Implementasi Algortima Machine Learning LSTM dalam Melakukan Prediksi Data Sales pada Perusahaan Asuransi

Alexander Gunawan, Jericho (2025) Implementasi Algortima Machine Learning LSTM dalam Melakukan Prediksi Data Sales pada Perusahaan Asuransi. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (290kB)
	PDF BAB_II.pdf Download (616kB)
	PDF BAB_III.pdf Download (322kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Download (274kB)
	PDF DAFTAR_PUSTAKA.pdf Download (252kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (597kB)

Abstract

Di era digital, perusahaan menghadapi tantangan dalam mengelola data dalam jumlah besar untuk mendukung pengambilan keputusan yang cepat, tepat, dan berbasis data. Dalam konteks industri asuransi, kebutuhan akan sistem pemantauan penjualan harian yang real-time dan prediktif menjadi semakin penting. Namun, beberapa perusahaan masih belum memiliki sistem yang mampu menyediakan prediksi penjualan secara akurat dan informatif. Penelitian ini menawarkan solusi melalui pengembangan dashboard prediktif berbasis machine learning dengan penerapan lima model ARIMA, SARIMA, LSTM, Hybrid LSTM­ARIMA, dan Hybrid LSTM­SARIMA. Proses penelitian mengikuti tahapan CRISP-DM (Cross Industry Standard Process for Data Mining), yang dimulai dari pemahaman bisnis hingga tahap deployment. Evaluasi performa model dilakukan menggunakan tiga metrik utama, yaitu MAE, MSE, dan R². Hasil evaluasi menunjukkan bahwa model LSTM menghasilkan performa terbaik dengan nilai MAE sebesar 191.06, MSE sebesar 67,327.58, dan R² sebesar 0.55, mengindikasikan kemampuan yang unggul dalam menangkap pola musiman serta fluktuasi non-linear dari data GWP harian. Sementara itu, model hybrid belum menunjukkan peningkatan performa yang signifikan dibandingkan model LSTM tunggal, yang disebabkan oleh keterbatasan pada proses penggabungan prediksi antar model. Sebagai implementasi, sistem dashboard interaktif berbasis Streamlit dikembangkan untuk menampilkan data historis, prediksi penjualan hingga 30 hari ke depan, dan visualisasi performa model. Penelitian ini membuktikan bahwa model LSTM tidak hanya efektif dalam memprediksi penjualan asuransi berbasis time-series, tetapi juga mampu memberikan kontribusi nyata dalam mendukung pengambilan keputusan yang berbasis data secara lebih akurat dan efisien.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Alexander Gunawan, Jericho (00000058345)
Contributors:	Evelin Johan, Monika
Keywords:	ARIMA, Dashboard, LSTM, Prediksi Penjualan, Time series
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 004 Computer Science, Data Processing, Hardware > 004.2 Systems Analysis and Design, Information Architecture, Performance Evaluation
Divisions:	Faculty of Engineering & Informatics > Information System
Date Deposited:	09 Sep 2025 07:02
URI:	https://kc.umn.ac.id/id/eprint/40224

Actions (login required)

View Item