Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Ramadhan, Eki
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
VISUALISASI PREDIKSI PENJUALAN GAME DI DUNIA MENGGUNAKAN POWER BI Ramadhan, Eki; Voutama, Apriade
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6353

Abstract

Data penjualan video game global dari berbagai sumber memerlukan pembersihan sebelum analisis. Penelitian ini menerapkan Eksploratory Data Analysis (EDA) menggunakan Power BI. Visualisasi meliputi tren penjualan tahunan (1980-2016), perbandingan regional, dan prediksi penjualan. Hasilnya menunjukkan peningkatan penjualan signifikan pada 2000-2010, dominasi pasar Amerika Utara, dan tren stabil/menurun pasca-2016. Pembersihan data dengan Power BI Query Editor melibatkan penghapusan baris header, penyesuaian tipe data, dan penghapusan kolom tak relevan. Terbatasnya data historis (hingga 2016) dan model prediksi sederhana mempengaruhi akurasi prediksi. Analisis lanjutan diperlukan untuk memahami dinamika pasar, mempertimbangkan faktor eksternal, dan memanfaatkan teknik machine learning untuk prediksi yang lebih akurat.
VISUALISASI PREDIKSI PENJUALAN GAME DI DUNIA MENGGUNAKAN POWER BI Ramadhan, Eki; Voutama, Apriade
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 2 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i2.6353

Abstract

Data penjualan video game global dari berbagai sumber memerlukan pembersihan sebelum analisis. Penelitian ini menerapkan Eksploratory Data Analysis (EDA) menggunakan Power BI. Visualisasi meliputi tren penjualan tahunan (1980-2016), perbandingan regional, dan prediksi penjualan. Hasilnya menunjukkan peningkatan penjualan signifikan pada 2000-2010, dominasi pasar Amerika Utara, dan tren stabil/menurun pasca-2016. Pembersihan data dengan Power BI Query Editor melibatkan penghapusan baris header, penyesuaian tipe data, dan penghapusan kolom tak relevan. Terbatasnya data historis (hingga 2016) dan model prediksi sederhana mempengaruhi akurasi prediksi. Analisis lanjutan diperlukan untuk memahami dinamika pasar, mempertimbangkan faktor eksternal, dan memanfaatkan teknik machine learning untuk prediksi yang lebih akurat.
Co-Authors Apriade Voutama