Perbandingan performansi Algoritma Random Forest, KNN (K-Nearest Neighbors), dan Adaboost Regressor pada peramalan harga Berlian

Fajar, Fawzan Ibnu (2023) Perbandingan performansi Algoritma Random Forest, KNN (K-Nearest Neighbors), dan Adaboost Regressor pada peramalan harga Berlian. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (78kB) | Preview
Preview	Text 2_abstrak.pdf Download (26kB) | Preview
Preview	Text 3_daftarisi.pdf Download (1MB) | Preview
Preview	Text 4_bab1.pdf Download (3MB) | Preview
	Text 5_bab2.pdf Restricted to Registered users only Download (6MB) | Request a copy
	Text 6_bab3.pdf Restricted to Registered users only Download (4MB) | Request a copy
	Text 7_bab4.pdf Restricted to Registered users only Download (10MB) | Request a copy
	Text 8_bab5.pdf Restricted to Registered users only Download (457kB) | Request a copy
	Text 9_daftarpustaka.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Selain banyak diminati dalam bentuk perhiasan, berlian merupakan salah satu materi terkeras yang pernah ada di muka bumi. Beberapa komunitas mulai melirik berlian untuk menjadi aset investasi mengingat nilainya yang luar biasa tinggi. Namun, permasalahan ditemukan ketika berlian tidak memiliki acuan harga layaknya aset investasi lain seperti emas ataupun saham. Perkembangan teknologi tentunya dapat mengatasi hal tersebut dengan implementasi algoritma machine learning. Algoritma Random Forest, K-Nearest Neighbors, dan Adaptive Boosting (Adaboost) Regressor dipilih menjadi algoritma yang akan dibandingkan. Dataset yang digunakan pada penelitian ini berasal dari kaggle repository milik vittoriogiatti dengan jumlah sebanyak 53.940 baris yang setelah dilakukan pre-processing berkurang menjadi 47.524 baris. Hasil dari pelatihan dan pengujian masing masing model ialah Random Forest Regressor memiliki rata rata nilai error 19,85 (MSE train), 132,73 (MSE test), 4,45 (RMSE train), 11,52 (RMSE test) serta rata rata durasi pelatihan yaitu 13,73 detik. Sementara rata-rata nilai R2-Score sebesar 0,981. Adapun algoritma KNN Regressor memiliki rata-rata nilai R2-Score sebesar 0,964. Sedangkan Adaboost Regressor dengan rata rata R2-Score sebesar 0.884. Hasil dari penelitian ini menunjukkan bahwa Random Forest Regressor keluar menjadi algoritma terbaik diantara dua lainnya.

Actions (login required)

View Item