Hidayat, Muhamad Farik Nabil (2025) Uji Empirik perbandingan Kinerja Algoritma Klasifikasi Pasca Reduksi Dimensi berbasis SVD / Muhamad Farik Nabil Hidayat</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
p Penelitian ini membandingkan kinerja algoritma klasifikasi Naive Bayes dan Random Forest setelah penerapan reduksi dimensi menggunakan teknik Singular Value Decomposition (SVD). Penelitian ini bertujuan untuk mengatasi tantangan analisis data berdimensi tinggi seperti overfitting dan kesulitan dalam generalisasi model. Sebanyak 248 dataset digunakan untuk mengevaluasi efektivitas reduksi dimensi sebagai langkah pra-pemrosesan dengan analisis dilakukan menggunakan RapidMiner dan SPSS. Hasil penelitian menunjukkan bahwa SVD secara signifikan menyederhanakan struktur data meningkatkan efisiensi pemrosesan dan pada beberapa dataset berdimensi tinggi meningkatkan akurasi klasifikasi hingga 2 8%. Algoritma Random Forest mengalami peningkatan yang signifikan setelah reduksi dimensi sementara Naive Bayes tetap relatif stabil meskipun dampaknya tergantung pada relevansi atribut yang dipertahankan. Secara keseluruhan studi ini menunjukkan bahwa SVD adalah solusi potensial untuk meningkatkan kinerja analisis data terutama pada dataset yang kompleks meskipun perhatian khusus tetap diperlukan untuk dataset berdimensi rendah agar tidak kehilangan informasi penting. /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 23 Jan 2025 04:29 |
| Last Modified: | 09 Sep 2025 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/400174 |
Actions (login required)
 |
View Item |