Prediksi Harga Batu Bara Menggunakan Support Vector Regression (SVR)
Teks penuh
Gambar
Dokumen terkait
Berdasarkan dengan data real kondisi perusahaan, kedua fungsi RBF dan Polynomial kernel tersebut menghasilkan jumlah data yang benar dan salah yang sama dalam prediksi
Berikut hasil prediksi untuk tanggal 1 Februari 2021 sampai dengan 2 Maret 2021 yang didapat dari model SVR dengan menggunakan kernel Linear dengan parameter yang sudah
Kernel SVR terbaik dari kombinasi percobaan ini adalah Radial Basis Function (RBF) dengan koefisien determinasi (R 2 ) sebesar 95% dan nilai error galat (MSE) sebesar 6% terdapat
Berdasarkan dengan data real kondisi perusahaan, kedua fungsi RBF dan Polynomial kernel tersebut menghasilkan jumlah data yang benar dan salah yang sama dalam prediksi
Tabel 5 memberikan informasi bahwa, dari beberapa model yang terbentuk, kriteria model terbaik adalah pada metode Support Vector Regression (SVR) dengan Kernel-Polynomial
Gambar tersebut menunjukkan bahwa secara umum dengan menggunakan fungsi kernel RBF nilai prediksi dasarian awal musim hujan sudah memiliki pola yang mendekati
dilihat dari grafik bahwa semakin banyak jumlah data latih yang digunakan akan menghasilkan nilai MAPE yang semakin kecil meskipun terjadi peningkatan yang tidak
Tabel 6 Skenario Uji Coba Metode MLP dan SVR Metode SW AF/Kernel Evaluasi MLP 1, 3, 5 Approximated Sigmoid MAPE, RMSE, MSE Sigmoid Softplus SVR 1, 3, 5 Polynomial
