Model Prediksi Pendapatan berbasis Jaringan Saraf Tiruan : Studi Kasus pada Alokasi Anggaran Iklan

Abstract

Ledakan data dan perkembangan teknologi dalam satu dekade terakhir ini mendorong meningkatnya penelitian di bidang kecerdasan buatan, khususnya machine learning. Data dari aktivitas digital seperti transaksi bisnis dalam suatu perusahaan menuntut metode yang mampu mengekstraksi informasi bernilai untuk mendukung pengambilan keputusan strategis. Salah satu pendekatan yang banyak digunakan adalah Jaringan Saraf Tiruan (JST), model yang terinspirasi dari sistem jaringan saraf manusia dan efektif mengenali pola non-linear serta kompleks. Jaringan Saraf Tiruan telah diaplikasikan dalam berbagai bidang, termasuk kesehatan, keuangan, dan meteorologi. Penelitian ini berfokus pada pemanfaatan JST untuk prediksi pendapatan berdasarkan variasi distribusi beberapa anggaran iklan. Metode yang digunakan adalah model JST dengan tiga lapisan, yakni input, hidden, dan output layer. Output layer pada model ini hanya terdiri dari satu neuron sebagai representasi pendapatan. Hasil penelitian menunjukkan konfigurasi terbaik pada batch size = 2, neuron hidden layer = 16, dan epoch = 150, dengan performa prediksi Mean Absolute Error (MAE) sebesar 0,47.