IMPLEMENTASI ALGORITMA LONG SHORT TERM MEMORY (LSTM) UNTUK PERAMALAN DERET WAKTU ENGAGEMENT AKUN INSTAGRAM

AHMAD YUSRIL , YUSRO (2023) IMPLEMENTASI ALGORITMA LONG SHORT TERM MEMORY (LSTM) UNTUK PERAMALAN DERET WAKTU ENGAGEMENT AKUN INSTAGRAM. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK.pdf Download (46Kb) | Preview
	File PDF 2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (1279Kb) | Minta salinan
Preview	File PDF 3. SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (1204Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Penentuan tarif iklan yang dilakukan oleh penyedia jasa periklanan di Instagram harus disesuaikan dengan jumlah interaksi yang didapatkan oleh penyedia jasa periklanan dalam kurun waktu tertentu. Informasi jumlah interaksi pada masa mendatang dapat diperoleh dari pengaplikasian peramalan deret waktu yang pada penelitian ini menggunakan Long Short Term Memory (LSTM) yang meliputi tahap pemersiapan data, membangun model, prediksi dan peramalan. Penelitian ini bertujuan untuk menerapkan LSTM untuk peramalan data engagement akun Instagram @lampuung. Pengumpulan data engagement akun dilakukan dengan observasi manual langsung dari Instagram @lampuung dalam kurun waktu 365 hari. Analisis ini membangun model terbaik dengan menggunakan metode LSTM dalam memprediksi 30 periode berikutnya berdasarkan perbandingan nilai evaluasi setiap parameter. Hasil dari penelitian ini menunjukkan bahwa model terbaik dibangun dengan menggunakan time series cross validation dan LSTM unit, batch size, dan epoch dengan masing-masing nilai 25, 16, dan 50. Nilai Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE) yang diperoleh sebesar 1024,12 dan 3,87%. Dengan nilai peramalan dari data account engagement yang diperoleh, penelitian ini menyimpulkan bahwa PT Lampung Geh Helau yang mengelola Instagram @lampuung secara terpusat dapat meningkatkan tarif iklan pada bulan Juni 2023 hingga 24%. Kata Kunci: LSTM, Data Engagement Akun Instagram RMSE, MAPE, Tarif Iklan. The determination of advertising rates driven by advertising service providers on Instagram must be adjusted to the number of interactions obtained by advertising service providers within a certain period. Information on the number of interactions in the future period can be obtained from the application of time series forecasting which in this study uses Long Short Term Memory (LSTM) which includes the stages of data preparation, model building, prediction and forecasting. This research aims to apply the LSTM for forecasting account engagement data of Instagram @lampuung. Collecting account engagement data was conducted by manual observation directly from @lampuung Instagram in 365 day period. This analysis builds the best model using the LSTM method in predicting the subsequent 30 periods based on comparing each parameter's evaluation value. The results of this study indicate that the best model was constructed using time series cross-validation and LSTM units, batch size, and epoch with each value of 25, 16, and 50. The Root Mean Square Error (RMSE) and Mean Absolute Percentage Error (MAPE) obtained are 1024.12 and 3.87%. By the forecasting value of the account engagement data obtained, this research concludes that PT Lampung Geh Helau that centrally organize @lampuung Instagram can increase advertising rates in June 2023 by up to 24%. Keywords: LSTM, Instagram Account Engagement Data, RMSE, MAPE, Advertising Rate.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika 500 ilmu pengetahuan alam dan matematika > 510 Matematika
Program Studi:	FAKULTAS MIPA > Prodi Matematika
Pengguna Deposit:	2301674095 . Digilib
Date Deposited:	27 Jul 2023 07:35
Terakhir diubah:	27 Jul 2023 07:35
URI:	http://digilib.unila.ac.id/id/eprint/73783

Actions (login required)

Lihat Karya Akhir