Optimalisasi parameter Support Vector Regression (SVR) dengan algoritma Randomsearch dan algoritma Gridsearch studi kasus: prediksi harga beras

Alleyda Fadhlullah, Luthfi (2024) Optimalisasi parameter Support Vector Regression (SVR) dengan algoritma Randomsearch dan algoritma Gridsearch studi kasus: prediksi harga beras. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_2000015026_JUDUL__240727032425.pdf Download (1MB)
	Text (BAB I) T1_2000015026_BAB_I__240726020706.pdf Download (305kB)
	Text (BAB II) T1_2000015026_BAB_II__240726020706.pdf Restricted to Registered users only Download (493kB) | Request a copy
	Text (BAB III) T1_2000015026_BAB_III__240726020706.pdf Restricted to Registered users only Download (225kB) | Request a copy
	Text (BAB IV) T1_2000015026_BAB_IV__240726020706.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) T1_2000015026_BAB_V__240726020706.pdf Restricted to Registered users only Download (206kB) | Request a copy
	Text (Daftar Pustaka) T1_2000015026_DAFTAR_PUSTAKA__240726020706.pdf Restricted to Registered users only Download (165kB) | Request a copy
	Text (Lampiran) T1_2000015026_LAMPIRAN__240726020706.pdf Restricted to Registered users only Download (867kB) | Request a copy

Abstract

Penelitian ini membahas tentang metode Support Vector Regression (SVR) dengan algoritma optimasi Random search dan Grid search. Tujuan penelitian ini untuk mengevaluasi kinerja metode Support Vector Regression (SVR) dalam memprediksi harga beras di wilayah Jawa Barat, dan untuk membandingkan efektivitas dua algoritma optimasi, yaitu Random search dan Grid search dalam meningkatkan akurasi prediksi model. Hasil analisis menunjukkan bahwa kedua metode optimasi memberikan prediksi yang baik dan mampu mengikuti pola data asli. Nilai Mean Squared Error (MSE) dan Root Mean Squared Error (RMSE) yang diperoleh dari masing-masing model juga menunjukkan kinerja yang memuaskan. Pada model SVR dengan algoritma Random search, nilai MSE untuk harga beras premium adalah 0.0005954 dan RMSE 0.0230852, sedangkan untuk beras medium adalah 0.0014819 dan RMSE 0.0355231. sementara pada model SVR dengan algoritma Grid search, nilai MSE untuk harga beras premium adalah 0.0005966 dan RMSE 0.0231990, sedangkan untuk beras medium adalah 0.0013369 dan RMSE 0.0328463.

Item Type:	Thesis (S1)
Keyword:	Grid search, mean squared error (MSE) , random search, root mean squared error (RMSE), support vector regression (SVR)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics
Divisi / Prodi:	Faculty of Applied Science and Technology (Fakultas Sains Dan Teknologi Terapan) > S1-Mathematics (S1-Matematika)
Depositing User:	userperpus2 userperpus2
Date Deposited:	04 Oct 2024 06:17
Last Modified:	04 Oct 2024 06:17
URI:	http://eprints.uad.ac.id/id/eprint/75683

Actions (login required)

View Item