1. PREDIKSI NILAI DENGAN METODE SPECTRAL CLUSTERING DAN CLUSTERWISE REGRESSION
Teks penuh
Gambar
Dokumen terkait
Dari hasil penelitian dengan menggunakan 2 dataset nilai error yang dihasilkan dataset univariate memiliki RMSE lebih besar dibandingkan dengan yang menggunaan metode ANN
Dari pengujian yang telah dilakukan, hasil terbaik yang diperoleh dengan menggunakan algoritma Spectral Clustering ialah dengan nilai modularity = 0.9607 untuk
(data hasil cluster menggunakan average linkage dengan weka 3.8 selengkapnya dapat dilihat pada Lampiran 4) dari hasil clustering tersebut dapat ditetapkan Cluster
Hasil dari penelitian ini, metode K-Nearest Neighbor dengan model regresi dapat melakukan prediksi terhadap harga beras pada tahun 2014 - 2019 dengan nilai RMSE 0,125
Berdasarkan hasil yang diperoleh dalam penelitian prediksi jumlah kunjungan wisatawan mancanegara ke Bali menggunakan Support Vector Regression (SVR) yang dioptimasi
Berdasar pada uji coba yang dilakukan, perangkat lunakn yang dikembangkan dengan menggunakan Spectral Clustering dan Bootstrap Aggregating Regresi Linier mampu memprediksi
HASIL DAN PEMBAHASAN Hasil Penelitian Prediksi Laju Pertumbuhan Jumlah Penduduk Provinsi Kalimantan Selatan Menggunakan Metode K-Nearest Neighbor Regression 1.Analisa untuk
Hasil perbandingan Nilai RMSE dan MAPE Model RMSE MAPE ARIMA 26,17 22% LSTM 35,59 25% Tabel 3 di atas menunjukkan hasil eksperimen yang dilakukan dalam penelitian ini dengan