SELEKSI FITUR UNTUK PREDIKSI RATING FILM HOLLYWOOD MENGGUNAKAN MODEL K-NEAREST NEIGHBOR

Andi Bode

Abstract


Film kali pertamanya dipertontonkan untuk masyarakat dengan membayar di grand cafe boulevard
de capucines, paris,perancis 28 Desember 1895. Saat ini perkembangan dunia perfilman meningkat dengan
pesat, dengan banyaknya film-film yang silih berganti di tayangkan dengan melihatjumlah film terhitung
mencapai ribuan, sehingga menimbulkan kesulitan bagi masyarakat penikmat film, terkadang masyarakat
hanya melihat poster atau trailer pada film sehingga ketika menonton film fullnya tidak sesuai ekspetasi.
Keadaan ini membuat rating dari film tersebut turun dan hasilnya membuat produser mengalami kerugian
biaya dalam memproduksi film. Perlu dilakukan prediksi pada rating film, dengan melihat rating film bisa
menentukan apakah suatu film menerik untuk di tonton atau tidak. Pada penelitian ini medel yang di
gunakan untuk memprediksi adalah K-Nearest Neighbor model ini dapat menghasilkan data yang efektif
dan memiliki konsistensi yang kuat. Untuk meningkatkan hasil accuracy model K-NN perlu ditambahkan
seleksi fiturForward Selection dan Backward Elimination. Dengan seleksi fitur tingkat accuracy yang
dihasilkan meningkat secara signifikan yaitu 98,92%, recaal 98,00% dan precision 100,00%.
Kata Kunci:Film, K-Nearest Neighbor, Forward Selection, Backward Elimination


Full Text:

PDF

References


. Mudjiono Y. 2011, Kajian Semiotika Dalam

Film, Jurnal Ilmu Komunikasi, Volume 1 Nomor 1,

April, ISSN 2088-981X, 125-138.

. Bode Andi. 2017. K-Nearest Neighbor Dengan

Feature Selection Menggunakan Backward

Elimination Untuk Prediksi Harga Komoditi Kopi

Arabika, Universitas Ichsan Gorontalo, ILKOM

Jurnal Ilmiah, Vol. 9, No. 2, Agustus, ISSN: 2087-

. Drajana Ivo C. R, 2018, Prediksi Jumlah

Produksi Coconut Oil Menggunakan k-Nearest

Neighbor dan Backward Elimination, Jurnal

Tecnoscienza, Volume 3 Nomor 1, Oktober.

.PratiwiRiszki W. dan Nugroho Yusuf S.2016,

Prediksi Rating Film Menggunakan Metode Naïve

Bayes, Jurnal Teknik Elektro, Vol. 8. N0. 2,

Desember, ISSN 1411-0059

. Ndaumanu Ricky I, Kusrini, Arief M. R, 2014,

Analisis Prediksi Tingkat Pengunduran Diri

Mahasiswa dengan Metode K-Nearest Neighbor,

JATISIjurnal Teknik Informatika dan Sistem

Informasi, Vol. 1. No. 1, September, ISSN 2407-

. Witten, I. H., Frank, E., Hall, M. A. 2011, Data

Mining Practical Machine Learning Tools and

Techniquers (3rd ed). USA: Elsevier

. Prasetyo, Eko. 2012, Data Mining Konsep dan

Aplikasi Menggunakan Matlab. Penerbit Andi

Yogyakarta.

. Yunita, 2017, Seleksi Fitur Menggunakan

Backward Elimination Pada Prediksi Cuaca

Dengan Neural Network, IJCIT (Indonesian Journal

on Computer and Information Technology),


Refbacks

  • There are currently no refbacks.