Analisis Peramalan Peminjaman Buku di Perpustakaan Umum Pamekasan Menggunakan CNN-GRU dan Rolling Window Median

Abstract

Perpustakaan umum memiliki peran strategis dalam meningkatkan literasi masyarakat. Namun, di Perpustakaan Umum Pamekasan, terjadi penurunan signifikan dalam jumlah peminjaman buku akibat pandemi COVID-19. Kondisi ini mendorong perlunya prediksi peminjaman buku untuk membantu pengambilan keputusan strategis. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi hasil peramalan jumlah peminjaman buku di Perpustakaan Umum Pamekasan menggunakan metode Convolutional Neural Network-Gated Recurrent Unit (CNN-GRU) yang digabungkan dengan teknik Rolling Window Median sebagai penanganan outlier. Data yang digunakan adalah data time series bulanan dari Januari 2017 hingga Desember 2024. Penelitian diawali dengan transformasi data dan deteksi outlier menggunakan boxplot, lalu dilakukan hyperparameter tuning untuk mendapatkan nilai window_size dan tolerance terbaik pada teknik Rolling Window Median. Setelah data bersih dari outlier, dibagi menjadi data pelatihan dan pengujian dengan tiga skenario (60:40, 70:30, dan 80:20). Model CNN-GRU kemudian dibangun dan dievaluasi menggunakan metrik MAPE dan RMSE. Hasil penelitian menunjukkan bahwa model CNN-GRU dengan preprocessing Rolling Window Median mampu memberikan prediksi yang akurat, ditunjukkan oleh nilai MAPE terendah sebesar 7,12% dan RMSE sebesar 2,29. Tren hasil prediksi tahun 2025 menunjukkan variasi antar kategori buku: kategori Sejarah dan Geografi mengalami peningkatan, sedangkan kategori Karya Umum, Bahasa, dan Ilmu Alam & Matematika menunjukkan penurunan. Dengan demikian, metode hybrid CNN-GRU dan Rolling Window Median terbukti efektif dalam meramalkan data peminjaman buku yang bersifat fluktuatif. Hasil prediksi ini diharapkan dapat menjadi acuan dalam perencanaan koleksi dan strategi peningkatan layanan perpustakaan.