PERBANDINGAN MODEL MULTIPLE LINEAR REGRESSION DAN DECISION TREE REGRESSION (STUDI KASUS: PREDIKSI HARGA SAHAM TELKOM, INDOSAT, DAN XL)
Universitas Gunadarma
Indonesia
Universitas Gunadarma
Indonesia
Abstract
Penggunaan machine learning menjadi salah satu bidang yang banyak digunakan seiring berkembangnya zaman. Melakukan prediksi dengan baik pada suatu data dapat dibantu dengan teknik dan model pada machine learning. Regresi menjadi salah satu teknik terbaik yang dapat digunakan dalam memprediksi suatu data. Tujuan penelitian ini yaitu untuk memanfaatkan machine learning menggunakan regresi dalam memprediksi sebuah data dengan baik. Tahapan penelitian dalam melakukan prediksi ini meliputi pengumpulan materi, analisis dan perancangan, uji coba, dan implementasi. Uji coba dilakukan dalam 3 skema pengujian, yaitu 80:20, 70:30, dan 60:40. Implementasi dilakukan dengan evaluasi error setiap model regresi untuk menentukan model terbaik dalam mengolah dataset. Hasil penelitian menggunakan model Multiple Linear Regression (MLR) dan Decision Tree Regression (DTR) memiliki perbedaan yang cukup besar. Model MLR memiliki nilai terbaik untuk MAE menggunakan skema 70:30 dengan nilai sebesar 0.008, sedangkan untuk RMSE dan MAPE menggunakan skema 60:40 dengan nilai sebesar 2.591 dan 0.852. Model DTR memiliki nilai terbaik menggunakan skema 80:20 dengan nilai MAE sebesar 0.013, nilai RMSE sebesar 4.014, dan nilai MAPE sebesar 1.287. Kesimpulan menunjukkan bahwa model MLR lebih bagus digunakan untuk dataset telekomunikasi selama 5 tahun terakhir karena memiliki nilai lebih kecil daripada model DTR walaupun dengan skema yang berbeda.
Keywords
References
A. Cardon, Beyond Artificial Intelligence: From Human Consciousness to Artificial Consciousness, ISTE Ltd, 2018.
A. V. Joshi, Machine Learning and Artificial Intelligence, Redmond, WA, USA: Springer, 2020.
D. Nagar, S. Raghav, A. Bhardwaj, R. Kumar, P. L. Singh and R. Sindhwani, "Machine learning: Best Way to Sustain the Supply Chain in the Era of Industry 4.0," Material Today : Proceedings, hal. 1-7, 2021.
S. Dargan, M. Kumar, M. R. Ayyagari and G. Kumar, "A Survey of Deep Learning and Its Applications: A New Paradigm," Archives of Computational Methods in Engineering, vol. 27, no. 4, hal. 1071-1092, 2020.
I. Siradjuddin, "Machine Learning: Linear Regression (#1)," hal. 1-7, 2018.
A. Izzah and R. Widyastuti, "Prediksi Harga Saham Menggunakan Improved Multiple Linear," Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control, vol. 2, no. 3, hal. 141-150, 2017.
Z. Berrardi, M. Lazaar, H. Omara and O. Mahboub, "Effect of Architecture in Recurrent Neural Network Applied on the Prediction of Stock Price," IAENG International Journal of Computer Science, vol. 47, no. 3, hal. 199-204, 2020.
M. Biswas, A. Shome, M. A. Islam, A. Nova and S. Ahmed , "Predicting Stock Market Price: A Logical Strategy Using Deep Learning," Symposium on Computer Applications & Industrial Electronics (ISCAIE), vol. 11, hal. 218-223, 2021.
F. H. Abdulraheem, M. Y. Al-Ridha and R. R. O. Al-Nima, "Predicting Death and Confirmed Cases of Coronavirus," Bulletin of Electrical Engineering and Informatics, vol. 11, no. 1, hal. 380-385, February 2022.
D. K. Sharma and A. Sharma, "Prediction of Health Insurance Emergency using
Multiple Linear Regression Technique," European Journal of Molecular & Clinical Medicine, vol. 7, no. 4, hal. 98-105, 2020.
A. A. Suryanto and A. Mustaqdir, "Penerapan Metode Mean Absolute Error (MEA) dalam Algoritma Regresi Linear untuk Prediksi Produksi Padi," SAINTEKBU, vol. 11, no. 1, hal. 78-83, 2019.
M. Zakwan, M. Muzzammil and J. Alam, "Application of Data Driven Techniques in Discharge Rating Curve - An Overview," Aquademia, vol. 1, no. 1, hal. 1-8, 2017.
M. B. S. Junianto, "Fuzzy Inference System Mamdani dan the Mean Absolute Percentage Error (MAPE) untuk Prediksi Permintaan Dompet Pulsa pada XL Axiata Depok," Jurnal Informatika Universitas Pamulang, vol. 2, no. 2, hal. 97-102, 2017.
