Abstract:Abstract: This study is motivated by the underutilization of transaction data at Toko F3I Kisaran in supporting decision-making related to inventory and pricing strategies. Currently, decisions are made conventionally based…
sed on experience, which may lead to overstock or stockout conditions. This research aims to develop a sales prediction model by applying Data Mining techniques using the Multiple Linear Regression method to analyze the influence of stock and price variables on sales. The research methodology includes historical data collection, regression analysis, web-based system design using PHP and MySQL, and system testing through the Black Box method. The results indicate that the developed model is capable of generating measurable and systematic sales estimations based on stock and price variables. The implementation of this system can assist store management in planning inventory levels and pricing strategies more efficiently, thereby improving operational effectiveness and business competitiveness.
Keywords: data mining; multiple linear regression; PHP; sales prediction; web-based system
Abstrak: Penelitian ini dilatarbelakangi oleh belum optimalnya pemanfaatan data transaksi penjualan pada Toko F3I Kisaran dalam mendukung pengambilan keputusan terkait persediaan dan penetapan harga. Selama ini, keputusan masih dilakukan secara konvensional berdasarkan pengalaman, sehingga berpotensi menimbulkan overstock maupun stockout. Penelitian ini bertujuan untuk membangun model prediksi penjualan dengan menerapkan teknik Data Mining menggunakan metode Regresi Linier Berganda guna menganalisis pengaruh variabel stok dan harga terhadap penjualan. Metodologi penelitian meliputi pengumpulan data historis, analisis perhitungan regresi, perancangan sistem berbasis web menggunakan PHP dan MySQL, serta pengujian sistem dengan metode Black Box. Hasil penelitian menunjukkan bahwa model yang dibangun mampu menghasilkan estimasi penjualan berdasarkan variabel stok dan harga secara lebih terukur dan sistematis. Implementasi sistem ini dapat membantu manajemen toko dalam merencanakan jumlah persediaan dan strategi harga secara lebih efisien, sehingga meningkatkan efektivitas pengelolaan bisnis dan daya saing perusahaan.
Kata kunci: data mining; prediksi penjualan; regresi linier berganda; sistem berbasis web; PHP
Abstract:Abstract: Padang City holds various historical relics from the Dutch colonial era, which possess significant historical value and high tourism potential. However, information regarding the locations and descriptions of these…
hese relics is still scattered and difficult to access in an integrated manner. This study aims to design and implement an Android-based Geographic Information System (GIS) that presents an interactive map containing the locations, descriptions, and photos of the heritage sites, along with a regional filter feature to facilitate navigation. The development process began with data collection from the Tourism Office and field observations, followed by map processing in ArcMap, publication to ArcGIS Online, and the creation of an Android application using ArcGIS Maps SDK and Jetpack Compose. Integration with a MySQL database allows the automatic display of location points on the map. The implementation results show that the application can display 33 heritage site points in three districts of Padang City, complete with descriptions, photos, district filters, and Web Map integration. Testing demonstrated that the application runs smoothly, is informative and interactive, and can support cultural preservation efforts while encouraging interest in historical tourism in Padang City.
Keywords: geographic information system; dutch heritage; arcgis; android; padang city.
Abstrak: Kota Padang menyimpan berbagai peninggalan bersejarah dari masa kolonial Belanda yang memiliki nilai sejarah dan potensi wisata tinggi. Namun, informasi mengenai lokasi dan deskripsi peninggalan tersebut masih tersebar dan sulit diakses secara terpadu. Penelitian ini bertujuan merancang dan mengimplementasikan Sistem Informasi Geografis (SIG) berbasis Android yang menyajikan peta interaktif berisi lokasi, deskripsi, foto peninggalan, serta dilengkapi fitur filter wilayah untuk memudahkan penelusuran. Proses pengembangan diawali dengan pengumpulan data dari Dinas Pariwisata dan observasi lapangan, dilanjutkan dengan pengolahan peta di ArcMap, publikasi ke ArcGIS Online, serta pembuatan aplikasi Android menggunakan ArcGIS Maps SDK dan Jetpack Compose. Integrasi dengan basis data MySQL memungkinkan penampilan titik lokasi secara otomatis pada peta. Hasil implementasi menunjukkan aplikasi mampu menampilkan 33 titik peninggalan di tiga kecamatan di Kota Padang, lengkap dengan deskripsi, foto, filter kecamatan, dan integrasi Web Map. Hasil pengujian membuktikan aplikasi berjalan lancar, informatif, dan interaktif sehingga dapat mendukung upaya pelestarian budaya, dan mendorong peningkatan minat wisata sejarah di Kota Padang.
