Skripsi

Peramalan pengunjung unik jurnal elektronik menggunakan metode backpropagation neural network dengan mean dan median smoothing / Agung Bella Putra Utama

Abstrak
RINGKASAN Utama Agung Bella Putra. 2019. Peramalan Pengunjung Unik Jurnal Elektronik menggunakan Metode Backpropagation Neural Network dengan Mean dan Median Smoothing. Skripsi. Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Aji Prasetya Wibawa S.T. M.MT. Ph.D. (II) Utomo Pujianto S.Kom. M.Kom. Kata kunci Peramalan Pengunjung Unik Jurnal Elektronik Backpropagation Smoothing Dalam jurnal elektronik terdapat beberapa aspek yang dikelola yaitu page views visitors new visitors dan sessions. Sessions atau pengunjung unik adalah jumlah pengunjung dari satu IP yang mengakses sebuah portal jurnal untuk pertama kali dalam kurun waktu tertentu. Banyaknya jumlah kunjungan unik rerata pelanggan per hari terhadap laman jurnal elektronik menunjukkan bahwa terbitan berkala ilmiah tersebut sangat diminati. Jumlah pengunjung unik merupakan salah satu indikator penting keberhasilan sebuah jurnal elektronik sebagai tolak ukur keluasan persebaran dalam mempercepat sistem akreditasi jurnal. Terdapat banyak metode yang dapat digunakan untuk peramalan salah satunya adalah backpropagation neural network (BPNN). Kualitas data sangat penting dalam membangun model BPNN yang baik karena kesuksesan pemodelan pada BPNN sangat bergantung dari data input. Salah satu cara yang dapat dilakukan untuk meningkatkan kualitas data adalah dengan melakukan smoothing pada data. Tahapan penelitian pada peramalan pengunjung unik ini terdiri dari 4 tahap yaitu (1) pengumpulan data (2) preprocessing (3) proses peramalan dan (4) evaluasi. Dataset didapat dari statcounter.com dengan periode tanggal 01 Januari 2018 sampai 31 Desember 2018. Tahap preprocessing yang dilakukan pada data yaitu attribute selection guna menentukan atribut yang digunakan yaitu sessions smoothing dengan menggunakn mean-median dan normalisasi data untuk merubah range data agar dapat dikenali saat digunakan sebagai inputan. Pada penelitian ini metode peramalan untuk meramalkan data time series pengunjung unik jurnal elektronik menggunakan tiga model yaitu BPNN BPNN mean smoothing dan BPNN median smoothing. Evaluasi untuk menguji kinerja metode yang dipakai ialah menggunakan evaluasi error dengan Mean Square Error (MSE) Root Mean Square Error (RMSE) akurasi dan waktu eksekusi. Dari penelitian yang ada maka didapatkan hasil bahwa peramalan model input menggunakan BPNN menghasilkan MSE terendah sebesar 0.02619 dan RMSE terendah sebesar 0.16186 dengan learning rate 0.7 pada arsitektur 1-8-1 dengan akurasi 76.82% dan membutuhkan waktu eksekusi selama 158.93 detik. Sedangkan hasil peramalan model BPNN mean smoothing menghasilkan MSE terendah sebesar 0.00123 dan RMSE terendah sebesar 0.03518 dengan learning rate 0.4 pada arsitektur 1-2-1 dengan akurasi 77.06% dan waktu eksekusi sebesar 172.55 detik dan pada model BPNN median smoothing menghasilan MSE terendah sebesar 0.00293 dan RMSE terendah sebesar 0.05415 dengan learning rate 0.4 pada arsitektur 1-8-1 dengan akurasi 76.31% dalam waktu 156.42 detik. Jadi dilihat dari error yang paling kecil maka model input mean smoothing dapat digunakan untuk meramalkan pengunjung unik jurrnal elektronik yang ada.

Informasi Detail

DDC

Rs 003.2 UTA p

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xiv, 78 lembar: ill., tab.; 30 cm

Bahasa

Indonesia

No Reg

05313/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. PERAMALAN
2. FORECASTING

Pembimbing

1. Aji Prasetya Wibawa; 2. Utomo Pujianto

Lampiran Berkas