Fryan Gerardi Parantak
Universitas Kristen Satya Wacana

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

ANALISIS DAN PREDIKSI TREN FASHION BATIK INDONESIA MENGGUNAKAN LSTM DAN K-MEANS BERBASIS DATA GOOGLE TRENDS Fryan Gerardi Parantak; Teguh Wahyono
INTECOMS: Journal of Information Technology and Computer Science Vol. 9 No. 4 (2026): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/68dm4e33

Abstract

Perkembangan tren fashion batik di Indonesia terus mengalami perubahan seiring meningkatnya pemanfaatan teknologi digital dan pencarian informasi melalui internet. Penelitian ini bertujuan menganalisis dan memprediksi tren pencarian batik daerah menggunakan metode Long Short-Term Memory (LSTM) serta mengelompokkan hasil prediksi menggunakan K-Means Clustering berdasarkan data Google Trends periode 2009–2026. Data dipraproses melalui seleksi atribut, normalisasi menggunakan Min-Max Scaler, pembentukan data deret waktu, dan pembagian data latih serta data uji sebelum dilakukan pelatihan model LSTM. Hasil evaluasi model menunjukkan nilai MAE sebesar 1,433845, RMSE sebesar 2,045695, dan MAPE sebesar 29,658822%, yang menunjukkan kemampuan model dalam memprediksi tren pencarian. Hasil prediksi selama Juli 2026 hingga Juni 2027 kemudian dikelompokkan menjadi tiga kategori, yaitu tinggi, sedang, dan rendah menggunakan algoritma K-Means. Penelitian ini menunjukkan bahwa integrasi LSTM dan K-Means mampu memberikan informasi prediksi sekaligus segmentasi tren pencarian batik daerah sebagai pendukung pengambilan keputusan berbasis data. Kata Kunci: Google Trends, LSTM, K-Means Clustering, Batik Daerah, Prediksi Tren.