Perbandingan Model KNN dan Regresi Linear untuk Prediksi Biaya EC2 AWS

Abstrak

Penelitian ini bertujuan membandingkan kinerja algoritma K-Nearest Neighbors (KNN) dan Regresi Linear dalam memprediksi biaya layanan Amazon EC2 berdasarkan data performa seperti jumlah vCPUs, kapasitas memori, dan bandwidth. Dataset yang digunakan diperoleh dari Kaggle dan telah melalui proses pembersihan, seleksi fitur, serta normalisasi. Algoritma KNN dioptimalkan dengan parameter k=3, sementara Regresi Linear memanfaatkan metode Least Squares. Hasil evaluasi menunjukkan bahwa KNN memiliki performa terbaik dengan nilai R-squared (R²) sebesar 1.0, MAE mendekati nol, dan kesalahan prediksi yang nyaris tidak terdeteksi. Sebaliknya, Regresi Linear menghasilkan nilai R-squared sebesar 0.8759 dengan kesalahan yang lebih tinggi dibandingkan KNN. Hasil ini menunjukkan bahwa KNN lebih unggul untuk data dengan hubungan kompleks dan non-linier. Penelitian ini memberikan wawasan baru dalam memilih algoritma prediksi biaya layanan cloud, khususnya untuk layanan AWS EC2.