
|
Text
535170023_Febryo Kurniawan_03 Lembar Pernyataan.pdf Download (139kB) |
|
Text
535170023_Febryo Kurniawan_04 Abstrak.pdf Download (233kB) |
|
Text
535170023_Febryo Kurniawan_05 Kata Pengantar.pdf Download (141kB) |
|
Text
535170023_Febryo Kurniawan_06 Daftar Isi, Tabel, Gambar, Lampiran.pdf Download (225kB) |
|
Text
535170023_Febryo Kurniawan_07 Bab 1.pdf Restricted to Registered users only Download (258kB) |
|
Text
535170023_Febryo Kurniawan_08 Bab 2.pdf Restricted to Registered users only Download (871kB) |
|
Text
535170023_Febryo Kurniawan_09 Bab 3.pdf Restricted to Registered users only Download (462kB) |
|
Text
535170023_Febryo Kurniawan_10 Bab 4.pdf Restricted to Registered users only Download (360kB) |
|
Text
535170023_Febryo Kurniawan_11 Bab 5.pdf Restricted to Registered users only Download (232kB) |
|
Text
535170023_Febryo Kurniawan_12 Daftar Pustaka.pdf Download (150kB) |
|
Text
535170023_Febryo Kurniawan_13 Lampiran.pdf Restricted to Registered users only Download (2MB) |
|
Text
535170023_Febryo Kurniawan_14 Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (145kB) |
Abstract
Bisnis manufaktur merupakan salah satu bisnis di Indonesia yang terus menunjukkan perkembangannya dari tahun ke tahun. Layaknya bisnis manufaktur pada umumnya, salah satu upaya penting yang dilakukan dalam bisnis percetakan adalah persediaan bahan baku kertas untuk memproduksi barang jadi. Tujuan dari perancangan ini adalah membuat peramalan bahan baku kertas perusahaan percetakan pada 7 jenis kertas yang berbeda sebanyak 269 data historis dengan interval mingguan dari Januari 2015 sampai Februari 2020 sebelum pandemi Covid19. Peramalan dilakukan menggunakan metode Long Short Term Memory yang merupakan salah satu pengembangan arsitektur RNN dengan bahasa pemrograman Python. Arsitektur model untuk pelatihan dan pengujian dilakukan menggunakan vanilla LSTM dengan single input, hidden dan output layer dengan konfigurasi 64 neuron pada hidden layer, 150 epoch, 12 batch size dan Optimizer Adam (lr = 0,0001) yang diulang 10 kali untuk hasil terbaik. Hasil pengujian menunjukkan window size terbaik dalam model untuk setiap bahan baku kertas berbeda dari 4 hingga 16. Semua model berhasil meramalkan data pengujian dengan rata-rata MAPE dari keseluruhan ramalan sebesar 21,48%.
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | Long Short Term Memory, Mean Absolute Percentage Error, Machine Learning, Peramalan, Percetakan |
Subjects: | Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi |
Divisions: | Fakultas Teknologi Informasi > Teknik Informatika |
Depositing User: | TDI Family perpus |
Date Deposited: | 05 May 2021 15:43 |
Last Modified: | 21 Aug 2021 03:24 |
URI: | http://repository.untar.ac.id/id/eprint/27974 |
Actions (login required)
View Item |