KOMPARASI NEURAL NETWORK DAN SUPPORT VECTOR MACHINE UNTUK DATA TIME SERIES DAN NON-TIME SERIES

Abstract

Abstrak— Neural Network dan Support Vector Machine merupakan metode datamining yang sering digunakan. Penelitian ini bertujuan untuk mengetahui performa dari Neural Network dan Support Vector Machine yang diterapkan pada data time series dan non-time series. Sehingga terlihat perbedaan dan keunggulan dari kedua metode tersebut. Data yang digunakan merupakan dataset publik, “Australian Credit Approval dan Polar Ice Data”. Untuk tahap validasi model menggunakan 10fold cross-validation dan proses evaluasi model menggunakan Root Mean Square Error (RMSE). Hasil percobaan membuktikan bahwa pada data time series SVM lebih unggul dari NN dilihat dari kinerja dan waktu eksekusinya, sedangkan pada data non-time series NN lebih unggul. Hasil akhir evaluasi percobaan data time series berbanding terbalik dengan hasil percobaan data non-time series..

Kata kunci— Time series, Non-time series, Neural Nerwork, Support Vector Machine, klasifikasi kelayakan kredit, Prediksi Polar Es.