Prediksi Dan Analisis Faktor Yang Mempengaruhi Penjualan Di Marketplace Menggunakan Model Bidirectional LSTM.

Cahyani, Indah (2025) Prediksi Dan Analisis Faktor Yang Mempengaruhi Penjualan Di Marketplace Menggunakan Model Bidirectional LSTM. Skripsi thesis, Universitas Pakuan.

Full text not available from this repository.

Abstract

Prediksi Dan Analisis Faktor Yang Mempengaruhi Penjualan Di Marketplace Menggunakan Model Bidirectional LSTM. Dibawah bimbingan Dr. Tjut Awaliyah Zuraiyah, M.Kom dan Aries Maesya, S.Kom., M.Kom. Persaingan di marketplace seperti Shopee menuntut penjual mengambil keputusan berbasis data, terutama dalam manajemen inventaris. Kesulitan dalam memprediksi permintaan secara akurat dapat menyebabkan masalah kelebihan atau kekurangan stok, yang berdampak negatif pada modal dan kepuasan pelanggan. Penelitian ini bertujuan merancang dan mengembangkan model prediksi penjualan untuk toko "antianshop" menggunakan algoritma Bidirectional Long Short-Term Memory (BiLSTM). Sistem ini menggunakan data penjualan mingguan selama 2 tahun dari Shopee Seller Centre. Analisis faktor dilakukan menggunakan Korelasi Pearson untuk mengidentifikasi fitur yang paling berpengaruh , kemudian model BiLSTM dilatih secara spesifik untuk setiap produk. Kinerja model dievaluasi menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa faktor niat beli seperti 'TambahKeranjang' (korelasi 0.5835) dan 'MasukKeranjang' (0.5579) adalah prediktor terkuat. Model BiLSTM terbukti sangat akurat, menghasilkan nilai MAE yang konsisten rendah, berkisar antara 0.01 hingga 0.39 untuk berbagai produk. Sistem ini berhasil diimplementasikan sebagai dashboard web interaktif menggunakan Streamlit, yang menyediakan forecasting penjualan dan rekomendasi strategi stok mingguan. Kesimpulannya, model ini memberikan solusi praktis bagi pemilik toko untuk mengoptimalkan inventaris secara proaktif. Penelitian selanjutnya disarankan untuk menambahkan fitur eksternal seperti data promosi dan melakukan hyperparameter tuning. Kata kunci: bilstm, data mining, korelasi pearson, prediksi, streamlit, penjualan

Item Type: Thesis (Skripsi)
Subjects: Fakultas Ilmu Pengetahuan Alam dan Matematika > Ilmu Komputer
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer
Depositing User: PERPUSTAKAAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNPAK
Date Deposited: 08 Jul 2026 07:53
Last Modified: 08 Jul 2026 07:53
URI: http://eprints.unpak.ac.id/id/eprint/10839

Actions (login required)

View Item View Item