ANALISIS PERBANDINGAN ARIMA, SARIMA, GRU DAN LSTM UNTUK PERAMALAN PENJUALAN MOBIL TOYOTAFarizZakariaauthorPenelitian berjudul “Perbandingan Kinerja ARIMA, SARIMA, GRU, dan LSTM untuk Peramalan Penjualan Mobil Toyota di Indonesia” ini bertujuan untuk mengevaluasi dan membandingkan efektivitas empat model peramalan deret waktu dalam memprediksi penjualan bulanan mobil Toyota. Variabel penelitian dibatasi pada data penjualan historis tanpa melibatkan faktor eksternal, dengan metode analisis meliputi prapemrosesan data, eksplorasi data, pembangunan model, serta optimasi hiperparameter menggunakan pendekatan grid search dan teknik regularisasi. Hasil penelitian menunjukkan bahwa model statistik ARIMA dan SARIMA pada konfigurasi awal belum mampu menghasilkan prediksi yang akurat, ditandai dengan nilai kesalahan yang tinggi, khususnya SARIMA dengan MAPE melebihi 100%. Setelah optimasi, kinerja keduanya meningkat signifikan, di mana ARIMA mencapai MAPE 15,64% dan SARIMA 18,38%. Di sisi lain, model deep learning menunjukkan performa yang lebih unggul. GRU pada tahap awal menghasilkan MAPE 17,36% dan meningkat tajam menjadi 7,66% setelah penerapan dropout dan penyesuaian window size. LSTM juga mengalami peningkatan dari MAPE 19,24% menjadi 15,76% melalui optimasi jumlah neuron, learning rate, dan dropout. Secara keseluruhan, penelitian ini menyimpulkan bahwa GRU dan LSTM lebih efektif dibandingkan ARIMA dan SARIMA dalam menangkap pola nonlinear serta dinamika kompleks pada data penjualan mobil Toyota. Optimasi hiperparameter terbukti berperan penting dalam meningkatkan akurasi model. Penelitian selanjutnya direkomendasikan untuk memasukkan variabel eksternal dan menguji model berbasis arsitektur hybrid guna memperoleh performa prediksi yang lebih komprehensif.000 Ilmu komputer, informasi dan pekerjaan umum2025-11-04Universitas AMIKOM Yogyakarta;Pascasarjana Magister InformatikaThesis