Saputra, Anggie Wahyu (2022) Peramalan pengunjung unik jurnal dengan atribut multivariate menggunakan LSTM / Anggie Wahyu Saputra. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Pengunjung unik merupakan pengunjung yang menggunakan satu IP dalam kurun waktu tertentu. Banyaknya jumlah pengunjung unik setiap harinya menjadi tolak ukur keberhasilan suatu jurnal untuk mempercepat sistem akreditasi jurnal. Maka dari itu diperlukan peramalan jumlah pengunjung unik pada jurnal elektronik dalam kurun waktu yang akan datang. Peramalan merupakan suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Fungsi dari peramalan adalah penunjang dalam pengambilan keputusan. Keputusan yang baik didasarkan atas pertimbangan terhadap sesuatu yang terjadi pada saat keputusan itu diambil. Salah satu metode yang banyak digunakan dalam peramalan adalah long short-term memory (LSTM). Kelebihan lain dari metode LSTM adalah mampu meramalkan data dengan jarak waktu yang relatif lama. Misalnya data yang akan digunakan merupakan data pada bulan januari. LSTM dapat meramalkan data pada bulan Desember. Sehingga menjadikannya algoritma yang lebih baik untuk prediksi data berjenis time series. Peramalan dengan metode LSTM ini diharapkan dapat membantu pengelola jurnal agar dapat melakukan antisipasi pengambilan keputusan terhadap jurnal dengan waktu yang relatif lama. Tahapan yang akan dilakukan pada penelitian ini terdiri dari 5 tahap yaitu (1) Pengumpulan Data (2) Preprocessing (3) Split Training amp Testing data (4) Proses peramalan dengan LSTM dan (5) Evaluasi. Tahapan pengumpulan data dilakukan pada laporan statistik website jurnal mulai tanggal 01 Januari 2018 sampai 31 Desember 2020. Tahap preprocessing yang dilakukan yaitu normalisasi data yang digunakan untuk merubah jarak data untuk memudahkan pemrosesan dan memperbaiki hasil prediksi. Kemudian split training dan testing data untuk meningkatkan performa algoritma dan mengetahui performa algoritma. Metode peramalan menggunakan LSTM dengan input multivariat semua atribut yang ada pada dataset yaitu sessions (pengunjung unik) pageviews (halaman yang dilihat) visitors (pengunjung) new visitors (pengunjung baru). Evaluasi hasil peramalan yang dilakukan menggnakan root mean square error (RMSE) dan lama waktu eksekusi. Berdasarkan penelitian yang sudah dilakukan dari semua model didapatkan hasil terbaik diperoleh dari model 1 dengan jumlah hidden layer 2 dan neuron 64 dengan nilai RMSE sebesar 0.699. Sementara penambahan jumlah hidden layer berpengaruh signifikan terhadap hasil RMSE terjadi pada model 1 saat menggunakan neuron 16 dan 32.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | L Education > L Education (General) |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | Users 2 not found. |
| Date Deposited: | 03 Oct 2022 04:29 |
| Last Modified: | 28 Dec 2022 08:29 |
| URI: | http://repository.um.ac.id/id/eprint/264936 |
Actions (login required)
 |
View Item |