Uji empirik perbandingan performa algoritma deep learning pada rapidminer dan tensorflow untuk masalah klasifikasi / ALVIAN RAHMADANI SAPUTRA</p> - Repositori Universitas Negeri Malang

Uji empirik perbandingan performa algoritma deep learning pada rapidminer dan tensorflow untuk masalah klasifikasi / ALVIAN RAHMADANI SAPUTRA</p>

Saputra, Alvian Rahmadani (2024) Uji empirik perbandingan performa algoritma deep learning pada rapidminer dan tensorflow untuk masalah klasifikasi / ALVIAN RAHMADANI SAPUTRA</p>. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

p Penggunaan deep learning dalam machine learning semakin menarik perhatian dalam berbagai aplikasi ilmiah dan industri. Hal ini memicu munculnya banyak framework yang digunakan untuk menerapkan algoritma deep neural network untuk menyelesaikan masalah klasifikasi. Penelitian ini bertujuan untuk melakukan uji empirik dan perbandingan performa antara algoritma deep neural network yang diimplementasikan dalam platform RapidMiner dan TensorFlow dalam konteks machine learning. Metode eksperimental empiris dilakukan dengan menggunakan dataset yang relevan dengan masalah klasifikasi untuk menganalisis kinerja algoritma. Evaluasi dilakukan dengan memperhatikan parameter-parameter kinerja seperti akurasi weighted mean recall weighted mean precision dan waktu eksekusi. Dari pengujian menggunakan 50 dataset hasil uji empirik menunjukkan perbandingan performa yang signifikan antara model deep neural network di RapidMiner dan TensorFlow dengan model TensorFlow yang memiliki keunggulan pada rata-rata akurasi dan precision sebesar 90.87% dan rata-rata recall sebesar 90.62%. Sementara itu RapidMiner lebih unggul dalam waktu eksekusi pelatihan dan validasi model dengan waktu rata-rata 1.01 detik dibanding 110.98 detik untuk TensorFlow. Kesimpulan dari penelitian ini memberikan wawasan yang berharga dalam memilih platform deep learning yang sesuai dengan kebutuhan spesifik dalam machine learning. /p

Item Type: Thesis (Diploma)
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: library UM
Date Deposited: 16 Jul 2024 04:29
Last Modified: 09 Sep 2024 03:00
URI: http://repository.um.ac.id/id/eprint/358008

Actions (login required)

View Item View Item