Perbandingan Metode Support Vector Machine dan Long Short Term Memory Dalam Prediksi Pendapatan Usaha Laundry (Studi Kasus BLA Laundry, Mustika Jaya, Bekasi)

Penulis

  • Sheila Dzikrina Safir Universitas Darussalam Gontor, Siman, Ponorogo
  • Dihin Muriyatmoko Universitas Darussalam Gontor, Siman, Ponorogo
  • Widya Kurniawan Universitas Darussalam Gontor, Siman, Ponorogo

DOI:

https://doi.org/10.47970/snarstek.v2i1.709

Kata Kunci:

Digital Business, Laundry, Support Vector Machine, Long Short Term Memory

Abstrak

Laundry merupakan usaha yang menawarkan jasa pencucian pakaian, dimana terdapat beberapa service yang dapat dipilih oleh pelanggan sesuai dengan kebutuhan. Berdasarkan Asosiasi Laundry Indonesia tingkat perkembangan usaha laundry di negeri ini dalam jangka waktu 2022 - 2023 meningkat sebanyak 50% persen. Dengan tingginya angka persaingan dan pertumbuhan usaha laundry dibutuhkan strategi usaha yang tepat. Pengambilan keputusan untuk membuat strategi bisnis yang baik berasal dari data dan informasi yang mendukung dalam pembuatan strategi bisnis. Penelitian ini bertujuan untuk membandingkan tingkat akurasi algoritma Support Vector Machine dan Long Short Term Memory. Pada penelitian ini algoritma Long Short Term Memory memiliki performa yang lebih baik dibandingkan dengan algoritma Support Vector Machine dengan tingkat akurasi LSTM mencapai 83% dan SVM 64%.

##submission.downloads##

Diterbitkan

2024-08-10