Title
Now showing items 181-185 of 326
Penerapan Arsitektur Model Hybrid Convolutional Neural Network-Gated Recurrent Unit Dalam Melakukan Prediksi Harga Jual Paket Internet
Arif, Muhammad () 2023Saat ini internet terus bergulir sehingga mulai dirasakan sebagai suatu kebutuhan pokok untuk memperoleh informasi yang baru dan lengkap. Banyak orang mulai dari anak-anak hingga orang dewasa terdorong untuk mengakses internet untuk bermacam-macam keperluan mereka. Hal ini menjadi penyebab membanjirnya penjualan data internet dengan harga yang bermacam macam. Banyak paket internet berbasis kuota ditawarkan oleh perusahaan operator seluler. Pasalnya internet berbasis kuota sangat cocok dan diminati oleh masyarakat yang memiliki beragam kepentingan yang berkaitan dengan penggunaan internet, permintaan paket internet semakin meningkat dengan harga yang berbeda beda setiap operator. Dan penelitian ini memliki permasalahan yang terjadi saat ini yaitu belum pernah dilakukan prediksi harga paket setiap operator seluler dikarenakan harga yang beraneka ragam dan berubah rubah. Prediksi pada harga paket intenet menjadi sangat penting ketika hasil prediksi yang akurat dapat membantu perusahaan seluler dan pedagang dalam menetapkan harga. maka dari itu dalam penelitian ini menggunakan Metode Deep Learning GRU (Gated Recurrent Unit) untuk Time Series Forecasting atau Peramalan Seri Waktu dari perubahan harga paket internet. Berdasarkan pada penelitian dengan menggunakan Metode GRU menghasilkan Jumlah neuron hidden layer dengan hasil paling optimal yaitu dengan 256 neuron hidden layer. Hal ini karena jumlah 256 neuron hidden layer memiliki tingkat error yang paling rendah yaitu pada data train sebesar 12.247 dan pada data test sebesar 11.481. Kata Kunci : internet,prediksi,GRU
PENERAPAN DATA MINING DENGAN METODE SINGLE MOVING AVERAGE DALAM PENGOLAHAN DATA PENERIMAAN SISWA BARU DENGAN PENDEKATAN MAD (MEAN ABSOLUTE DEVIATION) DAN MSE (MEAN SQUARED ERROR)
Fahreza, Aulia () 2021Penerimaan siswa tahun ajaran baru dapat mengalami peningkatan dan dapat juga mengalami penurunan. Hal tersebut merupakan suatu masalah yang dihadapi MA Negeri 1 Bener Meriah dalam menentukan langkah-langkah strategis kedepannya, sehingga diperlukan adanya prediksi untuk mengetahui perolehan jumlah siswa baru, agar semua kebijakan dan keputusan dalam menyusun perencanaan kedepan dapat terpenuhi dengan baik. Proses prediksi yang dibangun akan menghasilkan data keluaran yang informatif berupa hasil prediksi jumlah penerimaan siswa baru pada periode tahun ajaran akan datang. Metode yang digunakan untuk melakukan prediksi jumlah penerimaan siswa baru adalah metode Single Moving Average dengan menggunkan akurasi prediksi Mean Square Error (MSE) dan Mean Absolute Deviation (MAD) untuk memilih model terbaik yang akan digunakan dalam menentukan hasil prediksi. Berdasarkan hasil analisis dan pengujian dengan menggunakan data 4 tahun terakhir, didapatkan bahwa jumlah penerimaan siswa baru dengan menggunakan moving average 2 tahunan sebanyak 37 siswa dengan akurasi nilai error MAD sebesar 9,75 dan MSE 507. Sedangkan dengan moving average 3 tahunan sebanyak 44 siswa dengan akurasi nilai error MAD 8,075 dan MSE 347,763 Oleh karena itu hasil prediksi yang direkomendasikan yaitu menggunakan rata-rata bergerak (moving average) 3 tahunan dengan pendekatan MAD karenai nilai error yang dihasilkan lebih kecil. Kata Kunci : Prediksi, Single Moving Average, Mean Absolute Deviation, Mean Sequared Error
