<![CDATA[Penyelenggaraan ibadah haji di Indonesia menghadapi tantangan besar dalam pengelolaan jadwal keberangkatan jemaah, terutama karena adanya perubahan regulasi, fluktuasi kuota, dan prioritas yang diberikan kepada kelompok tertentu seperti jemaah lansia. Di Kota Malang, kebutuhan akan prediksi jadwal keberangkatan yang akurat menjadi semakin mendesak untuk memastikan proses yang transparan dan efisien. Penelitian ini bertujuan untuk mengembangkan model prediksi jadwal keberangkatan haji menggunakan pendekatan Long Short-Term Memory (LSTM), sebuah teknik deep learning yang mampu menangani data sekuensial dengan pola temporal yang kompleks. Data yang digunakan dalam penelitian ini mencakup berbagai variabel seperti usia, masa tunggu, status prioritas, dan kuota, yang diperoleh dari database jemaah haji di Kota Malang. Metode LSTM dipilih karena keunggulannya dalam memproses data historis untuk menghasilkan prediksi yang lebih mendalam dan akurat dibandingkan metode konvensional. Hasil penelitian menunjukkan bahwa model LSTM dengan kombinasi fitur "Usia, Masa Tunggu, Kuota (Terpilih)" menghasilkan prediksi yang paling akurat, dengan nilai Mean Absolute Error (MAE) sebesar 0.000049 dan Root Mean Squared Error (RMSE) sebesar 0.000060. Temuan ini menunjukkan bahwa pendekatan LSTM tidak hanya efektif dalam memprediksi jadwal keberangkatan haji, tetapi juga membantu dalam perencanaan operasional yang lebih baik, seperti pengaturan logistik dan alokasi sumber daya. Penggunaan model LSTM dalam prediksi jadwal keberangkatan haji dapat meningkatkan transparansi dan efisiensi dalam manajemen haji, serta memberikan dasar yang kuat bagi pengambilan keputusan strategis di masa depan. Implementasi teknologi ini juga membuka peluang untuk aplikasi serupa di sektor-sektor pemerintahan lainnya.]]>
Copyrights © 2025
