Analisis Prediksi Penjualan pada Data Walmart dengan Long Short-Term Memory (LSTM) Kel. 12

Anggota Kelompok 12 :

• Sarah Natalia Geraldine (121450022)
• Angelica Noviana (121450064)
• Afifah Syaharani (121450097)
• Muhammad Rendy (121450045)
• Ericson Chandra Sihombing (121450026)

Deskripsi Project

Project ini menggunakan model Long Short-Term Memory (LSTM) untuk memprediksi penjualan mingguan Walmart berdasarkan data historis dari 2010 hingga 2012. Model ini menangkap pola musiman dan tren penjualan dengan akurasi tinggi, dievaluasi menggunakan metrik RMSE, MAE, dan MAPE. Hasilnya menunjukkan bahwa LSTM efektif dalam membantu perusahaan merancang strategi bisnis berdasarkan prediksi penjualan yang akurat.

Dataset

Dataset yang digunakan dalam project ini dapat diakses melalui Walmart Sales Exploration Dataset di Kaggle.

Metrik Evaluasi

RMSE : 2152542.6967006368

MAE : 1808226.9340740752

MAPE : 3.80%