eprintid: 31759
rev_number: 7
eprint_status: archive
userid: 12
dir: disk0/00/03/17/59
datestamp: 2026-06-26 07:45:24
lastmod: 2026-06-26 07:45:24
status_changed: 2026-06-26 07:45:24
type: thesis
metadata_visibility: show
creators_name: Zakaria, Fariz
creators_nim: 22.55.2323
contributors_name: Utami, Ema
corp_creators: Universitas AMIKOM Yogyakarta
title: ANALISIS PERBANDINGAN ARIMA, SARIMA, GRU DAN LSTM
UNTUK PERAMALAN PENJUALAN MOBIL TOYOTA
ispublished: pub
subjects: 000.000.000A
divisions: PJJ
full_text_status: public
keywords: Peramalan deret waktu, ARIMA, SARIMA, GRU, LSTM, time series forecasting
abstract: Penelitian 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.
date: 2025-11-04
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Pascasarjana Magister Informatika
thesis_type: masters
thesis_name: tesis
citation:   Zakaria, Fariz  (2025) ANALISIS PERBANDINGAN ARIMA, SARIMA, GRU DAN LSTM UNTUK PERAMALAN PENJUALAN MOBIL TOYOTA.  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31759/1/22.55.2323%20-%20Fariz%20Zakaria.pdf