Semhas Febri
Semhas Febri
SEMINAR HASIL
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
04 UML
05 APLIKASI PENDUKUNG
BAB III
METODOLOGI PENELITIAN
Metode Waterfall
FLOW CHART REGRESI LINEAR BERGANDA
PERHITUNGAN REGRESI LINEAR BERGANDA
X1 = Gross
X3 = Received
X4 = Deduction
Y = Net
2. Normalisasikan Data
Perhitungan Regresi Linear Berganda
HARDWARE SOFTWARE
1. Laptop dengan processor mulai dari intel 1. Sistem Operasi (Windows 10)
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
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
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