Penerapan Data Mining Menggunakan Perbandingan Algoritma Greedy Dengan Algoritma Genetika Pada Prediksi Rentet Waktu Harga Crude Palm Oil

Abstract

This research applying predictive data mining on CPO (Crude Palm Oil) ABSTRAKPenelitian ini menerapkan data mining pada prediksi harga CPO (Crude Palm Oil) dengan membandingkan pemodelan optimasi seleksi fitur algoritma genetika dan algoritma greedy pada metode neural network (NN). Prediksi harga CPO dilakukan untuk memenuhi kebutuhan investor kelapa sawit, melalui analisa masalah fluktuasi harga CPO time series yang tidak pasti. Guna mempermudah dalam melakukan perhitungan, langkahlangkah dari algoritma Genetika dan algoritma Greedy diimplementasikan dengan program komputer Rapid Miner Studio. Adapun tujuan penelitian ini yaitu mengetahui perbandingan akurasi dengan parameter evaluasi RMSE yang dihasilkan dan waktu eksekusi program yang dibutuhkan oleh algoritma Genetika dan algoritma Greedy dalam menyelesaikan masalah prediksi harga CPO. Hasil pengujian akurasi menunjukkan bahwa penggunaan metode NN optimasi algoritma Genetika secara umum memberikan nilai RMSE yang lebih baik (0,096) dibandingkan algoritma Greedy-forward selection (0,111) dan algoritma Greedy-backward selection (0,101). Akan tetapi jika ditinjau dari waktu eksekusi program yang dibutuhkan dalam menyelesaikan masalah prediksi harga CPO, maka algoritma Genetika membutuhkan waktu yang lebih lama dari pada algoritma Greedy.

Penerapan Extreme Learning Machine Dalam Meramalkan Harga Minyak Sawit Mentah

“…Kebutuhan konsumen terhadap minyak sawit mentah terus mengalami peningkatan seiring banyaknya permintaan minyak nabati di berbagai belahan dunia. Terlebih lagi, kini minyak sawit mentah sudah dilakukan penelitian berlanjut serta diolah menjadi bahan bakar nabati dengan tujuan mengurangi dampak pemanasan global [2].…”

Optimasi Neural Network Dengan Menggunakan Algoritma Genetika Untuk Prediksi Jumlah Kunjungan Wisatawan

“…Pada penelitian ini diusulkan prediksi jumlah kunjungan wisatawan mancanegara yang datang ke Provinsi Nusa Tenggara Barat berdasarkan pintu masuk menggunakan Algoritma Genetika untuk mengoptimalkan parameter algoritma neural network. Algoritma genetika merupakan salah satu algoritma yang paling banyak digunakan untuk permasalah optimasi [10] [11]. Algoritma tersebut merupakan algoritma pencarian yang bersifat heuristic yang berdasarkan pada gagasan evolusi seleksi alam [12].…”

Solusi Travelling Salesman Problem Untuk Pengawasan Dinas Tenaga Kerja Pada Perusahaan Penempatan Pekerja Migran di Kabupaten Blitar Menggunakan Algoritma Genetika

“…Penelitian yang terdahulu lebih banyak membahas penerapan algoritma untuk pemilihan rute [5]. Proses pencarian solusi permasalahan ini adalah dengan mengkombinasikan kromosom sehingga dapat menghasilkan solusi baru atau gen baru dengan menggunakan seleksi, crossover dan mutasi maka akan dibentuk gen baru [6].…”

“…pc = 25 % = 0,250. Jadi dari Pembangkitan bilangan acak R,yang di jadikan induk adalah Kromosom [2], Kromosom [3], Kromosom [6]. Untuk penentuan pada posisi Cut-point dilakukan dengan cara membangkitkan bilangan acak 1 sampai (Panjang Kromosom-1), dalam kasus Travelling Salesman Problem (TSP) ini panjang kromosom 4-1 maka bilangan acak diantara 1-3 sebagaimana Tabel 7.…”