EUVIMEDEUVIMED entdecken
Crossref

Peramalan Deret Waktu untuk Bisnis : Pendekatan algoritma LGBM Regressor

Fachrul Rozi Lubis, Eddy Rahman Syahputra

Data Sciences Indonesia (DSI) · 2022

DOI: 10.47709/dsi.v1i2.1347 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Data Sciences Indonesia (DSI), 2022. Verfasst von Fachrul Rozi Lubis und 1 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Peramalan deret waktu adalah topik yang cukup umum di bidang data science (ilmu data). Perusahaan menggunakan model peramalan untuk mendapatkan pandangan yang lebih jelas tentang bisnis masa depan. Data masa lalu dikumpulkan dan dianalisis melalui model kuantitatif atau kualitatif sehingga pola dapat diidentifikasi dan dapat mengarahkan perencanaan bisnis di masa depan akan tetapi memilih algoritme yang tepat merupakan salah satu keputusan sulit ketika akan mengembangkan model peramalan deret waktu. Penelitian ini menyajikan hasil analisi data dengan mengadopsi kerangka kerja data science CRISP-DM dan membandingkan lima algoritma berbeda untuk memperkirakan penjualan harian selama 28 hari ke depan. Berdasarkan hasil evaluasi kinerja RMSE, algoritma LGBM Regressor menghasilkan tingkat kesalahan 7.53 %, paling rendah dibandingkan algoritma lain, akan tetapi waktu pelatihan dan pengujian paling tinggi.

Zitieren

APA

Lubis, F. R., & Syahputra, E. R. (2022). Peramalan Deret Waktu untuk Bisnis : Pendekatan algoritma LGBM Regressor. Data Sciences Indonesia (DSI). https://doi.org/10.47709/dsi.v1i2.1347

Vancouver

Lubis FR, Syahputra ER. Peramalan Deret Waktu untuk Bisnis : Pendekatan algoritma LGBM Regressor. Data Sciences Indonesia (DSI). 2022. doi:10.47709/dsi.v1i2.1347

BibTeX
@article{Lubis2022,
  author = {Lubis, Fachrul Rozi and Syahputra, Eddy Rahman},
  title = {Peramalan Deret Waktu untuk Bisnis : Pendekatan algoritma LGBM Regressor},
  journal = {Data Sciences Indonesia (DSI)},
  year = {2022},
  doi = {10.47709/dsi.v1i2.1347}
}
Kostenlos starten →