PREDIKSI JEMAAH HAJI KEMENTERIAN AGAMA KOTA BANDUNG MENGGUNAKAN METODE LSTM
DOI:
https://doi.org/10.32897/sobat.2025.7.1.5289Keywords:
Prediksi, Jemaah Haji, LSTM, Time Series, Kementerian AgamaAbstract
Jumlah pendaftar jemaah haji di Indonesia, khususnya Kota Bandung, terus meningkat setiap tahun sehingga menimbulkan tantangan bagi Kementerian Agama dalam pengelolaan kuota, fasilitas, dan administrasi. Sistem SISKOHAT yang ada belum mampu memprediksi jumlah pendaftar di masa depan, sehingga diperlukan sistem prediktif untuk mendukung perencanaan kebijakan. Penelitian ini membangun sistem prediksi jumlah calon jemaah haji menggunakan metode Long Short-Term Memory (LSTM) dengan Data historis pendaftar Kota Bandung tahun 2014–2024. Tahapan penelitian meliputi pengumpulan Data, preprocessing, normalisasi, transformasi time series, pemisahan Data, pembangunan model LSTM, evaluasi dengan RMSE, MAPE, dan MSE, serta pengembangan sistem berbasis web menggunakan Python dan Flask. Hasil pengujian menunjukkan model LSTM memiliki akurasi prediksi yang cukup tinggi. Sistem telah divalidasi dengan metode black box dan kuesioner, menghasilkan nilai rata-rata 70,6%, yang menunjukkan sistem berfungsi baik dan layak digunakan Kementerian Agama Kota Bandung sebagai solusi digitalisasi layanan publik berbasis AI.
References
Suci Wulandari, Salman Daffa Nur Azizi, Rifqi Thariq Hidayat. Paradigma Ibadah Haji Dan Umroh Ditinjau Berdasarkan Perspektif Hukum Islam Dan Hukum Positif Di Indonesia. Komparat J Perbandingan Huk Dan Pemikir Islam. 2024;3 (2) :171–88.
Hambali H, Safii M, Komputer I, Siantar P, Siantar P, Utara S. Penerapan Algoritma Backpropagation Dalam Memprediksi Jumlah Jamaah Haji Pematang Siantar 1,2. 2024;8 (1) :135–43.
Harahap Ih, Budianita E, Afrianty I. Penerapan Algoritma Jaringan Syaraf Tiruan Backpropagation Untuk Prediksi Jumlah Jamaah Pendaftar Haji Provinsi Riau. Semin Nas Teknol … [Internet]. 2021; (November) :32–42. Available From: Http://Ejournal.Uin-Suska.Ac.Id/Index.Php/Sntiki/Article/View/14378
Haitomi F, Sari M, Ain Binti Nor Isamuddin Nf. Moderasi Beragama Dalam Perspektif Kementerian Agama Republik Indonesia: Konsep Dan Implementasi. Al-Wasatiyah J Relig Moderation. 2022;1 (1) :66–83.
Ramadhani F Dwi. Sistem Prediksi Penjualan Dengan Metode Single Exponential Smoothing & Trend Parabolik. Ramadhani Fitriani D, Editor. Pt. Mediatama Digital Cendekia; 2021.
Farikhul Firdaus R, Paputungan Iv. Prediksi Curah Hujan Di Kota Bandung Menggunakan Metode Long Short Term Memory. J Penelit Inov. 2022;2 (3) :453–60.
Kholifatullah Bah, Prihanto A. Penerapan Metode Long Short Term Memory Untuk Klasifikasi Pada Hate Speech. J Informatics Comput Sci. 2023;04:292–7.
Akbar R, Santoso R, Warsito B. Prediksi Tingkat Temperatur Kota Semarang Menggunakan Metode Long Short-Term Memory (Lstm). J Gaussian. 2023;11 (4) :572–9.
Nasional J, Informasi S, Malang Pn, Timur J. Prediksi Harga Saham Syariah Menggunakan Algoritma Long Short-Term Memory ( Lstm ). 2023;03 (2022) :164–72.
Selle N, Yudistira N, Dewi C, Brawijaya U. Perbandingan Prediksi Penggunaan Listrik Dengan Menggunakan Metode Long Short Term Memory ( Lstm ) Dan Recurrent Neural Network ( Rnn ) Comparison Of Predicting Electricity Consumption Using Long Short Term Memory ( Lstm ) And Recurrent Neural Network ( Rnn ). 2022;9 (1) :155–62.
