Analisis Perbandingan Kinerja Model Regresi Untuk Pediksi Harga Penjualan Produk Di Smc Pneumatics Bandung

Sharfina, Putri Zahira Koswara (9882405120121030) (2024) Analisis Perbandingan Kinerja Model Regresi Untuk Pediksi Harga Penjualan Produk Di Smc Pneumatics Bandung. Undergraduate Thesis, Universitas Informatika dan Bisnis Indonesia.

	Text Cover.pdf Download (8kB)
	Text Abstrak.pdf Download (11kB)
	Text Bab 1.pdf Download (167kB)
	Text Daftar Pustaka.pdf Download (153kB)

Abstract

SMC Pneumatics Bandung, sebagai pemimpin dalam industri pneumatik, menghadapi tantangan dalam menentukan kebijakan harga yang optimal untuk meningkatkan daya saing. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja lima model regresi dalam memprediksi harga penjualan produk di SMC Pneumatics Bandung tahun 2023. Model yang diuji meliputi Linear Regression, Random Forest Regressor, Decision Tree Regressor, Extreme Gradient Boosting (XGBoost) Regressor, dan Support Vector Regression. Dataset terdiri dari 2844 data penjualan, dengan tahapan data mining meliputi pengumpulan data, preprocessing, analisis data eksploratif, pemodelan, dan evaluasi. Hasil penelitian menunjukkan bahwa model Linear Regression memiliki kinerja terbaik dengan nilai R-square 0.99, MSE 3.984, RMSE 1.99, MAE 1.99, dan MAPE 0%. Model Random Forest Regressor dan Decision Tree Regressor juga menunjukkan kinerja yang baik dengan nilai R-square 0.99. Sementara itu, model Extreme Gradient Boosting Regressor mencapai R-square 0.99 dengan nilai MSE, RMSE, dan MAE yang lebih tinggi. Namun, model Support Vector Regression menunjukkan kinerja yang buruk dengan R-square -0.13. Penelitian ini menyimpulkan bahwa model Linear Regression memberikan performa terbaik dalam memprediksi harga penjualan produk di SMC Pneumatics Bandung tahun 2023, dengan tingkat akurasi yang sangat tinggi. Temuan ini menunjukkan potensi aplikasi machine learning dalam optimalisasi strategi penetapan harga di industry pneumatik. Kata kunci: Regresi, Machine Learning, Prediksi, SMC Pneumatics

Item Type:	Other
Additional Information:	SKRIPSI PRODI SISTEM INFORMASI S1
Subjects:	H Social Sciences > H Social Sciences (General) T Technology > T Technology (General)
Divisions:	Fakultas Teknologi dan Informatika > Sistem Informasi
Depositing User:	PERPUS PERPUSTAKAAN UNIBI
Date Deposited:	21 Nov 2024 04:34
Last Modified:	21 Nov 2024 04:34
URI:	http://repository.unibi.ac.id/id/eprint/739

Actions (login required)

View Item