SELEKSI FITUR UNTUK PREDIKSI RATING FILM HOLLYWOOD MENGGUNAKAN MODEL K-NEAREST NEIGHBOR
Abstract
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:
PDFReferences
. 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.