"Model Ensemble Prediksi Penjualan di Ritel:Mengintegrasikan LSTM dan Regresi Linier untuk Layanan Prediksi Berbasis API [AJG]"

Abstract

Prediksi penjualan yang tidak akurat pada bisnis retail sering menyebabk-
an masalah overstock atau stockout yang merugikan. Penelitian ini bertujuan
mengembangkan model hybrid Long Short-Term Memory (LSTM) dan Line-
ar Regression untuk meningkatkan akurasi prediksi penjualan retail dengan
memanfaatkan kelebihan masing-masing algoritma. Solusi yang ditawarkan
berupa implementasi model sebagai layanan berbasis API yang terintegrasi
dengan sistem manajemen inventaris. Studi kasus akan menggunakan dataset penjualan aktual dari ritel fashion dengan variabel periode musiman, harga, dan promosi. Hipotesis awal menyatakan bahwa kombinasi LSTM (untuk pola temporal non-linear) dan Linear Regression (untuk hubungan variabel sederhana) dapat menghasilkan prediksi yang lebih akurat dibanding pendekatan tunggal. Implementasi API diharapkan mempermudah adopsi solusi di lingkungan bisnis nyata.