IMPLEMENTASI ALGORITMA SARIMAX DAN BLSTM UNTUK PREDIKSI PENJUALAN MAINAN BERBASIS BUSINESS INTELLIGENCE

PRASEPTYO, RAFLY TRIANSYAH (2025) IMPLEMENTASI ALGORITMA SARIMAX DAN BLSTM UNTUK PREDIKSI PENJUALAN MAINAN BERBASIS BUSINESS INTELLIGENCE. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (323kB) | Preview
	Text (BAB I) 02 Bab 1.pdf Restricted to Registered users only Download (46kB)
	Text (BAB II) 03 Bab 2.pdf Restricted to Registered users only Download (222kB)
	Text (BAB III) 04 Bab 3.pdf Restricted to Registered users only Download (130kB)
	Text (BAB IV) 05 Bab 4.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) 06 Bab 5.pdf Restricted to Registered users only Download (29kB)
	Text (DAFTAR PUSTAKA) 07 Daftar Pustaka.pdf Restricted to Registered users only Download (94kB)
	Text (LAMPIRAN) 08 Lampiran.pdf Restricted to Registered users only Download (247kB)

Abstract

In today’s digital era, data has become a strategic asset for companies, particularly in the retail sector. PT XYZ, a national-scale toy distribution company, faces challenges in managing and analyzing large and complex sales data to support business decisionmaking. Therefore, the integration of Business Intelligence (BI) technologies and machine learning algorithms is required to enhance operational efficiency and strategic planning. This study proposes the application of a dynamic weighted hybrid method as an ensemble approach that combines the predictive capabilities of SARIMAX and Bidirectional LSTM (BLSTM) models. SARIMAX is chosen for its ability to capture seasonal patterns and exogenous variables, while BLSTM is effective in modeling non-linear patterns and long-term dependencies in time-series data. Unlike the residual hybrid approach commonly used in previous studies, this research applies a dynamic weighted hybrid method that selects the most accurate prediction based on its proximity to the actual value. This method is considered more suitable for PT XYZ’s sales data characteristics, which are dynamic and complex, making residual hybrid models less effective. The study utilizes historical sales data from 2020 to 2024, which has undergone an ETL process and has been simplified for analysis. By implementing accurate predictive models and an interactive visualization system using Streamlit, this research aims to develop an informative, adaptive, and user-friendly sales forecasting tool to support better business decision-making. Keywords: Sales Forecasting, SARIMAX, BLSTM, Business Intelligence, Streamlit. Dalam era digital saat ini, data menjadi aset strategis yang sangat penting bagi perusahaan, termasuk dalam sektor ritel. PT XYZ, sebagai perusahaan distribusi mainan berskala nasional, menghadapi tantangan dalam mengelola dan menganalisis data penjualan yang besar dan kompleks untuk mendukung pengambilan keputusan bisnis. Untuk itu, integrasi teknologi Business Intelligence (BI) dan algoritma machine learning diperlukan dalam proses prediksi penjualan guna meningkatkan efisiensi operasional dan perencanaan strategis. Penelitian ini mengusulkan penerapan metode dynamic weighted hybrid sebagai pendekatan ensemble dalam menggabungkan model prediktif SARIMAX dan Bidirectional LSTM (BLSTM). SARIMAX dipilih karena kemampuannya menangkap pola musiman dan pengaruh variabel eksogen, sementara BLSTM efektif dalam memodelkan pola non-linier dan hubungan jangka panjang dalam data runtun waktu. Berbeda dengan pendekatan hybrid residual yang digunakan dalam penelitian terdahulu, penelitian ini menggunakan metode dynamic weighted hybrid untuk memilih hasil prediksi terbaik berdasarkan kedekatannya terhadap nilai aktual. Pendekatan ini dipilih karena lebih sesuai dengan karakteristik data penjualan PT XYZ, yang bersifat dinamis dan kompleks, serta kurang cocok untuk model residual hybrid. Studi ini memanfaatkan data penjualan historis dari tahun 2020 hingga 2024 yang telah melalui proses ETL dan disederhanakan untuk keperluan analisis. Dengan mengimplementasikan model prediksi yang akurat dan sistem visualisasi berbasis Streamlit, penelitian ini bertujuan untuk menghasilkan alat prediksi penjualan yang interaktif, informatif, dan adaptif dalam mendukung pengambilan keputusan bisnis yang lebih tepat sasaran. Kata Kunci: Prediksi Penjualan, SARIMAX, BLSTM, Business Intelligence, Streamlit.

Item Type:	Thesis (S1)
Call Number CD:	FIK/SI. 25 084
NIM/NIDN Creators:	41821120011
Uncontrolled Keywords:	Prediksi Penjualan, SARIMAX, BLSTM, Business Intelligence, Streamlit.
Subjects:	100 Philosophy and Psychology/Filsafat dan Psikologi > 150 Psychology/Psikologi > 153 Conscious Mental Process and Intelligence/Intelegensia, Kecerdasan Proses Intelektual dan Mental 300 Social Science/Ilmu-ilmu Sosial > 320 Political dan Government Science/Ilmu Politik dan Ilmu Pemerintahan > 322 Relation of The State of Organized Groups/Hubungan Negara dengan Kelompok Sosial yang Terorganisir > 322.3 Business and Industry/Bisnis dan Industri 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma 600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 650.1-650.9 Standard Subdivisions of Management, Public Relations, Business and Auxiliary Service/Subdivisi Standar Dari Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 650.1 Personal Success in Business/Sukses Pribadi dalam Bisnis
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	khalimah
Date Deposited:	30 Aug 2025 04:41
Last Modified:	30 Aug 2025 04:41
URI:	http://repository.mercubuana.ac.id/id/eprint/97285

Actions (login required)

View Item