Perbandingan Algoritma ARIMA, Prophet, dan LSTM dalam Prediksi Penjualan Tiket Wisata Taman Hiburan (Studi Kasus: Saloka Theme Park)

Dienda Rizkya Hayuningtyas Roosaputri(1*), Christine Dewi(2),

(1) Teknik Informatika, FTI UKSW, Salatiga, Jawa Tengah, Indonesia
(2) Teknik Informatika, FTI UKSW, Salatiga, Jawa Tengah, Indonesia
(*) Corresponding Author

Abstract


Indonesia has a wide variety of tourism destinations or tourism destinations that are useful as a place to have fun with family or friends, to calm down from various activities as well as an educational place for children to be more interested in learning. PT. Panorama Indah Permai (Saloka Theme Park) is one of the tourist destinations in Indonesia and is currently operating again when the Covid-19 pandemic enters Indonesia and results in changes in visitors coming to amusement park tourism. Therefore, a comparison of ARIMA, Prophet, and Long Short-Term Memory (LSTM) algorithms was made to determine the algorithm that is suitable to be used as a predictive model of amusement park ticket sales. The Data obtained comes from historical data and must go through several processes such as pre-processing and algorithm testing to ensure the accuracy of the data with the algorithm. The results obtained from three forecasting models, it was obtained that the ARIMA algorithm has a value of RMSE of 762,009 and MSE of 580,659,053.

Full Text:

PDF

References


Riwukore, Jefirston R., Habaora, Fellyanus & Yustini, T. 2021. Kondisi Eksisting Destinasi Pariwisata Pantai Lasiana Kota Kupang Berdasarkan Atraksi, Aksesibilitas, Fasilitas, Kelembagaan, dan Ekosistem Pariwisata. Jurnal Kepariwisataan Indonesia, 15(2), 103-115.

Jange, Beno. 2021. Prediksi Harga Saham Bank BCA Menggunakan Prophet. Journal of Trends Economics and Accounting Research, 2(1), 1-5.

Chandra, C. & Budi, S. 2020. Analisis Komparatif ARIMA dan Prophet dengan Studi Kasus Dataset Pendaftaran Mahasiswa Baru. Jurnal Teknik Informatika dan Sistem Informasi, 6(2), 278-287.

Ridla, M. A., Azise, N., & Rahman, M. 2023. Perbandingan Model Time Series Dalam Memprediksi Jumlah Kedatangan Wisatawan dan Penumpang Airport. Jurnal Sistem Informasi dan Sistem Komputer, 8(1), 1-14.

Soeryawinata, J., Palit, H. N., & Santoso, L. W. 2022. Sales Forecasting Pada Dealer Motor X Dengan LSTM, ARIMA, dan Holt-Winters Exponential Smoothing. Jurnal Infra, 10(2), 1-4.

Fattah, M., Utami, T. N., & Sofiati, D. 2020. Peramalan Kunjungan Wisatawan dan Daya Dukung Bee Jay Bakau Resort Probolinggo. Jurnal Analisis Kebijakan Kehutanan, 17(2), 153-163.

Sautomo, S. & Pardede, H. F. 2021. Prediksi Belanja Pemerintah Indonesia Menggunakan Long Short-Term Memort (LSTM). Jurnal Rekayasa Sistem dan Teknologi Informasi, 5(1), 99-106.

Rosita, A., Puspitasari, N., & Kamila, V. Z. 2022. Rekomendasi Buku Perpustakaan Kampus Dengan Metode Item-Based Collaborative Filtering. Sebatik, 26(1), 340-346.

Ashari, M. L. & Sadiki, M. 2020. Prediksi Data Transaksi Penjualan Time Series Menggunakan Regresi LSTM. Jurnal Nasional Pendidikan Teknik Informatika, 9(1), 1-10.

Farosanti, L., Mubarok, H., & Indrianto. 2022. Analisa Peramalan Penjualan Alat Kesehatan dan Laboratorium di PT. Tristania Global Indonesia Menggunakan Metode ARIMA. Jurnal Informatika Merdeka Pasuruan, 3(1), 14-18.

Waryanto, H., & Wanti, D. A. 2019. Prediksi Penjualan Seragam Sekolah Dengan Menggunakan Metode ARIMA (Autoregressive Integrated Moving Average) (Studi Kasus: Koperasi Karyawan Yayasan Umara Al-Zahra Indonesia). Jurnal Statistika dan Matematika, 1(1), 88-102.

Wiranda, L. & Sadikin, M. 2019. Penerapan Long Short-Term Memory Pada Data Time Series Untuk Memprediksi Penjualan Produk PT. Metiska Farma. Jurnal Nasional Pendidikan Teknik Informatika, 8(3), 184-196.

Rizkilloh, M. F., & Widiyanesti, S. 2022. Prediksi Harga Cryptocurrency Menggunakan Algoritma Long Short-Term Memory (LSTM). Jurnal Rekayasa Sistem dan Teknologi Informasi. 6(1):25-31.

Zahara, S., Sugianto, & Ilmiddafiq, M. B. 2019. Prediksi Indeks Harga Konsumen Menggunakan Metode Long Short-Term Memory (LSTM) berbasis Cloud Computing. Jurnal Rekayasa Sistem dan Teknologi Informasi, 3(3), 357-363.

Selle, N., Yudistira, N., & Dewi, C. 2022. Perbandingan Prediksi Penggunaan Listrik Dengan Menggunakan Metode Long Short-Term Memory (LSTM) dan Recurrent Neural Network (RNN). Jurnal Teknologi Informasi dan Ilmu Komputer. 9(1), 155-162.

Alfani, A. W. P. R., Rozi, F., & Sukmana, F. 2021. Prediksi Penjualan Produk Unilever Menggunakan Metode K-Nearest Neighbor. Jurnal Ilmiah Penelitian dan Pembelajaran Informatika, 6(1), 155-160.

Muzakki, M. A., Sabila, M. A., Sundari, S., & Wisnuadhi, B. 2021. Analisis Algoritma Prophet untuk Memprediksi Harga Pangan di Kota Bandung. Prosiding The 12th Industrial Research Workshop and National Seminar Bandung.

Baskara, A. K., Nazir, A., Irsyad, M., & Insani, F. 2023. Implementasi Data Mining Memprediksi Penjualan Crude Palm Oil Berdasarkan Kapasitas Tangki Menggunakan Multiple Linear Regression. Jurnal Sistem Komputer dan Informatika, 4(3), 493-502.

Sari, Y. & Winarni, E. 2022. Perbandingan Kinerja Peramalan Kurs di Indonesia. Ekonomis: Journal of Economics and Business. 6(1):60-68.

Tanuwidjaja, K. & Widjaja, A. 2022. Prediksi dan Analisis Time Series pada Data Covid-19. Jurnal Strategi, 4(1), 144-158.




DOI: https://doi.org/10.30645/kesatria.v4i3.199

DOI (PDF): https://doi.org/10.30645/kesatria.v4i3.199.g198

Refbacks

  • There are currently no refbacks.


Published Papers Indexed/Abstracted By: