PREDIKSI TRAFFIC TRANSAKSI PENJUALAN PRODUK

Fahmi, David Satria (2026) PREDIKSI TRAFFIC TRANSAKSI PENJUALAN PRODUK. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_55201_2213020197.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text (Similarity) RAMA_55201_2213020197_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (851kB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2213020197_0721058902_0711018102_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (3MB)
	Text (BAB 2) RAMA_55201_2213020197_0721058902_0711018102_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (313kB) | Request a copy
	Text (BAB 3) RAMA_55201_2213020197_0721058902_0711018102_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (BAB 4) RAMA_55201_2213020197_0721058902_0711018102_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (448kB) | Request a copy
	Text (BAB 5) RAMA_55201_2213020197_0721058902_0711018102_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (115kB) | Request a copy
	Text (References) RAMA_55201_2213020197_0721058902_0711018102_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (125kB)
	Text (Lampiran) RAMA_55201_2213020197_0721058902_0711018102_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Permasalahan utama pada toko "Safa Shop" adalah ketidakmampuan penjual dalam mengantisipasi lonjakan pesanan produk digital di platform Shopee yang tidak terduga, sehingga mengakibatkan keterlambatan respons pelayanan, pembatalan pesanan oleh pembeli, dan munculnya ulasan negatif yang merugikan reputasi toko. Sebagai solusi, penelitian ini merancang dan membangun sistem prediksi traffic transaksi per jam menggunakan algoritma Long Short-Term Memory (LSTM) berbasis data historis penjualan toko "Safa Shop". Proses pengembangan sistem mengikuti model Waterfall dengan pendekatan berorientasi objek dan diimplementasikan sebagai aplikasi website menggunakan bahasa pemrograman Python dan framework Flask. Data yang digunakan bersumber dari laporan transaksi Shopee Seller Centre selama satu tahun penuh. Hasil pengujian model menghasilkan nilai Mean Absolute Error (MAE) sebesar 1,2886 dan Root Mean Square Error (RMSE) sebesar 1,6868. Pengujian fungsional menggunakan metode Black Box Testing terhadap 9 skenario uji membuktikan seluruh fitur aplikasi berjalan sesuai spesifikasi. Sistem yang dihasilkan mampu menyajikan prediksi traffic transaksi 24 jam ke depan beserta rekomendasi waktu siaga bagi penjual, sehingga diharapkan dapat meningkatkan efisiensi operasional dan kualitas layanan toko di tengah persaingan e-commerce yang kompetitif.

Actions (login required)

View Item