Garuda - Garba Rujukan Digital

Article Per Year (5 Year)

p-Index From 2020 - 2025

P-Index

This Author published in this journals

All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Generation Journal

Ferry Wahyu Wibowo

Universitas AMIKOM

Author-ID : 2488304

Computer Science & IT Engineering

Published : 2 Documents Claim Missing Document

Claim Missing Document

Articles

Optimasi Parameter Pemulusan Algoritma Brown Menggunakan Metode Golden Section Untuk Prediksi Data Tren Positif dan Negatif Fiqih Akbari; Arief Setyanto; Ferry Wahyu Wibowo
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 2 No 1 (2018): April 2018
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Algorithm DES (Double Exponential Smoothing) Brown is a forecasting algorithm used to predict time series data both patterned positive trends and negative trends. However, this algorithm has a weakness in determining the optimum parameter value to minimize forecasting error (MAPE), the parameter value is searched using Golden Section method previously searched manually using repeated experiment. This research uses 60 trend patterned data analyzed for grouping positive and negative trend pattern data which further done forecasting process, evaluation and testing to know what type of data pattern is best. Based on the result, it revealed that optimization parameter yields optimum MAPE value, where parameter value is done forecasting process in positive and negative trend pattern data group yielding average MAPE value equal to 9,73401% (highly accurate) for patterned data positive trend and 15,78467% (good forecast) for negative patterned pattern data. DES Brown forecasting algorithm with parameter optimization method resulted in the approximate value of the original data if the data shows the addition or decrease in value around the average value. Conversely, it will result in a high MAPE value (inaccurate) if the data has a spike in data value periods. From the two groups of MAPE scores, a statistical t test showed that positive trend patterned data (μ1) yielded better MAPE average value than negative trend patterned data (μ2).

Yayak Kartika Sari Prediksi Customer Churn Berbasis Adaptive Neuro Fuzzy Inference System Yayak Kartika Sari; Kusrini Kusrini; Ferry Wahyu Wibowo
Generation Journal Vol 2 No 1 (2018): Generation Journal
Publisher : Universitas Nusantara PGRI Kediri

Abstrak – Customer Churn adalah pelanggan yang berhenti berlangganan dan pindahpada perusahaan lain, karena berbagai faktor. Customer churn merupakan masalah yang sangatpenting yang harus dihadaapi oleh perusahaan karena berhentinya pelanggan akan berdampakpada retensi perusahaan. Oleh sebab itu, dibuatkan sistem prediksi customer churn untukmengetahui tingkat pelanggan yang churn, apabila customer churn dapat diketahui terlebih dahulu,maka akan menguntungkan bagi pihak CRM untuk mengatur strategi-strategi mencegah pelangganyang melakukan churn. Untuk menentukan prediksi customer churn menggunakan teknik datamining dengan algoritma ANFIS. Algoritma ANFIS merupakan gabungan antara jaringan syaraftiruan dengan fuzzy inference system. Model prediksi yang dibangun dengan metode ANFISmenggunakan pembelajaran alur maju dan pembelajaran alur mundur, sehingga untuk melakukanprediksi dibutuhkan nilai parameter fuzzy baru yang diperoleh dari proses pelatihan. Setelah nilaiparameter fuzzy baru didapatkan, maka akan dilakukan tahap pengujian. Pada tahap pengujiandilakukan dengan proses pembelajaran maju untuk mendapatkan nilai prediksinya, sehingga padaprosesnya nilai prediksi yang berupa angka dan status prediksi. Pelatihan dan pengujian ANFISuntuk semua produk menghasilkan perbandingan nilai error rata-rata pelatihan sebesar 8,316 %

Co-Authors Arief Setyanto Fiqih Akbari Kusrini Kusrini Sari, Yayak Kartika

Title

Found 2 Documents
Search

Abstract

Abstract

Title Search

Found 2 Documents Search

Abstract

Abstract

Title

Found 2 Documents
Search