Lassela, Niendhitta Tamia (2020) Studi empirik kinerja algoritma klasifikasi dengan teknik resampling / Niendhitta Tamia Lassela. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Dalam data mining salah satu masalah umum yang terjadi adalah ketidakseimbangan kelas dalam data. Ketidakseimbangan kelas dapat menyebabkan distribusi kelas yang tidak seimbang sehingga algoritma klasifikasi tidak dapat memberi hasil yang maksimal. Salah satu solusi untuk mengatasi ketidakseimbangan data yaitu melakukan resampling. Resampling adalah sebuah proses membuat sampel ulang dengan cara manipulasi data agar jumlah data menjadi seimbang. Dalam penelitian ini teknik resampling yang digunakan untuk mengatasi masalah tersebut yaitu Random Undersampling Random Oversampling dan SMOTE dengan rasio 100%. Skenario yang dilakukan dalam penelitian yaitu menggunakan 100 dataset yang diperoleh dari website UCI Machine Learning Kaggle dan OpenML. Setiap dataset tersebut diterapkan teknik resampling. Hasil resampling tersebut dilakukan klasifikasi menggunakan 3 algoritma klasifikasi yaitu Gaussian Na iuml ve Bayes Decision Tree C4.5 dan Neural Network Backpropagation. Selanjutnya hasil klasifikasi tersebut dilakukan evaluasi berupa nilai akurasi presisi recall dan f-measure. Kemudian nilai evaluasi tersebut dilakukan uji empiris dengan menggunakan uji t-berpasangan. Hasil penelitian ini menunjukkan bahwa penerapan teknik resampling pada dataset memberikan signifikansi terhadap kinerja algoritma klasifikasi dibandingkan dengan kinerja algoritma klasifikasi tanpa diterapkan teknik resampling. Kemudian kombinasi antara teknik resampling dan algoritma klasifikasi yang memberikan kinerja yang paling signifkan berdasarkan jenis nilai evaluasinya yaitu berdasarkan nilai akurasi presisi recall dan f-measure kombinasi Algoritma Neural Network dengan teknik SMOTE memberikan hasil kinerja paling signifikan daripada 11 skenario lainnya.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 02 Mar 2020 04:29 |
| Last Modified: | 09 Sep 2020 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/152103 |
Actions (login required)
 |
View Item |