EPrints Universitas Amikom YogyakartaPEMODELAN PERAMALAN PENJUALAN BUKU MENGGUNAKAN LSTM BIDIRECTIONAL: PENANGANAN OUTLIER DAN PENGURANGAN OVERFITTING DENGAN TEKNIK CLIPPING DAN EARLY STOPPING (Studi Kasus: PT Intan Pariwara)HendriansyahSantosaauthoresis ini berjudul “Pemodelan Peramalan Penjualan Buku Menggunakan LSTM Bidirectional: Penanganan Outlier dan Pengurangan Overfitting dengan Teknik Clipping dan Early Stopping”. Penelitian ini bertujuan untuk merancang model peramalan penjualan buku berbasis deep learning dengan pendekatan Bidirectional Long Short-Term Memory (Bi-LSTM). Fokus penelitian diarahkan pada penanganan data penjualan yang bersifat fluktuatif dengan keberadaan outlier serta potensi overfitting. Data yang digunakan berupa catatan penjualan harian dengan atribut waktu dan kategori. Tahapan praproses mencakup feature engineering, transformasi logaritmik, standardisasi, dan penerapan clipping pada variabel target. Dataset dibentuk dalam format deret waktu dengan pendekatan sliding window, sedangkan evaluasi model dilakukan menggunakan metrik MSE, MAE, RMSE, dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa penerapan teknik clipping dan early stopping pada model Bi-LSTM mampu meningkatkan kinerja prediksi secara signifikan. Model mencapai nilai R² sebesar 0,87 dan RMSE sebesar 0,44, yang menandakan tingkat akurasi dan kemampuan generalisasi yang baik. Bi-LSTM terbukti efektif dalam menangkap pola nonlinier serta tren musiman pada data penjualan, sementara clipping berperan dalam mereduksi pengaruh nilai ekstrem dan early stopping berfungsi menjaga stabilitas proses pelatihan. Penelitian ini menyimpulkan bahwa Bi-LSTM yang dipadukan dengan teknik clipping dan early stopping merupakan pendekatan yang efektif dan efisien dalam peramalan penjualan buku. Temuan ini diharapkan dapat memberikan kontribusi praktis bagi industri penerbitan dan perdagangan buku dalam optimalisasi perencanaan persediaan serta pengambilan keputusan bisnis, sekaligus memberikan kontribusi akademik pada pengembangan kajian timeseries multivariate forecasting berbasis deep learning.003 Sistem-sistem2026-02-02Universitas AMIKOM Yogyakarta;PJJ Magister InformatikaThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.