Prameswari, Ardiva Putri Tava (2025) Optimasi Model Hybrid Random Forest-Neural Network untuk Evaluasi Kinerja Website Menggunakan Bayesian Optimization (TA.2.25.016). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Dalam era digital saat ini, kinerja website memainkan peran krusial dalam menentukan pengalaman pengguna dan efektivitas layanan daring. Penelitian ini bertujuan untuk mengembangkan model evaluasi kinerja website berbasis Machine learning dengan pendekatan hybrid yang menggabungkan algoritma Random Forest (RF) dan Neural Network (NN), serta dioptimasi menggunakan Bayesian Optimization. Dataset yang digunakan terdiri dari 2.000 observasi perilaku pengguna dari platform Kaggle. Model dikembangkan dalam bentuk stacking ensemble dengan Ridge Regression sebagai meta-learner, dan dievaluasi menggunakan empat metrik utama: RMSE, MAE, MAPE, dan R2 Score. Hasil menunjukkan bahwa model hybrid yang telah dioptimasi menghasilkan performa terbaik dengan RMSE 0.0443, MAE 0.0258, MAPE 2.81%, dan R2 Score 0.3714. Uji signifikansi statistik menggunakan paired t-test dan Wilcoxon signed-rank test mengonfirmasi bahwa peningkatan performa setelah tuning bersifat signifikan (p < 0.05). Selain itu, distribusi residual model menunjukkan pola yang simetris dan tidak bias. Penelitian ini menunjukkan bahwa kombinasi model prediktif dan teknik tuning adaptif seperti Bayesian Optimization mampu meningkatkan akurasi evaluasi kinerja website secara signifikan. Model yang diusulkan dapat menjadi dasar pengembangan sistem evaluasi otomatis yang lebih responsif dan presisi di masa depan. Kata Kunci: Evaluasi Kinerja Website,
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 26 Sep 2025 06:56 |
| Last Modified: | 26 Sep 2025 06:56 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3537 |
Actions (login required)
 |
View Item |
