PERBAIKAN PERFORMANCE ALGORITMA C4.5 ADABOOST BERBASIS OPTIMASI PROSES SELEKTIF FITUR

Setiawan, Gede Ajus (2023) PERBAIKAN PERFORMANCE ALGORITMA C4.5 ADABOOST BERBASIS OPTIMASI PROSES SELEKTIF FITUR. Masters thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1829101001-COVER.pdf
Download (368kB)
[img] Text (ABSTRAK)
1829101001-ABSTRAK.pdf
Download (88kB)
[img] Text (BAB 1 PENDAHULUAN)
1829101001-BAB 1 PENDAHULUAN.pdf
Download (99kB)
[img] Text (BAB 2 KAJIAN TEORI)
1829101001-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (387kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
1829101001-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (339kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
1829101001-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (749kB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1829101001-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (90kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1829101001-DAFTAR PUSTAKA.pdf
Download (212kB)
[img] Text (LAMPIRAN)
1829101001-LAMPIRAN.pdf
Download (538kB)

Abstract

Data mining adalah proses yang mempergunakan teknik statistic dan matematika untuk mengekstraksi dan mengidentifikasi informasi penuh manfaat serta wawasan yang terakit dari aneka database besar. Terdapat berbagai macam teknik yang dikembangkan guna memaknai sebuah data agar dapat ditelaah dalam bentuk pengetahuan. Salah satu metode yang dimaksud adalah metode klasifikasi C4.5. berbagai kasus binary classification telah dilakukan uji penyelesaian masalah menggunakan metode C4.5, namun pada literatur yang melakukan uji didapati algoritma C4.5 berbasis Adaptive Boosting (AdaBoost) tidak begitu signifikan dalam melakukan peningkatan performasi algoritma C4.5. Sehingga diperlukan suatu penelitian yang menerapkan parameter dan perlakuan yang sama pada dataset yang berbeda untuk mengukur seberapa besar keefektifan AdaBoost dalam meningkatkan performasi algoritma C4.5. Untuk mengetahui tingkat performance tersebut, diperlukan studi kasus dari data yang berbeda, ukuran ataupun karakteristik data yang berbeda, dan juga dengan atribut serta beberapa hasil data yang ada pada studi kasus yang berbeda(Novianti & Santosa, 2016). Untuk kasus pada penelitian kali ini, penulis menggunkan 4 (Empat) datashet yang berbeda diantaranya ialah Airline Passenger Satisfaction, IRIS, TIC TAC TU, dan Water_Potability. Dimana semua dataset tersebut diambil dari Kaggle. Dengan memberikan perlakuan yang sama pada setiap dataset membuat data tersebut lebih terarah dan mudah untuk di analisis serta mempermudah untuk mengetahui seberapa besar efektifitas dari AdaBoost dalam meningkatkan performasi algoritma C4.5 dalam menangani suatu data. Hasil yang diperoleh dari kajian ini berupa model evaluasi dari tahapan masing-masing sampel kasus klasifikasi sebelum dan sesudah mempergunakan algoritma C4.5 berbasis AdaBoost pada setiap dataset yang berbeda dengan perlakuan yang sama. Sehingga didapatkan tahapan dalam preprocessing yaitu menerapkan slektif fitur yang sesuai pada kriteria setiap dataset.

Item Type: Thesis (Masters)
Uncontrolled Keywords: C4.5 Berbasis AdaBoost; selektif fitur dataset; machine learning
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
T Technology > T Technology (General)
Divisions: Pascasarjana > Program Studi Ilmu Komputer (S2)
Depositing User: Gede Ajus Setiawan
Date Deposited: 25 Oct 2023 07:56
Last Modified: 25 Oct 2023 07:56
URI: http://repo.undiksha.ac.id/id/eprint/18009

Actions (login required)

View Item View Item