Katalog Abjad [D] (Semua Bidang (Umum))
Penelusuran metadata karya ilmiah dan dokumen institusi Universitas Bina Insani.
Filter Otomatis
ResetKatalog Abjad [D] (Semua Bidang (Umum))
Menampilkan 3 karya ilmiah repository terverifikasi (Skripsi & Artikel Jurnal OJS)
| Detail Karya Ilmiah & Metadata | Tipe & Program Studi | Aksi Metadata |
|---|---|---|
IMPLEMENTASI MACHINE LEARNING PADA PREDIKSI HARGA SEMBAKO DI PASAR GANDOANG MENGGUNAKAN REGRESI LINEAR BERGANDA
Penulis: Daffa Aulia Rahman, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Implentasi Machine Learning pada Predeksi Harga Sembako di Pasar Gandoang Menggunakan Regresi Linear Berganda. Penelitian ini bertujuan untuk menerapkan Machine Learning menggunakan algoritma Regresi Linear Berganda (Multiple Linear Regression) dalam memprediksi harga sembilan bahan pokok (sembako) di Pasar Gandoang. Fluktuasi harga sembako di pasar tersebut cenderung tidak stabil, sementara proses pengelolaannya masih dilakukan secara manual dan bergantung pada perkiraan atau intuisi pedagang. Oleh sebab itu, diperlukan sebuah sistem prediksi berbasis data yang mampu mendukung pengambilan keputusan secara lebih akurat dan proaktif. Penelitian ini dikembangkan dengan menggunakan metodologi CRISP-DM serta memanfaatkan data historis harga selama lima tahun, mulai Januari 2019 hingga Desember 2024. Adapun sembilan komoditas yang menjadi objek prediksi meliputi beras, minyak goreng, gula pasir, telur ayam, daging ayam, daging sapi, tepung terigu, kedelai, dan garam beriodium. Kinerja model dievaluasi menggunakan metrik R², MSE, RMSE, dan MAE. Hasil pengujian menunjukkan bahwa algoritma Regresi Linear Berganda memiliki tingkat akurasi yang sangat baik, di mana seluruh komoditas berhasil memenuhi target akurasi minimum dengan nilai R² ≥ 0,80. Nilai akurasi tertinggi diperoleh pada model prediksi komoditas beras dengan nilai R² sebesar 0,88. Sementara itu, berdasarkan evaluasi Root Mean Squared Error (RMSE), nilai tertinggi terdapat pada komoditas daging sapi sebesar Rp2.340/kg dan nilai terendah pada komoditas garam beriodium sebesar Rp210/kg. Secara keseluruhan, sistem prediksi berbasis machine learning ini berhasil diterapkan untuk mengatasi kelemahan metode konvensional serta membantu pengelola pasar dan pedagang dalam mengantisipasi kenaikan harga sembako.
#CRISP-DM
#Machine Learning
#Prediksi Harga
#Regresi Linear Berganda
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
IMPLEMENTASI MACHINE LEARNING PADA PREDIKSI HARGA SEMBAKO DI PASAR GANDOANG MENGGUNAKAN REGRESI LINEAR BERGANDA
Penulis: Daffa Aulia Rahman, RITA WAHYUNI ARIFIN, S.Kom., M.Kom. |
2026
Implentasi Machine Learning pada Predeksi Harga Sembako di Pasar Gandoang Menggunakan Regresi Linear Berganda. Penelitian ini bertujuan untuk menerapkan Machine Learning menggunakan algoritma Regresi Linear Berganda (Multiple Linear Regression) dalam memprediksi harga sembilan bahan pokok (sembako) di Pasar Gandoang. Fluktuasi harga sembako di pasar tersebut cenderung tidak stabil, sementara proses pengelolaannya masih dilakukan secara manual dan bergantung pada perkiraan atau intuisi pedagang. Oleh sebab itu, diperlukan sebuah sistem prediksi berbasis data yang mampu mendukung pengambilan keputusan secara lebih akurat dan proaktif. Penelitian ini dikembangkan dengan menggunakan metodologi CRISP-DM serta memanfaatkan data historis harga selama