Analisis Prediksi Kata Kunci Situs Web MonsterMAC dengan Metode Long Short-Term Memory (LSTM)

Abstrak

Dalam tengah persaingan bisnis yang semakin ketat di ranah digital, banyak perusahaan yang berlomba-lomba untuk meningkatkan jumlah pengunjung pada situs web mereka. Salah satu perusahaan yang bersaing adalah MonsterMAC, sebuah perusahaan startup. Penelitian ini bertujuan untuk memberikan peringatan dini dan menganalisis kata kunci yang relevan di situs web MonsterMAC menggunakan metode Long Short-Term Memory (LSTM). Data pengunjung dari Google Analytics dan data kata kunci dari Google Trends untuk rentang waktu 22 Juli 2022 hingga 15 Juli 2023 telah dikumpulkan dan diproses melalui beberapa tahapan, seperti preprocessing, perancangan model, pelatihan dan pengujian LSTM, serta visualisasi dan interpretasi hasil. Hasil pemodelan menunjukkan kinerja yang memuaskan, dengan MAE Train Real User = 0.0615, Vending Machine = 0.0218, IoT = 0.0284, Machine Learning = 0.0365, Bisnis Digital = 0.0186, Kecerdasan Bisnis = 0.0296. Selain itu, penelitian ini juga menunjukkan bahwa jumlah pengunjung diprediksi akan mengalami peningkatan, namun juga akan mengalami penurunan yang tajam dalam beberapa hari ke depan. Adapun penggunaan kata kunci "IoT" menunjukkan tren peningkatan yang signifikan. Implementasi kata kunci "IoT" dalam strategi SEO terbukti meningkatkan jumlah pengunjung selama tujuh hari berikutnya dari 250 hingga 350. Penelitian ini memberikan panduan bagi pemilik situs web untuk mengoptimalkan strategi konten dan SEO demi meningkatkan visibilitas serta daya saing mereka di dalam lingkungan digital yang sangat kompetitif. Penelitian ini juga menekankan pentingnya metode LSTM dalam analisis dan prediksi kata kunci guna menciptakan strategi SEO yang lebih tepat sasaran.