Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

PREDIKSI JUMLAH PENDAFTAR JEMAAH UMRAH MENGGUNAKAN BACKPROPAGATION DAN REGRESI LINEAR PADA PT. HAJAR ASWAD MUBAROQ

M. Hayatul Fikri, - PREDIKSI JUMLAH PENDAFTAR JEMAAH UMRAH MENGGUNAKAN BACKPROPAGATION DAN REGRESI LINEAR PADA PT. HAJAR ASWAD MUBAROQ. MALCOM: Indonesian Journal of Machine Learning and Computer Science. ISSN ISSN(P): 2797-2313 | ISSN(E): 2775-8575 (Submitted)

[img]
Preview
Text
TA_FIKRI_FIX.pdf

Download (6MB) | Preview

Abstract

Umrah adalah perjalanan menuju Baitullah (Ka'bah) di Makkah yang dilakukan untuk melaksanakan serangkaian amal ibadah dengan memenuhi persyaratan-persyaratan khusus. PT Hajar Aswad Mubaroq adalah salah satu agen perjalanan umrah yang secara konsisten siap memberikan layanan kepada calon Jemaah Umrah untuk melakukan ibadah di tanah suci. Pada saat ini PT. Hajar Aswad Mubaroq masih melakukan prediksi manual untuk menghitung prediksi jumlah Jemaah yang akan berangkat umrah. Salah satu akibat dari prediksi manual jumlah pendaftar Jemaah umrah dengan akurat adalah perselisihan jumlah booking pesawat yang terkadang terdapat kekurangan dan kelebihan pemesanan. Sehubungan dengan itu penelitian ini bertujuan memprediksi jumlah Jemaah Umrah PT. Hajar Aswad Mubaroq menggunakan Teknik Machine Learning Agar meminimalkan kesalahan dalam pemesanan penerbangan dan meningkatkan efisiensi analisis serta pengambilan kebijakan terkait data yang ada. Teknik Machine Learning yaitu metode Backpropagation dan Regresi Linear. Hasil penelitian menunjukkan performa terbaik untuk prediksi jumlah pendaftar Jemaah umrah PT. Hajar Aswad Mubaroq yaitu menggunakan algoritma Backpropagation dengan nilai RMSE sebesar 0.101 +/- 0.000, R2 sebesar 0.010 +/- 0.021 dan MAPE 19.74% pada percobaan window size 8.

Item Type: Article
Contributors:
ContributionNameNIDN/NIDKEmail
Thesis advisorINGGIH PERMANA, -2010128801Inggihpermana@uin-suska.ac.id
Thesis advisorFebi Nur Salisah, -2020029002febinursalisah@uin-suska.ac.id
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: fsains -
Date Deposited: 15 Jul 2024 07:25
Last Modified: 15 Jul 2024 07:25
URI: http://repository.uin-suska.ac.id/id/eprint/81517

Actions (login required)

View Item View Item