Implementasi Data Mining Dalam Memprediksi Weight Net (berat bersih)

Tandan Buah Kelapa Sawit Pada Reseiving Persupplier Report DI

Cv Tasik Agro Lestari Dengan Menggunakan Regresi Linear
Berganda

SEMINAR HASIL

FEBRI INDRA PRASETIA

2017021012
 POKOK PEMBAHASAN

04 02 01
KESIMPULAN PEMODELAN METODOLOGI TINJAUAN PENDAHULUAN
DAN DAN PENELITIAN PUSTAKA
SARAN PERANCANGA
NSISTEM

05 03
BAB I
PENDAHULUAN
BAB I
PENDAHULUAN
01 LATAR BELAKANG
02 RUMUSAN MASALAH
03 BATASAN MASALAH
04 TUJUAN
05 MANFAAT
BAB II
TINJAUAN PUSTAKA
BAB II
KAJIAN PUSTAKA
01 DATA MINING

02 REGRESI LINEAR BERGANDA

03 FASE PRODUKSI KELAPA SAWIT

04 UML

05 APLIKASI PENDUKUNG
BAB III
METODOLOGI PENELITIAN
Metode Waterfall
FLOW CHART REGRESI LINEAR BERGANDA
 PERHITUNGAN REGRESI LINEAR BERGANDA
X1 = Gross

1. Inisialisasi data kedalam variabel X1, X2 , X3, X4 dan Y X2 = Tare

X3 = Received

X4 = Deduction
Y = Net

2. Normalisasikan Data
 Perhitungan Regresi Linear Berganda

3. Menyederhanakan Persama Linear

4. Hasil Estimasi Prediksi Weight Net Y = Memprediksi Weight Net Estimasi

b0 = Kostanta
b1 = Koefisien Regresi X1
b2 = Koefisien Regresi X2
b3 = Koefisien Regresi X3
b4 = Koefisien Regresi X4
BAB IV
PEMODELAN DAN
PERANCANGAN SISTEM
USE CASE DIAGRAM
ACTIVITY DIAGRAM
CLASS DIAGRAM
BAB V
HASIL DAN PEMBAHASAN
 KEBUTUHAN SISTEM

HARDWARE SOFTWARE
1. Laptop dengan processor mulai dari intel 1. Sistem Operasi (Windows 10)

core i3 2. (Microsoft Visual Basic 2010,

2. Memory minimal 2 GB 3. Microsoft Access 2013,

3. Harddisk minimal 500 GB 4. Crystal Report 8.5

4. Mouse dan Keyboard ( Jika di Butuhkan)

DEMO PROGRAM
 KELEBIHAN DAN KELAMAHAN SISTEM
KELEBIHAN KELEMAHAN
1. Data Mining ini dapat melakukan perhitungan dalam 1.Data Mining yang akan dibangun belum berbentuk

memprediksi Weight Net (berat bersih) Tandan buah kelapa mobile dan berbasis web.

sawit. Sistem ini menggunakan metode Regresi Linear 2.Data Mining yang digunakan masih berlandaskan data yang

Berganda sebagai metode pemecahan masalah, sehingga digunakan tempat satu riset tidak menggunakan lebih dari satu

hasil yang diperoleh sesuai dengan perhitungan manual. tempat riset.

2. Sistem dibuat dengan tampilan sederhana dan tampilan 3.Data Mining ini masih menggunakan 1 metode Regresi

menarik memudahkan pengguna sistem. Linear Berganda dengan menghasilkan keputusan dalam

memprediksi Weight Net (berat bersih) Tandan buah kelapa

sawit.
BAB VI
KESIMPULAN DAN SARAN
 KESIMPULAN
1. Regresi Linear Berganda berfungsi untuk memprediksi data/nilai di masa depan dengan menggunakan

lebih dari 4 faktor atau variabel yang memiliki pengaruh terhadap apa yang akan diprediksi. Penerapan

metode Regresi dilakukan dengan perhitungan kofisien Regresi, perhitungan Regresi Linear Berganda

dan mencari nilai persamaan,telah mendapakan hasil prediksi Weight Net (berat bersih) tandan buah

kelapa sawit.

2. Berdasarkan hasil analisa perancangan sistem ini, yang dimulai pertama kali dalam program ini adalah

rancangan database rancangan program seperti tampilan form login, tampilan menu utama, tampilan

data Pks lalu tampilan form proses metode Regresi Linear Berganda.

3. CV Tasik Agro Lestari dapat menggunakan sistem berbasis desktop dalam memprediksi Weight Net

(berat bersih) Tandan buah kelapa sawit. dengan menggunakan metode Regresi Linear Berganda dan

dengan menggunakan variabel yang sudah di tentukan dan dapat memprediksi Weight Net (berat

bersih) Tandan buah kelapa sawit.

 SARAN
1. Agar lebih efektif aplikasi dapat dikembangkan lagi sehingga bisa
mengolah data yang sifatnya lebih kompleks sehingga dapat
menghasilkan hasil informasi yang lebih optimal dan akurat.
2. Di harapkan aplikasi ini bisa di pakai untuk perusahaan lain yang
sama sehingga bisa lebih berkembang lebih besar lagi untuk masyarakat
luas.
Apabila CV Tasik Agro Lestari nanti berkembang maka sistem ini
diharapkan pengembangannya dapat diakses multi user dan diakses
dari berbagai tempat
TERIMA KASIH