Skripsi

Analisis metode smoothing pada LSTM utuk peramalan pengunjung e-jurnal berbasis neural network / Riska Rosidatul Ula

Abstrak
Pengunjung unik adalah pengunjung yang mengakses pertama kali dengan menggunakan satu IP pada sebuah website e-jurnal dalam jangka waktu yang ditentukan. Pengunjung unik memiliki indikator penting dalam keberhasilan sebuah jurnal. Semakin banyak pengunjung unik pada perhari maka akan mempengaruhi kualitas dan akreditasi jurnal. Penelitian ini akan menganalisis suatu algoritma logic yaitu long short term memory (LSTM) untuk peramalan time series pengunjung unik pada hari selanjutnya (T 1). Dalam meningkatkan kualitas data dapat dilakukan dengan menghaluskan input data. Pada penelitian ini penghalusan data yang akan dilakukan menggunakan exponential smoothing mean smoothing dan median smoothing. Sampel data pengunjung unik yang digunakan mulai dari 01 Januari 2018 hingga 31 Desember 2018. Pembagian data testing dan training yang digunakan yaitu 80% data testing dan 20% data training. Hasil evaluasi menunjukan arsitektur terbaik pada penelitian ini dengan menggunakan model 2 yaitu model mean LSTM arsitektur 1-15-1 dengan jumlah neuron pada hidden layer 15 nilai epoch 1000 dan learning rate 0.1. Akurasi yang didapatkan mencapai 91.90%. Penelitian ini menyimpulkan bahwa penghalusan data dengan mean smoothing dapat meningkatkan kinerja long short term memory pada peramalan pengunjung unik.

Informasi Detail

DDC

Rs 003.2 ULA a

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2020.

Deskripsi Fisik

xiii, 103 lembar: ill. , tab. ; 30 cm

Bahasa

Indonesia

No Reg

00540/KI/21

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2020

Subjek

1. PERAMALAN
2. NEURAL NETWORK
3. FORECASTING

Pembimbing

1. Aji Prasetya Wibawa; 2. Harist Ar Rosyid

Lampiran Berkas