Perbandingan Algoritma Sarima dan Prophet Untuk Peramalan Trend Penjualan Voucher Game Online

Abstract

Industri game online terus mengalami perkembangan pesat, mendorong kebutuhan akan sistem peramalan yang akurat untuk mendukung pengambilan keputusan strategis dalam manajemen penjualan dan promosi. Studi ini bertujuan untuk membandingkan kinerja dua algoritma peramalan deret waktu, yaitu Seasonal Autoregressive Integrated Moving Average (SARIMA) dan Prophet, dalam memprediksi tren penjualan voucher game online di platform Kiyystore. Data yang digunakan dalam penelitian ini mencakup transaksi historis dari tahun 2022 hingga 2024, dengan total 5,530 data penjualan. Studi ini menerapkan metodologi Cross Industry Standard Process for Data Mining (CRISP DM) yang terdiri dari tahap pemahaman bisnis, pemrosesan data, pemodelan, dan evaluasi. Model SARIMA dipilih karena kemampuannya untuk menangkap pola musiman dan tren dalam data stasioner. Sementara itu, Prophet digunakan karena dirancang untuk menangani tren non-linear, pola musiman, dan anomali secara otomatis. Evaluasi kinerja dari kedua algoritma dilakukan menggunakan dua metrik utama, yaitu Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa Prophet unggul dalam metrik MAE dengan nilai 0,7054, yang menunjukkan kinerja yang lebih baik dalam meminimalkan kesalahan rata-rata. Di sisi lain, SARIMA menunjukkan keunggulan dalam metrik RMSE dengan nilai 0,9514, yang berarti model ini lebih efektif dalam menangani kesalahan besar atau pencilan dalam prediksi. Studi ini memberikan kontribusi penting dalam pemilihan metode peramalan yang sesuai dengan karakteristik data. Dengan memahami keunggulan masing-masing algoritma, pelaku industri game online dapat lebih optimal dalam merencanakan strategi stok dan promosi, sehingga meningkatkan efisiensi dan daya saing bisnis secara keseluruhan

GS Cited Analysis