Perbandingan Performa Regresi Menggunakan Poisson, Support Vector, dan Ridge pada Prediksi Hasil Penggergajian Sengon

Abstract

Kayu Sengon merupakan material yang sering digunakan untuk bahan perkakas dan konstruksi bangunan yang disediakan dengan cara penggergajian kayu. Prediksi hasil penggergajian Sengon dilakukan untuk mengetahui jumlah hasil yang bisa didapat yang biasanya dilakukan dengan cara menebak atau melalui perhitungan manual. Metode tersebut membutuhkan pengalaman, waktu lama, dan susah untuk dilakukan sehingga perlu solusi untuk membantu mempercepat proses prediksi dengan menerapkan data mining. Penelitian ini dilakukan untuk melakukan prediksi hasil penggergajian kayu Sengon yang dilakukan dengan langkah akuisisi data, dataset, model regresi (Poisson, Support Vector, dan Ridge), dan evaluasi. Hasil penelitian menunjukkan bahwa regresi Poisson merupakan model terbaik karena memiliki error terkecil dengan Mean Absolute Error (MAE) 0,514 dan Root Mean Square Error (RMSE) 0,672 sehingga model ini tepat diterapkan pada sistem penggergajian Sengon.

Analisis Sentimen Penggunaan Aplikasi Traveloka di Twitter Menggunakan Model Klasifikasi

“…K-Nearest Neighbors (KNN) adalah salah satu algoritma klasifikasi yang mempunyai prinsip kerja bahwa mengklasifikasi suatu objek dalam data uji berdasarkan mayoritas kelas dari sejumlah k tetangga terdekatnya (neighbour) dalam training set (Wardani et al, 2022). XGBOOST merupakan model linier yang efisien dalam memecahkan model linier dan mendukung sejumlah proses objektif seperti regresi, klasifikasi, dan peringkat (Christanto et al, 2023).…”

“…XGBoost merupakan model linier yang efisien dalam memecahkan model linier dan mendukung sejumlah proses objektif, seperti regresi, klasifikasi, dan peringkat (Christanto et al, 2023). XGBOOST menerapkan mekanisme decision tree untuk membuat weak learner menjadi learner yang lebih baik.…”