OPTIMASI PARAMETER KNN UNTUK PREDIKSI HARGA SMARTPHONE DENGAN PENANGANAN MISSING VALUE

A'fena Ammah, Elisa Tri (2025) OPTIMASI PARAMETER KNN UNTUK PREDIKSI HARGA SMARTPHONE DENGAN PENANGANAN MISSING VALUE. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_57201_2113030069.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (Similarity) RAMA_57201_2113030069_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (168kB)
	Text (Cover sd BAB 1 + References) RAMA_57201_2113030069_0721029101_0721018801_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (3MB)
	Text (BAB 2) RAMA_57201_2113030069_0721029101_0721018801_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (278kB) | Request a copy
	Text (BAB 3) RAMA_57201_2113030069_0721029101_0721018801_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (298kB) | Request a copy
	Text (BAB 4) RAMA_57201_2113030069_0721029101_0721018801_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (768kB) | Request a copy
	Text (BAB 5) RAMA_57201_2113030069_0721029101_0721018801_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (220kB) | Request a copy
	Text (References) RAMA_57201_2113030069_0721029101_0721018801_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (220kB)
	Text (Lampiran) RAMA_57201_2113030069_0721029101_0721018801_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (493kB) | Request a copy

Abstract

Perkembangan teknologi digital mendorong meningkatnya kebutuhan masyarakat terhadap perangkat smartphone sebagai alat komunikasi dan pusat aktivitas modern. Seiring meningkatnya permintaan, penentuan harga smartphone yang tepat menjadi tantangan bagi pelaku usaha karena dipengaruhi berbagai faktor seperti spesifikasi teknis, tren pasar, serta kondisi data yang seringkali tidak lengkap. Ketidaklengkapan data atau missing value dapat menurunkan akurasi prediksi harga, sehingga dibutuhkan metode penanganan yang tepat agar hasil prediksi tetap relevan dan mendukung pengambilan keputusan bisnis yang kompetitif. Penelitian ini bertujuan untuk mengetahui pengaruh perbedaan metode imputasi data, yaitu median dan KNNImputer, terhadap performa algoritma K-Nearest Neighbors dalam memprediksi harga smartphone. Penelitian dilakukan dengan pendekatan CRISP-DM yang meliputi tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, hingga Deployment. Dataset yang digunakan diperoleh dari platform Kaggle, dengan proses pra pemrosesan meliputi imputasi data hilang, feature selection, scaling, dan validasi model menggunakan cross-validation 5-fold. Hasil penelitian menunjukkan bahwa baik metode imputasi median maupun KNNImputer menghasilkan performa model KNN yang identik dengan nilai R² pada data uji sebesar 0,9437, MAE sebesar 57,48, serta MSE sekitar 7.543,66. Parameter optimal diperoleh pada konfigurasi n_neighbors = 7, p = 2, dan bobot distance. Meski demikian, nilai R² yang tinggi pada data pelatihan (1,0000) dibandingkan dengan data uji mengindikasikan potensi overfitting yang perlu diantisipasi pada pengembangan model lanjutan. Secara umum, penelitian ini menegaskan bahwa strategi imputasi missing value dapat memengaruhi kelengkapan data, tetapi tidak selalu menghasilkan perbedaan signifikan pada akurasi model prediksi jika parameter KNN dioptimasi dengan tepat. Temuan ini diharapkan dapat menjadi acuan bagi pelaku bisnis dalam merancang strategi penetapan harga smartphone yang lebih tepat sasaran serta menjadi referensi bagi peneliti selanjutnya dalam pengembangan model machine learning berbasis kualitas data yang optimal.

Actions (login required)

View Item