Perbandingan Performa Algoritma RNN dan LSTM dalam Prediksi Jumlah Jamaah Umrah pada PT. Hajar Aswad
Comparison of RNN and LSTM Algorithm Performance in Predicting the Number of Umrah Pilgrims at PT. Hajar Aswad
DOI:
https://doi.org/10.57152/malcom.v4i4.1373Keywords:
LSTM, Perbandingan, Prediksi, RNN, UmrahAbstract
Secara bahasa umrah bermakna ziarah atau berkunjung, sedangkan secara istilah umrah adalah perjalanan ke Baitullah di luar waktu haji dengan tujuan melaksanakan ibadah tertentu dan memenuhi syarat-syarat khusus. PT Hajar Aswad merupakan sebuah perusahaan travel umrah yang beroperasi di Indonesia. PT Hajar Aswad bertanggung jawab untuk mengatur perjalanan, akomodasi, transportasi, dan berbagai keperluan lainnya bagi para jemaah umrah, untuk itu perlu memiliki pemahaman yang baik mengenai pola dan tren jumlah jemaah umrah agar dapat mengoptimalkan operasional dan memberikan pelayanan yang memuaskan kepada jamaah. Oleh karena itu penelitian ini dilakukan untuk memprediksi jumlah jamaah umrah pada PT Hajar Aswad menggunakan algoritma RNN dan LSTM agar PT Hajar Aswad. . Hasil perbandingan kedua algoritma menunjukkan bahwa LSTM mampu memberikan hasil prediksi yang sedikit lebih baik dibandingkan RNN dengan parameter window size 7, optimizer Adam, batch size 8, dan learning rate 0,01. Model ini memiliki nilai RMSE sebesar 0,1758, MAPE sebesar 0,4846, dan R2 sebesar 0,5198.
References
Mustafa Mat Jubri Shamsuddin, “Aplikasi Maslahah Ke Atas Pensyaratan Pelaksanaan Haji Atau Umrah Melalui Agensi Pengelola,” Sains Insani, vol. 04, 2019.
Y. C. Quomas, Buku Tuntunan Manasik Haji dan Umrah Tahun 2024. Jakarta: Kementerian Agama Republik Indonesia, 2024.
K. Chikhaoui, Mohammed Elrashidy, Motaz Alfarraj, Ali H. Muqaibel, Rida Sadagah, and Abdullah Sharqawi, “Automatic Hajj and Umrah Ritual Detection Using IMU Sensors,” IEEE Access, vol. 10, 2022.
Khoir Rozzaku and Hasnun Jauhari Ritonga, “Manajemen Pelayanan Dalam Meningkatkan Minat Calon Jamaah Haji Dan Umroh Pada Pt.Ameera Mekkah Kota Medan,” Al-Mada, vol. 6, 2023.
T. HIKMAH, “Pemanfaatan Media Sosial Dalam Meningkatkan Jumlah Calon Jamaah Umrah Di Pt. Bimalyndo Hajar Aswad Pekanbaru,” UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU, PEKANBARU, 2021.
RAFIE HASAN, “Pemanfaatan Media Sosial Facebook Sebagai Strategi Pemasaran Paket Umrah Pt Hajar Aswad Mubaroq Kabupaten Siak,” UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU, PEKANBARU, 2020.
Muhammad Baidhawi, “Optimalisasi Pelayanan Dalam Meningkatkan Jumlah Jamaah Umrah Pada Pt Sahid Gema Wisata Tahun 2019 Jakarta,” Universitas Islam Negeri Syarif Hidayatullah Jakarta, Jakarta, 2022.
ZAHDI, “Manajemen Haji Dan Umrah (Analisis Pencapaian Kepuasan Layanan Haji Dan Umrah Di Kota Bandar Lampung),” Universitas Islam Negeri (Uin) Raden Intan Lampung, Laampung, 2021.
Aditya and Milkhatun, “Hubungan Pengetahuan Vaksinasi Meningitis dan Dukungan Keluarga terhadap Kepatuhan Vaksinasi Meningitis Jamaah Umrah di Kantor Kesehatan Pelabuhan Kelas II Samarinda,” Borneo Student Research, vol. 1, 2020.
Humas BPKH, “Jumlah Jamaah Umroh 2022 Berkali-kali Lipat Dibandingkan Jamaah Haji Setiap Tahunnya.”
B. Bramantyo, M. P. K. Putra, and H. Nirwana, “Implementasi Recurrent Neural Network Pada Multiclass Text Classification Judul Berita,” Media Borneo, vol. 1, 2023.
