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

Izdihar, Zahra Nabila (2019) Mix-max input neural network untuk peramalan pengunjung unik e-journal / Zahra Nabila Izdihar. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

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.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Jurusan Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 22 Aug 2019 04:29
Last Modified: 09 Sep 2019 03:00
URI: http://repository.um.ac.id/id/eprint/99026

Actions (login required)

View Item View Item