METODE K-NEAREST NEIGHBOR BERBASIS FORWARD SELECTION UNTUK PREDIKSI HARGA KOMODITI LADA

Abstract

Banyak peneliti termotivasi untuk meningkatkan kinerja prediksi. K-Nearest Neighbor (KNN) merupakan salah satu algoritma untuk regresi maupun klasifikasi sudah secara sukses diimplementasikan di berbagai bidang. Di sisi lain, penentuan variabel yang sesuai dapat memberikan performa yang semakin baik pada suatu model. Pada penelitian ini bertujuan mengembangkan model prediksi dengan menggabungkan algoritma K-Nearest Neighbor dengan metode seleksi atribut, khususnya forward selection untuk memprediksi komiditi lada. Model yang diusulkan dievaluasi dengan data time series lada hitam dan lada putih. Hasil penelitian menunjukkan bahwa algoritma K-Nearest Neighbor berbasis forward selection memberikan kinerja yang terbaik dibandingkan dengan KNN berbasis backward elimination dan SVM berbasis seleksi atribut.