Prediksi Harga Laptop Menggunakan Algoritma GRU dan BILSTM

Abstract

Pandemi COVID-19 yang dimulai pada awal tahun 2020 telah mengubah berbagai aspek kehidupan, terutama di Indonesia. Namun, implementasi WFH di Indonesia menghadapi beragam tantangan terkait infrastruktur teknologi, budaya organisasi, dan adaptasi karyawan. Sebanyak 32.37% usaha besar dan menengah menerapkan WFH secara parsial, dan 2.24% secara penuh pada tahun 2021. WFH juga dipicu oleh peningkatan polusi udara. Dalam WFH, perangkat kerja seperti laptop menjadi vital, tetapi fluktuasi harga laptop menimbulkan kebingungan dalam perencanaan anggaran pembelian. Metode penelitian yang digunakan adalah studi kualitatif melalui wawancara mendalam dengan perwakilan manajemen dan karyawan dari berbagai sektor industri. Prediksi harga laptop diperlukan untuk membantu masyarakat merencanakan anggaran secara akurat. Penelitian ini berfokus pada prediksi harga laptop menggunakan algoritma BiLSTM dan GRU dengan pendekatan cluster-then-predict. Berdasarkan evaluasi komparatif, model BiLSTM menunjukkan performa yang lebih baik dibandingkan GRU di sebagian besar cluster. Pada Cluster 3, BiLSTM memiliki nilai R2 tertinggi sebesar 0.205 dan MAPE terendah sebesar 2.80%, menunjukkan prediksi yang lebih akurat dibandingkan GRU dengan R2 sebesar 0.181 dan MAPE sebesar 2.72%. Untuk Cluster 1 dan Cluster 2, BiLSTM juga unggul dengan nilai R2 masing-masing sebesar 0.066 dan 0.144 serta MAPE sebesar 3.01% dan 3.24%, sementara GRU memiliki nilai R2 negatif (-0.031) di Cluster 1 dan 0.079 di Cluster 2 dengan MAPE sebesar 3.09% di kedua cluster. Secara keseluruhan, BiLSTM memberikan hasil prediksi yang lebih baik dibandingkan GRU.