Analisis Akurasi Forecasting Volume Penjualan Kendaraan PT. Kalla Toyota Menggunakan Model Hybrid SARIMA-LSTM

Latar Belakang. Dalam era persaingan bisnis yang semakin ketat, perusahaan dituntut untuk merespons perubahan permintaan pasar secara cepat dan akurat. Forecasting penjualan menjadi aspek penting dalam industri otomotif yang memiliki pola permintaan fluktuatif. Metode SARIMA efektif dalam menangkap pola musiman dan tren, namun kurang optimal dalam mengenali pola non-linear yang kompleks. Sebaliknya, LSTM mampu memodelkan hubungan jangka panjang pada data deret waktu. Dengan menggabungkan keduanya, model Hybrid SARIMA-LSTM diharapkan menghasilkan peramalan yang lebih akurat. Penelitian ini dilakukan pada konteks industri otomotif Indonesia, khususnya di PT. Kalla Toyota, untuk menilai efektivitas model Hybrid SARIMA-LSTM dalam memprediksi volume penjualan kendaraan. Metode. Metode yang digunakan adalah Hybrid SARIMA-LSTM, di mana SARIMA berperan dalam menangkap komponen linear dan musiman, sedangkan LSTM digunakan untuk memodelkan residual non-linear. Data yang dianalisis berupa volume penjualan kendaraan harian PT. Kalla Toyota pada periode 2021–2024, dengan evaluasi akurasi menggunakan Root Mean Square Error (RMSE) dan Mean Absolute Percentage Error (MAPE). Hasil. Model hybrid menunjukkan kinerja yang sangat baik dengan nilai RMSE 40,84 pada data train dan 67,30 pada data test, serta MAPE 1,16% pada data train dan 1,08% pada data test. Hasil forecasting 30 hari ke depan menghasilkan kisaran volume penjualan antara 31,78 hingga 70,96 unit dengan rata-rata 56,71 unit, yang menunjukkan kecenderungan stabil tanpa lonjakan ekstrem. Kesimpulan. Model hybrid SARIMA-LSTM terbukti memiliki tingkat akurasi tinggi dengan rata-rata kesalahan prediksi hanya sekitar 1% dari nilai aktual. Temuan ini memberikan gambaran bahwa metode hybrid dapat diandalkan untuk meramalkan volume penjualan kendaraan dan merepresentasikan pola pergerakan data penjualan secara lebih tepat.