<![CDATA[Prediksi deret waktu dibutuhkan untuk menjawab pertanyaan bisnis dimasa depan yang akurat sehingga perlunya membangun model prediksi yang memiliki kinerja bagus. Pendekatan machine learning seperti long short term memory (LSTM) dan Prophet menjadi popular saat ini untuk pemodelan prediksi deret waktu. Agribisnis susu segar saat ini salah satu studi kasus yang memerlukan peranan teknologi informasi seperti bisnis intelijen untuk memastikan ketersediaan pasokan susu dimasa depan. Upaya pertama yang perlu dilakukan adalah menyiapkan model prediksi yang tepat meskipun data awal yang dikumpulkan masih sedikit atau terbatas. Dataset produksi susu sapi selama 300 hari menjadi data penelitian yang dimodelkan kedalam LSTM dan Prophet. Keduanya dibandingkan kinerjanya terhadapa data terbatas. Hasilnya uji koefisien determinasi R2 keduanya yaitu 0.2, sehingga perlu dilakukan peningkatan kinerja melalui tahapan revise and enhance. Hasilnya, kedua model meningkat nilai R2 menjadi 0.3 dan LSTM lebih baik dari Prophet. Meskipun demikian perbedaan keduanya tidak terlalu signifikan dan peningkatan juga tidak berbeda terlalu jauh karena data susu memiliki pola multi-periode dengan tren berbeda signifikan. Periode 90 hari pertama adalah masa klimaks laktasi sedangkan periode kedua setelah 90 hari adalah masa intervensi peternak menurunkan hasil perah untuk persiapakan ternak kambing perah ke masa kawin dan bunting.]]>
Copyrights © 2023
