IMPLEMENTASI ALGORITMA LONG-SHORT TERM MEMORY (LSTM) UNTUK PREDIKSI KEBUTUHAN SALDO DI K_ONE TOP UP BERDASARKAN DATA TIME SERIES

Abadi, Rachmad (2025) IMPLEMENTASI ALGORITMA LONG-SHORT TERM MEMORY (LSTM) UNTUK PREDIKSI KEBUTUHAN SALDO DI K_ONE TOP UP BERDASARKAN DATA TIME SERIES. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_55201_2113020236.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text (Similarity) RAMA_55201_2113020236_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (4MB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2113020236_0706118101_0703018704_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (BAB 2) RAMA_55201_2113020236_0706118101_0703018704_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (366kB) | Request a copy
	Text (BAB 3) RAMA_55201_2113020236_0706118101_0703018704_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (459kB) | Request a copy
	Text (BAB 4) RAMA_55201_2113020236_0706118101_0703018704_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (BAB 5) RAMA_55201_2113020236_0706118101_0703018704_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (182kB) | Request a copy
	Text (References) RAMA_55201_2113020236_0706118101_0703018704_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (174kB)
	Text (Lampiran) RAMA_55201_2113020236_0706118101_0703018704_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (950kB) | Request a copy

Abstract

Pengelolaan saldo merupakan aspek penting dalam operasional bisnis top up digital, termasuk K_One Top Up, yang masih mengelola saldo secara manual. Hal ini berisiko menyebabkan ketidaktepatan dalam perencanaan saldo, yang dapat berdampak pada kekurangan atau kelebihan saldo serta menurunnya kualitas layanan. Berdasarkan efektivitas metode Long Short Term Memory (LSTM) dalam memprediksi data time series pada berbagai penelitian sebelumnya, metode ini dipilih untuk membangun model prediksi kebutuhan saldo di K_One Top Up guna meningkatkan efisiensi dan akurasi pengelolaan saldo. Hasil implementasi menunjukkan bahwa metode LSTM berhasil diterapkan pada sistem prediksi saldo yang mengintegrasikan LSTM ke dalam aplikasi berbasis web menggunakan framework Flask. Hasil prediksi ditampilkan dalam bentuk grafik, tabel, serta kesimpulan otomatis mengenai kecukupan modal yang dimiliki, meskipun akurasinya masih belum optimal. Model terbaik diperoleh dari konfigurasi 32 dan 16 neuron pada dua lapisan LSTM dengan 500 epoch, menghasilkan nilai prediksi terbaik: kategori pulsa (RMSE 25.023, MAE 20.336), game (RMSE 30.006, MAE 22.817), dan e-wallet (RMSE 31.740, MAE 16.713). Nilai RMSE dan MAE dari konfigurasi terbaik menunjukkan potensi model, namun tetap memerlukan pengoptimalan lebih lanjut guna meningkatkan ketepatan prediksi dan efektivitas pengelolaan saldo di K_One Top Up.

Actions (login required)

View Item