Skripsi

Perbandingan c4.5 dan naive bayes menggunakan bagging dan boosting untuk klasifikasi tingkat pengetahuan pengguna e-learning adaptif / Ahmad Nuftah Primordi

Abstrak
Tujuan dari penelitian ini adalah mengukur tingkat pengetahuan pengguna salah satu e-learning adaptif yaitu Adaptive Educational Intelligent Hypermedia System (AEIHS). Data statistik pengguna AEIHS digunakan sebagai dataset. Metode yang digunakan untuk melakukan klasifikasi adalah C4.5 dan Naive Bayes yang digabungkan dengan bagging dan boosting.Computation cost dapat dipangkas menggunakan C4.5. Naive Bayes dikenal sangat cepat dan cocok untuk digabungkan dengan pendekatan lain. Varian pada dataset dapat dikurangi menggunakan bagging sehingga kinerjaclassifier dapat ditingkatkan.Boostingmelatihclassifier secara iteratif sehinggaclassifier lemah menjadi kuat. Skenario dari kombinasi metodeclassifierdan ensembleada enam. Kinerja dari keenam skenario dibandingkan untuk mengetahui skenario terbaik yang diterapkan pada AEIHS. C4.5 menunjukkan kinerja tertinggi atas keenam skenario saat digabungkan dengan boosting berdasarkan evaluation metric speperti akurasi precision dan recall. Ketiga nilai tersebut berturut-turut adalah 93 79% 93 80% dan 93 80%. Kinerja Naive Bayes juga mencapai nilai terbesar saat dikombinasikan denganboosting dengan nilaiaccuracy 85 85 precision 86 10% danrecall 85 90%.

Informasi Detail

DDC

Rs 005.1 PRI p

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2021.

Deskripsi Fisik

xvii, 111 lembar : il. ; 30 cm.

Bahasa

Indonesia

No Reg

03051/KI/22

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2021

Subjek

1. ALGORITMA KOMPUTER - C4.5
2. ALGORITMA KOMPUTER - NAIVE BAYES
3. COMPUTER ALGORITHM - C4.5

Pembimbing

1. Harits Ar Rosyid ; 2. Utomo Pujianto

Lampiran Berkas