Article Per Year (5 Year)
p-Index From 2019 - 2024
1.513
P-Index
This Author published in this journals
All Journal E-Bisnis : Jurnal Ilmiah Ekonomi dan Bisnis Jurnal Informatika Jurnal Teknik Komputer AMIK BSI Jurnal Nasional Komputasi dan Teknologi Informasi Jurnal Riset Informatika Jurnal Mantik Jurnal Infortech Paradigma
Cucu Ika Agustyaningrum
Universitas Bina Sarana Informatika
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Library & Information Science

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Nasional Komputasi dan Teknologi Informasi

 1 
Perbandingan Gradient Boosting dan Light Gradient Boosting Dalam Melakukan Klasifikasi Rumah Sewa Rizka Dahlia; Cucu Ika Agustyaningrum
Jurnal Nasional Komputasi dan Teknologi Informasi (JNKTI) Vol 5, No 6 (2022): Desember 2022
Publisher : Program Studi Teknik Informatika, Fakultas Teknik. Universitas Serambi Mekkah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32672/jnkti.v5i6.5460

Abstract

Abstrak— Persaingan antar perusahaan tidak akan dapat terhindarkan apalagi terkait tujuan perusahaan dalam mendapatkan omset sebesar-besarnya. Salah satu persaingan yang terjadi adalah dibidang property atau jika lebih spesifik lagi yaitu penyewaan rumah. Sebuah perusahaan harus menentukan strategi bagaimana rumah yang akan disewakan nantinya akan sebanding dengan harga pembangunan. Maka dari itu perusahaan dapat melakukan klasifikasi rumah sewa dalam menentukan hal tersebut. Penelitian ini menggunakan model Gradient Boosting dan Light Gradient Boosting. Hasil yang didapatkan adalah bahwa model Gradient Boosting adalah model yang cocok pada penelitian ini dengan mendapatkan hasil accuracy 84.38%, precision 83.33% dan recall 87.53%. Jika dilihat perbandingan dari confusion matrix, Gradient Boosting memiliki jumlah hasil prediksi data lebih besar dibanding dibanding Light  Gradient Boosting.Kata kunci: Rumah Sewa, Data Mining, Gradient Boosting, Light Gradient Boosting Abstract— Competition between companies cannot be avoided, especially regarding the company's goal of getting the maximum turnover. One of the competitions that occurs is in the property sector, or more specifically, house rental. A company must determine a strategy for how the house to be rented out will be comparable to the construction price. Therefore the company can classify rental houses in determining this. This study uses the Gradient Boosting and Light Gradient Boosting models. The results obtained are that the Gradient Boosting model is a suitable model in this study with 84.38% accuracy, 83.33% precision and 87.53% recall. If you look at the comparison of the confusion matrix, Gradient Boosting has a greater number of data prediction results than Light Gradient Boosting.Keywords : House for rent, Data Mining, Gradient Boosting, Light Gradient Boosting
Co-Authors Agus Junaidi Agustiani, Sarifah Artika Surniandari, Artika Choirunisa Iqbar Qurotaaini Dedi Saputra Gata, Windu Haryani Mawadatul Maulidah Omar Pahlevi Ratna Kurnia Sari Ridan Nurfalah Rizka Dahlia Rizki Aulianita Sucitra Sahara Ummu Radiyah Warjiyono Warjiyono Windu Gata Yosep Tajul Arifin Yoseph Tajul Arifin Yunita Yunita