%0 Generic
%A AHMAD YUSRIL , YUSRO 
%C UNIVERSITAS LAMPUNG
%D 2023
%F eprints:73783
%I FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
%T IMPLEMENTASI ALGORITMA LONG SHORT TERM MEMORY (LSTM) UNTUK PERAMALAN DERET WAKTU ENGAGEMENT AKUN INSTAGRAM 
%U http://digilib.unila.ac.id/73783/
%X 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.