METODE SUPPORT VECTOR MACHINE DAN FORWARD SELECTION PREDIKSI PEMBAYARAN PEMBELIAN BAHAN BAKU KOPRA
Abstract: Telah banyak
peneliti-peneliti termotivasi dalam meningkatkan kinerja performa prediksi.
Support Vector Machine (SVM) metode yang berlandaskan pada teori pembelajaran
statistic dan memberi hasil yang menjanjikan akan lebih baik dibanding metode
lain. SVM bekerja juga dengan baik terhadap data yang berdimensi tinggi dengan
menggunakan teknik kernel. Penentuan variabel yang relevan sangat dibutuhkan
untuk dapat memberikan kinerja performa lebih efektif lagi pada suatu model.
Pada penelitian ini bermaksud untuk mengembangkan model prediksi dengan
mengkombinasikan algoritma Support Vector Machine dengan Feature Selection,
khususnya forward selection dalam memprediksi pembayaran pembelian bahan baku
kopra. Model yang diusulkan dievaluasi menggunakan data time pembelian bahan
baku kopra. Hasil eksperimen penelitian ini menunjukan dimana series pembayaran
algoritma SVM dan Forward Selection memberikan kinerja performa yang terbaik
dibandingkan SVM, SVM dan Backward Elimination serta BPNN dan Feature
Selection.
Penulis: Ivo Colanus Rally
Drajana
Kode Jurnal: jptkomputerdd170237