Algoritma Regresi Linear pada Prediksi Permohonan Paten yang Terdaftar di Indonesia

Authors

  • Deny Novianty UBSI
  • Nico dias Palasara STMIK Nusa Mandiri
  • Muhammad Qomaruddin STMIK Nusa Mandiri

DOI:

https://doi.org/10.26418/justin.v9i2.43664

Keywords:

Prediksi, Regresi Linear, HKI, Paten, Data Mining

Abstract

Paten merupakan salah satu bagian dari Hak Kekayaan Intelektual (HKI). Dan dengan semakin banyaknya paten yang mendaftar dari berbagai negara dari tahun ke tahun, membuat peluang untuk dapat diprediksi pendaftarannya pada tahun berikutnya. Prediksi merupakan dugaan atau prediksi mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang. Prediksi bisa bersifat kualitatif (tidak berbentuk angka) maupun kuantitatif (berbentuk angka). Analisis regresi adalah suatu metode statistik yang mengamati hubungan antara variabel terikat Y dan serangkaian variabel bebas X1,"¦,Xp. Tujuan dari metode ini adalah untuk memprediksi nilai Y untuk nilai X yang diberikan. penelitian ini di dapatkan bahwa metode linear regresi layak dan efektif untuk memprediksi pendaftaran paten untuk tahun selanjutnya berdasarkan data pendaftaran dari tahun 2014 sampai tahun 2018.

References

HKI, “Paten - HKI.CO.ID.†.

K. Hidayah, “Perlindungan Hak Paten Dalam Kajian Hukum Islam Dan Peran Umat Islam Dalam Bidang Iptek,†J. Jure, vol. 4, no. 1, pp. 85–95, 2012, doi: 10.18860/j-fsh.v4i1.2160.

A. Bastian et al., “No Title,†no. 1, pp. 26–32.

F. R. U. Pujo Sulardi, Tacbir Hendro, “Prediksi Kebutuhan Obat Menggunakan Regresi Linier,†Snatif, pp. 153–160, 2017, doi: 10.2298/PAN0903301G.

M. H. Adiya and Y. Desnelita, “Jurnal Nasional Teknologi dan Sistem Informasi Penerapan Algoritma K-Means Untuk Clustering Data Obat-Obatan Pada RSUD Pekanbaru,†vol. 01, pp. 17–24, 2019.

W. Gata, H. B. Novitasari, R. Nurfalah, R. Hernawati, and M. J. Shidiq, “Analysis of Regression Algorithm to Predict Administration , Production , and Delivery to Accuracy of Delivery of Products in Cosmetic Industry.â€

A. Hijriani, K. Muludi, and E. A. Andini, “Implementasi Metode Regresi Linier Sederhana Pada Penyajian Hasil Prediksi Pemakaian Air Bersih Pdam Way Rilau Kota Bandar Lampung Dengan Sistem Informasi Geofrafis,†Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 11, no. 2, p. 37, 2016, doi: 10.30872/jim.v11i2.212.

“Metode Regresi Linier Untuk Prediksi Kebutuhan Energi Listrik Jangka Panjang (Studi Kasus Provinsi Lampung),†J. Inform. dan Tek. Elektro Terap., vol. 2, no. 2, 2014.

S. Sulistyono and W. Sulistiyowati, “Peramalan Produksi dengan Metode Regresi Linier Berganda,†PROZIMA (Productivity, Optim. Manuf. Syst. Eng., vol. 1, no. 2, p. 82, 2018, doi: 10.21070/prozima.v1i2.1350.

P. Katemba and R. K. Djoh, “Prediksi Tingkat Produksi Kopi Menggunakan Regresi Linear,†J. Ilm. FLASH, vol. 3, no. 1, pp. 42–51, 2017.

F. Gullo, “From Patterns in Data to Knowledge Discovery : What Data Mining Can Do,†Phys. Procedia, vol. 62, pp. 18–22, 2015, doi: 10.1016/j.phpro.2015.02.005.

D. Novianti and N. Palasara, “Klasterisasi Negara Pendaftar Paten Di Indonesia Menggunakan K-Means,†Sistemasi, vol. 8, no. 3, p. 446, 2019, doi: 10.32520/stmsi.v8i3.541.

N. I. Febianto and N. Palasara, “Analisa Clustering K-Means Pada Data Informasi Kemiskinan Di Jawa Barat Tahun 2018,†J. Sisfokom (Sistem Inf. dan Komputer), vol. 8, no. 2, p. 130, 2019, doi: 10.32736/sisfokom.v8i2.653.

P. Katemba and R. K. Djoh, “Prediksi Tingkat Produksi Kopi Menggunakan Regresi Linear,†J. Ilm. FLASH, vol. 3, no. 1, pp. 42–51, 2017.

M. Mona, J. Kekenusa, and J. Prang, “Penggunaan Regresi Linear Berganda untuk Menganalisis Pendapatan Petani Kelapa. Studi Kasus: Petani Kelapa Di Desa Beo, Kecamatan Beo Kabupaten Talaud,†d’CARTESIAN, vol. 4, no. 2, p. 196, 2015, doi: 10.35799/dc.4.2.2015.9211.

Downloads

Published

2021-04-30

Issue

Vol. 9 No. 2 (2021)

Section

Articles

License

Copyright (c) 2021 JUSTIN (Jurnal Sistem dan Teknologi Informasi)

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).  

                             

This is a human-readable summary of (and not a substitute for) the license. Disclaimer.

You are free to:
Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.