Article Per Year (5 Year)
p-Index From 2021 - 2026
1.037
P-Index
This Author published in this journals
All Journal Language Circle : Journal of Language and Literature Jurnal Maneksi (Management Ekonomi Dan Akuntansi) Jurnal Akuntansi : Kajian Ilmiah Akuntansi (JAK) Research and Innovation in Language Learning Akrab Juara : Jurnal Ilmu-ilmu Sosial STUDI PELAKSANAAN SELFMEDICATION PADA PENDERITA DIARE BERDASARKAN TINGKAT PENGETAHUAN MASYARAKAT PESISIR KECAMATAN SOROPIA KABUPATEN KONAWE Jurnal Abdimas Komunikasi dan Bahasa Indonesian Journal Computer Science (ijcs) Innovative: Journal Of Social Science Research
Jimmi Jimmi, Jimmi
Unknown Affiliation
Arts Humanities Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Medicine & Pharmacology Public Health Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Perbandingan Algoritma NGBoost Dan XGBoost Untuk Prediksi Jumlah Transaksi Cuci Harian Pada Khesena Auto Wahyudi, Endang; Jimmi, Jimmi; Daelami, Mohammad Daffa Abhinaya; Hadiwijaya, Rizkie; Masyaid, Syifa Salsabil
Indonesian Journal Computer Science Vol. 5 No. 2 (2026): Oktober 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/ijcs.v5i2.13511

Abstract

Khesena Auto merupakan UMKM jasa pencucian mobil di Kota Bogor yang menghadapi fluktuasi jumlah transaksi harian, sehingga perencanaan tenaga kerja, kapasitas layanan, dan kebutuhan bahan habis pakai menjadi sulit diperkirakan. Penelitian ini bertujuan membangun dan membandingkan algoritma XGBoost dan NGBoost untuk memprediksi jumlah transaksi cuci harian serta menyusun rekomendasi operasional berdasarkan hasil prediksi dan simulasi ProModel. Pengembangan model mengikuti kerangka CRISP-ML(Q) dengan pendekatan Data-Centric AI. Data berasal dari Moka POS tahun 2025, terdiri atas 350 hari operasional dan 22.518 transaksi cuci, kemudian diproses menjadi 336 observasi pemodelan melalui fitur kalender, status hari, lag, dan rolling mean. Evaluasi dilakukan menggunakan pembagian kronologis dan expanding-window walk-forward dengan metrik RMSE, MAE, dan MAPE. Hasil pengujian menunjukkan NGBoost lebih unggul dibandingkan XGBoost pada data uji dengan RMSE 18,85, MAE 15,04, dan MAPE 29,02%, sedangkan XGBoost memperoleh RMSE 20,00, MAE 16,11, dan MAPE 31,23%. NGBoost juga memberikan rentang prediksi yang setelah kalibrasi mencakup 91,9% kejadian aktual. Hasil prediksi NGBoost kemudian digunakan dalam simulasi ProModel untuk menyusun rekomendasi operasional pada kondisi sepi, normal, ramai, dan puncak. Hasil penelitian menunjukkan bahwa NGBoost lebih sesuai sebagai dasar perencanaan operasional Khesena Auto, sedangkan simulasi membantu menerjemahkan hasil prediksi menjadi rekomendasi pengelolaan sumber daya.
Co-Authors Aprillia, Aprillia Cicih Nuraeni Daelami, Mohammad Daffa Abhinaya Delis Meta Tiana Endang Wahyudi Euis Meinawati Hadiwijaya, Rizkie Hafidziah, Fika Herlin Widasiwi Setianingrum Kristianto, Aloysius Hari Kusuma, Pradipta Hadi Masyaid, Syifa Salsabil Nugrahini Kusumawati Sidauruk, Juniato Sufi Alawiyah Unpris Yastanti Widya, Pramatatya Resindra Winata, Eggi