Perkembangan tren fashion batik di Indonesia terus mengalami perubahan seiring meningkatnya pemanfaatan teknologi digital dan pencarian informasi melalui internet. Penelitian ini bertujuan menganalisis dan memprediksi tren pencarian batik daerah menggunakan metode Long Short-Term Memory (LSTM) serta mengelompokkan hasil prediksi menggunakan K-Means Clustering berdasarkan data Google Trends periode 2009–2026. Data dipraproses melalui seleksi atribut, normalisasi menggunakan Min-Max Scaler, pembentukan data deret waktu, dan pembagian data latih serta data uji sebelum dilakukan pelatihan model LSTM. Hasil evaluasi model menunjukkan nilai MAE sebesar 1,433845, RMSE sebesar 2,045695, dan MAPE sebesar 29,658822%, yang menunjukkan kemampuan model dalam memprediksi tren pencarian. Hasil prediksi selama Juli 2026 hingga Juni 2027 kemudian dikelompokkan menjadi tiga kategori, yaitu tinggi, sedang, dan rendah menggunakan algoritma K-Means. Penelitian ini menunjukkan bahwa integrasi LSTM dan K-Means mampu memberikan informasi prediksi sekaligus segmentasi tren pencarian batik daerah sebagai pendukung pengambilan keputusan berbasis data. Kata Kunci: Google Trends, LSTM, K-Means Clustering, Batik Daerah, Prediksi Tren.
Copyrights © 2026