PEMODELAN 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