Detail Cantuman

Pengelolaan item menu secara optimal merupakan salah satu tantangan signifikan bagi Usaha Mikro, Kecil dan Menengah (UMKM) di industri kuliner. Permintaan item menu memiliki tingkat perubahan yang tinggi menyebabkan ketidakakuratan dalam prediksi, membuat kerugian akibat kelebihan stok atau hilangnya penjualan karena kekurangan item menu dan juga waktu pelayanan yang buruk akibat item menu belum siap saji. Tujuan dari penelitian ini adalah untuk mengevaluasi kinerja algoritma Prophet dalam memodelkan pola permintaan yang bersifat dan menangkap variasi pada setiap periode waktu. Penelitian ini menggunakan metode Prophet, yang memiliki fleksibilitas dalam menangani pola periodik atau berulang, mampu mempertimbangkan hari libur dan kejadian eksternal seperti hari libur atau promosi, serta menyediakan fitur penyesuaian parameter untuk mengatur sensitivitas model terhadap perubahan data. Model ini diterapkan untuk mengurangi tingkat kesalahan antara prediksi kebutuhan item menu dengan kondisi aktual di lapangan, serta membantu menentukan kebutuhan item menu harian pada setiap periode waktu makan (breakfast, lunch, dan dinner). Hasil penelitian menunjukkan bahwa bakso kecil sebagai item menu dengan tingkat permintaan tertinggi di outlet Cianjur menghasilkan prediksi dengan rata-rata nilai MAPE sebesar 11.26% pada breakfast, 17.36% pada lunch, dan 16.51% pada dinner. Sebaliknya, bakso balung di outlet Arcamanik yang memiliki tingkat permintaan rendah, menunjukkan prediksi yang tidak dapat menggambarkan nilai aktual dengan rata-rata nilai MAPE sebesar 100% pada breakfast, 43% pada lunch, dan 58% pada dinner.

Optimal menu item management is a significant challenge for Micro, Small, and Medium Enterprises (MSMEs) in the culinary industry. Demand for menu items has a high rate of change, causing inaccurate predictions, resulting in losses due to overstocking or lost sales due to raw material shortages and also poor service times due to menu items not being ready to serve. The purpose of this study is to evaluate the performance of the Prophet algorithm in modeling demand patterns that are characteristic and capture variations in each time period.. This study uses the Prophet method, which has the flexibility to handle periodic or recurring patterns, is able to consider holidays and external events such as holidays or promotions, and provides a parameter adjustment feature to adjust the model's sensitivity to data changes. This model is applied to reduce the error rate between predicted menu item needs and actual conditions in the field, and helps determine daily raw material requirements for each meal period (breakfast, lunch, and dinner). The results show that small meatballs as the menu item with the highest demand at the Cianjur outlet produce predictions with an average MAPE value of 11.26% for breakfast, 17.36% for lunch, and 16.51% for dinner. In contrast, meatballs at the Arcamanik outlet, which have a low demand level, show predictions that cannot reflect the actual value with an average MAPE value of 100% at breakfast, 43% at lunch, and 58% at dinner.