Kata kunci: sistem informasi geografis; peninggalan belanda;arcgis; android; kota padang
Abstract:Abstract: Bismillah Ponsel in Kisaran Kota faces challenges in managing internet voucher stock due to inefficient manual recording and limited active period. To overcome this problem, the application of the Single Moving…
Average (SMA) forecasting method is proposed to predict stock needs based on historical data. Thus, business owners can manage stock more optimally, avoid shortages or excess inventory, and improve business efficiency and finances. The results of the application of the SMA method show the prediction of voucher stock needs for April and May with fairly good Mean Absolute Percentage Error (MAPE) accuracy. For IM3 vouchers, the stock predictions for each month are 244 and 244.5 (MAPE 8.21%). Axis vouchers as many as 798 (MAPE 5.02%), XL as many as 713 and 724.5 (MAPE 5.02%), Telkomsel as many as 942 and 951 (MAPE 3.23%), Tri as many as 490 and 491 (MAPE 7.94%), and Smartfren as many as 656 and 664 (MAPE 5.38%). With quite high accuracy, the SMA method has proven to be able to predict sales quickly and accurately, help provide stock according to needs, and increase the operational efficiency of Bismillah Ponsel.
Keywords: inventory; management; sales; forecasting; single moving average (SMA).
Abstrak: Bismillah Ponsel di Kisaran Kota menghadapi tantangan dalam pengelolaan stok voucher internet akibat pencatatan manual yang tidak efisien dan masa aktif terbatas. Untuk mengatasi masalah ini, diusulkan penerapan metode peramalan Single Moving Average (SMA) guna memprediksi kebutuhan stok berdasarkan data historis. Dengan demikian, pemilik usaha dapat mengelola stok lebih optimal, menghindari kekurangan atau kelebihan persediaan, serta meningkatkan efisiensi dan keuangan bisnis.Hasil penerapan metode SMA menunjukkan prediksi kebutuhan stok voucher untuk April dan Mei dengan akurasi Mean Absolute Percentage Error (MAPE) yang cukup baik. Untuk voucher IM3, prediksi stok masing-masing bulan adalah 244 dan 244,5 (MAPE 8,21%). Voucher Axis sebanyak 798 (MAPE 5,02%), XL sebanyak 713 dan 724,5 (MAPE 5,02%), Telkomsel sebanyak 942 dan 951 (MAPE 3,23%), Tri sebanyak 490 dan 491 (MAPE 7,94%), serta Smartfren sebanyak 656 dan 664 (MAPE 5,38%). Dengan akurasi yang cukup tinggi, metode SMA terbukti mampu meramalkan penjualan secara cepat dan akurat, membantu penyediaan stok sesuai kebutuhan, serta meningkatkan efisiensi operasional Bismillah Ponsel.
Kata Kunci: manajemen; persediaan; peramalan; penjualan; single moving average (SMA
Abstract:Abstract: Top Fresh Chicken is one of the UKM that produces food made from chicken. The problem faced by Top Fresh Chicken is the excess supply of raw materials which results in high inventory holding costs and hampered…
capital allocation. In this study, historical data on stock of chicken raw materials will be used to test forecasting using the SES and WMA methods. The SES method is a simple forecasting method and relies on exponential smoothing to forecast the value of raw material inventories in the future. Meanwhile, the WMA method uses certain weights to calculate moving averages from historical data, where the highest weight is given to the most recent data. In the method comparison process, several evaluation factors will be used, including the level of accuracy, level of stability, and ease of implementation. By comparing the performance of the two methods, this study aims to determine the most accurate and appropriate method for forecasting chicken raw material stocks. The results of this study are expected to provide clear recommendations regarding the most suitable forecasting method used by Top Fresh Chicken. By using accurate and effective forecasting methods, companies can optimize the use of resources, reduce inventory costs, increase production efficiency, and avoid excess or shortage of raw material inventories.
Keywords: comparison of methods; single exponential smoothing; weighted moving average; raw materials; top fresh chicken.
