{
      "userid": 12,
      "type": "thesis",
      "thesis_type": "masters",
      "abstract": "Penelitian ini bertujuan untuk menerapkan dan membandingkan algoritma\r\nGradient Boosting dan XGBoost dalam menentukan harga jual optimal di toko pasar\r\ntradisional. Dalam penelitian ini digunakan dua skenario data, yaitu dataset skala\r\nbesar yang terdiri dari data penjualan tahun 2024 dan dataset kecil yang terdiri dari\r\ndata penjualan selama satu bulan di tahun yang sama. Penelitian ini memanfaatkan\r\nalgoritma Gradient Boosting dan XGBoost untuk membangun model prediksi\r\ndalam penentuan harga jual yang optimal, dimana proses pelatihan model dilakukan\r\nmelalui optimasi hyperparameter menggunakan GridSearchCV dan evaluasi\r\nkinerja menggunakan metrik regresi seperti R² dan MAPE. Selain itu, dilakukan\r\npula analisis interpretabilitas model menggunakan feature importance dan SHAP\r\n(SHaple Additive Explanations) untuk mengidentifikasi faktor-faktor utama yang\r\nmempengaruhi harga jual. Hasil penelitian menunjukkan bahwa kedua algoritma\r\nmemiliki kinerja prediksi yang sangat baik dengan nilai R² mencapai 0.9999 dan\r\nMAPE dibawah 2% pada semua skenario pengujian. Pada dataset besar, Gradient\r\nBoosting lebih unggul dengan nilai MAPE lebih rendah dibandingkan XGBoost,\r\nsedangkan pada dataset kecil XGBoost menunjukkan kinerja yang lebih baik karena\r\nmekanisme regularisasi yang mampu mencegah overfitting. Analisis feature\r\nimportance dan SHAP mengidentifikasi bahwa harga beli, harga kompetitor 1, dan\r\nharga kompetitor 2 merupakan variabel yang paling berpengaruh dalam prediksi\r\nharga jual. Temuan ini dapat dimanfaatkan sebagai dasar dalam pengembangan\r\nsistem pendukung keputusan penentuan harga jual berbasis data di pasar tradisional,\r\nguna meningkatkan efisiensi, akurasi, dan objektivitas dalam proses penetapan\r\nharga.",
      "ispublished": "pub",
      "eprint_status": "archive",
      "lastmod": "2026-06-26 04:09:01",
      "rev_number": 7,
      "title": "ANALISIS PENENTUAN HARGA JUAL DENGAN \r\nALGORITMA GRADIENT BOOSTING DI TOKO PASAR\r\nTRADISIONAL",
      "department": "Pascasarjana Magister Informatika",
      "metadata_visibility": "show",
      "keywords": "Gradient Boosting, XGBoost, Harga Jual, SHAP, feature\r\nimportance.",
      "date_type": "published",
      "date": "2025-10-01",
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31749",
      "creators": [
        {
          "nim": "23.55.2509",
          "name": {
            "family": "Novianto",
            "honourific": null,
            "lineage": null,
            "given": "Bagas Dwi"
          }
        }
      ],
      "subjects": [
        "000.000.000A"
      ],
      "thesis_name": "tesis",
      "datestamp": "2026-06-26 04:09:01",
      "eprintid": 31749,
      "institution": "Universitas AMIKOM Yogyakarta",
      "status_changed": "2026-06-26 04:09:01",
      "documents": [
          {
            "placement": 1,
            "docid": 319529,
            "security": "public",
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319529",
            "files": [
                {
                  "filesize": 3318328,
                  "objectid": 319529,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131115",
                  "fileid": 1131115,
                  "filename": "23.55.2509 - Bagas Dwi Novianto.pdf",
                  "hash_type": "MD5",
                  "hash": "23be93efa8870d3f390a6e7aed914df9",
                  "datasetid": "document",
                  "mtime": "2026-06-26 04:06:14",
                  "mime_type": "application\/pdf"
                }
            ],
            "language": "en",
            "pos": 1,
            "eprintid": 31749,
            "mime_type": "application\/pdf",
            "format": "text",
            "main": "23.55.2509 - Bagas Dwi Novianto.pdf",
            "rev_number": 1
          }
      ],
      "dir": "disk0\/00\/03\/17\/49",
      "full_text_status": "public",
      "divisions": [
        "PJJ"
      ],
      "contributors": [
        {
          "name": {
            "lineage": null,
            "given": "Kusrini",
            "family": "-",
            "honourific": null
          }
        }
      ],
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ]
    }