<![CDATA[Penelitian dan publikasi ilmiah merupakan indikator penting dalam menilai kualitas dan reputasi perguruan tinggi, namun Fakultas Ilmu Komputer Universitas Muslim Indonesia (FIKOM UMI) belum memiliki sistem informasi yang mampu menyajikan analisis tren serta prediksi publikasi dan sitasi secara terintegrasi. Penelitian ini bertujuan mengembangkan sistem informasi penelitian dan publikasi berbasis data analitik serta membandingkan performa metode Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM) dalam peramalan deret waktu. Data yang digunakan merupakan data sekunder periode 2017–2025 sebanyak 360 data, dengan tahapan preprocessing, agregasi data tahunan, normalisasi, pembentukan data sekuens, serta pembagian data latih dan data uji (80:20). Evaluasi model dilakukan menggunakan RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa LSTM memiliki performa lebih baik dibandingkan ARIMA, dengan nilai RMSE 43,16, MAE 40,22, dan MAPE 74,15% pada prediksi publikasi, lebih rendah dibandingkan ARIMA (RMSE 48,71, MAE 46,50, MAPE 84,32%). Pada prediksi sitasi, LSTM juga lebih unggul dengan RMSE 252,44, MAE 250,23, dan MAPE 529,86%, dibandingkan ARIMA (RMSE 288,31, MAE 286,42, MAPE 600,42%). Dengan demikian, sistem yang dikembangkan mampu menyajikan tren serta prediksi yang dapat mendukung pengambilan keputusan strategis dalam meningkatkan kualitas penelitian dan publikasi]]>
Copyrights © 2026
