BINTANG CHOIRUL NUSRI, 221280082 (2025) IMPLEMENTASI SISTEM PREDIKSI PEMESANAN TIKET ONLINE UNTUK OPTIMALISASI PENJUALAN MENGGUNAKAN RANDOM FOREST. Other thesis, UNIVERSITAS MUHAMMADIYAH PAREPARE.
File Sampul 221280082_Bintang Choirul Nusri_Teknik Informatika.pdf - Cover Image
Download (138kB)
Pendahuluan 221280082_Bintang Choirul Nusri_Teknik Informatika.pdf - Supplemental Material
Download (922kB)
BAB (Isi) 221280082_Bintang Choirul Nusri_Teknik Informatika.pdf - Supplemental Material
Download (1MB)
Lampiran 221280082_Bintang Choirul Nusri_Teknik Informatika.pdf - Supplemental Material
Download (13MB)
Jurnal 221280082_Bintang Choirul Nusri_Teknik Informatika.pdf - Published Version
Download (542kB)
Abstract
Bintang Choirul Nusri, “Implementasi Sistem Prediksi Pemesanan Tiket Online Untuk Optimalisasi Penjualan Mennggunakan Random Forest” (dibimbing oleh
Nurdiansyah Sirimorok dan Mughaffir Yunus.)
Penjualan tiket online sangat penting untuk meningkatkan keuntungan perusahaan di industri hiburan dan perjalanan. PT. Abadi Polacitra Mandiri menghadapi tantangan dalam meramalkan permintaan tiket secara akurat. Seringkali perusahaan mengalami kekurangan tiket untuk penumpang, terutama pada periode puncak, yang menyebabkan ketidakpuasan pelanggan dan hilangnya peluang pendapatan. Penelitian ini bertujuan untuk merancang sistem prediksi pemesanan tiket online menggunakan algoritma Random Forest dengan pendekatan machine learning menggunakan bahasa pemograman python. Algoritma ini dipilih karena kemampuannya dalam menangani data kompleks dan memberikan hasil yang stabil. Dalam penelitian ini, eksperimen dilakukan dengan menguji model prediksi menggunakan data historis pemesanan tiket untuk memproyeksikan permintaan tiket per bulan selama satu tahun ke depan. Hasil prediksi model menunjukkan adanya fluktuasi signifikan dalam permintaan tiket pada setiap periode tertentu, dengan nilai kesalahan prediksi yang diukur menggunakan MAPE (Mean Absolute Percentage Error). Seperti KM. Bukit Siguntang, memiliki MAPE sebesar 36.68%, yang menunjukkan adanya perbedaan signifikan antara data prediksi dan data asli, terutama pada periode puncak. Sementara itu, KM. Tidar menunjukkan hasil yang sangat baik dengan MAPE 4.84%, meskipun model ini tetap tidak sepenuhnya dapat diandalkan untuk kapal lainnya yang memiliki kesalahan prediksi lebih tinggi yang menunjukkan bahwa penggunaan model Random Forest dalam pengujian ini belum optimal, dan pendekatan alternatif diperlukan untuk meningkatkan akurasi prediksi di masa depan.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Kata kunci: Sistem Prediksi, Random Forest, machine learning, Python, Mean Absolute Percentage Error |
| Subjects: | Sains dan Teknologi |
| Divisions: | Fakultas Teknik > Teknik Informatika |
| Depositing User: | Hairan ald |
| Date Deposited: | 12 Nov 2026 03:04 |
| Last Modified: | 12 Nov 2026 03:04 |
| URI: | https://repository.umpar.ac.id/id/eprint/1683 |
