eprintid: 2224
rev_number: 9
eprint_status: archive
userid: 46
dir: disk0/00/00/22/24
datestamp: 2022-08-29 13:57:23
lastmod: 2022-09-03 17:24:15
status_changed: 2022-08-29 13:57:23
type: thesis
metadata_visibility: show
creators_name: , Utep
creators_name: Tita Tosida, Eneng
creators_name: Delli Wihartiko, Fajar
creators_NPM: 0651162215
creators_id: utepsmk@gmail.com
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Tita Tosida, Eneng
contributors_name: Delli Wihartiko, Fajar
contributors_NIDN: 0425087601
contributors_NIDN: 0425038403
contributors_id: enengtitatosida@unpak.ac.id
contributors_id: fajardelli@apps.ipb.ac.id
corp_creators: Universitas Pakuan
corp_creators: Fakultas MIPA
corp_creators: Ilmu Komputer
title: KLASIFIKASI USAHA MENENGAH BESAR (UMB) TELEMATIKA INDONESIA MENGGUNAKAN PENDEKATAN DEEP LEARNING
ispublished: pub
subjects: QK
divisions: sch_ecs
full_text_status: none
abstract: Abstrak

Penelitian ini bertujuan untuk melakukan proses klasifikasi Usaha Menengah Besar (UMB) Telematika Indonesia menggunakan pendekatan deep learning. Data yang digunakan adalah data Sensus Ekonomi 2016. Penelitian ini dilakukan secara komfrehensif melalui proses perbndingan kinerja melalui bebrapa proses. Kinerja deep learning menunjukan tingkata kurasi cukup baik yakni 94.73%, dengan evaluasi confusion matrix dari nilai korelasi yang mendekati nilai actual, serta jumlah hasl kelasifikasi medekati jumlah sebelumnya, lebih tinggi dibanding dengan proses data sebelum dilakukan transformasi dengan akurasi yang diperoleh 43.03%, evaluasi cofusion matrik dengan nilai korelasi yang cukup lemah. Proses selanjutnya dilakukan dengan beberapa atribut dengan tingkat akurasi yang optimal yakni 98.80%, evaluasi model confusion matrik dengan nilai korelasi yang sangat kuat, jumlah hasil klasifikasi hampri mendekati jumlah data sebelumnya. pendekatan deep learning masih memiliki kekurangan dalam hal penelusuran atribut dan bentuk data yang berpengaruh terhadap kelasifikasi prospek. Peuang pengembang riset dapat dilakukan integrasi model WEB sistem pada model deep learning, sehingga memudahkan para pemangku kepentingan dalam perioritas atribut yang berpengaruh pada prospek Usaha Menengah Besar UMB Telematika indonesia. Hal ini diharapkan dapat mendorong peningkatan daya saing prospek UMB dalam menghadapi Ekonomi.

Kata kunci:
Deeplearning, Klasifikasi, UMB Telematika.
date: 2020-11
date_type: published
institution: Universitas Pakuan
department: Ilmu Komputer
thesis_type: Skripsi
thesis_name: Sarjana
citation:   Utep and Tita Tosida, Eneng and Delli Wihartiko, Fajar  (2020) KLASIFIKASI USAHA MENENGAH BESAR (UMB) TELEMATIKA INDONESIA MENGGUNAKAN PENDEKATAN DEEP LEARNING.  Skripsi thesis, Universitas Pakuan.