Sistem Prediksi Pendapatan Penjualan Berbasis Web Menggunakan LSTM

Rizqa Zahrotun Nafiah (Program Studi Informatika, Universitas PGRI Semarang, Kota Semarang, Indonesia)
Bambang Agus Herlambang (Program Studi Informatika, Universitas PGRI Semarang, Kota Semarang, Indonesia)
Noora Qotrun Nada (Program Studi Informatika, Universitas PGRI Semarang, Kota Semarang, Indonesia)

Buletin Sistem Informasi dan Teknologi Islam
Vol 7, No 3 (2026)

Usaha Mikro, Kecil, dan Menengah (UMKM) memainkan peran penting dalam pembangunan ekonomi, namun banyak UMKM menghadapi ketidakpastian dalam perencanaan pendapatan penjualan akibat fluktuasi permintaan dan terbatasnya pemanfaatan alat peramalan berbasis data. Penelitian ini mengusulkan sistem prediksi pendapatan penjualan berbasis web untuk UMKM menggunakan metode Long Short-Term Memory (LSTM) guna memodelkan data penjualan harian yang memiliki karakteristik nonlinier dan temporal. Dataset yang digunakan terdiri dari data pendapatan penjualan harian selama lima tahun dari UMKM Rayanzza Fashion, dengan total 1.827 data. Arsitektur stacked LSTM dengan tiga lapisan LSTM digunakan dan dievaluasi menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil eksperimen menunjukkan bahwa model mampu memprediksi pendapatan penjualan harian secara efektif, dengan nilai MAE sebesar 5.708 rupiah, RMSE sebesar 7.122 rupiah, dan MAPE sebesar 1,71% pada data pengujian. Hasil ini menunjukkan kemampuan generalisasi yang baik serta pembelajaran yang efektif terhadap tren penjualan dan pola musiman, meskipun performa menurun pada periode fluktuasi ekstrem. Model yang telah dilatih kemudian diintegrasikan ke dalam sistem berbasis web menggunakan React.js sebagai frontend, Express.js sebagai backend, dan FastAPI untuk penyajian model. Penelitian ini memberikan kontribusi berupa sistem prediksi pendapatan penjualan end-to-end yang dapat diimplementasikan untuk mendukung pengambilan keputusan berbasis data pada UMKM.