SISTEM PREDIKSI PENJUALAN PONSEL MENGGUNAKAN METODE LEAST SQUARE
Total View This Week0
Total View This Week0
Institusion
Universitas Nahdlatul Ulama Sunan Giri
Author
Indika Fahrul Hikami (STUDENT ID : 2120180159)
M. Jauhar Vikri (LECTURER ID : 0712078803)
Sahri Sahri (LECTURER ID : 0730129003)
M. Jauhar Vikri (LECTURER ID : 0712078803)
Sahri Sahri (LECTURER ID : 0730129003)
Subject
003.56 Decision Theory/Teori Pengambilan Keputusan
Datestamp
2022-11-09 19:40:08
Abstract :
Sistem Prediksi Penjualan Ponsel Menggunakan Metode Least Square. Skripsi, Program Studi Teknik Informatika Fakutlas Sains dan Teknologi Universitas Nahdlatul Ulama Sunan Giri. Pembimbing Utama M. Jauhar Vikri, M.Kom dan Pembimbing Pendamping Sahri, M.Pdi. Seiring dengan perkembangan zaman dan pesatnya kemajuan teknologi di dunia saat ini, tidak dapat dipungkiri jika informasi menjadi sangat penting untuk kemajuan suatu perusahaan, jual beli ponsel salah satunya. Dan semakin tinggi aktivitas transaksi penjualan ponsel sehari-hari menimbulkan penumpukan data yang semakin lama akan semakin besar dalam database. Sehingga diperlukan suatu siste yang bisa memprediksi berdasarkan data-data yang telah ada, di dalam sistem ini berisi pengetahuan keahlian prediksi. Berdasarkan jenis data yang didapat oleh penulis dalam penelitian ini, penulis menggunakan metode penelitian Software Development Life Cycle. Pada penelitian ini dirancang sebuah aplikasi prediksi berbasis web menggunakan metode least square yang dimaksudkan untuk membantu pengguna memprediksi penjualan ponsel. Berdasarkan hasil perhitungan, sistem akan memberikan hasil prediksi jumlah penjualan ponsel di bulan atau tahun yang akan datang. Perhitungan menggunakan metode least square pada aplikasi sistem informasi ini membutuhkan bulan target, dan tahun target untuk jangka perhitungan. Data yang diperoleh dari Dialga Phone yaitu data penjualan bulan April 2021 hingga Maret 2022 perhitungan dilakukan dengan menggunakan teknik MAPE untuk melihat seberapa besar presentase kesalahan data dari hasil prediksi. Semakin kecil presentase yang diperoleh, maka data yang dihasilkan memiliki tingkat akurasi yang lebih baik. Berdasarkan hasil perhitungan prediksi yang dilakukan menghasilkan MSE : 165,80, RMSE : 12,88, dan MAPE : 18,61%.
Sistem Prediksi Penjualan Ponsel Menggunakan Metode Least Square. Skripsi, Program Studi Teknik Informatika Fakutlas Sains dan Teknologi Universitas Nahdlatul Ulama Sunan Giri. Pembimbing Utama M. Jauhar Vikri, M.Kom dan Pembimbing Pendamping Sahri, M.Pdi. Seiring dengan perkembangan zaman dan pesatnya kemajuan teknologi di dunia saat ini, tidak dapat dipungkiri jika informasi menjadi sangat penting untuk kemajuan suatu perusahaan, jual beli ponsel salah satunya. Dan semakin tinggi aktivitas transaksi penjualan ponsel sehari-hari menimbulkan penumpukan data yang semakin lama akan semakin besar dalam database. Sehingga diperlukan suatu siste yang bisa memprediksi berdasarkan data-data yang telah ada, di dalam sistem ini berisi pengetahuan keahlian prediksi. Berdasarkan jenis data yang didapat oleh penulis dalam penelitian ini, penulis menggunakan metode penelitian Software Development Life Cycle. Pada penelitian ini dirancang sebuah aplikasi prediksi berbasis web menggunakan metode least square yang dimaksudkan untuk membantu pengguna memprediksi penjualan ponsel. Berdasarkan hasil perhitungan, sistem akan memberikan hasil prediksi jumlah penjualan ponsel di bulan atau tahun yang akan datang. Perhitungan menggunakan metode least square pada aplikasi sistem informasi ini membutuhkan bulan target, dan tahun target untuk jangka perhitungan. Data yang diperoleh dari Dialga Phone yaitu data penjualan bulan April 2021 hingga Maret 2022 perhitungan dilakukan dengan menggunakan teknik MAPE untuk melihat seberapa besar presentase kesalahan data dari hasil prediksi. Semakin kecil presentase yang diperoleh, maka data yang dihasilkan memiliki tingkat akurasi yang lebih baik. Berdasarkan hasil perhitungan prediksi yang dilakukan menghasilkan MSE : 165,80, RMSE : 12,88, dan MAPE : 18,61%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