PENERAPAN DATA MINING K-MEANS CLUSTERING UNTUK PENGELOMPOKAN BARANG PADA MASA PANDEMI COVID-19 DI REX INDONESIA
Dwivayana, Sisca () 2021Jasa pengiriman barang sangat berguna dan sangat mudah untuk diakses, sejak diberlakukannya bekerja dari rumah banyak sekali pekerja, ibu rumah tangga, ataupun pedagang, banyak yang menggunakan jasa pengiriman baik untuk memenuhi kebutuhan maupun untuk usaha jual beli barang. Royal Express Indonesia (REX) merupakan salah satu perusahaan yang memfokuskan layanannya sebagai perusahaan jasa pengiriman. Kasus covid-19 masuk ke Indonesia pada awal bulan Maret 2020. Kasus tersebut semakin meningkat dan menyebar dengan cepat keseluruhan wilayah Indonesia. Dengan melakukan pengelompokan jenis paket menggunakan algoritma K-Means. Dapat membantu perusahaan dalam mengevalusai statistik barang yang mengalami peningkatan dan penurunan. Penerapan metode K-Means akan dilakukan menggunakan software SPSS versi 25. Hasil dari proses K-Means Clustering dapat disimpulkan di cluster 1 memiliki 8.000 (53.33%) data, di cluster 2 memiliki 4.000 (26.67%) data dan untuk di cluster 3 memiliki 3.000 (20.00%) data. Kata kunci : K-Means Clustering, SPSS 25.
PENERAPAN DATA MINING MENGGUNAKAN METODE NAIVE BAYES UNTUK KLASIFIKASI DATA PENENTUAN HASIL PENJUALAN DALAM STRATEGI PEMASARAN
Rozi, Muhammad Fakhrul () 2023Di era digital saat ini strategi pemasaran harus dimiliki setiap thriftshop /toko agar dapat memprediksi hasil produk yang akan dijual ke depannya. Dalam memprediksi data diperlukan pengolahan data yang efektif dan efisien, salah satu teknik dalam mengolah data dalam data mining yaitu naive bayes. Naive bayes dapat mengklasifikasikan data sesuai kategori-kategori yang digunakan sehingga peneliti dapat memprediksi hasil penjualan barang. Dengan data penjualan 2,5 tahun terakhir, peneliti membagi datanya menjadi 900 data traning dan 209 data testing sebagai pengujian datanya, maka didapatkan hasil pengujian pengklasifikasi sebesar 0.598 pada Akurasinya, 0.493 pada Classification accuracy , 0.472 pada F1, 0.557 pada precision dan 0.493 pada recall. Peneliti memakai aplikasi orange untuk pengujiannya dan memvisualisasikan hasil dari prediksi penjualan 1/2 tahun berikutnya. Kata Kunci : Strategi Pemasaran, Data Mining, Naive Bayes, Orange
PENERAPAN DATA MINING UNTUK MEMPREDIKSI HASIL PRODUKSI BUAH KELAPA SAWIT PADA PT.LNK KEBUN BASILAM MENGGUNAKAN ALGORITMA C5.0
Nasution, Elvira Hanum () 2021ABSTRAK PT.LNK Kebun Basilam merupakan perkebunan besar swasta yang berada di Kebun Basilam Kabupaten Langkat. Dalam setiap tahunnya perusaahan ini memiliki permasalahan dalam memprediksi hasil produksi kelapa sawit. Hasil produksi yang tidak tepat menjadi penyebab kesalahan dalam pengambilan kebijakan. Perencanaan yang dilakukan terkadang masih memberikan hasil yang kurang optimal. Hal ini disebabkan karena proses perhitungannya yang masih menggunakan analisis manual. Teknik prediksi yang digunakan adalah metode pembelajaran algoritma C5.0. Metode ini memiliki kelebihan untuk menangani masalah seperti missing value dan data dengan jumlah yang besar. Algoritma ini juga dapat melakukan training data dalam waktu yang cepat untuk digunakan dalam testing data. Data yang digunakan adalah data produksi pada tahun 2019. Kata Kunci : Produksi, Kelapa sawit, Data mining, Algoritma C5.0.