PREDIKSI PENJUALAN VOUCHER GAME ONLINE MENGGUNAKAN METODE XGBOOST BERBASIS RESIDUAL PROPHET

MUHAMMAD, RIFKY (2025) PREDIKSI PENJUALAN VOUCHER GAME ONLINE MENGGUNAKAN METODE XGBOOST BERBASIS RESIDUAL PROPHET. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (COVER) COVER SKRIPSI.pdf Download (589kB)
	Text (BAB 1) BAB 1 SKRIPSI.pdf Download (240kB)
	Text (BAB 2) BAB 2 SKRIPSI.pdf Restricted to Repository staff only until 20 June 2028. Download (483kB)
	Text (BAB 3) BAB 3 SKRIPSI.pdf Restricted to Repository staff only until 20 June 2028. Download (800kB)
	Text (BAB 4) BAB 4 SKRIPSI.pdf Restricted to Repository staff only until 20 June 2028. Download (878kB)
	Text (BAB 5) BAB 5 SKRIPSI.pdf Download (199kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (224kB)

Abstract

Industri game online yang berkembang pesat di Indonesia mendorong kebutuhan akan sistem prediksi penjualan yang akurat, terutama untuk produk digital seperti voucher game. Permintaan yang fluktuatif dan kompetisi yang ketat menuntut penyedia layanan untuk memiliki kemampuan prediktif yang andal dalam menyusun strategi penjualan dan pengelolaan stok. Studi sebelumnya menunjukkan bahwa model Prophet memiliki kemampuan dalam menangkap tren jangka panjang dan pola musiman, sedangkan algoritma XGBoost efektif dalam menangani kompleksitas fitur tambahan dalam data transaksi. Penerapan XGBoost pada data penjualan skala besar dapat meningkatkan akurasi prediksi secara signifikan, terutama jika didukung oleh teknik dan pemrosesan fitur yang tepat. Meskipun kedua model ini telah banyak digunakan secara terpisah, pendekatan penelitian ini yang menggabungkan keduanya masih jarang diterapkan secara khusus pada konteks penjualan voucher game di Indonesia. Oleh karena itu, penelitian ini mengembangkan model XGBoost berbasis residual Prophet yang mengintegrasikan komponen tren dari Prophet sebagai fitur tambahan dalam XGBoost untuk meningkatkan akurasi prediksi. Dataset yang digunakan merupakan data transaksi riil dari PT. Athena yang telah diproses melalui tahap pembersihan, normalisasi, encoding, dan rekayasa fitur berbasis waktu serta promosi. Model mencapai MAE yang sudah di scaling sebesar 0.0361, RMSE yang sudah di scaling sebesar 0.0797, dan MAPE sebesar 1,77%, Temuan ini menunjukkan bahwa pendekatan ini mampu meningkatkan akurasi prediksi secara signifikan dan berpotensi menjadi solusi yang adaptif dalam mendukung pengambilan keputusan penjualan berbasis data di sektor digital.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	Fetty Tri, Anggraeny	NIDN0711028201	fettyanggraeny.if@upnjatim.ac.id
Thesis advisor	Achmad, Junaidi	NIDN0710117803	achmadjunaidi.if@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA75 Electronic computers. Computer science

Depositing User:

MUHAMMAD RIFKY BA'ABUD

Date Deposited:

20 Jun 2025 08:12

Last Modified:

20 Jun 2025 08:12

URI:

https://repository.upnjatim.ac.id/id/eprint/38730