Implementasi Data Mining Untuk Prediksi Nilai Tukar Petani Hortikulturan per Provinsi di Indonesia dengan Root Mean Square Error (Studi Kasus: Algoritma Klasifikasi) / Michael Kurniawan / 47170344 / Pembimbing: Humdiana

Kurniawan, Michael (2021) Implementasi Data Mining Untuk Prediksi Nilai Tukar Petani Hortikulturan per Provinsi di Indonesia dengan Root Mean Square Error (Studi Kasus: Algoritma Klasifikasi) / Michael Kurniawan / 47170344 / Pembimbing: Humdiana. Institut Bisnis dan Informatika Kwik Kian Gie, Jakarta.

	Text awal.pdf Download (13MB)
	Text bab 1.pdf Download (12MB)
	Text bab 2.pdf Download (12MB)
	Text bab 3.pdf Download (12MB)
	Text bab 4.pdf Restricted to Repository staff only Download (12MB)
	Text bab 5.pdf Download (12MB)
	Text daftar pustaka.pdf Download (12MB)
	Text lampiran.pdf Download (13MB)
	Text original.pdf Restricted to Repository staff only Download (711kB)
	Text Resume.pdf Download (1MB)

Abstract

Penelitian ini dilakukan karena kemajuan teknologi informasi yang semakin pesat sehingga menimbulkan suatu pola pikir untuk memanfaatkan kemajuan teknologi tersebut untuk mempermudah kehidupan manusia dalam memenuhi kebutuhannya. Salah satu manfaat dari kemajuan teknologi itu sendiri adalah kemampuan untuk melakukan analisis dan prediksi data dalam jumlah yang besar. Maka dari itu dalam penelitian ini peneliti melakukan implementasi data mining untuk prediksi NTPH (Nilai Tukar Petani Hortikultura) yang merupakan salah satu indikator untuk mengukur tingkat kesejahteraan petani hortikultura di Indonesia. Data mining merupakan suatu proses mengekstraksi data dalam jumlah yang besar untuk mencari pola tersembunyi dalam sebuah data berdasarkan metodologi CRISP-DM (Cross Industry Standard Process for Data Mining). Sumber data dalam penelitian ini adalah data sekunder dari data indeks NTPH (Nilai Tukar Petani Hortikultura) yang diambil dari situs resmi BPS (Badan Pusat Statistik) yaitu https://www.bps.go.id/. Sampel data NTPH yang digunakan berasal dari tahun 2015-2020, dimana data dari tahun 2015-2019 (periode 1-5 tahun) sebagai predictor dan data aktual tahun 2020 sebagai outcome variable. Lalu hasil dari pengukuran prediksi akan ditampillkan ke dalam bentuk Graphic User Interface sebagai media perancangan antarmuka untuk pembaca pada aplikasi Microsoft Access. Penelitian ini akan menunjukkan kelayakan penggunaan algoritma klasifikasi dalam data mining menggunakan RapidMiner melalui Root Mean Square Error. Setelah hasil uji kelayakan dan data prediksi diperoleh maka akan ditentukan dataset dan algortima yang paling akurat untuk memprediksi NTPH berdasarkan tingkat akurasi yang dihasilkan. Hasil dari penelitian menunjukkan bahwa algoritma dalam data mining layak untuk memprediksi NTPH dengan sampel data 1 tahun hingga 5 tahun karena memiliki Root Mean Square Error dibawah 1.0. Algoritma klasifikasi Neural Network terbukti menjadi algoritma yang paling akurat dibandingkan dengan algoritma lain karena mendapat angka error margin yang lebih kecil berdasarkan sampel data 5 tahun (2015-2019).

Actions (login required)

View Item