Penerapan Model Neural Prophet Untuk Prediksi Kebutuhan Stok Bahan Baku Harian Dalam Sistem Manajemen Stok Barang (Studi Kasus Umkm Gyoza 234)

Penelitian ini membahas penerapan model Neural Prophet untuk memprediksi kebutuhan stok bahan baku harian pada UMKM Gyoza 234 sebagai upaya meningkatkan efektivitas manajemen persediaan. Permasalahan utama yang dihadapi UMKM adalah ketidakakuratan pencatatan stok manual, ketergantungan pada perkiraan intuitif, serta ketiadaan sistem prediksi berbasis data sehingga sering terjadi overstock maupun stock-out. Dalam penelitian ini dikembangkan sistem manajemen stok berbasis web yang terintegrasi dengan model Neural Prophet sebagai metode peramalan deret waktu (time series forecasting). Data yang digunakan adalah data historis penggunaan bahan baku dan penjualan harian pada UMKM Gyoza 234. Metodologi penelitian menggunakan pendekatan deskriptif analitis dengan teknik pengumpulan data melalui observasi, wawancara, dan dokumentasi. Proses pengembangan sistem mengadopsi metode Object Oriented Software Engineering (OOSE) dengan pemodelan UML. Model Neural Prophet digunakan untuk mempelajari pola tren, musiman, dan fluktuasi non-linear dalam data guna menghasilkan prediksi kebutuhan bahan baku harian yang lebih akurat. Evaluasi model dilakukan menggunakan indikator MAE, RMSE, dan MAPE untuk menilai tingkat akurasi prediksi. Hasil penelitian menunjukkan bahwa model Neural Prophet mampu memberikan prediksi kebutuhan bahan baku secara lebih adaptif dan akurat dibandingkan metode manual yang sebelumnya digunakan oleh UMKM. Sistem yang dihasilkan mampu menampilkan stok secara real-time, memberikan peringatan otomatis ketika stok mencapai batas minimum, serta menyajikan rekomendasi jumlah pembelian harian berbasis hasil prediksi. Implementasi sistem ini dapat membantu UMKM Gyoza 234 mengurangi pemborosan bahan baku, mencegah kekurangan stok, dan meningkatkan efisiensi operasional secara keseluruhan.

Kata Kunci: Neural Prophet, Prediksi Stok, Time Series Forecasting, Manajemen Persediaan, UMKM.