K-NEAREST NEIGHBOR DENGAN FEATURE SELECTION MENGGUNAKAN BACKWARD ELIMINATION UNTUK PREDIKSI HARGA KOMODITI KOPI ARABIKA
Abstract: Kopi arabika
tergolong salah satu komoditas unggulan didalam subsektor perkebunan di
Indonesia karena memiliki peluang pasar yang baik di dalam negeri maupun luar
negeri. Dalam penelitian ini akan dilakukan peramalan harga komoditi kopi
arabika. Metode Time series adalah metode yang digunakan untuk peramalan dimasa
lalu dan mengetahui nilai di masa yang akan datang. Seleksi fitur digunakan
sebagai tujuan untuk memilih variabel-variabel yang signifikan dalam melakukan
prediksi harga komoditi kopi arabika menggunakan K-Nearest Neighbor (KNN)
dengan Backward Elimination (BE). Hasil eksperimen penelitian ini menunjukan
dimana algoritma KNN dengan Backward Elimination dapat memperkecil nilai error,
dibandingkan dengan KNN tanpa seleksi fitur dan BPNN, BPNN dengan Backward
Elimination.
Penulis: Andi Bode
Kode Jurnal: jptkomputerdd170242