<![CDATA[Penelitian 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, langkah-langkah 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.Kata Kunci: algoritma Genetika, algoritma Greedy, neural network, prediksi harga CPO, time series.]]>
Copyrights © 2017
