MODEL PREDIKSI MENGGUNAKAN TEKNIK MACHINE LEARNING UNTUK PENJUALAN TERHADAP PRODUKSI KAIN JUMPUTAN PADA PENGERAJIN BATIQ COLET JUMPUTAN PALEMBANG

BAGASKARA, TRY OKTA (2023) MODEL PREDIKSI MENGGUNAKAN TEKNIK MACHINE LEARNING UNTUK PENJUALAN TERHADAP PRODUKSI KAIN JUMPUTAN PADA PENGERAJIN BATIQ COLET JUMPUTAN PALEMBANG. Masters thesis, UNIVERSITAS BINA DARMA.

	Text (BAB 0) bab0.pdf Download (1MB)
	Text (BAB 1) bab1.pdf Download (422kB)
	Text (MODEL PREDIKSI MENGGUNAKAN TEKNIK MACHINE LEARNING UNTUK PENJUALAN TERHADAP PRODUKSI KAIN JUMPUTAN PADA PENGERAJIN BATIQ COLET JUMPUTAN PALEMBANG) skripsi full.pdf Restricted to Repository staff only Download (3MB)
	Text (DAFTAR PUSTAKA) dapus.pdf Download (545kB)
	Text (JURNAL) jurnal.pdf Download (897kB)

Abstract

Tujuan dari penelitian ini adalah untuk merancang model prediksi penjualan terhadap produksi kain jumputan berbasis Python menggunakan dua teknik Machine Learning yang dibandingkan hasilnya, yaitu Linear Regression dan Support Vector Regression. Dalam pengujian akurasi, metode Linear Regression berhasil memprediksi penjualan kain jumputan dengan tingkat kesalahan yang rendah. Dataset yang digunakan mencakup data penjualan kain jumputan selama 48 bulan, mulai dari Januari 2018 hingga Desember 2021. Dengan membagi dataset menjadi data pelatihan selama 38 bulan dan data pengujian selama 10 bulan, hasil prediksi 10 bulan terakhir didapatkan. Hasil prediksi untuk setiap bulannya dengan mengacu kepada kain jumputan yang diproduksi menunjukkan kesamaan dengan metode Linear Regression dibandingkan Support Vector Regression. Pengujian tingkat kesalahan menggunakan Mean Absolute Percentage Error menunjukkan bahwa prediksi penjualan untuk kain jumputan termasuk dalam kategori sangat akurat. Nilai MAPE pada Linear Regression memiliki nilai terkecil yaitu 3.88%, sementara nilai MAPE pada Support Vector Regression memiliki nilai MAPE terbesar yaitu 28.24%. Kata Kunci: Prediksi, Machine Learning, Linear Regression, Support Vector Regression, Mean Absolute Percentage Error

Actions (login required)

View Item