• Beranda
  • Website Perpustakaan
  • Panduan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Penanda Bagikan

SKRIPSI DIGITAL

Rancang Bangun Fitur Intelligent Cost Estimation pada Sistem ERP Menggunakan Analisis Komparasi Multi-Model Machine Learning = Design and Development of Intelligent Cost Estimation Feature in ERP Systems Using Comparative Analysis of Multi-Model Machine Learning

Rucirasatti Nariswana - Nama Orang; PRAYITNO - Nama Orang; Suko Tyas Pernanda - Nama Orang;

Rucirasatti Nariswana, "Rancang Bangun Fitur Intelligent Cost Estimation pada Sistem ERP menggunakan Analisis Komparasi Multi-Model Machine Learning", Skripsi D-IV, Jurusan Teknik Elektro, Politeknik Negeri Semarang, di bawah bimbingan Ir. Prayitno, S.ST., M.T., Ph.D. dan Suko Tyas Pernanda, M.Cs., Juli 2026.

Perhitungan Owner Estimate Cost (OEC) yang tidak akurat sering menyebabkan kegagalan pengadaan dan pembengkakan biaya pada proyek konstruksi. Penelitian ini mengusulkan fitur Intelligent Cost Estimation terintegrasi dalam sistem Enterprise Resource Planning (ERP) untuk Project Management (ERP-PM) guna meningkatkan akurasi estimasi. Pemodelan tersegmentasi dievaluasi melalui tiga skenario eksperimen Machine Learning (Skenario 1: Tanpa Augmentasi, Skenario 2: Split-First Augmentasi Training, dan Skenario 3: Full Augmentasi) menggunakan 110 data transaksi riil historis. Tujuh algoritma diuji: Regresi Linear, Support Vector Regression (SVR), Ridge Regression, Random Forest, XGBoost, Artificial Neural Network (ANN), dan Moving Average (MA), dengan pembagian rasio 80% data latih dan 20% data uji murni menggunakan validasi silang Monte Carlo 10-iterasi. Peringkat Borda Count multi-metrik diterapkan untuk mengonsolidasikan evaluasi. Hasil pengujian menunjukkan Skenario 2 (Split-First) merupakan skenario paling valid secara akademis, di mana Regresi Linear tersegmentasi meraih performa terbaik sebagai Champion Model (skor Borda 6, RMSE = 0,0244, MAE = 0,0181, R² = 0,7658, dan MAPE = 10,73%). Melalui penerapan mekanisme heuristic bounding [65%, 105%], model ini diintegrasikan ke backend Laravel. Pipeline inferensi IPC menghasilkan latensi 112 ms, memungkinkan peramalan biaya secara real-time pada dasbor proyek.

Kata Kunci: Owner Estimate Cost (OEC), Machine Learning (ML), Pemodelan Tersegmentasi, Agregasi Peringkat Borda Count, Integrasi ERP Laravel, Sistem Pendukung Keputusan (SPK).


Fulltext
  • RK035-2026
Informasi Detail
Judul Seri
-
No. Panggil
RK 035 2026
Penerbit
Semarang : Politeknik Negeri Semarang., 2026
Deskripsi Fisik
xviii, 100 hal.: illus.; 30 cm.
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
owner estimate cost (oec)
MACHINE LEARNING
pemodelan tersegmentasi
agregasi peringkat borda count
integrasi erp laravel
sistem pendukung keputusan
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Rucirasatti Nariswana
Versi lain/terkait

Tidak tersedia versi lain

Komentar

Anda harus masuk sebelum memberikan komentar

  • Panduan
  • Area Anggota

Tentang Kami

Si-Repo adalah platform digital yang dikelola oleh UPA Perpustakaan Politeknik Negeri Semarang, menyimpan karya ilmiah seperti Tugas Akhir, Skripsi, dan Tesis dari sivitas akademika Polines, untuk mendukung kebutuhan akademik, penelitian, dan pengembangan.

Jam Buka Perpustakaan

Senin - Kamis:
07.30 - 16.00 WIB

Jum'at:
07.30 - 16.30 WIB


NPP. 3374102C0000002
0895340731030
Follow Us
Subscribe

© 2026 — Perpustakaan Politeknik Negeri Semarang

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?