KLASIFIKASI PENERIMAAN MOBIL BEKAS BERDASARKAN METODE NEURAL NETWORK

Akmal Dirgantara; Syarifudin  Herdyansyah; Rasenda Rasenda

Authors

Akmal Dirgantara STMIK Nusa Mandiri
Syarifudin Herdyansyah STMIK Nusa Mandiri
Rasenda Rasenda STMIK Nusa Mandiri

(*) Corresponding Author

Keywords:

Backpropagation, klasifikasi, jaringan syaraf tiruan, mobil bekas

Abstract

Mengingat kebutuhan mobil di kota-kota besar semakin meningkat dan harga kendaraan roda 4 yang terbilang mahal maka mobil bekas menjadi alternatif solusi yang baik untuk ditawarkan. Namun dalam berbisnis kita tidak bisa asal saja membeli stok untuk showroom mobil misalnya apalagi dengan budget yang terbatas, pengusaha showroom mobil harus melakukan analisa yang mendalam untuk menghemat budget membuka showroom dan mencegah kerugian. Tulisan ini membantu pembuka showroom mobil menentukan mobil mana saja yang cocok dijadikan stok untuk dipajang pada showroom dengan parameter buying, maintenance, doors, lugs boot dan safety. Yang diprediksi menggunakan metode jaringan syaraf tiruan sebanyak 1728 data yang didapatkan dari UCI repository dengan tingkat akurasi yang cukup tinggi yaitu sebesar 98,26%. Hal ini cukup efisien dibandingkan pemilik showroom harus melakukan survey terlebih dahulu dan bertanya pada 1 per 1 orang untuk melakukan suvey keminatan penerimaan mobil.

Downloads

Download data is not yet available.

Author Biographies

Akmal Dirgantara, STMIK Nusa Mandiri

Program Studi Ilmu Komputer (Magister Ilmu Komputer)

Syarifudin Herdyansyah, STMIK Nusa Mandiri

Program Studi Ilmu Komputer (Magister Ilmu Komputer)

Rasenda Rasenda, STMIK Nusa Mandiri

Program Studi Ilmu Komputer (Magister Ilmu Komputer)

References

Agustin, M., & Prahasto, T. (2012). Penggunaan Jaringan Syaraf Tiruan Backpropagation Untuk Seleksi Penerimaan Mahasiswa Baru Pada Jurusan Teknik Komputer Di Politeknik Negeri Sriwijaya. JURNAL SISTEM INFORMASI BISNIS, 2(2). https://doi.org/10.21456/vol2iss2pp089-097

Ariawan, I. (2011). Kurva Receiver Operating Characteristic. Retrieved from https://id.scribd.com/doc/15123416/Kurva-Receiver-Operating-Characteristic

Dirgantara, A., Herdyansyah, S., & Rasenda, R. (2019). Laporan Penelitian: Klasifikasi Penerimaan Mobil Bekas Berdasarkan Metode Neural Network. Jakarta.

Guntoro, G., Costaner, L., & Lisnawita, L. (2019). Prediksi Jumlah Kendaraan di Provinsi Riau Menggunakan Metode Backpropagation. Nformatika Mulawarman: Jurnal Ilmiah Ilmu Komputer, 14(1), 51–57. Retrieved from http://e-journals.unmul.ac.id/index.php/JIM/article/view/1745

Pakaja, F., Naba, A., & Purwanto, P. (2012). Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor. Jurnal EECCIS, 6(1), 23–28. Retrieved from https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/162

Sucipto, A. (2012). CREDIT PREDICTION WITH NEURAL NETWORK ALGORITHM Ir . Adi Sucipto , M . Kom . Sains and Technology Faculty Universitas Islam Nahdlatul Ulama Jepara, (15), 978–979.

Suhendra, C. D., & Wardoyo, R. (2015). Penentuan Arsitektur Jaringan Syaraf Tiruan Backpropagation (Bobot Awal dan Bias Awal) Menggunakan Algoritma Genetika. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 9(1), 77. https://doi.org/10.22146/ijccs.6642

Vercellis, C. (2009). Business Intelligence: Data Mining and Optimization for Decision Making. Business Intelligence: Data Mining and Optimization for Decision Making. https://doi.org/10.1002/9780470753866