scholarly journals Prediction of Incipient Faults in Underground Power Cables Utilizing S-Transform and Support Vector Regression

2012 ◽  
Vol 4 (2) ◽  
pp. 186-201 ◽  
Author(s):  
M F Faisal ◽  
◽  
A Mohamed ◽  
H Shareef ◽  
◽  
...  
Keyword(s):  
Support Vector Regression ◽  
Support Vector ◽  
Power Cables ◽  
S Transform ◽  
Incipient Faults ◽  
Underground Power Cables

Local and Regional Hour-Ahead Forecasts of Solar Irradiance with Training Data Selection and Support Vector Regression

2016 ◽  
Vol 136 (12) ◽  
pp. 898-907 ◽  
Author(s):  
Joao Gari da Silva Fonseca Junior ◽  
Hideaki Ohtake ◽  
Takashi Oozeki ◽  
Kazuhiko Ogimoto
Keyword(s):  
Support Vector Regression ◽  
Solar Irradiance ◽  
Training Data ◽  
Data Selection ◽  
Support Vector ◽  
Training Data Selection

Data Analytics to Help Improve Hydraulic Fracture Geometry Prediction Using Support Vector Regression: Case Study

2020 ◽  
Author(s):  
Avinash Wesley ◽  
Bharat Mantha ◽  
Ajay Rajeev ◽  
Aimee Taylor ◽  
Mohit Dholi ◽  
...  
Keyword(s):  
Support Vector Regression ◽  
Hydraulic Fracture ◽  
Data Analytics ◽  
Support Vector ◽  
Fracture Geometry

IMPLEMENTASI SUPPORT VECTOR MACHINE PADA PREDIKSI HARGA SAHAM GABUNGAN (IHSG)

2020 ◽  
Vol 25 (1) ◽  
pp. 24-38
Author(s):  
Eka Patriya
Keyword(s):  
Machine Learning ◽  
Support Vector Machine ◽  
Support Vector Regression ◽  
Support Vector

Saham adalah instrumen pasar keuangan yang banyak dipilih oleh investor sebagai alternatif sumber keuangan, akan tetapi saham yang diperjual belikan di pasar keuangan sering mengalami fluktuasi harga (naik dan turun) yang tinggi. Para investor berpeluang tidak hanya mendapat keuntungan, tetapi juga dapat mengalami kerugian di masa mendatang. Salah satu indikator yang perlu diperhatikan oleh investor dalam berinvestasi saham adalah pergerakan Indeks Harga Saham Gabungan (IHSG). Tindakan dalam menganalisa IHSG merupakan hal yang penting dilakukan oleh investor dengan tujuan untuk menemukan suatu trend atau pola yang mungkin berulang dari pergerakan harga saham masa lalu, sehingga dapat digunakan untuk memprediksi pergerakan harga saham di masa mendatang. Salah satu metode yang dapat digunakan untuk memprediksi pergerakan harga saham secara akurat adalah machine learning. Pada penelitian ini dibuat sebuah model prediksi harga penutupan IHSG menggunakan algoritma Support Vector Regression (SVR) yang menghasilkan kemampuan prediksi dan generalisasi yang baik dengan nilai RMSE training dan testing sebesar 14.334 dan 20.281, serta MAPE training dan testing sebesar 0.211% dan 0.251%. Hasil penelitian ini diharapkan dapat membantu para investor dalam mengambil keputusan untuk menyusun strategi investasi saham.

Sign in / Sign up

Export Citation Format

Share Document