Prediksi Harga Gas Alam Menggunakan Metode Clasification And Regression Tree (CART)

Bina Maulana, . (2023) Prediksi Harga Gas Alam Menggunakan Metode Clasification And Regression Tree (CART). Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (308kB)
	Text BAB I.pdf Restricted to Registered users only Download (24kB)
	Text BAB II.pdf Restricted to Registered users only Download (615kB)
	Text BAB III.pdf Restricted to Registered users only Download (120kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (8kB)
	Text JURNAL.pdf Restricted to Registered users only Download (496kB)

Abstract

Gas alam merupakan salah satu sumber energi didunia yang mana pemanfaatannya di masa depan diperkirakan semakin tinggi dan menjadi sumber energi yang penting (Pratama & Wira Tama, 2023). Prediksi harga gas alam sangat penting bagi berbagai pemangku kepentingan atau pimpinan dalam sebuah perusahaan yang memungkinkan mereka membuat keputusan yang lebih baik untuk mengelola potensi risiko, mengurangi kesenjangan antara permintaan dan pasokan, dan mengoptimalkan penggunaan sumber daya tersebut. Classification and Regression tree (CART) merupakan salah satu algoritma dari suatu teknik pohon keputusan (Decission tree). CART disebut juga sebagai algoritma statistic nonparametric yang dapat digambarkan sebagai variabel respon ( variabel output) dengan satu atau lebih variabel predictor atau variabel independent (Purnamawati, Winnarto, & Mailasari, 2022). Masalah yang dihadapi dalam penelitian ini adalah bagi para pemangku jabatan atau kepentingan yaitu sulitnya membuat keputusan yang lebih baik dalam mengelola potensi resiko dan adanya kesenjangan antara permintaan dan pasokan sumber daya. Pada penelitian ini akan menerapkan metode classification and regression tree yang bertujuan untuk memprediksi harga gas alam berjangka agar para pemangku jabatan dapat dengan mudah membuat keputusan dalam mengelola potensi resiko serta dapat mengurangi kesenjangan antara permintaan dengan pasokan. Berdasarkan implementasi dan pengujian yang telah dilakukan hasil penelitian ini membuktikan bahwa algoritma classification and regression tree yang diterapkan pada model Machine learning untuk melakukan prediksi harga gas alam berjangka dengan nilai MSE 1044.099, MAE 23.688, dan R-Square sebesar 0.993428 atau sebesar 99,34%. Kata kunci: Prediksi harga gas alam, terakhir, CART.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Prediksi harga gas alam, terakhir, CART
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Agus Sugiarto
Date Deposited:	29 Jun 2024 02:22
Last Modified:	29 Jun 2024 02:22
URI:	http://repository.unpam.ac.id/id/eprint/13348

Actions (login required)

View Item