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.
Full text not available from this repository.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.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | Fakultas Ilmu Pengetahuan Alam dan Matematika > Ilmu Komputer |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer |
| Depositing User: | PERPUSTAKAAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNPAK |
| Date Deposited: | 29 Aug 2022 13:57 |
| Last Modified: | 03 Sep 2022 17:24 |
| URI: | http://eprints.unpak.ac.id/id/eprint/2224 |
Actions (login required)
 |
View Item |