Image of Analisis Booking Harian Layanan Service Kendaraan Pada Dealer Management System Toyota Menggunakan Metode Seasonal Autoregressive Integrated Moving Average, Long Short-Term Memory Dan Recurrent Neural Network

Text

Analisis Booking Harian Layanan Service Kendaraan Pada Dealer Management System Toyota Menggunakan Metode Seasonal Autoregressive Integrated Moving Average, Long Short-Term Memory Dan Recurrent Neural Network

Layanan purna jual merupakan aspek strategis dalam industri otomotif. Akurasi prediksi booking harian menjadi kunci efisiensi operasional bengkel dalam alokasi teknisi, perencanaan kapasitas, serta penyediaan suku cadang. Sebagian besar studi peramalan permintaan layanan otomotif masih bertumpu pada model statistik atau deep learning secara terpisah, sehingga belum tersedia perbandingan langsung pada konteks Dealer Management System (DMS) Toyota di Indonesia. Penelitian ini bertujuan membandingkan kinerja tiga metode peramalan, yaitu Seasonal Autoregressive Integrated Moving Average (SARIMA), Long Short-Term Memory (LSTM), dan Recurrent Neural Network (RNN), untuk memprediksi jumlah booking harian servis kendaraan pada DMS Toyota Kalla Cabang Alauddin. Data yang digunakan adalah 14.895 transaksi booking periode
Februari 2024–Desember 2025 yang diagregasi menjadi 587 observasi harian dan dibagi menjadi 80% data latih serta 20% data uji. Evaluasi
dilakukan menggunakan MAE, RMSE, MAPE, dan MdAPE. Hasil pengujian menunjukkan model SARIMA(2,1,2)(2,1,2)[6] mengungguli kedua model deep learning dengan akurasi 81,66% (MdAPE 18,34%; MAE 4,99; RMSE 6,36), diikuti RNN dengan akurasi 79,51% (MAE 5,57; RMSE 7,11) dan
LSTM dengan akurasi 78,13% (MAE 6,16; RMSE 7,68). Ketiga model mampu menangkap pola musiman mingguan dengan siklus enam hari
kerja, sehingga hasil penelitian ini dapat menjadi dasar kuantitatif untuk perencanaan kapasitas bengkel, alokasi teknisi, dan pengelolaan inventaris suku cadang.

Ketersediaan
T250037TESIS - 2025 RAH aPerpustakaan Universitas Handayani MakassarTersedia
Informasi Detail
Judul Seri
-
No. Panggil
TESIS - RAH a
Penerbit
Universitas Handayani Makassar : Universitas Handayani Makassar.,
Deskripsi Fisik
i + 126 hlm,; 20,5 x 29,5 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
TESIS - RAH a
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
Ed. 1, Cet. 1
Subjek
Toyota
SARIMA
LSTM
RNN
booking service
Dealer Management System
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar
Anda harus login sebelum memberikan komentar