Peramalan sessions pada sebuah website e-jurnal menggunakan multilayer perceptron / Widya Lestari

Lestari, Widya (2019) Peramalan sessions pada sebuah website e-jurnal menggunakan multilayer perceptron / Widya Lestari. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

RINGKASAN Lestari, Widya. 2019. Peramalan Sessions pada Sebuah Website e-jurnal Menggunakan Multilayer Perceptron. Skripsi. Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Malang. Pembimbing: (I) Aji Prasetya Wibawa, S.T., M.MT., Ph.D. (II) Triyanna Widiyaningtyas, S.T., M.T. Kata kunci: Peramalan, Sessions, Website Jurnal, Multilayer Perceptron. Sessions dari suatu website jurnal merupakan tolok ukur dari kualitas dan akreditasi website jurnal. Indikator dari website jurnal berkala ilmiah yang sangat diminati yaitu jumlah sessions rerata kunjungan perhari terhadap laman website jurnal. Jumlah sessions rerata per hari dihitung berdasarkan rerata harian selama kurun waktu tertentu seperti, bulanan atau tahunan. Analisis laporan statistik pada data sessions dilakukan dengan konsep peramalan. Tujuan dari analisis laporan statistik untuk mengetahui jumlah sessions pada waktu yang akan datang dengan cara menganalisis pergerakan pola data time series. Tahapan penelitian pada peramalan data sessions terdiri dari 4 tahap yaitu (1) pengumpulan data, (2) preprocessing, (3) penerapan metode peramalan, dan (4) evaluasi. Tahapan pengumpulan data dilakukan pada laporan statistik website jurnal mulai tanggal 01 Januari 2018 sampai 31 Desember 2018. Tahap preprocessing yang dilakukan pada data sessions yaitu attribute selection untuk menentukan ketergantungan atribut terhadap atribut lain dan normalisasi data untuk merubah range data. Metode peramalan menggunakan multilayer perceptron. Evaluasi dari multilayer perceptron dilakukan dengan Mean Square Error (MSE), Root Mean Square Error (RMSE), akurasi, dan waktu eksekusi. Model yang digunakan untuk melakukan pengujian metode terdiri dari 324 model peramalan. Hasil penelitian menunjukan bahwa nilai akurasi terbaik dihasilkan pada rasio data training dan data testing 80%:20%. Model pada rasio data 80%:20%, arsitektur 2-1-1 dan learning rate 0.4 adalah model yang mampu menghasilkan nilai error yang paling kecil yaitu 0.01537586 dengan MSE dan 0.12399944 menggunakan RMSE. Berdasarkan nilai evaluasi MSE dan RMSE diperoleh nilai akurasi sebesar 98.10004%. Waktu eksekusi model yang dibutuhkan selama 580.06515822 seconds atau 9.66775 menit.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Jurusan Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 21 Aug 2019 04:29
Last Modified: 09 Sep 2019 03:00
URI: http://repository.um.ac.id/id/eprint/99024

Actions (login required)

View Item View Item