Perbandingan Metode Support Vector Machine dan Long Short Term Memory Dalam Prediksi Pendapatan Usaha Laundry (Studi Kasus BLA Laundry, Mustika Jaya, Bekasi)

Dzikrina Safir, Sheila
Muriyatmoko, Dihin
Kurniawan, Widya

Prosiding Seminar Nasional Rekayasa dan Teknologi (TAU SNAR- TEK)
Vol. 4 No. 1 (2024): Prosiding TAU SNARS-TEK Seminar Nasional Rekayasa dan Teknologi 2024

Laundry merupakan usaha yang menawarkan jasa pencucian pakaian, dimana terdapat beberapa service yang dapat dipilih oleh pelanggan sesuai dengan kebutuhan. Berdasarkan Asosiasi Laundry Indonesia tingkat perkembangan usaha laundry di negeri ini dalam jangka waktu 2022 - 2023 meningkat sebanyak 50% persen. Dengan tingginya angka persaingan dan pertumbuhan usaha laundry dibutuhkan strategi usaha yang tepat. Pengambilan keputusan untuk membuat strategi bisnis yang baik berasal dari data dan informasi yang mendukung dalam pembuatan strategi bisnis. Penelitian ini bertujuan untuk membandingkan tingkat akurasi algoritma Support Vector Machine dan Long Short Term Memory. Pada penelitian ini algoritma Long Short Term Memory memiliki performa yang lebih baik dibandingkan dengan algoritma Support Vector Machine dengan tingkat akurasi LSTM mencapai 83% dan SVM 64%.