Search for collections on Repository Universitas Maritim Raja Ali Haji

IMPLEMENTASI REGRSI LINEAR BERGANDA PADA PREDIKSI HARGA IKAN MENGGUNAKAN ALGORITMA GENETIKA

SYAFINA, SYAFINA and Bettiza, Martaleli and Ritha, Nola (2024) IMPLEMENTASI REGRSI LINEAR BERGANDA PADA PREDIKSI HARGA IKAN MENGGUNAKAN ALGORITMA GENETIKA. S1 thesis, Universitas Maritim Raja Ali Haji.

[img] Text (Cover)
Syafina_190155201016_Teknik_Informatika - Cover.pdf - Published Version

Download (917kB)
[img] Text (Abstrak)
Syafina_190155201016_Teknik_Informatika - Abstrak.pdf - Published Version

Download (118kB)
[img] Text (BAB I)
Syafina_190155201016_Teknik_Informatika - BAB I.pdf - Published Version

Download (331kB)
[img] Text (Daftar Pustaka)
Syafina_190155201016_Teknik_Informatika - Daftar Pustaka.pdf - Published Version

Download (341kB)
[img] Text (Full Teks)
Syafina_190155201016_Teknik_Informatika - Full Teks.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy
Official URL: https://lib.umrah.ac.id/

Abstract

Kondisi seperti kecepatan angin, ketinggian gelombang, kecepatan arus, dan curah hujan di perairan Bintan bersifat tidak stabil setiap hari. Kondisi ini mengakibatkan harga ikan di pasar berubah-ubah karena nelayan kesulitan menangkap ikan pada saat terjadinya hujan, angin, arus kencang dan gelombang yang tinggi. Untuk itu penelitian ini dilakukan untuk mengetahui hasil prediksi melalui pemodelan regresi linear berganda dengan menggunakan algoritma genetika. Pada penelitian ini, pemodelan persamaan regresi linear terdiri dari variabel bebas (X) yaitu kecepatan angin, tinggi gelombang, kecepatan arus, dan curah hujan serta variabel terikat (Y) yaitu harga ikan. Koefisien regresi didapatkan dengan menggunakan konsep algoritma genetika. Prosesnya menggunakan 2 metode crossover yaitu one-cut-point crossover dan extended intermediate crossover dengan 2 metode mutasi yaitu reciprocal exchange mutation dan random mutation. Proses seleksi pada penelitian ini menggunakan seleksi model replacement selection. Hasil akhir berupa prediksi menggunakan pemodelan regresi linear dengan popsize terbaik yaitu 100, jumlah generasi 100 dan kombinasi tingkat crossover rate dan mutation rate adalah 0,8 : 0,2.

Item Type: Thesis (S1)
Contributors:
ContributionNameNIP / NIDN
UNSPECIFIEDBettiza, MartaleliNIP. 197508282021212006
UNSPECIFIEDRitha, NolaNIP. 199011142019032016
Subjects: 000 Karya Umum > 000. Ilmu Umum dan Komputer > 005.1.Pemrograman
000 Karya Umum > 000. Ilmu Umum dan Komputer > 006.3 Artificial Intelligence/Kecerdasan Buatan
Divisions: Fakultas Teknik > Program Studi Teknik Informatika
Depositing User: user Teknik Informatika
Date Deposited: 25 Jan 2024 04:12
Last Modified: 25 Jan 2024 04:12
URI: http://repositori.umrah.ac.id/id/eprint/6806

Actions (login required)

View Item View Item