<![CDATA[Pengaturan tegangan pada prosesor memiliki peran penting dalam meningkatkan kinerja sistem, namun juga berimplikasi langsung terhadap kenaikan suhu yang berpotensi menyebabkan kerusakan perangkat. Oleh karena itu, diperlukan metode prediksi yang mampu memperkirakan perubahan suhu dan frekuensi prosesor sebelum dilakukan peningkatan tegangan. Penelitian ini bertujuan untuk memprediksi suhu dan frekuensi prosesor berdasarkan variasi tegangan menggunakan algoritma k-Nearest Neighbor (k-NN), serta menentukan nilai parameter K yang optimal untuk menghasilkan prediksi yang akurat dan stabil. Data yang digunakan merupakan hasil pengukuran tegangan, suhu, dan frekuensi pada prosesor AMD Ryzen 5 2400G. Proses prediksi dilakukan dengan beberapa variasi nilai K (K=1, K=2, K=3, dan K=4), kemudian dievaluasi menggunakan metrik koefisien determinasi (R²), Mean Absolute Error (MAE), dan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa nilai K sangat mempengaruhi performa model. Nilai K=1 menghasilkan akurasi sempurna pada data pelatihan, namun berpotensi mengalami overfitting sehingga kurang baik dalam generalisasi. Sementara itu, nilai K=2 memberikan keseimbangan terbaik antara akurasi dan kompleksitas model, dengan nilai R² mencapai lebih dari 0,9 serta nilai error yang rendah. Selain itu, hasil analisis menunjukkan bahwa suhu prosesor memiliki hubungan non-linear terhadap tegangan, dengan peningkatan yang lebih signifikan pada tegangan tinggi, sedangkan frekuensi menunjukkan hubungan yang cenderung linier terhadap tegangan. Prediksi pada tegangan yang lebih tinggi juga menunjukkan bahwa nilai suhu dan frekuensi masih berada dalam batas aman spesifikasi prosesor. Dengan demikian, algoritma k-NN dengan K=2 terbukti efektif dalam memprediksi perilaku prosesor dan dapat digunakan sebagai alat bantu dalam proses overclocking untuk mengoptimalkan kinerja sekaligus meminimalkan risiko overheating.]]>
Copyrights © 2026
