PREDIKSI RENTET WAKTU PEMASARAN PRINTER CANON MENGGUNAKAN NEURAL NETWORK DAN K-NEAREST NEIGHBOR

Penulis

  • Ihsanul Fikri

DOI:

https://doi.org/10.31602/tji.v7i1.613

Abstrak

Prakiraan tingkat pemasaran yang tepat dapat dijadikan rujukan untuk menentukan keberlangsungan usaha dan tingkat keuntungan yang ingin dicapai. Penelitian ini untuk mengembangkan model prediksi rentet waktu dalam memprediksi penjualan barang elektronik yang dalam hal ini adalah alat cetak yaitu printer. Pada penelitian ini digunakan metode Neural Network untuk memprediksi pemasaran printer Canon yang kemudian dibandingkan dengan metode K-Nearest Neighbor. Data yang digunakan adalah data rentet waktu penjualan dari bulan Januari 2012 sampai Desember 2014 sebanyak 1096 record dengan 2 variabel yaitu tanggal dan jumlah barang yang terjual. Algoritma akan diimplementasikan dengan menggunakan RapidMiner. Dalam perkembangan penelitian, data rentet waktu merupakan objek penelitian dari data mining karena banyak berhubungan dengan berbagai bidang salah satunya pada pemasaran printer Canon. Dari hasil penelitian ini algoritma K-NN lebih baik dari Neural Network dengan hasil Root Mean Squered Error (RMSE) untuk NN adalah 92.118 dan K-NN adalah 94.236.

Unduhan

Diterbitkan

01-03-2016

Terbitan

Vol 7 No 1 (2016): TECHNOLOGIA

Bagian

Artikel

Lisensi

Penulis yang menerbitkan dengan jurnal ini menyetujui persyaratan berikut:

  1. Penulis mempertahankan hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang secara bersamaan dilisensikan di bawah Creative Commons Attribution 4.0 International License. (CC BY) yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal di jurnal ini.
  2. Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.
  3. Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan (Lihat Pengaruh Akses Terbuka).