PREDIKSI PENUTUPAN BISNIS BERDASARKAN RATING DAN REVIEW PELANGGAN MENGGUNAKAN H2O

ENJELIN (2023) PREDIKSI PENUTUPAN BISNIS BERDASARKAN RATING DAN REVIEW PELANGGAN MENGGUNAKAN H2O. Masters (S-2) thesis, Universitas Mikroskil.

[thumbnail of BAGIAN AWAL.pdf] Text
BAGIAN AWAL.pdf

Download (7MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (1MB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf

Download (7MB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (7MB)
[thumbnail of BAGIAN AKHIR.pdf] Text
BAGIAN AKHIR.pdf

Download (1MB)

Abstract

Prediksi penutupan bisnis mengacu pada proses menganalisis berbagai faktor dan membuat perkiraan tentang kemungkinan bisnis akan ditutup atau berhenti beroperasi. Penutupan bisnis tidak hanya berdampak terhadap pelaku bisnis, tetapi hal ini memiliki dampak juga terhadap karyawan. Terdapat banyak penelitian yang dilakukan mengenai prediksi penutupan bisnis berdasarkan manajerial ataupun faktor ekonomi, akan tetapi penelitian yang membahas prediksi penutupan bisnis berdasarkan review atau rating dari pelanggan masih terbatas. Prediksi penutupan bisnis ini dilakukan untuk membantu pelaku bisnis dalam mengurangi risiko kerugian maupun penutupan bisnis.
Dalam penelitian ini, prediksi penutupan bisnis dilakukan berdasarkan gabungan data rating dan review pelanggan. Penggabungan kedua data ini dilakukan untuk melihat apakah dapat meningkatkan tingkat akurasi dari hasil prediksi penutupan bisnis yang dilakukan jika dibandingkan dengan data rating ataupun review saja. Prediksi dilakukan dengan menggunakan framework deep learning yaitu H2O yang dapat mencegah model mengalami overfitting.
Hasil dari penelitian ini dapat disimpulkan bahwa penggabungan data rating dan review menghasilkan tingkat akurasi yang lebih tinggi jika dibandingkan dengan data rating ataupun review saja. Tetapi, tidak semua bisnis yang gabungan data rating dan review yang rendah dari pelanggan sudah pasti tutup. Prediksi dengan menggunakan framework deep learning H2O menghasilkan hasil prediksi yang lebih tinggi jika dibandingkan dengan algoritma machine learning lainnya.

Item Type: Tugas Akhir / Tesis (Masters (S-2))
Subjects: Teknologi Informasi
Divisions: Fakultas Informatika > Program Studi S-2 Teknologi Informasi
Depositing User: Anwar Fauzi Ritonga
Date Deposited: 07 Sep 2023 06:22
Last Modified: 07 Sep 2023 06:22
URI: https://repository.mikroskil.ac.id/id/eprint/3088

Actions (login required)

View Item
View Item