<![CDATA[Telah banyak peneliti-peneliti termotivasi dalam meningkatkan kinerja performa prediksi. Support Vector Machine (SVM) metode yang berlandaskan pada teori pembelajaran statistic dan memberi hasil yang menjanjikan akan lebih baik dibanding metode lain. SVM bekerja juga dengan baik terhadap data yang berdimensi tinggi dengan menggunakan teknik kernel. Penentuan variabel yang relevan sangat dibutuhkan untuk dapat memberikan kinerja performa lebih efektif lagi pada suatu model. Pada penelitian ini bermaksud untuk mengembangkan model prediksi dengan mengkombinasikan algoritma Support Vector Machine dengan Feature Selection, khususnya forward selection dalam memprediksi pembayaran pembelian bahan baku kopra. Model yang diusulkan dievaluasi menggunakan data time pembelian bahan baku kopra. Hasil eksperimen penelitian ini menunjukan dimana series pembayaran algoritma SVM dan Forward Selection memberikan kinerja performa yang terbaik dibandingkan SVM, SVM dan Backward Elimination serta BPNN dan Feature Selection.]]>
Copyrights © 2017
