Analisis Pola Prediksi Data Time Series menggunakan Support Vector Regression, Multilayer Perceptron, dan Regresi Linear Sederhana
| Main Authors: | Oktavianti, Ika, Ermatita, Ermatita, Rini, Dian Palupi |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
Ikatan Ahli Informatika Indonesia (IAII)
, 2019
|
| Subjects: | |
| Online Access: |
http://jurnal.iaii.or.id/index.php/RESTI/article/view/1013 http://jurnal.iaii.or.id/index.php/RESTI/article/view/1013/155 |
Daftar Isi:
- Licensing services is one of the forms of public services that important in supporting increased investment in Indonesia and is currently carried out by the Investment and Licensing Services Department. The problems that occur in general are the length of time to process licenses and one of the contributing factors is the limited number of licensing officers. Licensing data is a time series data which have monthly observation. The Artificial Neural Network (ANN) and Support Vector Machine (SVR) is used as machine learning techniques to predict licensing pattern based on time series data. Of the data used dataset 1 and dataset 2, the sharing of training data and testing data is equal to 70% and 30% with consideration that training data must be more than testing data. The result of the study showed for Dataset 1, the ANN-Multilayer Perceptron have a better performance than Support Vector Regression (SVR) with MSE, MAE and RMSE values is 251.09, 11.45, and 15.84. Then for dataset 2, SVR-Linear has better performance than MLP with values of MSE, MAE and RMSE of 1839.93, 32.80, and 42.89. The dataset used to predict the number of permissions is dataset 2. The study also used the Simple Linear Regression (SLR) method to see the causal relationship between the number of licenses issued and licensing service officers. The result is that the relationship between the number of licenses issued and the number of service officers is less significant because there are other factors that affect the number of licenses.
- Layanan perizinan adalah salah satu bentuk layanan publik yang penting dalam mendukung peningkatan investasi di Indonesia dan saat ini dilakukan oleh Dinas Penanaman Modal dan Pelayanan Terpadu Satu Pintu. Masalah yang terjadi secara umum adalah lamanya waktu untuk memproses izin dan salah satu faktor penyebab adalah terbatasnya jumlah petugas perizinan. Data perizinan adalah data deret waktu yang diobservasi setiap bulan. Artificial Neural Network (ANN) dan Support Vector Regression (SVR) digunakan sebagai teknik pembelajaran mesin untuk memprediksi pola perizinan berdasarkan data deret waktu. Dari data time series yang digunakan Dataset 1 dan Dataset 2, pembagian data pelatihan dan data pengujian sama dengan 70% dan 30%, dengan pertimbangan bahwa data training harus lebih banyak dibandingkan data testing. Hasil penelitian menunjukkan bahwa untuk Dataset 1, ANN-Multilayer Perceptron memiliki kinerja yang lebih baik daripada SVR dengan nilai MSE, MAE dan RMSE adalah 251.09, 11.45, dan 15.84. Kemudian untuk Dataset 2, SVR-Linear memiliki kinerja lebih baik dibandingkan MLP dengan nilai MSE, MAE dan RMSE sebesar 1839.93, 32.80, dan 42.89. Dataset yang digunakan untuk prediksi jumlah perizinan adalah dataset 2. Penelitian juga menggunakan metode Simple Linear Regression (SLR) untuk melihat hubungan sebab akibat antara jumlah izin yang terbit dengan petugas pelayanan perizinan. Hasilnya hubungan jumlah izin yang terbit dengan jumlah petugas pelayanan kurang signifikan karena terdapat faktor lain yang mempengaruhi jumlah izin.