MODEL PREDIKSI BIAYA EKSPOR : STUDI PEMILIHAN FITUR DAN PERBANDINGAN ALGORITMA LINEAR REGRESSION DAN RANDOM FOREST REGRESSION

Muhammad Rafli, Pratama (2025) MODEL PREDIKSI BIAYA EKSPOR : STUDI PEMILIHAN FITUR DAN PERBANDINGAN ALGORITMA LINEAR REGRESSION DAN RANDOM FOREST REGRESSION. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (652kB)
	Text BAB 2.pdf Download (855kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (547kB)
	Text DAFTAR PUSTAKA.pdf Download (622kB)
	Text LAMPIRAN.pdf Download (768kB)
	Text HASIL TURNITIN.pdf Download (512kB)
	Text SUKET TURNITIN.pdf Download (674kB)

Abstract

Perhitungan biaya pengiriman ekspor yang masih dilakukan secara manual seringkali menyebabkan ketidakakuratan dan inefisiensi dalam proses logistik. Penelitian ini bertujuan membangun sistem prediksi biaya pengiriman ekspor berbasis machine learning untuk meningkatkan akurasi dan efisiensi perhitungan. Metode yang digunakan adalah pendekatan kuantitatif dengan membandingkan performa dua algoritma, yaitu Linear Regression dan Random Forest Regression, menggunakan data historis pengiriman dari PT Samudera Indonesia. Variabel yang dianalisis meliputi berat barang, volume, jenis komoditas, negara tujuan, jenis kapal, biaya asuransi, dan bea cukai. Evaluasi model dilakukan dengan metrik R², Mean Absolute Error (MAE), dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa Random Forest Regression memberikan performa lebih baik dengan nilai R² sebesar 0,7522, MAE 1.812, dan RMSE 2.277 dibandingkan Linear Regression (R² 0,6778, MAE 2.131, RMSE 2.597). Analisis feature importance mengungkapkan bahwa bea cukai dan biaya asuransi merupakan faktor paling berpengaruh terhadap biaya pengiriman. Sistem ini kemudian diimplementasikan dalam bentuk aplikasi berbasis web dengan antarmuka yang disesuaikan untuk tiga peran pengguna, yaitu admin, staf logistik, dan manajer. Dengan demikian, sistem prediksi ini dapat menjadi solusi efektif untuk meningkatkan akurasi perencanaan biaya ekspor dan mendukung pengambilan keputusan logistik yang lebih efisien.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing : Dr.Linda Nur Afifa, ST, MT
Uncontrolled Keywords:	i: Prediksi Biaya Ekspor, Machine Learning, Linear Regression, Random Forest, Sistem Berbasis Web.
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Last Modified:	19 Feb 2026 09:14
URI:	http://repository.unsada.id/id/eprint/10255

Actions (login required)

View Item