Analisis Data Penjualan UMKM Industri Clothing untuk Optimalisasi Strategi Penjualan Menggunakan Metode Long Short-Term Memory
Published in Volume 15 (in press), Number 1
(2026)
Authors
Muhammad Ihsan Fawzi
ihsfwz@incomso.com
Laurensia Claudia Pratomo
laurensia.pratomo@unsoed.ac.id
Dian Isnawati
dian.isnawati@unsoed.ac.id
Nadhifa Zahra Kurniawan
nadhifa.kurniawan@mhs.unsoed.ac.id
Journal Information
| Journal Name | Prosiding Seminar Nasional LPPM UNSOED |
| Initials | semnas-lppm |
| ISSN | 2985-9042 |
| E-ISSN | 2985-9042 |
Issue Information
| Volume | 15 (in press) |
| Number | 1 |
| Year | 2026 |
Article Details
Submitted on: October 16, 2025
Abstract
Usaha Mikro, Kecil, dan Menengah (UMKM) di sektor industri clothing merupakan salah satu pilar utama perekonomian yang berkontribusi besar terhadap Produk Domestik Bruto (PDB) dan penyerapan tenaga kerja. Namun, UMKM menghadapi tantangan serius terkait persaingan pasar, perubahan tren konsumen, dan fluktuasi permintaan. Perkembangan teknologi analisis data dan machine learning menawarkan solusi untuk meningkatkan akurasi peramalan penjualan sehingga dapat mendukung strategi bisnis yang lebih tepat. Penelitian ini bertujuan mengembangkan model prediksi penjualan berbasis Long Short-Term Memory (LSTM) yang disesuaikan dengan karakteristik UMKM clothing di Indonesia. Penelitian dilakukan pada UMKM Ananda Kids di Purbalingga dengan menggunakan data transaksi harian sebanyak 30.885 entri selama 23 bulan. Data yang digunakan mencakup kategori produk, jumlah penjualan, dan pendapatan, yang kemudian diproses melalui normalisasi, penanganan missing values, serta penambahan fitur musiman. Model LSTM dirancang dengan 128 unit neuron dan diuji menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model LSTM mampu memberikan akurasi tinggi pada kategori produk tertentu. Kategori “Set” dan “Fashion Bayi & Anak” mencapai MAPE di bawah 10%, menunjukkan efektivitas model dalam memprediksi pola penjualan yang stabil. Sebaliknya, kategori dengan volatilitas tinggi, seperti aksesori, menghasilkan tingkat kesalahan prediksi yang lebih besar. Temuan ini menegaskan bahwa kualitas data dan stabilitas pola penjualan merupakan faktor penting dalam meningkatkan performa model. Penelitian ini menunjukkan bahwa penerapan LSTM berpotensi besar dalam mendukung pengambilan keputusan strategis UMKM melalui peramalan penjualan yang lebih akurat. Selain memberikan kontribusi praktis bagi pelaku usaha, penelitian ini juga dapat menjadi dasar pengembangan kebijakan digitalisasi sektor UMKM di Indonesia.
Keywords
UMKM
Industri Clothing
Peramalan Penjualan
Machine Learning
LSTM