PERBANDINGAN MODEL DEEP LEARNING UNTUK PREDIKSI PENJUALAN MOBIL DI INDONESIA DENGAN INTEGRASI FAKTOR MUSIMAN DAN EKSTERNAL

Proposal
NIM: 1217050017
Year: 2025

Description

Penelitian ini membandingkan model deep learning untuk prediksi penjualan kendaraan di Indonesia dengan mempertimbangkan faktor musiman dan eksternal. Model yang dibandingkan meliputi LSTM, CNN, serta model hibrida seperti CNN-LSTM. Menggunakan metode CRISP-DM, data diperoleh dari GAIKINDO dan dilengkapi dengan variabel eksternal seperti harga bahan bakar, nilai tukar rupiah, inflasi, serta indeks kepercayaan konsumen. Model dievaluasi menggunakan MSE, RMSE, dan MAE, di mana hasil menunjukkan bahwa model hibrida, khususnya CNN-LSTM, memiliki akurasi lebih tinggi dibandingkan dengan LSTM atau CNN. Hasil penelitian ini dapat membantu industri otomotif dalam perencanaan produksi dan pemasaran serta memberikan wawasan bagi pemangku kebijakan dalam merancang strategi insentif kendaraan bermotor.