PERBANDINGAN PREDIKSI PENGUNJUNG WEBSITE MENGGUNAKAN SARIMA, LSTM DAN HOLT-WINTERS TES
Item
-
Judul
-
PERBANDINGAN PREDIKSI PENGUNJUNG WEBSITE MENGGUNAKAN SARIMA, LSTM DAN HOLT-WINTERS TES
-
Subject
-
Sistem Informasi
-
number
-
Volume 9, Number 1
-
Abstract
-
Perkembangan teknologi yang pesat telah mengubah gaya hidup masyarakat, ditandai dengan peningkatan aktivitas online. APJII menyatakan bahwa pada tahun 2025, 229 juta warga Indonesia akan menjadi pengguna internet, sementara BPS mencatat 3.816.750 usaha digital pada tahun 2023. Pertumbuhan ini mendorong penggunaan situs web sebagai media utama untuk bisnis dan informasi. Oleh karena itu, memahami tren dan pola musiman pengunjung situs web sangat penting untuk pengelolaan yang efektif dan efisien. Studi ini menawarkan kontribusi baru dengan memprediksi jumlah pengunjung website dari PT. XYZ, sebuah perusahaan teh di Indonesia. menggunakkan tiga model deret waktu: Seasonal Auto Regressive Integrated Moving Average (SARIMA), Long Short-Term Memory (LSTM), dan Holt-Winters Triple Exponential Smoothing (Holt-Winters TES) dengan lama waktu (hari) prediksi 71 hari sebelumnya dan untuk memprediksi 14 hari kedepan. Datasetyang digunakan terdiri atas 32.518 entri data pengunjung. Kinerja model dievaluasi menggunakan Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil menunjukkan bahwa LSTM mencapai kesalahan terendah dengan MSE 8257,23, RMSE 90,87, dan MAPE 12,73%. Oleh karena itu, model LSTM mencapai akurasi tertinggi, sementara Holt-WintersTES berkinerja lebih baik daripada SARIMA dalam aspek tertentu. Prediksi pengunjung dapat mendukung pengambilan keputusan strategis dan pengelolaan konten.
Kata kunci: Holt-Winters TES, LSTM, Prediksi, SARIMA, Visitor, Website
-
Creator
-
Oei Joviano Matthew Wijaya, M. Zakki Abdillah
-
Source
-
Universitas Nasional Karangturi Semarang
-
Publisher
-
Jurnal Informatika dan Teknologi
-
Date
-
2026
-
Language
-
Indonesia