<![CDATA[Penelitian ini membahas prediksi pendapatan penjualan berskala multi-kota dengan menggunakan arsitektur Gated Recurrent Unit (GRU) yang dipadukan dengan teknik sequential windowing. Dataset yang digunakan berasal dari Iowa dataset, mencakup lebih dari 10 juta transaksi pada 442 kota selama periode empat tahun. Dari dataset tersebut dipilih kota-kota dengan kontribusi pendapatan terbesar dan pola data yang signifikan untuk dianalisis lebih lanjut. Proses penelitian mencakup tahapan persiapan data, pemrosesan, pemodelan, dan evaluasi. Dua pendekatan dibandingkan, yaitu GRU dengan sequential windowing (GRU-SW) dan GRU tanpa sequential windowing. Evaluasi menggunakan metrik Root Mean Squared Error (RMSE) dan Willmott’s d-index menunjukkan bahwa GRU-SW secara konsisten menghasilkan prediksi yang lebih akurat pada level harian maupun bulanan. Hasil penelitian ini menegaskan keunggulan integrasi sequential windowing dalam meningkatkan kemampuan model GRU untuk menangkap pola temporal dan musiman, serta memberikan kontribusi praktis bagi perencanaan keuangan, strategi bisnis, dan kebijakan publik berbasis data.]]>
Copyrights © 2025