Abstrak: Top Fresh Chicken merupakan salah satu UKM yang memproduksi makanan yang berbahan baku ayam. Permasalahan yang dihadapi oleh Top Fresh Chicken adalah kelebihan persediaan bahan baku yang mengakibatkan biaya simpan persediaan yang tinggi dan alokasi modal yang terhambat.Dalam penelitian ini, data historis persediaan bahan baku ayam akan digunakan untuk menguji peramalan menggunakan metode SES dan WMA. Metode SES merupakan metode peramalan yang sederhana dan mengandalkan eksponensial smoothing untuk meramalkan nilai persediaan bahan baku di masa depan. Sedangkan metode WMA menggunakan bobot tertentu untuk menghitung rata-rata bergerak dari data historis, di mana bobot tertinggi diberikan pada data terbaru.Dalam proses komparasi metode, beberapa faktor evaluasi akan digunakan, termasuk tingkat akurasi, tingkat kestabilan, dan kemudahan implementasi. Dengan membandingkan kinerja kedua metode, penelitian ini bertujuan untuk menentukan metode yang paling akurat dan tepat untuk meramalkan persediaan bahan baku ayam.Hasil dari penelitian ini diharapkan dapat memberikan rekomendasi yang jelas tentang metode peramalan yang paling cocok digunakan oleh Top Fresh Chicken. Dengan menggunakan metode peramalan yang akurat dan efektif, perusahaan dapat mengoptimalkan penggunaan sumber daya, mengurangi biaya persediaan, meningkatkan efisiensi produksi, dan menghindari terjadinya kelebihan atau kekurangan persediaan bahan baku.
Kata kunci : komparasi metode; single exponential smoothing; weighted moving average; bahan baku; top fresh chicken.
Abstract:Abstract:Theft is the illegal taking of property or belongings of another person without the permission of the owner. The most common crime problem in Asahan District is theft, so that the POLRES is still having trouble…
determining which areas are often the crime of theft. With this problem, we need to do a grouping for areas where theft often occurs, so the process used is the data mining process. Data mining is one of the processes of Knowledge Discovery from Databases (KDD). KDD is an activity that includes collecting, using historical data to find regularities, patterns or relationships in large data sets. One of the techniques known in data mining is clustering technique. The K-Means method is a method for clustering techniques, K- Means is a method that partitions data into groups so that data with the same characteristics are entered into the same set of groups and data with different characteristics are grouped into other groups. The attributes used in grouping this data are annual data, namely 2015, 2016, 2017, 2018, 2019. A case study of 9 POLSEK in the Asahan.
Keywords: Data Mining, Clustering, K-Means Algorithm, Theft Crimes Grouping.
Abstrak: Pencurian merupakan pengambilan properti atau barang milik orang lain secara tidak sah tanpa ijin dari pemilik. Masalah tindak kejahatan yang paling banyak terjadi di Kabupaten Asahan adalah tindak kejahatan pencurian sehingga pihak POLRES masih kesulitan untuk menentukan daerah mana saja yang sering terjadi tindak kejahatan pencuriaan. Dengan adanya masalah ini kita perlu melakukan pengelompokan untuk daerah mana saja yang sering terjadi tindak pencurian maka proses yang digunakan adalah proses data mining. Data mining adalah salah satu proses dari Knowledge Discovery from Databases (KDD). KDD adalah kegiatan yang meliputi pengumpulan, pemakaian data, historis untuk menemukan keteraturan, pola atau hubungan dalam set data besar. Salah satu teknik yang di kenal dalam data mining adalah teknik clustering. Metode K-Means merupakan metode untuk teknik clustering, K-Means adalah metode yang mempartisi data kedalam kelompok sehingga data berkarakteristik sama dimasukan kedalam set kelompok yang sama dan data yang berkerakteristik berbeda dikelompokkan ke dalam kelompok yang lain. Atribut yang di gunakan dalam pengelomokan data ini adalah data pertahun yaitu tahun 2015, 2016, 2017, 2018, 2019. Studi kasus pada 9 POLSEK yang ada di daerah kabupaten Asahan.
Kata kunci: Data Mining, Clustering, Algoritma K-Means, Pengelompokan Tindak Kejahatan Pencurian.
