Sistem Prediksi Tingkat Hunian Hotel dengan Menggunakan Metode Time Series Forecasting ARIMA Berbasis Website (Studi Kasus Hotel Salsabila Sweet Home)

Abstract

Perkembangan industri perhotelan menuntut pengelola hotel untuk mampu melakukan perencanaan operasional secara efektif dan efisien. Salah satu faktor penting dalam pengambilan keputusan manajemen hotel adalah kemampuan memprediksi tingkat hunian kamar secara akurat. Tingkat hunian hotel yang tidak dapat diperkirakan dengan baik dapat menyebabkan ketidakseimbangan dalam pengelolaan sumber daya, seperti penjadwalan karyawan, pengaturan harga kamar, serta strategi pemasaran. Oleh karena itu, diperlukan suatu sistem yang mampu melakukan prediksi tingkat hunian hotel secara sistematis dan berbasis data. Penelitian ini bertujuan untuk merancang dan membangun sistem prediksi tingkat hunian hotel berbasis website menggunakan metode Time Series Forecasting dengan model AutoRegressive Integrated Moving Average (ARIMA). Studi kasus dalam penelitian ini dilakukan pada Hotel Salsabilah Sweet Home dengan memanfaatkan data historis tingkat hunian kamar sebagai data deret waktu (time series). Metodologi penelitian meliputi tahap pengumpulan data, preprocessing data, uji stasioneritas, identifikasi model ARIMA melalui analisis Autocorrelation Function (ACF) dan Partial Autocorrelation Function (PACF), estimasi parameter model, evaluasi akurasi, serta implementasi sistem berbasis web. Sistem yang dibangun memungkinkan pengguna untuk mengelola data historis, menjalankan proses prediksi secara otomatis, serta menampilkan hasil peramalan dalam bentuk grafik dan laporan yang mudah dipahami. Kesimpulan dari penelitian ini adalah bahwa sistem prediksi tingkat hunian hotel menggunakan metode ARIMA berbasis website dapat menjadi solusi yang efektif dalam membantu manajemen Hotel Salsabilah Sweet Home melakukan perencanaan bisnis secara lebih optimal. Penelitian selanjutnya disarankan untuk mengembangkan model hybrid atau metode machine learning guna meningkatkan akurasi prediksi.