Prediction of Budget Planning Using the Long Short Term Memory

Nasser Ambari, Novianti Puspitasari, Anindita Septiarini

Sari


Keputusan merupakan elemen kunci dalam manajemen perusahaan, karena perencanaan yang baik menjadi faktor penentu kesuksesannya. Salah satu aspek penting dalam perencanaan adalah prediksi penjualan. Sebuah perusahaan properti dapat mengalami kesulitan aliran kas akibat over budget, sehingga memaksa perusahaan untuk meninjau kembali strategi pemasaran. Penelitian ini menggunakan Long Short Term Memory (LSTM) untuk membantu perusahaan dalam mengurangi risiko over budget di masa depan. Metode Long Short Term Memory (LSTM) mampu menghasilkan model prediksi dengan akurasi tinggi. Data penelitian berupa data pendapatan penjualan properti dari sebanyak 107 data. Hasil pengujian menunjukkan bahwa penggunaan LSTM dengan perbandingan data latih dan data uji sebesar 90:10, 200 epoch, dan learning rate sebesar 0.005 menghasilkan nilai Root Mean Square Error (RMSE) terendah sebesar 0.128883554. Hasil prediksi menunjukkan pendapatan penjualan yang terus menurun selama tiga tahun.

Teks Lengkap:

PDF

Referensi


M. F. Rizkilloh and S. Widiyanesti, “Prediksi Harga Cryptocurrency Menggunakan Algoritma Long Short Term Memory (LSTM),†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 6, no. 1, pp. 25–31, 2022, doi: 10.29207/resti.v6i1.3630.

K. Gao, Z. J. Zhou, and Y. H. Qin, “Gas Concentration Prediction by LSTM Network Combined with Wavelet Thresholding Denoising and Phase Space Reconstruction,†Heliyon, vol. 10, no. 7, pp. 1–10, 2024, doi: 10.1016/j.heliyon.2024.e28112.

F. Zamachsari and N. Puspitasari, “Penerapan Deep Learning dalam Deteksi Penipuan Transaksi Keuangan Secara Elektronik,†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 2, pp. 203–212, 2021, doi: 10.29207/resti.v5i2.2952.

F. Fauzi, S. Aulia, A. R. Syaifullah, and T. W. Utami, “Peramalan Harga Emas Menggunakan Pendekatan Long-Short Term Memory (LSTM),†J. Edukasi dan Penelit. Inform., vol. 10, no. 2, pp. 252–257, 2024, doi: 10.26418/jp.v10i2.78332.

R. S. Pontoh et al., “Jakarta Pandemic to Endemic Transition: Forecasting COVID-19 Using NNAR and LSTM,†Appl. Sci., vol. 12, no. 12, pp. 1–16, 2022, doi: 10.3390/app12125771.

N. Selle, N. Yudistira, and C. Dewi, “Perbandingan Prediksi Penggunaan Listrik dengan Menggunakan Metode Long Short Term Memory (LSTM) dan Recurrent Neural Network (RNN),†J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 1, pp. 155–162, 2022, doi: 10.25126/jtiik.2022915585.

R. M. S. Adi and S. Sudianto, “Prediksi Harga Komoditas Pangan Menggunakan Algoritma Long Short-Term Memory (LSTM),†Build. Informatics, Technol. Sci., vol. 4, no. 2, pp. 1137–1145, 2022, doi: 10.47065/bits.v4i2.2229.

M. T. Tombeng and Z. Ardian, “Prediksi Penjualan Supermarket Menggunakan Pendekatan Deep Learning,†Cogito Smart J., vol. 7, no. 1, pp. 160–169, 2021.

L. S. Hasibuan and Y. Novialdi, “Prediksi Harga Minyak Goreng Curah dan Kemasan Menggunakan Algoritme Long Short-Term Memory (LSTM),†J. Ilmu Komput. dan Agri-Informatika, vol. 9, no. 2, pp. 149–157, 2022, doi: 10.29244/jika.9.2.149-157.

J.-K. Hong, “LSTM-Based Sales forecasting model,†KSII Trans. Internet Inf. Syst., vol. 15, no. 4, pp. 1232–1245, 2021, doi: 10.3837/tiis.2021.04.003.

N. Nafi’iyah and P. A. Wulandari, “Prediksi Harga Beras Berdasarkan Kualitas Beras dengan Metode LSTM,†INOVTEK Polbeng-Seri Inform., vol. 7, no. 2, pp. 278–288, 2022, doi: 10.35314/isi.v7i2.2599.

A. Sujjada, F. Sembiring, and F. Febriansyah, “Prediksi Harga Forex Menggunakan Algoritma Long Short-Term Memory,†Invotek Polbeng-Seri Inform., vol. 9, no. 1, pp. 69–76, 2024, doi: 10.36802/jnanaloka.2022.v3-no2-69-76.