Abstract:Abstract: Accurate forecasts of tea harvest production are important for workforce planning, factory operations, and marketing decisions, yet conventional estimation in plantations often relies on field experience and can…
n be biased and less adaptive to changing conditions. This study aims to develop a Random Forest Regression model to predict tea harvest production at the Bah Butong tea plantation using historical operational and climate-related data. The dataset consists of 60 monthly records (2020–2024) with six predictor variables: rainfall (mm), number of rainy days, pest level, weed level, number of harvested trees and land area. Data were split into 80% training (48 samples) and 20% testing (12 samples). Model hyperparameters were optimized using RandomizedSearchCV with RepeatedKFold cross-validation (5 folds, 3 repeats). The tuned model achieved MSE of 668,980,524.45, RMSE of 25,864.66 kg, MAE of 19,838.69 kg, and MAPE of 7.59% on the test set. The results indicate that the model can provide practical production estimates, with errors averaging about 7–8% of the actual production. Feature importance analysis shows that the number of harvested tea bushes and cultivated area contribute most to predictions. Future work should extend the historical period and incorporate time-based features (seasonality/lag) for improved forecasting.
Keywords: hyperparameter tuning; production prediction; random forest; regression; tea harvest
Abstrak: Perkiraan akurat produksi panen teh sangat penting untuk perencanaan tenaga kerja, operasional pabrik, dan keputusan pemasaran, namun estimasi konvensional di perkebunan seringkali bergantung pada pengalaman lapangan dan dapat bias serta kurang adaptif terhadap perubahan kondisi. Studi ini bertujuan untuk mengembangkan model Regresi Random Forest untuk memprediksi produksi panen teh di perkebunan teh Bah Butong menggunakan data operasional dan data terkait iklim historis. Dataset terdiri dari 60 catatan bulanan (2020–2024) dengan enam variabel prediktor: curah hujan (mm), jumlah hari hujan, tingkat hama, tingkat gulma, jumlah pokok panen, dan luas lahan. Data dibagi menjadi 80% data pelatihan (48 sampel) dan 20% data pengujian (12 sampel). Parameter model dioptimalkan menggunakan RandomizedSearchCV dengan validasi silang RepeatedKFold (5 lipatan, 3 pengulangan). Model yang telah disempurnakan mencapai MSE sebesar 668.980.524,45, RMSE sebesar 25.864,66 kg, MAE sebesar 19.838,69 kg, dan MAPE sebesar 7,59% pada set data uji. Hasil tersebut menunjukkan bahwa model dapat memberikan estimasi produksi yang praktis, dengan kesalahan rata-rata sekitar 7–8% dari produksi aktual. Analisis kepentingan fitur menunjukkan bahwa jumlah semak teh yang dipanen dan luas lahan budidaya paling berkontribusi pada prediksi. Pekerjaan selanjutnya harus memperpanjang periode historis dan menggabungkan fitur berbasis waktu (musiman/lag) untuk peramalan yang lebih baik.
Kata kunci: panen teh; prediksi produksi; random forest; regresi; tuning parameter
Abstract:Abstract: Rehabilitation programs are essential in correctional systems to equip inmates with the skills and behavioral readiness required for social reintegration. However, rehabilitation program assignment in many correctional…
ectional institutions remains dependent on manual and subjective assessments, which may result in inconsistent decisions. This study develops a Random Forest–based prediction system to support objective and data-driven rehabilitation program determination. A quantitative approach was applied using historical inmate data from January 2023 to January 2025, comprising 2,023 records. The research process included data preprocessing, an 80:20 training–testing split, model training, and performance evaluation using accuracy, precision, recall, and F1-score metrics. The results show that the model achieved an accuracy of 86.17% during training in Google Colab and 68.83% when deployed within the application system. This performance gap reflects real-world deployment and computational constraints rather than model failure. The proposed system provides consistent and objective rehabilitation program recommendations, thereby supporting more effective rehabilitation planning and decision-making in correctional institutions.
Keywords: correctional institutions; inmate rehabilitation programs; machine learning; random Forest; prediction system
Abstrak: Program pembinaan narapidana memiliki peran penting dalam sistem pemasyarakatan untuk membekali warga binaan dengan keterampilan serta kesiapan perilaku dalam proses reintegrasi ke masyarakat. Namun, pada banyak lembaga pemasyarakatan, penentuan program pembinaan masih bergantung pada penilaian manual yang bersifat subjektif, sehingga berpotensi menimbulkan ketidakkonsistenan dalam pengambilan keputusan. Penelitian ini mengembangkan sistem prediksi program pembinaan narapidana berbasis algoritma Random Forest guna mendukung pengambilan keputusan yang objektif dan berbasis data. Pendekatan kuantitatif diterapkan menggunakan data historis narapidana periode Januari 2023 hingga Januari 2025 sebanyak 2.023 data. Tahapan penelitian meliputi prapemrosesan data, pembagian data latih dan uji dengan rasio 80:20, pelatihan model, serta evaluasi performa menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 86,17% pada tahap pelatihan di Google Colab dan 68,83% saat diimplementasikan pada sistem aplikasi. Perbedaan performa tersebut mencerminkan keterbatasan lingkungan operasional, bukan kegagalan model. Secara keseluruhan, sistem yang dikembangkan mampu memberikan rekomendasi program pembinaan yang lebih objektif dan konsisten, sehingga mendukung perencanaan pembinaan yang lebih efektif.
Kata kunci: mesin pembelajaran; program pembinaan narapidana; random Forest; sistem pemasyarakatan; sistem prediksi
Abstract:Abstract: This research is motivated by the problem of building material inventory management at Jaqfar Building Store, which is still done manually and based on subjective estimates. This often results in inaccuracies in…
n determining stock levels, either in the form of overstock or understock, which hinders operational effectiveness. The purpose of this study is to apply the Multiple Linear Regression method to analyze the relationship between incoming stock (X1) and outgoing stock (X2) variables with the ending stock variable (Y) to produce an optimal inventory prediction model. The research methodology used includes collecting historical transaction data for building materials such as cement, ceramics, zinc, plywood, and iron. This web-based prediction system was developed using the PHP programming language and a MySQL database. The analysis results show that the resulting regression model can provide a mathematical picture of future inventory patterns based on historical data. Implementation of this system is expected to assist the management of Jaqfar Building Materials Store in making strategic decisions regarding purchasing and sales in a more measured and efficient manner.
Keyword: building materials; data mining; inventory; multiple linear regression
Abstrak: Penelitian ini dilatarbelakangi oleh permasalahan pengelolaan persediaan bahan bangunan di Toko Bangunan Jaqfar yang masih dilakukan secara manual dan berdasarkan perkiraan subjektif. Hal ini menyebabkan sering terjadinya ketidaktepatan dalam menentukan jumlah stok, baik berupa kelebihan barang (overstock) maupun kekurangan barang (understock) yang menghambat efektivitas operasional. Tujuan dari penelitian ini adalah menerapkan metode Multiple Linear Regression (Regresi Linear Berganda) untuk menganalisis hubungan antara variabel stok masuk (X1) dan stok keluar (X2) terhadap variabel stok akhir (Y) guna menghasilkan model prediksi persediaan yang optimal. Metodologi penelitian yang digunakan mencakup pengumpulan data historis transaksi bahan bangunan seperti semen, keramik, seng, triplek, dan besi. Sistem prediksi ini dikembangkan berbasis web menggunakan bahasa pemrograman PHP dan basis data MySQL. Hasil analisis menunjukkan bahwa model regresi yang dihasilkan mampu memberikan gambaran matematis mengenai pola persediaan di masa mendatang berdasarkan data historis. Implementasi sistem ini diharapkan dapat membantu manajemen Toko Bangunan Jaqfar dalam mengambil keputusan strategis terkait pembelian dan penjualan secara lebih terukur serta efisien.
Kata kunci: bahan bangunan; data mining; persediaan; regresi linear berganda
Abstract:Abstract: The rapid development of digital technology has brought significant changes in consumption patterns and customer behavior, particularly in the fashion retail sector. Increasing competition and rising cynsumer expectations…
xpectations for fast, accurate, and technology-based services require businesses to innovate and undergo digital transformation. One widely used approach is the implementation of automation-based Electronic Customer Relationship Management (E-CRM). This study aims to analyze the implementation of E-CRM automation and its impact on service efficiency at Toko Diah Fashion, a fashion retail business that still faces service challenges due to manual systems, such as customer data duplication, delayed responses, and difficulty in monitoring transaction history. The research method used is a descriptive qualitative method with data collection techniques through observation, interviews, and documentation. The research focus is limited to aspects of service efficiency, including service speed, accuracy in managing customer data, and ease in customer follow-up. The E-CRM automation system studied is designed using PHP programming language and a MySQL database. The research results indicate that the implementation of E-CRM automation can significantly improve service efficiency. This system facilitates integrated customer data management, speeds up the service process, and supports more personalized communication through notification features and transaction history recording.
