| Bibliografi |
|
| Barcode |
|
| Pengarang |
| Ari Aditya Nugraha; |
| Cat. Karya |
|
| No. Induk |
|
| Pembimbing |
|
| Kata Kunci |
| Support Vector Machine, prediksi, klasifikasi, harga tiket, penerbangan domestik. |
| Pembimbing 3 |
|
| Pembimbing 2 |
| Dana Indra Sensuse |
| Tahun buku |
| 2011 |
| Barcode RFID baru |
| 11872633 |
| Tahun Angkatan |
| 2007 |
| Progam Studi |
| ILMU KOMPUTER |
| Lokasi |
| FASILKOM-UI; |
| Tanggal Datang |
| 29/07/2011 |
| Abstrak Indonesia |
| Penjualan tiket melalui internet kini telah dilakukan oleh hampir semua maskapai penerbangan domestik. Harga yang ditawarkan bervariasi dan berubah-ubah sesuai dengan waktu tersisa menjelang keberangkatan. Algoritma Support Vector Machine sebagai salah satu algoritma klasifikasi dalam data mining memiliki potensi untuk melakukan prediksi harga tiket penerbangan domestik yang belum pernah dilakukan di Indonesia sebelumnya. Penelitian ini dilakukan untuk mengukur dan mengetahui sejauh mana ketepatan penggunaan algoritma Support Vector Machine dalam memprediksi harga tiket penerbangan domestik. Hasil pengujian terhadap data harga tiket penerbangan domestik menunjukkan bahwa algoritma Support Vector Machine menghasilkan prediksi terbaik saat nilai parameter C mendekati 10 dan nilai ε antara 0,001 sampai 0,01. Untuk prediksi dengan jumlah data yang besar, dibutuhkan penelitian lebih lanjut mengenai pemilihan nilai parameter. Hasil penelitian ini dapat digunakan sebagai landasan untuk menemukan cara baru dalam memprediksi harga tiket penerbangan domestik ataupun untuk kepentingan peningkatan performa algoritma Support Vector Machine melalui pemilihan parameter yang lebih baik. |
| Daftar Isi |
|
| Cat. Umum |
|
| Judul |
| Penerapan algoritma support vector machine pada time series forecasting harga tiket penerbangan domestik di lima rute penerbangan di Indonesia |
| Asal |
|
| Korporasi |
|
| NPM |
| 0706271531 |
| Abstrak English |
| Online ticketing has now been done by almost all of the domestic airlines. Prices offered are varies and change over the time remaining before departure. Support Vector Machine algorithm as one of classification algorithms in data mining has the potential to predict domestic airline ticket price that has not been done in Indonesia before. The research was conducted to measure and determine the extent of accuracy of Support Vector Machine algorithms to predict the domestic airline ticket prices. Test results show that the Support Vector Machine algorithm produces the best predictions within C value 10 and ε value between 0,001 untill 0,01. However, tests with larger datasets need more researches on parameter value. These results could be used as a basis to predict the price of domestic airline ticket or to increase performance of Support Vector Machine algorithms through a better parameters selection. |
| Pengarang 2 |
|
| Subjek |
| Classification, Air |
| Penguji 2 |
| Ika Alfina |
| Penguji 3 |
|
| Pembimbing 1 |
|
| Fisik |
| xviii, 75 hlm. : ill. ; 30 cm. |
| Bahasa |
| Ind |
| Lulus Semester |
| GENAP 2010/2011 |
| Penerbitan |
| Depok: Fasilkom UI, 2011 |
| Lulus semester SI |
|
| Penguji 1 |
| Aniati Murn Arymurthy |
| No. Panggil |
| SK-0967 (Softcopy SK-448) |