@thesis{thesis,
		author={Sholiha  Arina},
		title ={Analisis Perbandingan Algoritma Prediksi pada Studi Kasus Harga Tiket Pesawat},
		year={2023},
		url={https://repository.nurulfikri.ac.id/id/eprint/332/},
		abstract={Pesawat adalah alat transportasi udara yang digunakan untuk mengangkut penumpang maupun barang sesuai dengan tempat yang ingin dituju. Transportasi ini menjadi salah satu transportasi pilihan masyarakat ketika menempuh perjalanan yang jauh dikarenakan dapat menghemat waktu dibandingkan dengan transportasi lainnya. Seiring berjalannya waktu dan semakin pulihnya wabah virus covid-19 di seluruh dunia mengakibatkan peningkatan penumpang pada maskapai penerbangan. Berdasarkan data yang dilansir oleh Badan Pusat Statistik, persentase peningkatan penumpang pesawat domestik dan internasional pada bulan Maret 2022 naik hingga 47,8%. Dengan bertambahnya volume penumpang maskapai penerbangan akan sangat berpengaruh terhadap harga tiket pesawat. Apalagi harga tiket pesawat yang ditawarkan maskapai penerbangan di masa pandemi sudah tidak relevan apabila digunakan saat ini. Akibat dari harga tiket pesawat yang tidak relevan dengan kondisi pasar dan kebutuhan konsumen akan berdampak pada keberlangsungan maskapai penerbangan kedepannya. Hal ini akan menyebabkan fluktuasi pendapatan dan mengganggu perencanaan keuangan maupun kestabilan finansial dari maskapai penerbangan. Melihat kondisi tersebut, maskapai penerbangan perlu memprediksi harga tiket pesawat secara tepat. Untuk melakukan hal tersebut dibutuhkannya algoritma prediksi yang akurat dalam memprediksi harga tiket secara tepat. Oleh karena itu, penelitian ini akan membuat analisis perbandingan algoritma prediksi untuk memprediksi harga tiket pesawat dengan harapan kedepannya dapat membantu maskapai penerbangan. Dengan berfokus mengambil tiga algoritma yaitu Linear Regression, Multilayer Perceptron dan Random Forest. Hasil dari penelitian ini didapatkan kesimpulan bahwa model algoritma Random Forest dengan nilai Rsquared sebesar 0.9564. Yang kemudian algoritma ini juga diperkuat dengan hasil nilai evaluasi prediksi RMSE (Root Mean Square Error) sebesar 4290.1052 dan MAPE (Mean Absolute Percentage Error) sebesar 0.2874 yang mana nilai ini merupakan nilai terkecil dibandingkan dengan model algoritma lainnya yang telah diujikan
Kata kunci : Perbandingan Algoritma, Machine Learning, Data Mining, Prediksi Harga, Random Forest.}
		}