Implementasi Metode K-Nearest Neighbor (K-NN) Menggunakan Seleksi Fitur Backward Elimination Dalam Pengklasifikasian Status Harga Saham PT. Bank Rakyat Indonesia (Persero) Tbk. Tahun 2020
Klasifikasi merupakan teknik dalam data mining yang digunakan untuk mengelompokkan data dari data yang telah diketahui kelompok klasifikasinya. K-Nearest Neighbor digunakan untuk mengklasifikasikan status harga saham PT. Bank Rakyat Indonesia (Persero) Tbk Tahun 2021. K-NN digunakan karena dapat menghasilkan tingkat kesalahan klasifikasi rendah pada data yang berjumlah banyak, tetapi K-NN memiliki kekurangan yaitu sensitif terhadap fitur yang tidak relevan. Penelitian ini dilakukan untuk menurunkan tingkat kesalahan klasifikasi K-NN menggunakan seleksi fitur backward elimination dengan jarak Euclid dan jarak Manhattan. Hasil kesalahan klasifikasi menggunakan nilai Apparent Error Rate (APER) menunjukkan bahwa metode dengan jarak Euclid, seleksi fitur backward elimination dapat menurunkan tingkat kesalahan klasifikasi sebesar 26,67% sedangkan dengan menggunakan jarak Manhattan, seleksi fitur backward elimination dapat menurunkan tingkat kesalahan klasifikasi sebesar 20%.
Kata kunci: Apparent Error Rate (APER), backward elimination, jarak Euclid, knearest neighbor, klasifikasi, jarak Manhattan, saham, seleksi fitur.
Ketersediaan
Detail Information
Judul | Implementasi Metode K-Nearest Neighbor (K-NN) Menggunakan Seleksi Fitur Backward Elimination Dalam Pengklasifikasian Status Harga Saham PT. Bank Rakyat Indonesia (Persero) Tbk. Tahun 2020 |
---|---|
Pengarang | Muhammad Yasin Iskandar Putra - Personal Name |
No. Panggil | SKRIPSI MUH i 2022 |
Subyek | klasifikasi k-nearest neighbor Apparent Error Rate (APER) backward elimination jarak Euclid jarak Manhattan saham seleksi fitur |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2022 |
Penerbit | Fakultas Matematika Dan Ilmu Pengetahuan Alam |
Jurusan | Statistika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY