Prediksi Penjualan Aksesoris Gadget Berbasis Long-Short Term Memory Dengan Fitur Sentimen Media Sosial Yang Diklasifikasi XGBoost = Sales Prediction of Gadget Accessories Based on Long Short Term Memory with Social Media Sentiment Feature Classified by XGBoost

Perencanaan stok yang akurat menjadi kunci untuk memastikan kelancaran operasional bisnis, menghindari kerugian akibat kelebihan atau kekurangan stok, serta meningkatkan daya saing perusahaan. Namun, kompleksitas pasar dan perubahan tren konsumen yang cepat membuat peramalan penjualan yang hanya berdasarkan data penjualan historis seringkali kurang efektif. Oleh karena itu, diperlukan pendekatan yang lebih holistik dengan memanfaatkan teknologi kecerdasan buatan dan analisis data. Penelitian ini bertujuan untuk membangun sebuah sistem untuk melakukan prediksi penjualan dengan memanfaatkan sentimen media sosial. Prediksi penjualan dilakukan dengan menggunakan data penjualan aksesoris gadget selama satu tahun dengan sentimen publik terkait brand dari aksesoris gadget tersebut yang didapatkan pada X dan Youtube. Pengunaan sentimen mampu menurunkan nilai MASE dalam melakukan prediksi penjualan selama 28 hari ke depan pada model Samsung sebesar 5,88% untuk Samsung, 2,7% untuk Redmi, dan 10,75% untuk Oppo. Meskipun terdapat penurunan terhadap nilai error, model hanya dapat memprediksi penjualan ke depan sejauh nilai lag pada sentimen karena keterbatasannya data sentimen. Penelitian lebih lanjut mengenai pengunaan promo diperlukan untuk menyempurnakan sistem ini.