Implementasi Model Linear dan Arima pada Azure Machine Learning Berbasis Bahasa R di PT Putera Handal Indotama

Kusumo, Andrew Tirto (2017) Implementasi Model Linear dan Arima pada Azure Machine Learning Berbasis Bahasa R di PT Putera Handal Indotama. Internship thesis, Universitas Multimedia Nusantara.

	Text Halaman Awal.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text Daftar Pustaka.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (970kB)
	Text Bab I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (735kB)
	Text Bab II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (786kB)
	Text Bab III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (935kB)
	Text Bab IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text Lampiran.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)

Abstract

Memprediksi keadaan di masa depan adalah sebuah hal yang sangat penting bagi perusahaan. Untuk memenuhi hal tersebut, PT Putera Handal Indotama menawarkan jasa machine learning untuk memprediksi keadaan di masa depan. Model yang digunakan dalam laporan ini adalah model linear dan model ARIMA (Autoregressive Integrated Moving Average). Akurasi masing-masing model dalam proyek ini adalah 97.02% dan 98.50%. Nantinya kedua model ini akan diterapkan di Azure Machine Learning menjadi cloud service dengan tujuan layanan ini dapat digunakan secara terus menerus dan tanpa ada halangan tempat. Hasil dari layanan ini dapat diakses oleh PHP dengan API Key layanan

Item Type:	Thesis (Internship)
Keywords:	Linear Model, ARIMA, R, Azure Machine Learning, Cloud Service, forecast
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
Depositing User:	Administrator UMN Library
Date Deposited:	15 Feb 2024 02:22
Last Modified:	15 Feb 2024 02:22
URI:	https://kc.umn.ac.id/id/eprint/27995

Actions (login required)

View Item