SKRIPSI DIGITAL
Perbandingan Model ARIMA, LSTM, dan LightGBM untuk Prediksi Pengeluaran Mingguan Kafe = Comparison of ARIMA, LSTM, and LightGBM Models for Cafe Weekly Expenditure Prediction
Kannaz ‘Izzul Fatwa, "Perbandingan Model ARIMA, LSTM, dan LightGBM untuk Prediksi Pengeluaran Mingguan Kafe", Skripsi DIV Jurusan Teknik Elektro Politeknik Negeri Semarang, di bawah bimbingan Nurseno Bayu Aji, S.Kom., M.Kom. dan Suko Tyas Pernanda , M.Cs., Agustus 2025.
Penelitian ini membahas implementasi machine learning dan pengembangan aplikasi manajemen stok berbasis web untuk memprediksi pengeluaran harian kafe secara akurat. Sistem dirancang dengan arsitektur frontend React dan Tailwind CSS serta backend Django, mendukung alur manajemen dari pencatatan bahan baku, pembuatan resep, pengelolaan produk, hingga kasir. Mekanisme integrasi memungkinkan pengurangan stok bahan baku secara otomatis setiap kali produk terjual sesuai takaran pada resep. Analisis prediktif dilakukan dengan membandingkan tiga metode, yaitu ARIMA, LSTM, dan LightGBM. Hasil evaluasi menunjukkan LightGBM unggul signifikan dengan MAE 0.0039, MSE 0.0001, RMSE 0.0118, dan R² 0.8541 pada skala 0–1, yang merepresentasikan prediksi sangat mendekati data aktual. Penerapan metode ini tidak hanya meningkatkan efisiensi manajemen stok, tetapi juga memberikan dukungan keputusan yang lebih tepat dalam perencanaan pembelian bahan baku.
Kata Kunci: Machine Learning, LightGBM, LSTM, ARIMA, Prediksi Pengeluaran Harian, Manajemen Stok, Sistem Kasir.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah