IRPIIRPI
MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer SciencePengendalian persediaan yang efektif sangat penting dalam mengoptimalkan profitabilitas melalui pengendalian biaya dan peningkatan efisiensi. Teknik persediaan konvensional sering kali kesulitan menyesuaikan diri dengan dinamika cepat di lingkungan restoran, sehingga menyebabkan kelebihan stok, kekurangan persediaan, dan pemborosan makanan yang tidak perlu. Namun, perubahan signifikan sedang terjadi dengan diintegrasikannya kecerdasan buatan (AI) untuk mengatasi permasalahan ini. Sistem manajemen persediaan berbasis AI membantu restoran mengoptimalkan tingkat stok, mengurangi limbah, dan memprediksi permintaan dengan lebih akurat, sehingga meningkatkan efisiensi dan profitabilitas. Penelitian ini mengeksplorasi bagaimana manajemen persediaan berbasis AI meningkatkan efisiensi, mengurangi limbah, dan mengotomatiskan pemesanan ulang di sektor restoran, dengan fokus khusus pada integrasi Teachable Machine dan TensorFlow Lite di TastyGo. Solusi yang diusulkan memanfaatkan pengenalan citra untuk pelacakan persediaan secara real-time serta model pembelajaran mesin untuk prediksi permintaan dan otomatisasi pemesanan ulang. Dengan menerapkan teknik AI tersebut, TastyGo dapat mempercepat manajemen rantai pasok, menghemat limbah melalui analitik prediktif, dan memperbaiki pengelolaan persediaan. Studi ini menunjukkan bahwa solusi berbasis AI dapat meningkatkan pengambilan keputusan, mengurangi limbah makanan, dan secara signifikan meningkatkan efisiensi operasional yang berujung pada peningkatan profitabilitas. Temuan penelitian ini menyoroti potensi teknologi AI untuk merevolusi sistem manajemen persediaan konvensional di industri restoran.
Implementasi sistem manajemen persediaan berbasis AI menggunakan Teachable Machine dan TensorFlow Lite di TastyGo terbukti meningkatkan efisiensi persediaan, mengurangi limbah makanan, dan menekan biaya operasional melalui pelacakan real-time dan prediksi permintaan yang akurat.Keberhasilan model pengenalan citra serta analisis pola visual dan auditori tidak hanya meminimalkan kesalahan manusia dan mempercepat respons, tetapi juga memungkinkan adopsi AI bagi tim dengan pengetahuan teknis terbatas.Temuan ini menunjukkan potensi signifikan teknologi AI untuk merevolusi sistem manajemen persediaan konvensional dan meningkatkan kualitas produk di berbagai sektor industri.
Pertama, penelitian selanjutnya dapat mengeksplorasi perluasan dan diversifikasi dataset gambar makanan tradisional dan modern di Indonesia untuk menguji batas kemampuan model Teachable Machine dalam mengidentifikasi variasi hidangan yang memiliki kemiripan visual, sekaligus membandingkan efektivitas sejumlah teknik augmentasi dan transfer learning dalam meningkatkan akurasi klasifikasi. Kedua, penting untuk mengembangkan integrasi TastyGo dengan perangkat Internet of Things (IoT) seperti sensor suhu dan kelembapan yang terpasang di ruang penyimpanan serta dapur, guna mengkaji bagaimana data lingkungan real-time dapat diproses bersama citra untuk mendeteksi risiko keamanan pangan secara lebih komprehensif, serta menilai arsitektur fusi data yang optimal agar sistem mampu memberikan rekomendasi penanganan stok dan kontrol kualitas dengan presisi lebih tinggi. Ketiga, penelitian dapat diarahkan pada penerapan kerangka active learning dan mekanisme umpan balik pengguna langsung dalam aplikasi, yang memungkinkan model pembelajaran mesin secara adaptif mempelajari kasus misklasifikasi melalui konfirmasi pengguna, meminimalkan intervensi manual untuk pelabelan ulang, dan meningkatkan kinerja serta daya tahan model dalam jangka panjang. Dengan merancang metodologi studi yang mencakup percobaan lapangan dan evaluasi metrik terstandarisasi pada ketiga aspek ini, hasilnya diharapkan dapat mengoptimalkan skalabilitas, ketepatan, dan aplikasi TastyGo di sektor restoran dan industri terkait lainnya.
| File size | 554.58 KB |
| Pages | 11 |
| DMCA | Report |
Related /
IRPIIRPI Penelitian ini berhasil mendemonstrasikan integrasi kecerdasan buatan dalam perencanaan acara korporat melalui teknik pemrosesan bahasa alami dan optimasiPenelitian ini berhasil mendemonstrasikan integrasi kecerdasan buatan dalam perencanaan acara korporat melalui teknik pemrosesan bahasa alami dan optimasi
IRPIIRPI 5, PM10, CO2, dan NO2 untuk pemantauan real-time polutan. Hasil menunjukkan bahwa pengintegrasian teknologi IoT dengan komputasi awan dan algoritma machine5, PM10, CO2, dan NO2 untuk pemantauan real-time polutan. Hasil menunjukkan bahwa pengintegrasian teknologi IoT dengan komputasi awan dan algoritma machine
IRPIIRPI Hasil pengelompokan ini dapat dijadikan dasar perumusan kebijakan pendidikan yang lebih merata, seperti alokasi anggaran, distribusi guru, dan pembangunanHasil pengelompokan ini dapat dijadikan dasar perumusan kebijakan pendidikan yang lebih merata, seperti alokasi anggaran, distribusi guru, dan pembangunan
IRPIIRPI Penelitian ini diharapkan dapat memberikan kontribusi terhadap pengembangan sistem inventory yang lebih adaptif, akurat, dan efisien di sektor logistikPenelitian ini diharapkan dapat memberikan kontribusi terhadap pengembangan sistem inventory yang lebih adaptif, akurat, dan efisien di sektor logistik
IRPIIRPI Aplikasi ini dibangun dengan HyperText Markup Language (HTML), Cascading Style Sheets (CSS), Python, JavaScript, dan Flask, memungkinkan pengguna mengunggahAplikasi ini dibangun dengan HyperText Markup Language (HTML), Cascading Style Sheets (CSS), Python, JavaScript, dan Flask, memungkinkan pengguna mengunggah
IRPIIRPI Dataset yang digunakan meliputi data meteorologi harian, seperti curah hujan (precipitation), suhu maksimum (temp_max), suhu minimum (temp_min), dan kecepatanDataset yang digunakan meliputi data meteorologi harian, seperti curah hujan (precipitation), suhu maksimum (temp_max), suhu minimum (temp_min), dan kecepatan
IRPIIRPI Kedua metode mencatat nilai Hamming Loss yang sama, yaitu 0,1048 (89,52%). Temuan ini menunjukkan bahwa kelengkapan dan kualitas data hadis Bukhari berkontribusiKedua metode mencatat nilai Hamming Loss yang sama, yaitu 0,1048 (89,52%). Temuan ini menunjukkan bahwa kelengkapan dan kualitas data hadis Bukhari berkontribusi
IRPIIRPI Berdasarkan data yang telah diperoleh dan dianalisis, ketiga aplikasi memiliki perbedaan nilai yang sangat tipis antara satu sama lain dengan nilai ShopeeBerdasarkan data yang telah diperoleh dan dianalisis, ketiga aplikasi memiliki perbedaan nilai yang sangat tipis antara satu sama lain dengan nilai Shopee
Useful /
RESEARCHSYNERGYPRESSRESEARCHSYNERGYPRESS Data dikumpulkan menggunakan metode kuantitatif dengan jenis penelitian survei, di mana data diperoleh melalui kuesioner yang didistribusikan kepada siswaData dikumpulkan menggunakan metode kuantitatif dengan jenis penelitian survei, di mana data diperoleh melalui kuesioner yang didistribusikan kepada siswa
IAINPTKIAINPTK go.id). Penelitian ini masuk dalam klaster kualitatif dengan pendekatan statute approach yang melibatkan siyasah dusturiyah yang ada dalam rumpun kajiango.id). Penelitian ini masuk dalam klaster kualitatif dengan pendekatan statute approach yang melibatkan siyasah dusturiyah yang ada dalam rumpun kajian
IAINPTKIAINPTK Penelitian ini menggunakan metode penelitian hukum empiris untuk melihat bekerjanya hukum dalam masyarakat dan pendekatan yuridis-sosiologis. Hasil penelitianPenelitian ini menggunakan metode penelitian hukum empiris untuk melihat bekerjanya hukum dalam masyarakat dan pendekatan yuridis-sosiologis. Hasil penelitian
IAINPTKIAINPTK Untuk mengkritik konsep feminis tentang hak dan kewajiban suami isteri, penulis menggunakan teori Maslahah dengan pendekatan filosofis-sosiologi. ParaUntuk mengkritik konsep feminis tentang hak dan kewajiban suami isteri, penulis menggunakan teori Maslahah dengan pendekatan filosofis-sosiologi. Para