Skripsi

Mix-max input neural network untuk peramalan pengunjung unik e-journal / Zahra Nabila Izdihar

Abstrak
ABSTRAK Izdihar Zahra Nabila. 2019. Min-Max Input Neural Network untuk Peramalan Pengunjung Unik e-Journal. Skripsi Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Aji Prasetya Wibawa S.T. M.M.T. Ph.D (II) Triyanna Widiyaningtyas S.T. M.T. Kata Kunci Backpropagation Neural Network Forecast e-Journal Min-Max Value Statistics Pengelolaan e-journal terdiri dari beberapa aspek yakni waktu kunjungan pageviews pengunjung pengunjung baru dan pengunjung unik (session). Jumlah pengunjung unik jurnal merupakan indikator penting keberhasilan sebuah jurnal. Oleh karena itu diperlukan peramalan jumlah pengunjung unik untuk menentukan strategi pengembangan sebuah jurnal. Dengan demikian diharapkan mampu mempercepat sistem akreditasi jurnal di masa depan. Penelitian ini bertujuan untuk meramal jumlah pengunjung jurnal dengan mengembangkan model peramalan time series multivariate. Tahap penelitian yang dilakukan ialah pengumpulan data pre-processing peramalan dan evaluasi. Data input yang digunakan yakni jumlah sessions periode 1 Januari 2018 - 31 Desember 2018 dari www.statcounter.com. Proses pre-processing dilakukan dengan attribute selection pembuatan model peramalan penentuan nilai min-max dan normalisasi data. Peramalan dilakukan dengan menerapkan Neural Network (NN) yang memiliki kelebihan yakni mampu beradaptasi dengan perubahan yang terjadi terhadap nilai input dan output. Pengujian dilakukan dengan melakukan berbagai percobaan menggunakan jumlah hidden layer yang berbeda. Penelitian ini terdiri dari 3 model input peramalan yakni peramalan time series tiap 3 hari 1 minggu dan 2 minggu. Evaluasi hasil peramalan diukur menggunakan MAPE dari tiga model peramalan time series dan 10 arsitektur NN. Hasil penelitian menunjukkan bahwa peramalan terbaik yakni menggunakan model peramalan 1 dan arsitektur 2-5-1 dengan nilai akurasi sebesar 69 9%. Selanjutnya peramalan terbaik kedua yaitu Model 2 dengan arsitektur 2-6-1 yang menghasilkan nilai MAPE sebesar 32.83% dan akurasi sebesar 67 16%. Lalu hasil peramalan terbaik ketiga yaitu Model III dengan arsitektur 2-6-1 yang menghasilkan nilai MAPE sebesar 32.86% dan akurasi sebesar 67 13%. Berdasarkan skala akurasi peramalan maka hasil akurasi dari tiga model peramalan tersebut termasuk dalam kategori reasonable. Jadi dapat disimpulkan bahwa kinerja Neural Network pada penelitian ini cukup baik.

Informasi Detail

DDC

Rs 003.2 IZD m

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xvi, 80 lembar : il., tab. ; 30 cm

Bahasa

Indonesia

No Reg

05447/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. PERAMALAN
2. FORECASTING

Pembimbing

1. Aji Prasetya Wibawa; 2. Triyanna Widiyaningtyas

Lampiran Berkas