Peramalan Penjualan Kartu Provider Menggunakan Arsitektur Seq2Seq LSTM

Abstrak

Penelitian ini mengusulkan model peramalan penjualan produk kartu layanan internet menggunakan arsitektur Sequence-to-Sequence Long Short-Term Memory (Seq2Seq LSTM) yang dilengkapi dengan attention mechanism. Dataset yang digunakan dalam penelitian ini berjumlah 144 data penjualan bulanan dengan rentang waktu dari Januari 2013 hingga Desember 2024. Tahapan meliputi pemrosesan data, normalisasi, serta pembagian data menjadi data latih, validasi, dan uji. Model dilatih menggunakan optimizer AdamW dan dievaluasi menggunakan metrik RMSE, MAE, dan MAPE. Hasil menunjukkan bahwa model memperoleh nilai RMSE sebesar 47.65, MAE sebesar 37.72, dan MAPE sebesar 8.79%, yang menandakan performa prediksi yang akurat dan stabil. Hasil peramalan tiga bulan ke depan menunjukkan tren peningkatan penjualan, mengindikasikan kemampuan model dalam menangkap pola pasar secara realistis. Temuan ini memberikan dampak bagi industri telekomunikasi, khususnya dalam mendukung pengambilan keputusan strategis terkait perencanaan kapasitas jaringan, penentuan target penjualan, dan pengelolaan kampanye pemasaran