Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan (JUSTIKPEN)
Ismail M Sianturi
Universitas Budi Darma
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Engineering Mechanical Engineering Social Sciences Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PREDIKSI PENETAPAN TARIF PENERBANGAN MENGGUNAKAN AUTO-ML DENGAN ALGORITMA RANDOM FOREST Ismail M Sianturi; Diko Harinto
Jurnal Sistem Informasi, Teknik Informatika dan Teknologi Pendidikan Vol. 2 No. 1 (2022): Jurnal Sistem Informasi dan Teknologi
Publisher : CV. Utility Project Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/justikpen.v2i1.37

Abstract

Dengan banyaknya maskapai yang saling bersaing, maskapai berlomba-lomba untuk menjadi pilihan utama konsumen/pasar, namun untuk mencapai hal tersebut, belum ada strategi maskapai yang dapat memprediksi harga tiket pesawat sesuai kebutuhan pasar. Untuk memenuhi kebutuhan maskapai penerbangan, diperlukan suatu cara untuk menentukan harga tiket pesawat sesuai kebutuhan pasar dengan bantuan pengaruh teknologi dan informasi. Metode penelitian ini dilakukan dengan menggunakan Google Collaboratory sebagai media untuk membuat model data dengan algoritma Random Forest, Logistic Regression dan Gradient Boosting Regressor. Pada penelitian ini, model yang menghasilkan nilai R2 tertinggi dan RMSE terendah adalah random forest dengan nilai R2 sebesar 83,91% dan RMSE sebesar $175,9. Namun dari ketiga model tersebut, Random Forest mengalami perubahan akurasi sebesar 1,96% menjadi 85,87. Untuk membantu dalam memprediksi penentuan tarif penerbangan, perusahaan penerbangan dapat lebih mudah dan sigap menentukan tarif penerbangan yang sesuai dengan pasar. Oleh karena itu, Random Forest dapat dideklarasikan lebih baik daripada model Logistic Regression dan Gradient Boosting. Model Random Forest yang telah dibuat dapat digunakan untuk memprediksi secara real-time menggunakan Machine Learning.
Co-Authors Diko Harinto