<![CDATA[Museum Airlangga Kota Kediri masih menggunakan pencatatan jumlah pengunjung secara manual sehingga data kunjungan yang tersedia belum dapat dimanfaatkan secara optimal untuk mendukung pengambilan keputusan. Penelitian ini bertujuan untuk membandingkan performa algoritma Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM) dalam memprediksi jumlah pengunjung museum berdasarkan data historis kunjungan periode Januari 2024 hingga Maret 2026. Tahapan penelitian meliputi preprocessing data, pembangunan model, pengujian, dan evaluasi menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa model ARIMA memperoleh nilai MAE sebesar 3.6730, RMSE sebesar 6.9843, dan MAPE sebesar 247.5704%, sedangkan model LSTM memperoleh nilai MAE sebesar 2.9242, RMSE sebesar 7.1169, dan MAPE sebesar 155.2355%. Meskipun nilai RMSE ARIMA sedikit lebih rendah, model LSTM menghasilkan nilai MAE dan MAPE yang lebih baik sehingga secara keseluruhan memiliki performa prediksi yang lebih unggul. Hasil penelitian ini menunjukkan bahwa metode LSTM lebih efektif dalam memprediksi jumlah pengunjung museum yang memiliki pola data dinamis dan fluktuatif.]]>
Copyrights © 2026
