Uji empirik perbandingan kinerja klasifikasi binary decision tree dan multiway decision tree / Risa Augusta Murti - Repositori Universitas Negeri Malang

Uji empirik perbandingan kinerja klasifikasi binary decision tree dan multiway decision tree / Risa Augusta Murti

Murti, Risa Augusta (2024) Uji empirik perbandingan kinerja klasifikasi binary decision tree dan multiway decision tree / Risa Augusta Murti. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Penelitian ini secara eksperimental membandingkan kinerja klasifikasi Binary Decision Tree dan Multiway Decision Tree dengan fokus pada evaluasi empiris. Terdapat beberapa alasan penting yang mendukung perlunya penelitian ini. Pertama algoritma Decision Tree berperan krusial dalam dunia machine learning dan data mining karena kemudahan implementasinya kemampuan interpretasinya dan efektivitasnya dalam menangkap kompleksitas keputusan. Binary Decision Tree membagi node menjadi dua cabang sementara Multiway Decision Tree memungkinkan lebih dari dua cabang. Penting untuk secara empiris mengevaluasi dampak struktural ini terhadap akurasi klasifikasi kemampuan interpretasi dan efisiensi komputasi. Kedua perbandingan empiris membantu dalam mencari struktur Decision Tree yang paling sesuai untuk berbagai tugas. Dataset yang berbeda menunjukkan kompleksitas dan pola yang beragam dan pilihan antara Binary Decision Tree dan Multiway Decision Tree dapat signifikan memengaruhi kemampuan model. Ketiga banyak penelitian sebelumnya hanya menerapkan algoritma tanpa menyertai hasil evaluasi kinerja algoritma yang digunakan. Penelitian ini melakukan uji empirik terhadap Binary Decision Tree dan Multiway Decision Tree menggunakan 117 dataset. Pendekatan ini melibatkan tahapan pengumpulan data pre-processing processing dan evaluasi. Hasilnya diperoleh melalui uji-t berpasangan menggunakan parameter criterion seperti gain ratio accuracy gini index dan information gain. Hasil pengujian adalah nilai p 0 01 yang menunjukkan bahwa terdapat perbedaan kinerja signifikan antara kedua jenis Decision Tree tersebut dengan Binary Decision Tree memiliki rata-rata akurasi sebesar 0 795 dan Multiway Decision Tree sebesar 0 789.

Item Type: Thesis (Diploma)
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: library UM
Date Deposited: 15 Jan 2024 04:29
Last Modified: 15 Jan 2025 06:29
URI: http://repository.um.ac.id/id/eprint/331023

Actions (login required)

View Item View Item