PREDIKSI NILAI EKSPOR TAHUN 2024 BERDASARKAN DATA GOLONGAN BARANG SITC MENGGUNAKAN ALGORITMA LINEAR REGRESSION DI KNIME

Nuraeni, Wina (2025) PREDIKSI NILAI EKSPOR TAHUN 2024 BERDASARKAN DATA GOLONGAN BARANG SITC MENGGUNAKAN ALGORITMA LINEAR REGRESSION DI KNIME. Other thesis, Sekolah Tinggi Teknologi Terpadu Nurul Fikri.

[thumbnail of 2025-Wina Nuraeni-Teknik Informatika-Fulltext - WINA NURAENI.pdf] Text
2025-Wina Nuraeni-Teknik Informatika-Fulltext - WINA NURAENI.pdf
Restricted to Registered users only

Download (9MB)

Search this title on:

Abstract

Ekspor merupakan komponen penting dalam mendukung pertumbuhan ekonomi nasional. Penelitian ini bertujuan untuk membangun model prediksi nilai ekspor Indonesia tahun 2024 berdasarkan data tahun 2019 hingga 2023 yang diklasifikasikan menurut golongan barang SITC. Metode yang digunakan adalah regresi linear dengan pendekatan CRISP-DM dan alat bantu KNIME. Evaluasi dilakukan dalam dua skenario, yaitu tanpa pembagian data dan dengan pembagian data menggunakan partitioning sebesar 90% untuk pelatihan dan 10% untuk pengujian. Hasil evaluasi tanpa partitioning menunjukkan nilai R2 sebesar 1 dan MAPE sebesar 0.223%, sedangkan hasil evaluasi dengan partitioning menghasilkan R2 sebesar 0.914 dan MAPE sebesar 6,3%. Hasil ini menunjukkan bahwa model tetap akurat meskipun diuji pada data baru. Berdasarkan evaluasi tersebut, model digunakan untuk memprediksi nilai ekspor tahun 2025. Prediksi ini diharapkan dapat menjadi dasar awal dalam menganalisis tren ekspor Indonesia dan membantu pengambilan keputusan di bidang perdagangan.

Kata kunci: CRISP-DM, Ekspor, KNIME, Prediksi, Regresi Linier.

Item Type: Thesis (Other)
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
Divisions: Teknik Informatika
Depositing User: Pustakawan STT-NF
Date Deposited: 05 Feb 2026 20:03
Last Modified: 05 Feb 2026 20:03
Contributors:
Contribution
Name
NIDN
UNSPECIFIED
Umam, Khoirul
0310128001
URI: https://repository.nurulfikri.ac.id/id/eprint/897

Actions (login required)

View Item
View Item