3.1.7 Pelatihan dan Pengujian Menggunakan Model SVR
Pada tahapan pelatihan ini menggunakan data latih dengan metode SVR terhadap masing-masing fungsi kernel Linear, Polynomial, dan Radial Basis
Function RBF. Pengujian model SVR dilakukan terhadap fungsi kernel yang digunakan berdasarkan terpenuhinya selang range. Sebelumnya, fungsi kernel
menentukan nilai parameter-parameter yang digunakan dalam tahapan pengujian, seperti parameter C untuk fungsi Linear Kernel, nilai parameter
C, γ, r, dan d untuk fungsi Polynomial Kernel, dan parameter C dan
γ untuk fungsi kernel RBF. Apabila semakin optimal parameternya maka semakin baik model yang dihasilkan
oleh model SVR. Proses pengujian ini menggunakan model SVR untuk mengestimasi nilai observasi. Untuk metode pengoptimuman parameter fungsi
kernel yang dipakai dalam pada percobaan ini yaitu metode grid search yang menyerupai metode trial dan error secara manual, akan tetapi rentang nilai
parameter dikumpulkan dalam grid n-dimensi, dengan n menunjukkan jumlah parameter.
3.1.8 Evaluasi dan Validasi Model
Tahapan ini digunakan untuk melihat kehandalan atau performance yang dihasilkan dari nilai prediksi dengan melakukan pengukuran ukuran error dan
tingkat korelasi. Dalam menentukan kriteria kebaikan model untuk validasi dapat menggunakan nilai Root Mean Square Error RMSE. RMSE adalah nilai varians
dari residual yang dapat menunjukan keakuratan suatu model. RMSE mempunyai nilai minimal 0, semakin kecil nilai RMSE menunjukan bahwa perbedaan antara
nilai dugaan hasil pemodelan dengan data aktualnya semakin kecil pula, sehingga model terbaik dengan nilai RMSE terkecil. Nilai RMSE diperoleh dengan rumus
sumber : sutikno, 2008:
............................ 6
Dimana : Y
oi
Y = Observasi pada periode ke-i i=1,2, ... , n
pi
n = Panjang periode prakiraan = Hasil prakiraan pada periode ke-i i=1,2, ... , n
Kriterian kebaikan model lainnya yang digunakan yaitu Mean Absolute Error Prediction MAEP. MAEP adalah rata-rata nilai absolute dari kesalahan
meramal tidak dihiraukan tanda positif atau negatifnya. Nilai MAEP diperoleh dengan rumus :
....................... 7 Dimana :
Y
oi
Y = Observasi pada periode ke-i i=1,2, ... , n
pi
n = Panjang periode prakiraan = Hasil prakiraan pada periode ke-i i=1,2, ... , n
Sedangkan kriteria kebaikan model lainnya yang juga dapat digunakan adalah nilai R
2 prediction
atau disebut koefisien determinasi. Koefisien determinasi menunjukan proporsi keragaman total nilai-nilai variabel respon yang dapat
diterangkan oleh variable prediktor dalam model yang digunakan. Berikut adalah rumus mencari nilai R
2 prediction
..................... 8 :
Dimana : R
2
Y = Koefisien Determinasi Korelasi
i
Y = Observasi pada periode ke-i i=1,2, ... , n
i
Y = Rata – rata Observasi pada periode ke-i i=1,2, ... , n
i
Tahapan terakhir dari penelitian ini yaitu melakukan dokumentasi dan pelaporan akhir hasil penelitian.
= Hasil prakiraan pada periode ke-i i=1,2, ... , n
Kategori