Prediksi Status Pengiriman Melalui Pendekatan Data-Driven Supply Chain Management Menggunakan Metode Random Forest Classifier

Syifa Rahmawati, . (2024) Prediksi Status Pengiriman Melalui Pendekatan Data-Driven Supply Chain Management Menggunakan Metode Random Forest Classifier. Other thesis, Universitas Pamulang.

	Text FILE COVER.pdf Restricted to Registered users only Download (4MB)
	Text FILE BAB I.pdf Restricted to Registered users only Download (145kB)
	Text FILE BAB II.pdf Restricted to Registered users only Download (438kB)
	Text FILE BAB III.pdf Restricted to Registered users only Download (197kB)
	Text FILE BAB IV.pdf Restricted to Registered users only Download (473kB)
	Text FILE BAB V.pdf Restricted to Registered users only Download (113kB)
	Text FILE JURNAL.pdf Restricted to Registered users only Download (312kB)

Abstract

Penelitian ini dilatarbelakangi oleh tantangan dalam rantai pasok yang disebabkan oleh keterlambatan pengiriman, yang berdampak pada kepuasan konsumen. Untuk mengatasi masalah ini, penelitian bertujuan mengevaluasi efektivitas Random Forest Classifier dalam memprediksi status pengiriman dengan pendekatan berbasis data. Random Forest dipilih karena kemampuannya yang superior dalam akurasi prediksi dibandingkan pohon keputusan tradisional, meskipun algoritmanya lebih kompleks. Hasil penelitian menunjukkan bahwa Random Forest Classifier, yang diterapkan pada dataset “DataCo Smart Supply Chain for Big Data Analysis” tahun 2015 sampai dengan 2018, mencapai akurasi sebesar 91.6%. Hal tersebut menunjukkan efektivitas model ini dalam klasifikasi. Penelitian juga menyertakan analisis matematis dengan membangun 10 pohon keputusan dari sampel data. Variasi variabel sebagai pemisah pada setiap pohon disebabkan oleh bootstrap sampling dan pengacakan variabel, memberikan wawasan mengenai cara kerja Random Forest. Kata Kunci: Berbasis Data, Keterlambatan Pengiriman, Prediksi, Random Forest Classifier, Rantai Pasok

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Berbasis Data, Keterlambatan Pengiriman, Prediksi, Random Forest Classifier, Rantai Pasok
Subjects:	Q Science > QA Mathematics
Divisions:	Faculty of Engineering, Science and Mathematics > School of Mathematics
Depositing User:	Yeni Ratnasari
Date Deposited:	19 Oct 2024 03:32
Last Modified:	19 Oct 2024 03:32
URI:	http://repository.unpam.ac.id/id/eprint/14608

Actions (login required)

View Item