Perbandingan Algoritma ARIMA, Prophet, dan LSTM dalam Prediksi Penjualan Tiket Wisata Taman Hiburan (Studi Kasus: Saloka Theme Park)

Abstract

Indonesia has a wide variety of tourism destinations or tourism destinations that are useful as a place to have fun with family or friends, to calm down from various activities as well as an educational place for children to be more interested in learning. PT. Panorama Indah Permai (Saloka Theme Park) is one of the tourist destinations in Indonesia and is currently operating again when the Covid-19 pandemic enters Indonesia and results in changes in visitors coming to amusement park tourism. Therefore, a comparison of ARIMA, Prophet, and Long Short-Term Memory (LSTM) algorithms was made to determine the algorithm that is suitable to be used as a predictive model of amusement park ticket sales. The Data obtained comes from historical data and must go through several processes such as pre-processing and algorithm testing to ensure the accuracy of the data with the algorithm. The results obtained from three forecasting models, it was obtained that the ARIMA algorithm has a value of RMSE of 762,009 and MAE of 478,887.

Indonesia memiliki berbagai macam destinasi wisata pariwisata atau daerah tujuan pariwisata yang berguna sebagai tempat bersenang-senang dengan keluarga atau teman-teman, untuk menenangkan diri dari berbagai kegiatan sekaligus sebagai tempat edukasi bagi anak-anak agar lebih tertarik untuk belajar. PT. Panorama Indah Permai (Saloka Theme Park) merupakan salah satu destinasi wisata yang ada di Indonesia dan saat ini telah beroperasi kembali saat pandemi Covid-19 masuk ke Indonesia dan mengakibatkan perubahan pengunjung datang ke wisata taman hiburan. Maka dari itu dibuat sebuah perbandingan algoritma ARIMA, Prophet, dan Long Short-Term Memory (LSTM) untuk menentukan algoritma yang cocok untuk dijadikan model prediksi penjualan tiket wisata taman hiburan. Data yang didapatkan berasal dari data historis serta harus melewati beberapa proses seperti pre-processing dan pengujian algoritma untuk memastikan keakuratan data dengan algoritma tersebut. Hasil yang dididapat dari tiga model forecasting, diperoleh bahwa algoritma ARIMA memiliki nilai RMSE sebesar 762,009 dan MAE sebesar 478,887.