TRI GUNA DHARMATRI GUNA DHARMA

Jurnal Cyber TechJurnal Cyber Tech

Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengestraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Dengan adanya data mining maka akan didapatkan suatu permata berupa pengetahuan di dalam kumpulan data-data yang banyak jumlahnya. Metode Random Forest (RF) merupakan metode yang dapat meningkatkan hasil akurasi, karena dalam membangkitkan simpul anak untuk setiap node dilakukan secara acak. Metode ini digunakan untuk membangun pohon keputusan yang terdiri dari root node, internal node, dan leaf node dengan mengambil atribut dan data secara acak sesuai ketentuan yang diberlakukan. Solusi penyelesaikan dalam menentukan persediaan stok bahan kimia di laboratorium Forensik Medan, dengan menerapkan metode Random Forest untuk menentukan tingkat koefisen korelasi produk yang sering digunakan sehingga produk yang sering dibutuhkan dapat disediakan lebih banyak untuk menghindari kekosongan bahan kimia di laboratorium Forensik Medan.

Berdasarkan uraian yang telah dibahas sebelumnya tentang prediksi persediaan bahan kimia di laboratorium Forensik cabang Medan, dapat disimpulkan bahwa data yang digunakan dalam pengujian sistem merupakan data bahan kimia yang ada pada laboratorium forensik Medan, sehingga data tersebut diolah dan menghasilkan sistem baru yang meningkatkan pelayanan di laboratorium forensik cabang Medan.Algoritma Random Forest sangat baik digunakan untuk menentukan pola tataletak bahan kimia sehingga mempermudah bagian stok bahan kimia dalam melakukan monitoring bahan kimia.Dengan demikian, penerapan Random Forest terbukti efektif dalam meningkatkan akurasi prediksi dan efisiensi manajemen persediaan bahan kimia.

Penelitian selanjutnya dapat menguji apakah algoritma ensemble seperti Gradient Boosting atau XGBoost memberikan akurasi prediksi persediaan bahan kimia yang lebih tinggi dibandingkan Random Forest pada data laboratorium forensik, dengan melakukan perbandingan kinerja menggunakan metrik presisi, recall, dan F1-score. Selain itu, penelitian dapat mengembangkan model hibrida yang mengintegrasikan teknik peramalan deret waktu seperti ARIMA atau LSTM dengan Random Forest untuk menangkap pola temporal permintaan bahan kimia, sehingga sistem dapat memprediksi fluktuasi kebutuhan secara lebih dinamis. Selanjutnya, studi dapat mengeksplorasi penerapan mekanisme keamanan berbasis enkripsi homomorfik atau teknik privasi-preserving lainnya pada data inventaris laboratorium, untuk menilai dampak perlindungan data terhadap akurasi model serta memastikan kepatuhan terhadap regulasi keamanan informasi.

Read online
File size1.29 MB
Pages12
DMCAReport

Related /

ads-block-test