| ---
|
| license: apache-2.0
|
| base_model: amazon/chronos-t5-mini
|
| tags:
|
| - time-series-forecasting
|
| - chronos
|
| - retail
|
| datasets:
|
| - Dingdong-Inc/FreshRetailNet-50K
|
| ---
|
|
|
| # StokCerdas — Chronos-T5-mini fine-tuned untuk permintaan ritel perishable
|
|
|
| Checkpoint ini dipakai oleh **StokCerdas**, sistem rekomendasi pengadaan stok
|
| untuk UMKM ritel (submission AIC COMPFEST 18).
|
|
|
| ## Asal & cara latih
|
|
|
| - **Base model**: [amazon/chronos-t5-mini](https://huggingface.co/amazon/chronos-t5-mini) (20M parameter)
|
| - **Data**: [FreshRetailNet-50K](https://huggingface.co/datasets/Dingdong-Inc/FreshRetailNet-50K)
|
| (CC BY 4.0), 100 toko, setelah koreksi *censored demand* (penjualan pada jam
|
| stockout dikoreksi/dibuang) dan penskalaan global.
|
| - **Objektif**: horizon 7 hari (bukan 64 seperti pretraining) — sesuai horizon
|
| produk.
|
| - 3 epoch, lr 1e-4, batch 32, ~3.600 step, GPU tunggal (~4 menit).
|
| - 7 hari terakhir tiap deret **dipotong** dari data latih dan dipakai sebagai
|
| jendela evaluasi, sehingga tidak ada kebocoran.
|
|
|
| ## Hasil (184 store-SKU, horizon 7 hari, seed 42, num_samples 100)
|
|
|
| | Model | MASE | WAPE macro | WAPE micro | MAE |
|
| |---|---|---|---|---|
|
| | Moving average 7 hari (baseline) | **0,949** | 0,632 | 0,517 | 15,59 |
|
| | Chronos-T5-mini zero-shot | 0,973 | 0,569 | 0,520 | 15,66 |
|
| | **Checkpoint ini (fine-tuned)** | 0,964 | **0,556** | **0,512** | **15,44** |
|
|
|
| ## Keterbatasan — baca sebelum memakai
|
|
|
| - **Keunggulannya kecil.** Model menang atas moving average sederhana sebesar
|
| ~1% pada WAPE micro dan MAE; lantai derau evaluasi ±0,2%. Model **kalah**
|
| pada MASE (0,964 vs 0,949).
|
| - **Sebagian besar kemampuan berasal dari bobot pretrained**, bukan dari
|
| fine-tuning ini (zero-shot 0,520 -> fine-tuned 0,512 pada WAPE micro).
|
| - Nilai terbesarnya ada di **SKU lambat/bervolume kecil** (WAPE 0,77 vs 1,32
|
| milik moving average) — bagian yang paling tidak stabil untuk metode naif.
|
| - Dilatih pada data *fresh grocery* di Tiongkok. Generalisasi ke toko kelontong
|
| Indonesia **belum diuji** (domain shift).
|
| - Angka penjualan pada dataset sumber sudah dinormalisasi global oleh
|
| penerbitnya; skala absolutnya bukan satuan fisik.
|
|
|
| ## Sitasi dataset
|
|
|
| ```bibtex
|
| @article{2025freshretailnet-50k,
|
| title={FreshRetailNet-50K: A Stockout-Annotated Censored Demand Dataset for Latent Demand Recovery and Forecasting in Fresh Retail},
|
| author={Yangyang Wang, Jiawei Gu, Li Long, Xin Li, Li Shen, Zhouyu Fu, Xiangjun Zhou, Xu Jiang},
|
| year={2025}
|
| }
|
| ```
|
| |
