Rahmawati, Indira (2024) Uji empirik perbandingan kinerja klasifikasi algoritma random forest dengan splitting criterion berbeda / Indira Rahmawati</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
p Penelitian empiris dilakukan untuk membandingkan kinerja splitting criterion pada klasifikasi random forest. Salah satu algoritma klasifikasi yang cukup populer adalah algoritma random forest. Random forest merupakan sebuah metode pembelajaran ensemble yang terkenal dengan membentuk suatu model menggunakan beberapa pohon keputusan (decision tree). Faktor penting yang mempengaruhi kinerja random forest merupakan kriteria pemisahan (splitting criterion) yang digunakan dalam pembentukan pohon keputusan yang membentuk basis dari random forest. Splitting criterion dalam algoritma random forest berguna sebagai pengukur perolehan informasi dengan berbagai cara yang berbeda. Pengujian empiris ini memungkinkan peneliti untuk mengidentifikasi dimana satu kriteria lebih unggul daripada yang lain atau sebaliknya. Informasi ini berguna untuk menyesuaikan model pohon keputusan dengan karakteristik khusus dari dataset tertentu yang dapat meningkatkan kemampuan kinerja model. Kesimpulan dari penelitian uji empiris ini bertujuan untuk mengetahui apakah ada perbandingan kinerja yang signifikan antar splitting criterion pada klasifikasi algoritma random forest. Penelitian ini juga membantu dan memberikan panduan yang lebih baik untuk para praktisi dalam pemilihan parameter criterion yang optimal dalam pengembangan model berbasis random forest. /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 04 Jun 2024 04:29 |
| Last Modified: | 09 Sep 2024 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/357996 |
Actions (login required)
 |
View Item |