Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JOISIE (Journal Of Information Systems And Informatics Engineering)
Sembiring, Febby Wulandari
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
ANALISA KINERJA MODEL REGRESI DALAM MACHINE LEARNING UNTUK MEMPREDIKSI HARGA BERAS Sembiring, Muhammad Ardiansyah; Sembiring, Febby Wulandari
JOISIE (Journal Of Information Systems And Informatics Engineering) Vol 8 No 1 (2024)
Publisher : Institut Bisnis dan Teknologi Pelita Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35145/joisie.v8i1.3902

Abstract

Sektor perdagangan saat ini mengalami kenaikan atau penurunan harga yang sangat signifikan. Hal ini menyebabkan beras menjadi salah satu faktor penunjang keberlangsungan hidup masyarakat. Kenaikan harga beras dapat mengakibatkan penurunan daya beli masyarakat terhadap kebutuhan lainnya. Sehingga untuk mengantisipasi adanya kenaikan harga beras dilakukannya prediksi menggunakan machine learning dengan menggunakan perbandingan 7 metode. Tujuan penelitian ini adalah untuk menganalisa kinerja model-model regresi terbaik dalam machine learning yang dapat digunakan untuk memprediksi harga beras. Nantinya akan diperoleh metode manakah yang menghasilkan nilai akurasi yang paling akurat dalam memprediksi harga beras. Estimasi menggunakan metode regresi dimana dalam metode regresi terdapat 7 metode lagi meliputi (1) Linear Regression, (2) Support Vector Regression Linear, (3) Support Vector Regression RBF, (4) Decision Tree Regression, (5) Random Forest Regressor, (6) Gradient Boosting Regression, (7) MLP Regressor. Adapun model terbaik yang dari hasil analisa penelitian ini yaitu metode Decision Tree Regression dengan pengujian akurasi model yaitu paa rasio pengujian data 80:20 sebesar 100%, 100% pada rasio pengujian data 70:30 dan pada rasio 60:40 adalah 100%.
Co-Authors Muhammad Ardiansyah Sembiring