P. A. Qori, D. S. Oktafani, and I. Kharisudin, “Analisis Peramalan dengan Long Short Term Memory pada Data Kasus Covid-19 di Provinsi Jawa Tengah,” PRISMA, vol. 5, 2022.
Eko Supriyadi, “PREDIKSI PARAMETER CUACA MENGGUNAKAN DEEP LEARNING LONG-SHORT TERM MEMORY (LSTM),” METEOROLOGI DAN GEOFISIKA , vol. 21, 2021.
Aini Hanifa, Sugih Ahmad Fauzan, Muhammad Hikal, and Muhammad Bahrul Ashfiya, “ Perbandingan Metode Lstm dan Gru (Rnn) Untuk Klasifikasi Berita Palsu Berbahasa Indonesia,” DINAMIKA REKAYASA, vol. 17, 2021.
A. Nilsen, “Perbandingan Model RNN, Model LSTM, dan Model GRU dalam Memprediksi Harga Saham-Saham LQ45,” Statistika dan Aplikasinya, vol. 6, 2022.
S. S. Nurashila, Faqih Hamami, and Tien Fabrianti Kusumasari, “Perbandingan Kinerja Algoritma Recurrent Neural Network (RNN) Dan Long Short-Term Memory (LSTM): Studi Kasus Prediksi Kemacetan Lalu Lintas Jaringan Pt XYZ,” Jurnal Ilmiah Penelitian dan Pembelajaran Informatika, vol. 8, 2023.
S. Gopali, Faranak Abri, Sima Siami-Namini, and Akbar Siami Namin, “A Comparative Study of Detecting Anomalies in Time Series Data Using LSTM and TCN Models,” Research Gate, 2021.
C. A. Maharani, Budi Warsito, and Rukun Santoso, “Analisis Sentimen Vaksin Covid-19 Pada Twitter Menggunakan Recurrent Neural Network(RNN) Dengan Algoritma Long Short-Term Memory (LSTM),” GAUSSIAN, vol. 12, 2023.
Nurfatima Selle, Novanto Yudistira, and Candra Dewi, “Perbandingan Prediksi Penggunaan Listrik Dengan Menggunakan Metode Long Short Term Memory (LSTM) Dan Recurrent Neural Network (RNN),” Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 9, 2022.
A. Rahmadeyan and Mustakim, “Long Short-Term Memory and Gated Recurrent Unit for Stock Price Prediction,” Procedia Computer Science, vol. 234, 2024.
D. A. Nasution, Hidayah Husnul Khotimah, and Nurul Chamidah, “Perbandingan Normalisasi Data Untuk Klasifikasi Wine Menggunakan Algoritma K-NN,” Computer Engineering System and Science, vol. 4, 2019.
N. T. Luchia, Ena Tasia, Indah Ramadhani, Akhas Rahmadeyan, and Raudiatul Zahra, “Performance Comparison Between Artificial Neural Network, Recurrent Neural Network and Long Short-Term Memory for Prediction of Extreme Climate Change,” Institute of Research and Publication Indonesia, vol. 1, 2024.
NESMA M. REZK, MADHURA PURNAPRAJNA, TOMAS NORDSTRÖM, and ZAIN UL-ABDIN, “Recurrent Neural Networks: An Embedded Computing Perspective,” IEEE Access, vol. 8, 2020.
N. Cahyani Amaliawati Rahmat and Y. Sabilu, “Factors Related To Traders Participation In Waste Management In Laino Market Muna District In 2018,” 2019.
A. Rahmadeyan and Mustakim, “Seleksi Fitur pada Supervised Learning: Klasifikasi Prestasi Belajar Mahasiswa Saat dan Pasca Pandemi COVID-19,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 9, 2023.
F. Husaini, Inggih Permana, M. Afdal, and Febi Nur Salisah, “Penerapan Algoritma Long Short-Term Memory untuk Prediksi Produksi Kelapa Sawit,” MALCOM, vol. 4, 2024.
R. B. R. Putra and Hendry, “Multivariate Time Series Forecasting pada Penjualan Barang Retail dengan Recurrent Neural Network,” INOVTEK POLBENG, vol. 7, 2022.
N. Hasibuan, Yurmaini, and Erliyanti, “Pengaruh Perubahan Lingkungan Terhadap Kinerja Karyawan Pada Bank Syariah Indonesia,” Expensive, vol. 2, 2023.
