PREDIKSI PEMBERIAN DISKON MENGGUNAKAN METODE REGRESI LINEAR (DATASET KAGGLE)

Maulidi, Nur Fahmi (2021) PREDIKSI PEMBERIAN DISKON MENGGUNAKAN METODE REGRESI LINEAR (DATASET KAGGLE). Other thesis, Universitas Islam Lamongan.

	Text 111710138-Nur Fahmi Maulidi - cover.pdf Download (97kB)
	Text 111710138-Nur Fahmi Maulidi - daftar isi.pdf Download (99kB)
	Text 111710138-Nur Fahmi Maulidi - abstrak.pdf Download (151kB)
	Text 111710138-Nur Fahmi Maulidi - bab i.pdf Download (172kB)
	Text 111710138-Nur Fahmi Maulidi - bab ii.pdf Download (288kB)
	Text 111710138-Nur Fahmi Maulidi - bab iii.pdf Restricted to Repository staff only Download (398kB)
	Text 111710138-Nur Fahmi Maulidi - bab iv.pdf Restricted to Repository staff only Download (468kB)
	Text 111710138-Nur Fahmi Maulidi - bab v.pdf Restricted to Repository staff only Download (202kB)
	Text 111710138-Nur Fahmi Maulidi - bab vi.pdf Restricted to Repository staff only Download (163kB)
	Text 111710138-Nur Fahmi Maulidi - daftar pustaka.pdf Restricted to Repository staff only Download (164kB)

Abstract

Tingkat penjualan merupakan hal yang paling penting dalam usaha. Dalam menjual barang pasti ada barang yang tidak laku terjual, oleh karena itu dibutuhkan strategi potongan harga atau diskon kepada pelanggan untuk menarik perhatian pelanggan dan menaikkan omset penjualan. Sebuah prediksi untuk memberikan jumlah diskon yang tepat sangat dibutuhkan dalam strategi pemberian diskon. Untuk menentukan prediksi diskon, peneliti menggunakan metode regresi linear untuk mencari persamaan garisnya dengan mentraining data yang diambil dari Kaggle.com dan mencari nilai konstanta dan koefisien dari variabel independen. Persamaan garis yang dihasilkan akan dilakukan testing data untuk mengetahui prediksi diskon yang akan diberikan dan nilai errornya. Data yang digunakan adalah data penjualan lukisan yang diambil dari Kaggle.com, dan dilakukan perhitungan prediksi dengan data training sebanyak 1300 data dan data tes sebanyak 225 data. Hasil pegujian aplikasi dapat disimpulkan bahwa aplikasi dapat berjalan sesuai perancangan dan nilai akurasi prediksi yang didapatkan cukup baik.

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Divisions:	FAKULTAS TEKNIK > PRODI TEKNIK INFORMATIKA
Depositing User:	Perpus admin UNISLA
Date Deposited:	10 Feb 2022 08:01
Last Modified:	10 Feb 2022 08:01
URI:	http://eprints.unisla.ac.id/id/eprint/206

Actions (login required)

View Item