SUCI MAHARANI PUTRI, - (2024) Perbandingan Algoritma Linear Regression, Support Vector Regression, dan Artificial Neural Network untuk Prediksi Data Obat. Building of Informatics, Technology and Science (BITS), 6 (1). pp. 54-63. ISSN 2685-3310
|
Text
Laporan Tugas Akhir.pdf Download (7MB) | Preview |
Abstract
Regresi menjadi fokus penting di berbagai bidang yang bertujuan untuk membuat perkiraan nilai masa depan untuk membatu pengambilan keputusan dan membuat perencanaan strategis. Berbagai algoritma regresi memiliki kelebihan dan kekurangannya masing-masing dan performanya dapat berbeda sesuai dengan karakteristik data yang digunakan. Untuk itu analisis lebih lanjut diperlukan untuk mengetahui algoritma yang tepat yang menghasilkan solusi terbaik dari masalah yang akan diselesaikan. Penelitian ini membandingkan tiga algoritma regresi populer yaitu Linear Regression (LR), Support Vector Regression (SVR), dan Artificial Neural Network (ANN) untuk memrediksi data obat pada salah satu apotek di provinsi Riau. Hingga saat ini, pihak apotek masih belum memiliki metode yang tepat untuk memperkirakan kebutuhan obat setiap bulan dan masih dilakukan berdasarkan perkiraan. Hal tersebut membuat apotek sering mengalami kekurangan bahkan kelebihan stok yang dapat menyebabkan kerugian terlebih jika masa pakai obat sudah terlewat. Tiga jenis obat dipilih untuk menguji kemampuan algoritma yang diusulkan yaitu Amoxcilin, Antasida dan Paracetamol. Melalui hasil analisis dan perbandingan menunjukkan bahwa algoritma SVR lebih unggul dibandingkan algoritma lainnya pada ketiga jenis data obat jika konteks dan analisis berfokus pada metrik RMSE. Sementara itu jika konteks dan analisis berfokus pada metrik MAPE, maka algoritma ANN lebih unggul dibandingkan algoritma lainnya. Meskipun LR tidak lebih unggul pada metrik apapun, nyatanya ketiga algoritma (LR, SVR, dan ANN) memiliki nilai MAPE dibawah 10%, yang menunjukkan hasil prediksinya masih dalam kategori sangat akurat. Hal tersebut dibuktikan oleh hasil prediksi dari seluruh model yang diusulkan mampu mengikuti pola dan tren pada data aktual dengan baik.
| Item Type: | Article | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||
| Subjects: | 000 Karya Umum > 003 Sistem-sistem 000 Karya Umum |
||||||||
| Divisions: | Fakultas Sains dan Teknologi > Sistem Informasi | ||||||||
| Depositing User: | fsains - | ||||||||
| Date Deposited: | 15 Jul 2024 03:30 | ||||||||
| Last Modified: | 15 Jul 2024 03:30 | ||||||||
| URI: | http://repository.uin-suska.ac.id/id/eprint/80980 |
Actions (login required)
 |
View Item |