A. Hanafiah, Y. Arta, H. O. Nasution, and Y. D. Lestari, “Penerapan Metode Recurrent Neural Network dengan Pendekatan Long Short-Term Memory (LSTM) Untuk Prediksi Harga Saham,†Bull. Comput. Sci. Res., vol. 4, no. 1, pp. 27–33, 2023, doi: 10.47065/bulletincsr.v4i1.321.

R. Gunawan, K. Valerine, M. B. Dimiliu, and S. P. Tamba, “Analisis Prediksi Penjualan Toko Furnitur dengan Metode Long Short-Term Memory (LSTM),†TEKINKOM, vol. 7, no. 2, pp. 716–725, 2024, doi: 10.37600/tekinkom.v7i2.1511.

N. Y. Prissy, M. Al Haris, and P. R. Arum, “Peramalan Nilai Ekspor Migas di Indonesia dengan Model Long Short Term Memory (LSTM) dan Gated Recurrent Unit (GRU),†J Stat., vol. 16, no. 1, pp. 328–341, 2023.

S. Sautomo and H. F. Pardede, “Prediksi Belanja Pemerintah Indonesia Menggunakan Long Short-Term Memory (LSTM),†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 99–106, 2021, doi: 10.29207/resti.v5i1.2815.

E. Darnila, R. K. Dinata, and S. Ramadani, “Prediksi Harga Pasar Komoditi Tanaman Pangan di Aceh Utara pada Masa Pandemi Covid-19 dengan Metode Fuzzy Time Series Model Chen,†JTIK (Jurnal Tek. Inform. Kaputama), vol. 7, no. 1, pp. 17–26, 2023, doi: 10.59697/jtik.v7i1.26.

L. A. Anbar and W. Wahyudin, “Peramalan Permintaan Tas Laptop Menggunakan Model Time Series,†J. Ind. Serv., vol. 7, no. 2, pp. 285–288, 2022, doi: 10.36055/jiss.v7i2.14326.

R. B. R. Putra and H. Hendry, “Multivariate Time Series Forecasting pada Penjualan Barang Retail dengan Recurrent Neural Network,†Inovtek Polbeng-Seri Inform., vol. 7, no. 1, p. 7, 2022, doi: 10.35314/isi.v7i1.2398.

N. K. Agusmawati, F. Khoiriyah, and A. Tholib, “Prediksi Harga Emas Menggunakan Metode LSTM dan GRU,†JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 11, no. 3, pp. 620–627, 2023, doi: 10.35447/jitekh.v8i1.194.

R. Muhammad and I. Nurhaida, “Penerapan LSTM dalam Deep Learning untuk Prediksi Harga Kopi Jangka Pendek dan Jangka Panjang,†JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 10, no. 1, pp. 554–564, 2025.

W. Setialaksana, D. R. A. Sulaiman, S. S. Dewi, C. A. Lamasitudju, N. R. Ashadi, and M. Asriadi, “Model Jaringan Syaraf Tiruan dalam Peramalan Kasus Positif Covid-19 di Indonesia,†J. Mediat., vol. 3, no. 2, p. 53, 2020, doi: 10.26858/jmtik.v3i2.14363.

Y. Setiawan, T. Tarno, and P. Kartikasari, “Prediksi Harga Jual Kakao dengan Metode Long Short-Term Memory Menggunakan Metode Optimasi Root Mean Square Propagation dan Adaptive Moment Estimation Dilengkapi Gui Rshiny,†J. Gaussian, vol. 11, no. 1, pp. 99–107, 2022, doi: 10.14710/j.gauss.v11i1.33994.

E. T. Habtemariam, K. Kekeba, M. Martínez-Ballesteros, and F. Martínez-Ãlvarez, “A Bayesian Optimization-Based LSTM Model for Wind Power Forecasting in the Adama District, Ethiopia,†Energies, vol. 16, no. 5, pp. 1–22, 2023, doi: 10.3390/en16052317.

M. Novelsyah, N. Wahyudin, and R. Rasidah, “Model Prediksi Perubahan Anggaran Belanja Daerah pada Kabupaten Kota di Kalimantan Selatan,†J. Akunt. Keuang. dan Bisnis, vol. 15, no. 1, pp. 401–410, 2022, doi: 10.35143/jakb.v15i1.5296.




DOI: http://dx.doi.org/10.30811/jaise.v5i1.6428

Refbacks

  • Saat ini tidak ada refbacks.


Indexing :

Creative Commons License
Journal of Artificial Intelligence and Software Engineering (JAISE) licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.