Keyword: automation; e-crm; fashion retail; service efficiency.
Abstrak: Perkembangan teknologi digital yang semakin pesat telah membawa perubahan signifikan dalam pola konsumsi dan perilaku pelanggan, khususnya dalam sektor ritel fashion. Persaingan yang semakin ketat serta meningkatnya ekspektasi konsumen terhadap layanan yang cepat, akurat dan berbasis teknologi menuntut pelaku usaha untuk melakukan inovasi dan transformasi digital. Salah satu pendekatan yang banyak digunakan adalah penerapan Electronic Customer Relationship Management (E-CRM) berbasis automasi. Penelitian ini bertujuan untuk menganalisis penerapan automasi E-CRM serta pengaruhnya terhadap efisiensi pelayanan pada Toko Diah Fashion, sebuah usaha ritel fashion yang masih menghadapi kendala pelayanan akibat sistem manual, seperti duplikasi data pelanggan, keterlambatan respons, dan kesulitan dalam pemantauan histori transaksi. Metode penelitian yang digunakan adalah metode kualitatif deskriptif dengan teknik pengumpulan data melalui observasi, wawancara, dan dokumentasi. Fokus penelitian dibatasi pada aspek efisiensi pelayanan, meliputi kecepatan pelayanan, ketepatan pengelolaan data pelanggan, serta kemudahan dalam tindak lanjut pelanggan. Sistem automasi E-CRM yang dikaji dirancang menggunakan bahasa pemrograman PHP dan basis data MySQL. Hasil penelitian menunjukkan bahwa penerapan automasi E-CRM mampu meningkatkan efisiensi pelayanan secara signifikan. Sistem ini mempermudah pengelolaan data pelanggan secara terintegrasi, mempercepat proses pelayanan, serta mendukung komunikasi yang lebih personal melalui fitur notifikasi dan pencatatan histori transaksi.
Kata kunci: automasi; e-crm; efisiensi pelayanan; ritel fashion.
Abstract:Abstract: The materials sector is one of the stock markets sectors that attracts investors due to the high level of construction activity in Indonesia, which supports long-term growth. Stock price movements are influenced…
d by various factors, requiring investors to determine the appropriate timing for buying, selling, or holding stocks. Therefore, this study aims to predict stock prices in the materials sector using a combination of CNN–BiLSTM algorithms. The research data were obtained from Yahoo Finance and processed through min–max normalization, data splitting, sliding window, model implementation, and evaluation stages. Testing was conducted on INTP and SMGR stocks with data split scenarios ranging from 60:40 to 90:10. The results show that CNN–BiLSTM performs best with a 90:10 data split, with minimum MSE and MAPE values of 0.000153 and 2.471% for INTP, and 0.000199 and 2.208% for SMGR, respectively. These findings indicate that increasing the proportion of training data improves the model's ability to learn historical patterns and produce more stable predictions.
Keywords: CNN-BILSTM; materials sector; stock
Abstrak: Sektor materials merupakan salah satu sektor saham yang diminati investor karena tingginya aktivitas pembangunan di Indonesia yang mendorong pertumbuhan jangka panjang. Pergerakan harga saham dipengaruhi oleh berbagai faktor sehingga investor perlu menentukan waktu transaksi yang tepat. Oleh karena itu, penelitian ini bertujuan memprediksi harga saham sektor materials menggunakan kombinasi algoritma CNN–BiLSTM. Data penelitian diperoleh dari Yahoo Finance dan diproses melalui tahapan normalisasi min–max, pembagian data, sliding window, implementasi model, serta evaluasi. Pengujian dilakukan pada saham INTP dan SMGR dengan skenario pembagian data 60:40 hingga 90:10. Hasil menunjukkan bahwa CNN–BiLSTM menghasilkan performa terbaik pada pembagian data 90:10, dengan nilai MSE dan MAPE minimum masing-masing sebesar 0.000153 dan 2.471% untuk INTP, serta 0.000199 dan 2.208% untuk SMGR. Temuan ini mengindikasikan bahwa peningkatan porsi data latih meningkatkan kemampuan model dalam mempelajari pola historis dan menghasilkan prediksi yang lebih stabil.
Kata kunci: CNN-BILSTM; saham; sektor materials