<![CDATA[Tingkat kunjungan pemustaka merupakan indikator utama keberhasilan layanan dan pemanfaatan fasilitas di suatu perpustakaan perguruan tinggi. Saat ini, pelaporan dari Sistem Informasi Manajemen Perpustakaan (SLiMS) di Universitas Lancang Kuning umumnya hanya bersifat deskriptif dan melihat riwayat data sebelumnya (hindsight), tanpa dilengkapi modul peramalan (forecasting) yang terintegrasi, sehingga menyulitkan pengelola perpustakaan dalam melakukan perencanaan strategis ke depan. Penelitian ini bertujuan merancang dan mengembangkan dashboard analitik prediktif berbasis komputasi awan (cloud) untuk memproyeksikan jumlah pengunjung secara efisien, otomatis, dan tanpa biaya peladen fisik (serverless). Metode yang digunakan adalah algoritma Autoregressive Integrated Moving Average (ARIMA) orde (1,1,0) yang diimplementasikan secara natif menggunakan Google Apps Script (GAS) dan Google Sheets sebagai basis data awan. Data riwayat kunjungan diekstraksi dari SLiMS dalam format CSV, kemudian diproses secara otomatis melalui pembersihan data (data cleaning) dan data time series (deret waktu) untuk menghasilkan proyeksi bulan berikutnya beserta pemahaman sebagai rekomendasi kepada pngelola perpustakaan. Hasil pengujian terhadap 31.604 baris data kunjungan menunjukkan bahwa arsitektur sistem berhasil mendeteksi tren fluktuasi jangka pendek dengan sangat responsif tanpa mengalami jeda. Model memproyeksikan penurunan tajam tingkat kunjungan menjadi 55 pengunjung pada bulan Juni 2026, yang secara nyata terkonfirmasi sebagai akibat dari siklus libur akademik semester genap. Arsitektur sistem nirserver ini terbukti akurat, hemat biaya operasional, dan efisien untuk diterapkan sebagai asisten analitik cerdas di perpustakaan beranggaran terbatas.]]>
