METODE SUPPORT VECTOR MACHINE DAN FORWARD SELECTION PREDIKSI PEMBAYARAN PEMBELIAN BAHAN BAKU KOPRA


Ivo Colanus Rally Drajana(1*);

(1) Universitas Ichsan Gorontalo
(*) Corresponding Author

  

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.

Keywords


Support Vector Machine (SVM); Forward Selection (FS); Time Series; Prediksi

  
     

Article Metrics

Abstract view: 13681 times
PDF (Bahasa Indonesia) view: 1900 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/ilkom.v9i2.134.116-123 		  

Cite

How to cite item

References


. Nurwarsito, H. Desember 2009. Sistem Transaksi Pembayaran Food Court Dengan Teknologi E-Card, Jurnal EECCIS Vol. III, No. 2.

Pakasi, Caroline, B.D. Juni 2013. Pengembangan Kelapa Sebagai Komoditi Unggulan Daerah Sulawesi Utara dengan Pendekatan Klaster Industri, Seminar Nasional : Menggagas Kebangkitan Komoditas unggulan Lokal Pertanian dan Kelautan Fakultas Pertanian Universitas Trunojoyo Madura, Universitas Sam Ratulangi Manado.

. Sularno, A. 2014. Prediksi Nilai Saham Menggunakan Pemograman Genetika Dan Pemograman Ekspresi Gen, Universitas Gunadarma Depok. Indonesia.

. Widodo, A, Budi, I, dan Aji, R.F. 2012. Prediksi topic penelitian menggunakan kombinasi antar Supprot Vector Regression dan Kurva Logistik, Universitas Indonesia, Seminar Nasioanal Aplikasi Teknologi Informasi, ISSN:1907-5022, Yogyakarta.

. Prasetyo, Eko. 2012.Data mining Konsep dan Aplikasi menggunakan Matlab, ANDI, Yogyakarta, 177.

. Y Liu, YF Zheng. 2012. FS_SFS:Anovel feature selection method for support vector machines, The Ohio State University, Columbus OH 43210, USA. Pattern recognition.

. Neneng, S. 2009. Seleksi Variabel dalam Analisis Regresi Multivariat Multiple, Stap Jurusan Statistika FMIPA UNPAD, Seminar Nasional dan Pendidikan Matematiaka, ISBN: 978-979-16353-3-2.

. F.G, Blanchet, P, Legendre, and D. Borcard. 2008. Forward Selection Of Explanatory Variables. Ecology, Vol. 89. No. 9, - Eco Soc America.

. Intan Martina Md Ghani dan Sabri Ahmad. 2011.Comparison Methods of Multiple Linear Regression in Fish Landing, Australian Journal of Basic and Applied Sciences, 5(1): 25-30.

. Nugroho, A.S, Witarto, A.B, Handoko, D. 2003.Supprot Vector Machine Teori dan Aplikasinya dalam Bioinformatika.

. M, Hofmann. 2007. Support Vector Machines — Kernels and the Kernel Trick.

. Prasetyo Eko. 2012. Data Mining Konsep dan Aplikasi menggunakan Matlab, ANDI, Yogyakarta, 127-130.

. Prasetyo Eko. 2012. Data Mining Konsep dan Aplikasi Menggunakan Matlab, ANDI, Yogyakarta, 72-73.

. Raharjo, J.S.D. Juni 2013. Model Artificial Neural Network Berbasis Particle Swarm Optimization untuk Prediksi Laju Inflasi, Sekolah Tinggi Manajemen Informatika dan Komputer Eresha Jakarta, Jurnal Sistem Komputer, Vol. 3, No. 1, ISSN: 2087-4685.

. Fikri, A. 2013. Penerapan Data Mining Untuk Mengetahui Tingkat Kekuatan Beton Yang Dihasilkan Dengan Metode Estimasi Menggunakan Linear Regression, Universitas Dian Nuswantoro Semarang.

. Alda Raharja dan Wiwik Anggraeni, S.Si, M.Kom dan Retno Aulia Vinarti, S.Kom. 2010. Menerapkan Metode exponential Smooting untuk Peramalan penggunaan waktu telpon di Pt.telkomsel divre3,SISFO-Jurnal Sistem Informasi.

. Prasetyo Eko.2012.Data Mining Konsep dan Aplikasi menggunakan matlab, ANDI Yogyakarta, 2.

. Suhartono. 2007.Feedforward Neural Networks Untuk Pemodelan Runtun Waktu, Universitas Gadjah Mada Yogyakarta, 25 September.

. Indrabayu, Harun, N dan Pallu, M.S, Achmad, A, dan L, F,I. 2012. Prediksi Curah Hujan dengan Jaringan Saraf Tiruan, Universitas Hasanuddin, ISBN: 978-979-127255-0-6, Vol. 6, Makassar Desember.

. Purwanto, C. Eswaran dan Logeswaran, R. 2011, Improved Adaptive Neuro-Fazzy Inference System for HIV/AIDS time series Prediction, A. Abd Manaf et al. (Eds): ICIEIS 2011, Part III, CCIS 253, pp. 1-13.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2017 Ivo Colanus Rally Drajana

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