Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number SK-1989 (Softcopy SK-1471)
Collection Type Skripsi
Title Penerapan Aplikasi Website Yang Menunjang Machine Learning Dan Visualisasi Data Untuk Membantu Perusahaan XYZ Dalam Memprediksi Perilaku Pembeli
Author Ariell Zaki Prabaswara Ariza Muhammad Luthfi Idrus Naufal Hilmi Irfandi;
Publisher Depok:Fasilkom UI,2022
Subject
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
SK-1989 (Softcopy SK-1471) TERSEDIA
Tidak ada review pada koleksi ini: 50697
ABSTRAK Nama : Ariell Zaki Prabaswara Ariza, Muhammad Luthfi Idrus, Na- ufal Hilmi Irfandi Program Studi : Ilmu Komputer Judul : Penerapan Aplikasi Website yang Menunjang Machine Learning dan Visualisasi Data untuk Membantu Perusahaan XYZ dalam Memprediksi Perilaku Pembeli Perusahaan XYZ menerapkan Customer Life Cycle atau CLC yang sudah disesuaikan dengan kebutuhan perusahaan demi menjaga loyalitas pengguna. Tak hanya menjaga loy- alitas, Perusahaan XYZ menerapkan CLC guna memperluas bisnis yang dijalani olehnya. Dengan bantuan teknologi, CLC dapat dengan mudah untuk dianalisis lebih mendalam. Teknologi yang digunakan berupa pembelajaran mesin. Pembelajaran mesin ini diimple- mentasikan untuk mendapatkan insight dari data yang dimiliki Perusahaan XYZ. Dalam mendapatkan insight tersebut, digunakan beberapa metode seperti Support Vector Ma- chine, Logistic Regression, Gradient Boosting, Random Forest, Decision Tree, dan FP- Growth. Insight yang didapatkan selanjutnya ditampilkan dalam bentuk visualisasi data yang diaplikasikan ke dalam website. Terdapat tiga permasalahan berbeda yaitu prediksi pembeli potensial, prediksi produk yang akan dibeli, dan prediksi waktu pembelian berikutnya. Permasalahan pertama dapat diselesaikan dengan model Logistic Regression dengan f1-score sebesar 76.35%. Perma- salahan kedua diselesaikan dengan model FP-Growth dengan nilai minimum support dan confidence sebesar 0.001. Untuk permasalahan ketiga dapat diselesaikan dengan model Decision Tree dengan nilai akurasi 78.76% dan f1-score sebesar 77.01%. Dilakukan pula pengujian terhadap response time serta SQL query yang digunakan pada setiap endpoint yang bekerja sebagai aktor untuk melakukan distribusi data kepada aplikasi frontend dan aktor untuk melakukan update database. Terakhir, dilakukan pula pengujian terhadap visualisasi data. Pengujian terhadap visualisasi data dilakukan secara kualitatif. Pengu- jian ini dilakukan dengan menerapkan beberapa tipe visualisasi data untuk tiap business question yang ada. Setelah itu, dilakukan perbandingan pada tiap tipe visualisasi data sehingga mendapatkan visualisasi data yang tepat untuk tiap business question yang ada. Kata kunci: Supervised Learning, Pattern Mining, REST API, Visualisasi Data, Google Chart, Reac- tJS