Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Manajemen Informatika dan Sistem Informasi
Yudhistira
Universitas Bina Sarana Informatika
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
OPTIMASI HYPERPARAMETER MULTILAYER PERCEPTRON UNTUK PREDIKSI DAYA BELI MOBIL Muhammad Iqbal; Hendri Mahmud Nawawi; M Rangga Ramadhan Saelan; Muhammad Sony Maulana; Yudhistira; Ali Mustopa
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 6 No. 1 (2023): MISI Januari 2023
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v6i1.739

Abstract

Dalam memutuskan untuk membeli mobil biasanya beberapa faktor dijadikan pertimbangan untuk menentukan keputusan akhir. Maka dari itu sejumlah faktor pendukung seperti harga, type, merk, dan lain sebagainya penting untuk diperhatikan.  Pada penelitian ini optimasi model algoritma multilayer perceptron digunakan untuk memodelkan prediksi daya beli mobil konsumen dari dataset publik yang bersumber dari kaggle untuk menemukan model paling optimal terhadap keputusan membeli mobil.  Multilayer perceptron sering diterapkan untuk meneliti data yang kompleks karena mampu mengnalisa data dengan baik.  Prediksi niat beli tidak hanya dapat mengurangi biaya dealer mobil, tetapi juga mempengaruhi strategi pemasaran dealer mobil dalam jangka panjang. Pengujian menggunakan model Multilayer Perceptron (MLP) dengan konfigurasi default dan hypertuning parameter dilakukan dengan membandingkan dua parameter optimasi yang berbeda yaitu parameter Adam dan RMSprop.  Hasilnya didapatkan evaluasi optimal dari konfigurasi default pada parameter optimasi Adam dengan maksimum learning rate 0.01 dengan akurasi  89.50% dan 87,50% untuk optimasi RMSprop sedangkan pengujian dengan konfigurasi hyperparameter tuning dengan dua parameter optimasi yang sama Adam dan RMSprop dengan nilai maksimum learning rate 0,001 didapatkan akurasi sebesar 92.00% untuk parameter RMSprop dan 91,5% pada parameter Adam.
Co-Authors Ali Mustopa, Ali Hendri Mahmud Nawawi M Rangga Ramadhan Saelan Muhammad Iqbal Muhammad Sony Maulana