ANALISA HASIL PREDIKSI MINYAK SAYUR DENGAN REGRESI LINIER DARI MACHINE LEARNING PYTHON DAN R (STUDI KASUS: DATA KAGGLE)

Aulia, Nela Nevrivanti (2021) ANALISA HASIL PREDIKSI MINYAK SAYUR DENGAN REGRESI LINIER DARI MACHINE LEARNING PYTHON DAN R (STUDI KASUS: DATA KAGGLE). Other thesis, Universitas Islam Lamongan.

	Text 111710084-NELA NEFRIANTI - cover.pdf Download (13kB)
	Text 111710084-NELA NEFRIANTI - daftar isi.pdf Download (36kB)
	Text 111710084-NELA NEFRIANTI - abstrak.pdf Download (84kB)
	Text 111710084-NELA NEFRIANTI - bab i.pdf Download (165kB)
	Text 111710084-NELA NEFRIANTI - bab ii.pdf Download (331kB)
	Text 111710084-NELA NEFRIANTI - bab iii.pdf Restricted to Repository staff only Download (330kB)
	Text 111710084-NELA NEFRIANTI - bab iv.pdf Restricted to Repository staff only Download (468kB)
	Text 111710084-NELA NEFRIANTI - bab v.pdf Restricted to Repository staff only Download (240kB)
	Text 111710084-NELA NEFRIANTI - bab vi.pdf Restricted to Repository staff only Download (93kB)
	Text 111710084-NELA NEFRIANTI - daftar pustaka.pdf Restricted to Repository staff only Download (12kB)

Abstract

Minyak sayur merupakan kebutuhan pangan memasak di dapur yang sering dikonsumsi oleh masyarakat pada umumnya, namun harga juga menjadi faktor para konsumen untuk mempertimbangkan kembali sebelum melakukan jual beli dengan para pedagang di pasar maupun di toko klontong dalam desa. Hal ini yang menjadikan perhatian produsen supaya perekonomian tetap terjaga stabil dengan menjaga kualitas minyak juga harga tetap terjangkau untuk para konsumen maka, dalam penelitian ini diangkatlah dengan tema memprediksi harga minyak agar di ketahui di masa mendatang naik atau turunnya harga yang tidak signifikan dan bisa mengatur strategi penjualan harga minyak sawit dengan baik dan tepat. Pada studi kasus ini melakukan prediksi dengan bahasa pemrogaman Python dan bahasa pemrograman R kemudian dilakukan analisa dan perbandingan kinerja 2 bahasa pemrograman tersebut menggunakan metode Regresi Linier Berganda. Dari hasil masing-masing implementasi bahasa pemrograman tersebut didapatkan persamaan garis pada 6 jenis minyak dan time execute yang berbeda di mana hasilnya adalah Pyhton lebih lama dalam melakukan execute time dibandingan RStudio lebih cepat dengan menggunakan sintaks code yang lebih sedikit, kemudian hasil persamaan garis berbeda karena Python menggunakan 20% dataset dan RStudio menggunakan keseluruhan data untuk menganalisa.

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Divisions:	FAKULTAS TEKNIK > PRODI TEKNIK INFORMATIKA
Depositing User:	Perpus admin UNISLA
Date Deposited:	07 Feb 2022 06:09
Last Modified:	07 Feb 2022 06:09
URI:	http://eprints.unisla.ac.id/id/eprint/140

Actions (login required)

View Item