Prediksi Penjualan Supermarket Menggunakan Pendekatan Deep Learning

Berdasarkan data transaksi tahun 2014 sampai 2016 dari salah satu supermarket yang ada di Taiwan, penulis menghasilkan analisa model prediksi dengan menguji data menggunakan metode Deep Learning. Beberapa faktor yang berpengaruh telah di dipelajari dan berguna untuk input prediksi, antara lain keadaan cuacu, diskon, hari raya, dan lain sebagainya. Motivasi utama dari penelitian yang penulis lakukan adalah menggunakan teknologi yang berhubungan dengan eksplorasi data untuk memprediksikan penjualan dari produk-produk dan waktu berkunjung pelangan dalam industry retail, untuk mencari grup target yang tepat dan korelasi produk yang tinggi. Pada akhirnya penulis menciptakan sistem keputusan produk yang berisi analisa visual dan tindakan saran untuk manajer produk pemasaran serta pemangku kepentingan dalam pemasaran produk. Dengan adanya hasil prediksi ini, diharapkan dapat menbantu manajer atau pemangku kepentingan lainnya untuk dapat memasarkan serta menjual produk secara tepat sehingga dapat menghasilkan keuntungan yang banyak dengan menggunkan analisa prediksi yang kami buat. LSTM merupakan model yang sering dipakai dalam Recursive Neural Network (RNN), dan pada dasarnya berfungsi untuk memecahkan masalah dari Time Series. Model Deep Learning yang penulis gunakan adalah Long Short Term Memory (LSTM), dimana model ini menyediakan analisa dan prediksi dari serangkaian data. Sebagai contoh, pada saat akhir pekan pengunjungnya melonjat, maka time machine learning ini akan menambahkan pengartian dari nilai parameter akhir pekan dan nilai ouputnya memiliki korelasi yang kuat.Kata kunci—Predictions, Time Series, LSTM, RNN, Deep Learning