Text

Algoritma Long Short Term Memory dengan Hyperparameter Tuning: Prediksi Penjualan Produk

---

Buku ini akan fokus pada optimasi algoritma Long Short Term Memory (LSTM) untuk meningkatkan kinerja model yang terbentuk selama 60 hari ke depan. Studi kasus menggunakan data primer dari hasil observasi dan wawancara dan data sekunder menggunakan laporan transaksi penjualan produk pada Ciwo Pet Shop pada bulan Januari 2018 sampai dengan Maret 2020. Metode yang digunakan dalam penelitian ini adalah Cross Industry Standard Process for Data Mining (CRISP-DM), dalam preprocessing, data cleaning, labeling, summary, dan transformasi data. Tahap pemahaman data menggunakan metode Analisis Data Eksplorasi. Pengembangan model LSTM menggunakan beberapa parameter yaitu partisi data, jumlah hidden layer, skenario dropout untuk mencegah overfitting, jumlah neuron, epoch yang menggambarkan jumlah iterasi pelatihan, ukuran batch adalah jumlah data pelatihan yang harus diperhatikan dalam setiap proses pemutakhiran bobot.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

006.68 ALI a

Penerbit

: ., 2022

Deskripsi Fisik

viii, 53 hlm.; 23cm

Bahasa

Indonesia

ISBN/ISSN

978-623-02-4913-6

Klasifikasi

006.68

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar