PREDIKSI TENAGA PRODUKSI MENGGUNAKAN METODE DECISION TREE DAN SUPPORT VECTOR MACHINE STUDI KASUS PADA CV. BUSINDO ARIASA

Sandrika Riva, Alfani (2022) PREDIKSI TENAGA PRODUKSI MENGGUNAKAN METODE DECISION TREE DAN SUPPORT VECTOR MACHINE STUDI KASUS PADA CV. BUSINDO ARIASA. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (829kB)
	Text BAB 2.pdf Download (1MB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (2MB)
	Text BAB 5.pdf Download (682kB)
	Text DAFTAR PUSTAKA.pdf Download (691kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (823kB)

Abstract

CV. Busindo Ariasa merupakan perusahaan home industry yang bergerak dalam bidang konveksi. Jumlah pesanan pelanggan yang meningkat, serta ukuran dan model yang bermacam-macam membuat pemilik konveksi harus pintar membagi pesanan pelanggan kepada karyawan. Oleh karena itu, jumlah pesanan yang masuk setiap harinya serta banyaknya jenis pakaian, model, dan ukuran dari pelanggan membuat pemilik konveksi kesulitan untuk menentukan tenaga yang dibutuhkan dalam penyelesaian pesanan pakaian. Tenaga produksi yang dimaksud adalah banyaknya pekerja yang mengerjakan pesanan tersebut. Prediksi adalah usaha menduga atau memperkirakan sesuatu yang akan terjadi di waktu mendatang dengan memanfaatkan berbagai informasi yang relevan pada waktu-waktu sebelumnya melalui suatu metode ilmiah. Dalam kasus ini ada dua metode peramalan yang dapat menjawab permasalahan diatas yaitu, metode Support Vector Machine dan Decision Tree. Decision Tree merupakan algoritma yang umum digunakan untuk pengambilan keputusan dengan membentuk cabang-cabang dari setiap keputusan. Algoritma C4.5 adalah program yang memberi kontribusi satu set data berlabel dan menghasilkan pohon keputusan sebagai keluaran. Metode Support Vector Machine dapat mengklasifikasikan data linier dan non linier. Penelitian ini menggunakan metode CRISP-DM dalam memproses data mining. Langkah-langkah CRISP-DM adalah Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Prediksi algoritma Support Vector Machine menggunakan holdout validasi sebesar 20% secara acak sebanyak 5 kali dengan data training sebanyak 242 data dan data testing 61 data, sehingga didapatkan hasil rata-rata akurasi sebesar 43.93%, sedangkan algoritma C4.5 didapatkan hasil rata-rata akurasi sebesar 92.12%. Sehingga dapat disimpulkan bahwa hasil akurasi algoritma C4.5 lebih baik dibandingkan dengan algoritma SVM dalam memprediksi tenaga produksi CV. Busindo Ariasa.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Prediksi, C4.5, SVM, Akurasi, CRISP-DM
Subjects:	000 Generalities/Karya Umum > 005.1 Programming/Pemrograman
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Date Deposited:	01 Dec 2022 02:53
Last Modified:	01 Dec 2022 02:53
URI:	http://repository.unsada.ac.id/id/eprint/4953

Actions (login required)

View Item