ANALISIS DAN PREDIKSI TREN FASHION BATIK INDONESIA MENGGUNAKAN LSTM DAN K-MEANS BERBASIS DATA GOOGLE TRENDS
DOI:
https://doi.org/10.31539/68dm4e33Abstract
Perkembangan tren fashion batik di Indonesia terus mengalami perubahan seiring meningkatnya pemanfaatan teknologi digital dan pencarian informasi melalui internet. Penelitian ini bertujuan menganalisis dan memprediksi tren pencarian batik daerah menggunakan metode Long Short-Term Memory (LSTM) serta mengelompokkan hasil prediksi menggunakan K-Means Clustering berdasarkan data Google Trends periode 2009–2026. Data dipraproses melalui seleksi atribut, normalisasi menggunakan Min-Max Scaler, pembentukan data deret waktu, dan pembagian data latih serta data uji sebelum dilakukan pelatihan model LSTM. Hasil evaluasi model menunjukkan nilai MAE sebesar 1,433845, RMSE sebesar 2,045695, dan MAPE sebesar 29,658822%, yang menunjukkan kemampuan model dalam memprediksi tren pencarian. Hasil prediksi selama Juli 2026 hingga Juni 2027 kemudian dikelompokkan menjadi tiga kategori, yaitu tinggi, sedang, dan rendah menggunakan algoritma K-Means. Penelitian ini menunjukkan bahwa integrasi LSTM dan K-Means mampu memberikan informasi prediksi sekaligus segmentasi tren pencarian batik daerah sebagai pendukung pengambilan keputusan berbasis data.
Kata Kunci: Google Trends, LSTM, K-Means Clustering, Batik Daerah, Prediksi Tren.
References
Alifa, T. T., Astuti, R., & Basysyar, F. M. (2024). Implementasi data mining menggunakan algoritma K-Means clustering dalam analisis penjualan produk. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 602–607.
f R. B., Nastiti, F. E., & Sumarlinda, S. (2023). Algoritma K-Means clustering untuk segmentasi pelanggan (Studi kasus: Fashion Viral Solo). Infotech Journal, 9(1), 124–131.
Avinash, A., Widjaja, A., & Karnalim, O. (2024). Analisis perbandingan algoritma machine learning untuk forecasting persediaan produk barang pokok. Jurnal Teknik Informatika dan Sistem Informasi, 10(2), 361–378.
Juliyanto, R. M., Patria, F., Pamungkas, H. D., & Nugraha, F. S. (2024, November 23). Penerapan algoritma clustering untuk segmentasi pelanggan berdasarkan perilaku pembelian. Prosiding Seminar Nasional AMIKOM Surakarta (SEMNASA) 2024, 117–127. AMIKOM Surakarta.
Kharis, S. A., Zili, A. H., Putri, A., & Robiansyah, A. (2023, Oktober). Analisis Tren Minat Masyarakat Indonesia terhadap Artificial Intelligence dalam Menyongsong Society 5.0: Studi Menggunakan Google Trends. G-Tech : Jurnal Teknologi Terapan.
Krismayani, I., & Mafar, F. (2024). Tren Pencarian Informasi Masyarakat Indonesia. Jurnal Kajian Ilmu Perpustakaan, Informasi dan Kearsipan.
Hakim, L. M. (2018, Juni 17). Batik Sebagai Warisan Budaya Bangsa dan Nation Brand Indonesia. Nation State: Journal of International Studies.
Hasanah, N., & Selasih, D. (2026, Juni). STRATEGI INOVASI PRODUK DAN PEMASARAN BATIK CIWARINGIN UNTUK MASA DEPAN UMKM DAN KOPERASI: DENGAN STUDI KASUS MENGGUNAKAN KUALITATAIF DESKRIPTIF. Jurnal Ekonomidan Perbankan Syaria.
Meriani, A. P., & Rahmatulloh, A. (2024). PERBANDINGAN GATED RECURRENT UNIT (GRU) DAN ALGORITMA LONG SHORTTERM MEMORY (LSTM) LINEAR REFRESSIONDALAM PREDIKSI HARGA EMAS MENGGUNAKAN MODEL TIME SERIES. JITET (Jurnal Informatika dan Teknik Elektro Terapan).
Maharani, M. F., Fitrani, L. D., Bagus, Y., & Haq,
D. Z. (2026). PERBANDINGAN LSTM DAN PROPHET DALAM PREDIKSI TRENDS. Journal of Data Science Theory and Application.
Putri, E. S., & Sadikin, M. (2021). Prediksi penjualan produk untuk mengestimasi kebutuhan bahan baku menggunakan perbandingan algoritma LSTM dan ARIMA. Format Jurnal Ilmiah Teknik Informatika, 10(2), 162–172.
Syarif, M. H., Maghfur, N. M., & Dermawan, B. A. (2023). Forecasting fashion product trends using the SARIMA method on Google Trends data. Jurnal Ilmiah Wahana Pendidikan, 9(8), 350–359.
Sarimole, F. M., & Hakim, L. (2024). Klasifikasi Barang Menggunakan Metode Clustering K-Means Dalam. Jurnal Sains dan Teknologi, 5 No. 3. doi: https://doi.org/10.55338/saintek.v5i1.2709
Tamami, G., & Arifin, M. (2024). Penggunaan LSTM dalam membangun prediksi penjualan untuk aplikasi Laptop Lens. Jurnal Fasilkom, 14(2), 301–308.
Trilestari, L., Shovmayanti, N. A., Kurniawan, D., & Prakosa, F. A. (2025). PEMANFAATAN GOOGL TRENDS UNTUK MENGANALISIS POLA PENGGUNAAN MEDIA SOSIA DI INDONESIA. Jurnal Bincang Komunikasi.
Website
Analytics Vidhya. (2019, August). Comprehensive guide: K-Means clustering. Analytics Vidhya. https://www.analyticsvidhya.com/blog/2019/08/comprehensive-guide-k-means-clustering/
Brownlee, J. (2020). LSTM for time series prediction in PyTorch. Machine Learning Mastery. https://machinelearningmastery.com/lstm-for-time-series-prediction-in-pytorch/
Shandy, E. (2024, September 16). Pengaruh media sosial terhadap trend fashion anak muda Indonesia. Kanal24. https://kanal24.co.id/pengaruh-media-sosial-terhadap-trend-fashion-anak-muda-indonesia/
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Fryan Gerardi Parantak, Teguh Wahyono
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
