BAGASKARA, LUTHFIR RAHMAN (2020) THE APPLICATION OF MACHINE LEARNING APPROACH TO ADDRESS THE GPV BIAS ON POS TRANSACTION. S1 thesis, Universitas Mercu Buana Jakarta.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (JURNAL MAHASISWA)
Jurnal 41515110140 Luthfir Rahman Bagaskara.pdf Restricted to Registered users only Download (1MB) |
Abstract
Every transaction always produces junk data/ bias data either due to errors or intentions. The quantity of junk data is increasing for public and free to use applications. Junk data is a disruption in decision making, thus worsening the quality of decisions made. This junk-data problem also occurs in the Qasir.id application, a POS application provided by PT. Teknologi Solusi Niaga for MSME entrepreneurs in Indonesia. In the case of the company, the junk data of POS transaction made the quality of GPV (Gross Payment Value) information poor. This paper presents the results of research on managing junk data POS transaction data at PT. Commerce Technology Solutions. The management of junk data was done by testing a number of machine learning algorithms and implementing the best model in the company's Business Intelligence (BI) application. From the result of qualitative and quantitative evaluations, it was shown that this research made a significant contribution to the company's decision making process. The evaluation of the operational data sample revealed that the precision level was 0.96, the recall was 0.73, while f1 score was 0.831. Qualitative evaluation of feedback from the two-month use indicated that users were greatly helped in making decisions regarding GPV. Key words: Machine Learning, Gross Payment Value, Point of Sales, Random Forest Pada setiap transaksi selalu menghasilkan data sampah/bias baik karena kesalahan maupun kesengajaan. Kuantitas data sampah semakin meningkat untuk aplikasi yang bersifat publik dan gratis dalam penggunaanya. Data sampah seperti ini merupakan gangguan dalam pengambilan keputusan sehingga memperburuk kualitas keputusan yang dihasilkan. Permasalahan data sampah ini juga terjadi pada aplikasi Qasir.id, suatu aplikasi POS yang disediakan oleh PT. Teknologi Solusi Niaga untuk pelaku usaha UMKM di Indonesia. Pada kasus perusahaan, data sampah transaksi POS ini membuat kualitas informasi GPV (Gross Payment Value) buruk. Makalah ini menyajikan hasil penelitian penanganan data sampah transaksi POS PT. Solusi Teknologi Niaga. Penanganan data sampah dilakukan dengan menguji coba beberapa teknik machine learning serta mengimplementasikan model yang terbaik pada aplikasi Business Intelligence (BI) perusahaan. Dari hasil evaluasi kualitatif maupun kuantitatif, diperlihatkan bahwa hasil penelitian ini memberikan kontribusi yang signifikan dalam proses pengambilan keputusan perusahaan. Evaluasi terhadap sampel data operasional menunjukkan bahwa tingkat presisi adalah 0.96, recall 0.73 sementara f1 score 0.831. Evaluasi kualitatif atas feedback dari penggunaan selama dua bulan menunjukkan bahwa pengguna sangat terbantu dalam pengambilan keputusan terkait GPV. Kata kunci: Machine Learning, Gross Payment Value, Point of Sales, Random Forest
Actions (login required)
 |
View Item |
