K-NEAREST NEIGHBOR DENGAN FEATURE SELECTION MENGGUNAKAN BACKWARD ELIMINATION UNTUK PREDIKSI HARGA KOMODITI KOPI ARABIKA


Andi Bode(1*);

(1) Universitas Ichsan Gorontalo
(*) Corresponding Author

  

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.

Keywords


Prediksi; K-Nearest Neighbor; Backward Elimination; Time Series

  
     

Article Metrics

Abstract view: 4542 times
PDF (Bahasa Indonesia) view: 2840 times 		     

Digital Object Identifier

doi  https://doi.org/10.33096/ilkom.v9i2.139.188-195 		  

Cite

How to cite item

References


P. Septianingtyas Ari. 2015. Faktor-faktor yang mempengaruhi harga kopi arabika dan integrasi pasar kopi arabika dunia terhadap kopi arabika di Indonesia, universitas jember.

Ilham, Supriana T, Salimah. 2013. Analisis faktor-faktor yang mempengaruhi permintaan komoditi kopi di sumatera utara, Fakultas Pertanian USU.

Kustiari Reni. 2007. Perkembangan pasar kopi dunia dan implikasinya bagi Indonesia, Bogor : Forum penelitian argo ekonomi. Volume 25 No. 1, 43 – 55.

Sularno Aris. 2012. Prediksi nilai saham menggunakan pemrograman genetic dan pemrograman ekspresi gen, universitas gunadarma.

Sonatha Y. 2013. Churn prediction pelanggan menggunakan Crisp-DM Studi Kasus Pelanggan TelkomFlexi Bandung, Jurnal Elektron. Vol. 5. No. 1, UNAND Limau Manis, Padang.

Bahri R. sofian. 2012. Perbandingan algoritma template matching dan feature extraction pada optical character recognition. Jurnal Computer Dan Informatika. Universitas Computer Indonesia, Edisi. I volume. 1.

Poonguzhali. E, Vijayalakshmi. M, Shamily. K, Priyadarshini. V. 2014. Hybrid feature selection algorithm for high dimensional database, Pondicherry university india, International Journal Of Engineering Trends And Technology (IJETT) – Volume 8 Number 9.

L. Ladha, T. Deepa. 2011. Feature Selection Methods And Algorithms, International Journal on Computer Science and Engineering (IJCSE), ISSN : 0975-3397 vol. 3 No. 5.

Ali Narin, Yalcin Isler dan Mahmut Ozer. 2014. Investigating the performance improment of HRV indices in CHF using feature selection methods based on backward elimination and statistical significance, computer in biology and medicine.

Prasetyo Eko. 2012. Data mining konsep dan aplikasi menggunakan matlab, ANDI. Yogyakarta.

Purwanto, C. Eswara, and R. Logeswara. 2011. Improved Adaptive Neuro-fuzzy Inference System for HIV/AIDS Time series Prediction. In: Informatics Engineering and Information Science, 253, Springer-Verlag Berlin.

Krisandi Nobertus, Helmi, Prihandono Bayu. 2013. Algoritma k-nearest neighbor dalam klasifikasi data hasil produksi kelapa sawit pada Pt.Minamas kecamatan parindu, Bimaster : volume 02, No.1.

Nugroho, R.S, Wijana Katon. 2015. Program bantu prediksi penjualan barang menggunakan metode KNN studi kasus: U.D. Anang, Jurnal Eksis. Vol 08 No 02 November.

Alkhatib K, Najadat H, Hmeidi I, Shatnawi MKA. 2013. Stock Price Prediction Using k-Nearest Neighbor (kNN) Algorithm. International Journal of Business, Humanities and Technology. 3(3):32-44.

R. N. Whidhiasih, N. A. Wahanani dan Supriyanto. 2013. Klasifikasi buah belimbing berdasarkan citra red-greenblue menggunakan knn dan lda, Jurnal Penelitian Ilmu Komputer, System Embedded & Logic 1(1) : 29-35.

Novi, Y. 2011. Penerapan Metode Neural Network dengan Struktur Backpropagation untuk Prediksi Stok Obat di Apotik, Seminar nasional aplikasi teknologi informasi.

Raharjo, J. S. Dwi. 2013. Model Artificial Neural Network berbasis Particle Swarm Optimization untuk prediksi laju inflasi, Jurnal Sistem Komputer - Vol. 3, No.1, ISSN: 2087-4685, e-ISSN: 2252-3456.

Zega S. Artaty. 2014. Penggunaan pohon keputusan untuk klasifikasi tingkat kualitas mahasiswa berdasarkan jalur masuk kuliah, Politeknik Negeri Batam, Yogyakarta. ISSN: 1907 – 5022.

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, Wiwik Anggraeni, S.Si, M.Kom, Retno Aulia Vinarti, S.Kom. 2010. Menerapkan Metode Exponential Smooting Untuk Peramalan Penggunaan Waktu Telpon di PT. Telkomsel Divre 3, SISFO-Jurnal Sistem Informasi.

Indrabayu, Harun, N, 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.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2017 Andi Bode

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