Pencarian Koleksi Repositori

Telusuri ribuan skripsi, tesis, disertasi, dan publikasi ilmiah sivitas akademika kampus.

Menemukan 4 karya ilmiah terbit untuk kata kunci "Prediksi"

SkripsiS1 Teknik InformatikaAkses Terbuka

IMPLEMENTASI METODE DECISION TREE DENGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DALAM OPTIMASI PENYUSUNAN JADWAL KULIAH DI KAMPUS

DEDY

Tahun 2024

Universitas berperan penting dalam mempersiapkan mahasiswa untuk menjadi anggota masyarakat yang kompeten secara akademis dan profesional. Namun, penjadwalan mata kuliah di universitas sering kali menghadapi kendala seperti bentrok kelas dan ketidaksesuaian waktu dosen, yang mempengaruhi efisiensi dan kualitas jadwal. Untuk mengatasi masalah ini, dibutuhkan metode penjadwalan yang efektif. Data mining dengan menggunakan decision tree telah menunjukkan akurasi hingga 82,79% dalam memprediksi kelulusan mahasiswa, menjadikannya metode yang bermanfaat untuk menyederhanakan proses pengambilan keputusan. Penjadwalan yang dilakukan secara manual menggunakan tabel konvensional dapat menguras waktu dan tenaga, terutama saat menangani jadwal yang kompleks. Untuk mengatasi masalah ini, pengembangan sistem penjadwalan berbasis algoritma menjadi solusi yang menjanjikan. Particle Swarm Optimization (PSO) merupakan algoritme metaheuristik yang terkenal dalam memecahkan masalah optimasi multiparameter. Penelitian ini bertujuan untuk mengimplementasikan metode Decision Tree yang dikombinasikan dengan algoritma Particle Swarm Optimization dalam mengoptimasi penyusunan jadwal kuliah di kampus, guna meningkatkan efisiensi dan kualitas hasil penjadwalan.

Jadwal Kuliah Particle Swarm Optimization

0 kali diunduh

Detail Naskah

SkripsiS1 Teknik InformatikaAkses Terbuka

PERBANDINGAN METODE KNN DAN KMEANS DALAM SISTEM PREDIKSI HARGA SAHAM ASII

DAVIN LEE

Tahun 2024

Pasar modal konvensional di Indonesia memainkan peran penting dalam mendukung perkembangan ekonomi nasional dengan menyediakan perantara antara pemilik dana dan pihak yang membutuhkan dana. Astra International Tbk, sebuah perusahaan induk yang bergerak di berbagai sektor industri, menjadi salah satu entitas yang terlibat aktif dalam pasar modal ini.Penelitian ini menggunakan metode klasifikasi K-Nearest Neighbor (KNN) untuk memprediksi pergerakan saham Astra International Tbk (ASII). Dengan menggunakan parameter metrik perhitungan jarak metode Manhattan, pembobotan menggunakan distance, dan nilai K=11, metode ini menghasilkan akurasi testing sebesar 92%, presisi 92%, dan recall 99%. Setelah 144 kali percobaan, akurasi training mencapai 95%. Informasi pengelompokan melalui metode data mining, khususnya clustering, menjadi sangat penting dalam pengambilan keputusan investasi. Algoritma K- Means digunakan untuk mengelompokkan objek ke sejumlah K klaster. Sistem Prediksi Harga Saham ASII yang dirancang mampu memberikan informasi mendalam dan akurat mengenai tren saham ASII, baik dalam hal kenaikan maupun penurunan. Implementasi metode K-Means dan KNN dalam sistem ini meningkatkan keandalan dan akurasi prediksi pergerakan pasar, sehingga membantu pengguna dalam membuat keputusan investasi yang lebih tepat dan informatif.

Saham KNN K-means

0 kali diunduh

Detail Naskah

SkripsiS1 Teknik InformatikaAkses Terbuka

IMPLEMENTASI OPTIMASI RANDOM FOREST DALAM PREDIKSI PENENTUAN HARGA PANGAN

ANTONNIUS

Tahun 2024

Pangan adalah kebutuhan dasar manusia yang vital dan strategis, dengan permintaan yang terus meningkat seiring pertumbuhan penduduk dan berkurangnya lahan pertanian produktif. Ketidakmerataan distribusi pangan sering kali menyebabkan kenaikan harga yang dipengaruhi oleh penawaran dan permintaan. Random Forest, sebagai pengembangan dari metode Decision Tree, menawarkan berbagai keunggulan, termasuk peningkatan akurasi prediksi, penanganan data hilang, dan efisiensi penyimpanan. Metode ini juga unggul dalam seleksi fitur dan mampu bekerja secara efektif dengan big data yang kompleks. Penelitian terdahulu menunjukkan bahwa Random Forest mencapai tingkat akurasi yang tinggi dalam prediksi harga berbagai komoditas. Berdasarkan latar belakang ini, penelitian ini bertujuan untuk mengimplementasikan optimasi Random Forest dalam prediksi penentuan harga pangan, dengan harapan menghasilkan prediksi yang lebih cepat dan andal, serta mendukung distribusi pangan yang merata di Indonesia.

Pangan Prediksi Random Forest

0 kali diunduh

Detail Naskah

SkripsiS1 Sistem InformasiAkses Terbuka

Perancangan Aplikasi Prediksi Penjualan Produk Untuk Pengambilan Keputusan Restocking Produk Dengan Metode K-Nearest Neighbor

Dewi Wati

Tahun 2024

PT. Megamas Plaza Bangunan, sebuah perusahaan retail bahan bangunan, berusaha untuk tetap bertahan dalam bisnis penjualan dengan menentukan strategi bisnis yang tepat. Data penjualan yang dihasilkan oleh PT. Megamas Plaza Bangunan seiring waktu akan menumpuk, dan sangat disayangkan jika tidak dianalisis. Penjualan adalah fungsi utama yang dianggap sebagai ujung tombak dalam perusahaan karena merupakan sumber pendapatan. Dalam pengambilan keputusan, metode K-Nearest Neighbor (KNN) digunakan untuk melakukan klasifikasi objek berdasarkan data contoh yang paling dekat dengan objek tersebut. Algoritma KNN memiliki kelebihan dalam menghasilkan data yang kuat dan efektif pada data yang besar. Sistem usulan memungkinkan pengguna untuk mengakses dan menggunakan aplikasi prediksi penjualan melalui smartphone Android, memberikan kemudahan akses untuk memantau dan merencanakan jumlah penjualan dari mana saja dan kapan saja.

Prediksi Penjualan KNN K-Nearest Neighbor+1 lainnya

0 kali diunduh

Detail Naskah