PERBANDINGAN FUNGSI JARAK EUCLIDEAN DENGAN DYNAMIC TIME WARPING PADA METODE ENSEMBLE K-NEAREST NEIGHBOR UNTUK POLA DATA STASIONER DAN NONSTASIONER

Metode ensemble K-Nearest Neighbor (KNN) merupakan metode nonparametrik yang dapat digunakan untuk membuat prediksi data runtun waktu. Hasil prediksi beberapa metode KNN tunggal digabungkan dalam metode ensemble KNN. Hasil prediksi metode KNN tunggal dan ensemble KNN dipengaruhi oleh penggunaan fungsi jarak. Dalam skripsi ini fungsi jarak yang digunakan adalah fungsi jarak Euclidean dan Dynamic Time Warping (DTW). Skripsi ini bertujuan untuk melihat pengaruh jarak Euclidean dan DTW pada pola data stasioner dan nonstasioner baik dengan faktor koreksi maupun tanpa faktor koreksi. Fungsi pembobot pada metode ensmble KNN menggunakan korelasi antara hasil prediksi KNN tunggal dengan data testing. Akurasi hasil prediksi diukur menggunakan nilai MAPE, MAE dan RMSE. Penggunaan fungsi jarak Eucliead dan DTW pada data simulasi dan data Harga Saham periode 2010-2015 dengan metode ensemble KNN menunjukkan bahwa fungsi jarak DTW lebih baik digunakan pada pola data stasioner dan Fungsi jarak Euclidean lebih baik digunakan pada pola data nonstasioner. Prediksi harga saham berdasarkan jarak Euclidean berkisar pada 4453 hingga 4861. Kisaran ini hampir sama hasil pada harga saham sebenarnya yaitu sekitar 4878 hingga 5518