Model Prediksi Data Besar Distribusi Produk Farmasi: Analisis Kinerja Model Deep Learning

Faisal Fadli, Saib Suwilo, Muhammad Zarlis

Sari


Seiring dengan berjalannya bisnis perusahaan, masalah dalam penyimpanan dan pengolahan data besar pun akan semakin kompleks. data yang tidak terorganisir dapat menyebabkan perusahaan gagal dalam memaksimalkan strategi penjualan. Salah satu pendekatan untuk memaksimalkan strategi penjualan tersebut adalah dengan peramalan.penelitian ini bertujuan  untuk mengurangi tingkat persediaan pelanggan jangka pendek dan membantu dalam menentukan target penjualan yang realistis di masa depan dengan mengusulkan metode pembelajaran mendalam berdasarkan segmentasi pelanggan. Kerangka analisa diusulkan menggunakan teknik Robust Principal Component Analysis (RPCA) untuk mengurangi dimensi kumpulan dataset, kemudian algoritma K-Means Clustering diterapkan untuk mengidentifikasi kelompok populasi guna melihat beberapa kluster yang dapat sangat mewakili karakteristik basis pelanggan perusahaan yang ada. Terakhir lapisan CNN dan LSTM digabungkan untuk memperkirakan penjualan masa depan. Hasil peramalan dievaluasi menggunakan Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Pendekatan yang diusulkan guna mengisi celah masalah yang terjadi karena kurangnya informasi mengenai kurangnya informasi tentang kinerja bisnis dalam hal kategorisasi produk.


Kata Kunci


Robust Principal Component Analysis (RPCA); K-Means Clustering; CNN; LSTM; Mean Absolute Error (MAE); Root Mean Square Error (RMSE)

Teks Lengkap:

PDF


DOI: http://dx.doi.org/10.22303/csrid.14.1.2021.79-91

Refbacks

  • Saat ini tidak ada refbacks.

Komentar di artikel ini

Lihat semua komentar


##submission.copyrightStatement##

##submission.license.cc.by4.footer##

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License

CSRID Journal Editor's Office:

Universitas Potensi Utama. Jl. K.L. Yos Sudarso Km 6,5 No.3-A Telp. (061) 6640525 Ext. 214 Tanjung Mulia Medan 20241