lima tahun, mulai Januari 2019 hingga Desember 2024. Adapun sembilan komoditas yang menjadi objek prediksi meliputi beras, minyak goreng, gula pasir, telur ayam, daging ayam, daging sapi, tepung terigu, kedelai, dan garam beriodium. Kinerja model dievaluasi menggunakan metrik R², MSE, RMSE, dan MAE. Hasil pengujian menunjukkan bahwa algoritma Regresi Linear Berganda memiliki tingkat akurasi yang sangat baik, di mana seluruh komoditas berhasil memenuhi target akurasi minimum dengan nilai R² ≥ 0,80. Nilai akurasi tertinggi diperoleh pada model prediksi komoditas beras dengan nilai R² sebesar 0,88. Sementara itu, berdasarkan evaluasi Root Mean Squared Error (RMSE), nilai tertinggi terdapat pada komoditas daging sapi sebesar Rp2.340/kg dan nilai terendah pada komoditas garam beriodium sebesar Rp210/kg. Secara keseluruhan, sistem prediksi berbasis machine learning ini berhasil diterapkan untuk mengatasi kelemahan metode konvensional serta membantu pengelola pasar dan pedagang dalam mengantisipasi kenaikan harga sembako.
#CRISP-DM
#Machine Learning
#Prediksi Harga
#Regresi Linear Berganda
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|
|
SISTEM REKAM MEDIS HEWAN BERBASIS WEB INTEGRASI RADIO FREQUENCY IDENTIFICATION PADA KLINIK HUG ME BY VET
Penulis: DAVIDRA DEVA, RITA WAHYUNI ARIFIN, S.Kom., M.Kom |
2026
Klinik Hug Me By Vet merupakan klinik hewan yang membutuhkan pencatatan rekam medis secara terstruktur untuk mendukung proses pelayanan pasien hewan. Berdasarkan hasil observasi, proses pencatatan rekam medis sebelumnya masih menggunakan berkas kertas, sehingga pencarian riwayat pasien membutuhkan waktu lebih lama dan berisiko terjadi kesalahan atau kehilangan data. Permasalahan juga muncul ketika hewan dibawa oleh orang selain pemilik, karena informasi yang dibutuhkan untuk menemukan riwayat pasien sering tidak lengkap. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem rekam medis hewan berbasis website yang terintegrasi dengan RFID sebagai media identifikasi pasien. Metode pengembangan yang digunakan mengacu pada tahapan IoT lifecycle, yaitu Collect, communicate, analyze, dan act. Sistem dikembangkan menggunakan teknologi website dengan dukungan PHP, TypeScript, JSON, Vite, serta database MySQL. Integrasi RFID dilakukan menggunakan RFID reader RC522/MFRC522 dan Mikrokontroler ESP32 untuk membaca UID kartu RFID. UID tersebut kemudian digunakan untuk memanggil data pasien yang tersimpan pada database. Sistem ini menyediakan fitur pengelolaan data pemilik, data hewan, rekam medis, pembayaran, rawat inap, serta website publik sebagai media company profile klinik. Hasil pengujian menunjukkan bahwa sistem dapat melakukan login berdasarkan hak akses, mengelola data pasien, membaca UID RFID, menampilkan data pasien dan riwayat rekam medis, mengirim data pasien dari front office ke dokter secara real-time, serta menyimpan hasil pemeriksaan ke database. Sistem juga dapat mendukung proses identifikasi pasien secara lebih cepat dibandingkan pencarian berkas manual. Namun, masih terdapat catatan pada proses cetak invoice atau struk yang memerlukan penyesuaian jaringan printer dan pengaturan ukuran kertas. Dengan demikian, sistem ini dapat membantu pengelolaan rekam medis hewan menjadi lebih terstruktur, terpusat, dan terintegrasi.
#RFID
#ESP32
#Rekam Medis Hewan
#Website
|
Skripsi (S1)
Teknik Informatika (S1)
Restricted Fulltext PDF
|