Analisis Penggunaan Seleksi Fitur Forward Selection Untuk Masalah Waktu Komputasi Pada Metode Random Forest (Studi Kasus: Klasifikasi Harga Smartphone)

ABSTRAKrnPeran teknologi digital dalam pertumbuhan kebutuhan manusia modern saat ini semakin tinggi dan kompleks, hal tersebut memicu perusahaan-perusahaan digital agar terus melakukan pengembangan fitur pada produk yang mereka hasilkan. Salah satu teknologi digital yang saat ini cukup banyak diminati adalah smartphone. Harga smartphone ditentukan oleh berbagai fitur yang disediakan, tapi belum diketahui fitur yang berpengaruh, sehingga perlu dilakukan proses perbandingan dalam hal pemilihan dan penggunaan fitur untuk klasifikasi. Pada penelitian ini, penulis menggunakan metode forward selection untuk memilih fitur data yang digunakan dalam proses klasifikasi, serta untuk mengurangi waktu komputasi dari metode random forest dalam mengklasifikasikan harga smartphone tanpa mengurangi kwalitas akurasi yang dihasilkan. Hasil penelitian ini menunjukan bahwa rata-rata waktu komputasi sebelum menggunakan seleksi fitur adalah 0,61 detik, sedangkan rata-rata waktu komputasi sesudah menggunakan seleksi fitur adalah 0,54 detik. Serta rata-rata nilai presisi, recall, dan f-1 score sebelum menggunakan seleksi fitur adalah sebesar 72,59% dan nilai akurasi tertinggi sebesar 83,46% pada k-fold 5 fold ke-4 dan max depth 6, dan rata-rata nilai presisi, recall, dan f-1 score sesudah menggunakan seleksi fitur adalah sebesar 74,67% dan nilai akurasi tertinggi sebesar 87% pada k-fold 5 fold ke-4 dan max depth 6.rnKata kunci: Klasifikasi, Forward Selection, Random Forest, Harga Smartphone