FIKA , NAZMA KHOIRIAH (2026) PENERAPAN METODE SUPPORTVECTORREGRESSION UNTUK MEMPREDIKSI HARGA RUMAH. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.
|
File PDF
1. ABSTRAK.pdf Download (116Kb) | Preview |
|
![[img]](http://digilib.unila.ac.id/style/images/fileicons/text.png) |
File PDF
2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (2210Kb) | Minta salinan |
|
|
File PDF
3. SKRIPSI TANPA BAB IV.pdf Download (2217Kb) | Preview |
Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)
Support Vector Regression SVR merupakan metode machine learning yang digunakan untuk memprediksi. Metode ini merupakan pengembangan dari metode Support Vector Machine yang awalnya di gunakan untuk klasifikasi dan di kembangkan untuk kasus regresi. Keunggulan dari metode SVR dalam mengatasi kondisi data nonlinear dan meminimalkan overvitting membuat metode ini menjadi pilihan dalam berbagai aplikasi, namun dalam metode ini proses penentuan parameter dan kernel yang sesuai sangat berpengaruh terhadap hasil yang diperoleh hal ini menjadikan proses tunning parameter sebagai faktor yang sangat penting dalam penerapan metode ini. Pada penelitian ini menerapkan metode SVR dengan teknik grid search optimization untuk menentukan kombinasi parameter yang memberikan kinerja terbaik dengan menggunakan kernel Radial Basis Function (RBF), Polynomial, Linear, dan Sigmoid menggunakan data harga rumah. didapatkan kernel RBF memiliki performa terbaik dibandingkan dengan kernel lainnya dimana kombinasi parameter yang paling optimal ketika ε = 0,1 C = 3 γ = 1 yang menghasilkan nilai RMSE 0,02938742 dan nilai MAPE 17,362% Kata-kata kunci: Support Vector Regression, Grid Search Optimization, Harga Rumah, Kernel Linear, Kernel Radial Basis Function, KernelPolynomial, Kernel Sigmoid
| Jenis Karya Akhir: | Skripsi |
|---|---|
| Subyek: | 500 ilmu pengetahuan alam dan matematika > 510 Matematika |
| Program Studi: | FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Matematika |
| Pengguna Deposit: | 2605502394 Digilib |
| Date Deposited: | 12 May 2026 03:53 |
| Terakhir diubah: | 12 May 2026 03:53 |
| URI: | http://digilib.unila.ac.id/id/eprint/99445 |
Actions (login required)
 |
Lihat Karya Akhir |
