Model ramalan data inventori telekomunikasi dengan teknik perlombongan data pengkelasan

Norafiza binti Zawawi (GP01641)

Please use this identifier to cite or link to this item: https://ptsldigital.ukm.my/jspui/handle/123456789/476222

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Suhaila Zainudin, Dr.
dc.contributor.author	Norafiza binti Zawawi (GP01641)
dc.date.accessioned	2023-10-06T09:14:50Z	-
dc.date.available	2023-10-06T09:14:50Z	-
dc.date.issued	2015-03-06
dc.identifier.other	ukmvital:76511
dc.identifier.uri	https://ptsldigital.ukm.my/jspui/handle/123456789/476222	-
dc.description	Keberkesanan dalam pengagihan stok inventori telekomunikasi adalah sangat penting untuk mengurangkan kos akibat bekalan stok berlebihan atau kekurangan dalam sesebuah rantai bekalan inventori. Kajian ini dibuat untuk mendapatkan sebuah model ramalan stok inventori yang mempunyai nilai ketepatan terbaik dengan menggunakan teknik perlombongan data pengkelasan iaitu ZeroR, Pohon Keputusan, Naive Bayes dan Rangkaian Neural. Metodologi kajian ini berlandaskan teknik perlombongan data yang terdiri daripada teknik pra-pemprosesan data dan pengkelasan. Dua set data disediakan iaitu Set data A yang terdiri daripada 4 attribut iaitu MINGGU, JENAMA, KAWASAN, dan JUALAN STOK manakala Set data B yang terdiri daripada 5 attribut iaitu MINGGU, JENAMA, KAWASAN, JUALAN STOK, dan PINDAHAN STOK. Menggunakan teknik pra-pemprosesan data, set data telah dibersihkan dan dinormalkan. Kedua-dua set data ini dimasukkan ke dalam perisian WEKA dan diuji menggunakan teknik pengkelasan seperti ZeroR, Pohon Keputusan, Naive Bayes dan Rangkaian Neural. Hasil keputusan kajian ini mendapati bagi Set data A, nilai peratus ketepatan tertinggi diperoleh daripada teknik Pohon Keputusan iaitu 64.00% manakala bagi Set data B, nilai peratus ketepatan tertinggi adalah daripada teknik Rangkaian Neural iaitu (98.79%). Keputusan ini menunjukkan ketepatan model ramalan menjadi lebih baik jika pelbagai attribut yang berkaitan digunakan ke atas teknik Rangkaian Neural. Ini disebabkan ciri-ciri pembelajaran Rangkaian Neural antaranya pengurangan ralat dilakukan ke atas keluaran yang tidak tepat semasa data diproses menggunakan teknik ini. Ini membolehkan Rangkaian Neural menghasilkan nilai ketepatan ramalan lebih baik berbanding teknik lain yang dikaji.,Master/Sarjana
dc.language.iso	may
dc.publisher	UKM, Bangi
dc.relation	Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat
dc.rights	UKM
dc.subject	Ramalan data inventori telekomunikasi
dc.title	Model ramalan data inventori telekomunikasi dengan teknik perlombongan data pengkelasan
dc.type	theses
dc.format.pages	71
Appears in Collections:	Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat

Files in This Item:

File	Description	Size	Format
ukmvital_76511+SOURCE1+SOURCE1.0.PDF Restricted Access		617.87 kB	Adobe PDF	View/Open

Show simple item record Recommend this item