PERAMALAN PERMINTAAN HOTEL BERBASIS MACHINE LEARNING MENGGUNAKAN FACEBOOK PROPHET UNTUK MANAJEMEN PENDAPATAN
Jurnal Ilmiah Manajemen, Ekonomi, & Akuntansi (MEA) · 20.11.2026 · 10 (3) · 996-1013
DOI: 10.31955/mea.v10i3.7942 ↗Kurz gefasst
Fachartikel in der Zeitschrift Jurnal Ilmiah Manajemen, Ekonomi, & Akuntansi (MEA), online erschienen am 20.11.2026. Verfasst von Regina Eki Salsabila und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).
Abstract (Originalsprache)
Pertumbuhan cepat platform pemesanan digital telah mengubah industri perhotelan. Hal ini menghasilkan banyak data transaksi yang bisa membantu pengambilan keputusan berbasis data. Meramalkan permintaan hotel dengan tepat menjadi bagian penting dalam manajemen pendapatan. Hotel bisa memakai hasil ramalan ini untuk mengatur harga, merencanakan okupansi, dan membagi sumber daya operasional dengan lebih efisien. Penelitian ini bertujuan mengembangkan model peramalan permintaan hotel harian menggunakan algoritme Facebook Prophet. Penelitian juga memperhitungkan praproses data dan penyetelan parameter untuk memperbaiki hasil ramalan. Penelitian memakai pendekatan kuantitatif dengan data sekunder berupa 6.050 transaksi pemesanan hotel sepanjang tahun 2024. Data ini diubah menjadi 366 pengamatan permintaan harian. Data lalu dibagi secara kronologis menjadi 292 pengamatan data latih (80 persen) dan 74 pengamatan data uji (20 persen). Beberapa skenario praproses dievaluasi, seperti penanganan outlier dengan metode Interquartile Range (IQR), transformasi Log1p, penambahan komponen musiman mingguan, dan penyetelan parameter changepoint_prior_scale (0,01, 0,05, 0,10, dan 0,20). Kinerja model diukur dengan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Symmetric Mean Absolute Percentage Error (sMAPE), dan Weighted Absolute Percentage Error (WAPE). Model dasar Facebook Prophet menghasilkan MAE sebesar 8,864, RMSE 11,639, sMAPE 62,182 persen, dan WAPE 56,306 persen. Penanganan outlier dengan IQR tidak memperbaiki hasil ramalan. Transformasi Log1p dan penambahan musiman mingguan memberi perbaikan pada beberapa metrik. Hasil terbaik didapat pada changepoint_prior_scale = 0,01, dengan MAE 8,541, RMSE 11,658, sMAPE 61,302 persen, dan WAPE 54,251 persen. Walaupun tingkat kesalahan berbasis persentase masih cukup tinggi karena lonjakan permintaan yang sulit diprediksi, hasil ramalan tetap memberi informasi berguna untuk mendukung perencanaan operasional dan pengambilan keputusan manajerial berbasis data pada manajemen pendapatan hotel.
Zitieren
APA
Salsabila, R. E., Fazlurrahman, H., & Wihara, D. S. (2026). PERAMALAN PERMINTAAN HOTEL BERBASIS MACHINE LEARNING MENGGUNAKAN FACEBOOK PROPHET UNTUK MANAJEMEN PENDAPATAN. Jurnal Ilmiah Manajemen, Ekonomi, & Akuntansi (MEA), 10(3), 996-1013. https://doi.org/10.31955/mea.v10i3.7942
Vancouver
Salsabila RE, Fazlurrahman H, Wihara DS. PERAMALAN PERMINTAAN HOTEL BERBASIS MACHINE LEARNING MENGGUNAKAN FACEBOOK PROPHET UNTUK MANAJEMEN PENDAPATAN. Jurnal Ilmiah Manajemen, Ekonomi, & Akuntansi (MEA). 2026;10(3):996-1013. doi:10.31955/mea.v10i3.7942
BibTeX
@article{Salsabila2026,
author = {Salsabila, Regina Eki and Fazlurrahman, Hujjatullah and Wihara, Dhiyan Septa},
title = {PERAMALAN PERMINTAAN HOTEL BERBASIS MACHINE LEARNING MENGGUNAKAN FACEBOOK PROPHET UNTUK MANAJEMEN PENDAPATAN},
journal = {Jurnal Ilmiah Manajemen, Ekonomi, & Akuntansi (MEA)},
year = {2026},
volume = {10},
number = {3},
pages = {996--1013},
doi = {10.31955/mea.v10i3.7942}
}
EUVIMED