Minimalisasi Resiko Kualitas Barang dengan Metode Algoritma Regresi Linier dalam Memprediksi Barang Defect

Abstract

Barang merupakan sesuatu yang dapat ditawarkan ke pelanggan untuk mendapatkan perhatian untuk dibeli atau digunakan agar dapat memenuhi keinginan dan kebutuhan pelanggan. Pemanfaatan data produk dan defect dapat digunakan dalam melakukan proses tahapan data mining dan pemodelan untuk memprediksi jumlah produk defect di suatu waktu. Penerapan model persamaan algoritma Regresi Linear sederhana dapat diimplementasikan dimana hasilnya juga menunjukkan sebuah wawasan baru bagi kebutuhan prediksi terhadap jumlah produk defect. Model persamaan Regresi Linear sederhana setelah dibandingkan hasil perhitungan secara aktual (observasi) dan juga dengan aplikasi Rapid Miner secara umum menunjukkan kemiripan hasil. Evaluasi dan pengujian performa menggunakan aplikasi Rapid Miner juga dapat menghasilkan gambaran yang relevan dengan skenario yang dimodelkan. Nilai (Root Mean Squared) RMSE juga didapat saat melakukan evaluasi performa model yang diterapkan, dengan nilai RMSE sebesar 0,483 dengan standar deviasi ± 0,0. Rekomendasi yang diberikan adalah: Perbanyak data dalam rentang bulan lebih panjang yang akan digunakan dalam penelitian selanjutnya agar dapat meningkatkan nilai akurasi dari model prediksi terhadap jumlah produk defect dimasa mendatang. Pengembangan model dengan menggabungkan beberapa metode dan algoritma yang dapat digunakan dalam memprediksi sesuatu sehingga diharapkan memberikan hasil yang lebih variatif dan bisa dimanfaatkan dalam pengambilan kebijakan dan strategi pengendalian jumlah produk defect dan meningkatkan nilai RSME dari model prediksi yang diharapkan.