Perbandingan Metode Machine Learning Dalam Peramalan Kebutuhan Semen

Abstrak

PT. X adalah salah satu perusahaan penyedia beton ready mix untuk prasarana jalan beton. Pesanan beton yang masuk ke perusahaan hampir setiap hari dengan jumlah yang tidak tentu. Hal itu membuat perusahaan membutuhkan banyak semen sebagai bahan baku beton ready mix. Apabila semen yang disimpan di silo tidak cukup, maka perusahaan harus memesan dahulu semen curah ke perusahaan mitra yang tentunya membutuhkan waktu beberapa jam. Akibatnya pesanan pengguna dapat tertunda juga. Penelitian ini bertujuan untuk membandingkan hasil peramalan kebutuhan semen dari beberapa algoritma machine learning. Penelitian dimulai dari mengidentifikasi gejala masalah empiris dan studi literatur terkait penelitian – penelitian terkait metode peramalan dan peramalan kebutuhan semen. Selanjutnya dilakukan input data dan rekayasa data dimana variabel waktu dibagi menjadi beberapa feature, yaitu dayofweek, quarter, month, dayofyear, dayofmonth, dan weekofyear, dilakukan data scaling dan uji cross-validation. Beberapa algoritma machine learning digunakan untuk peramalan, antara lain Support Vector Regression, Linear Regression, Random Forest Regressor, Decision Tree Regressor, Ridge, Lasso, Elastic Net, Extreme Gradient Boosting (XGB), dan XGBRF. Diperoleh bahwa algoritma Ridge memiliki nilai kesalahan yang paling kecil diantara algoritma lainnya setelah dilakukan uji cross-validation dengan nilai RMSE masing – masing sebesar 0,153861, 0,171343, dan nilai MAE sebesar 0,114138.