Skripsi

Uji empirik perbandingan kinerja klasifikasi algoritma support vector machine dan k-nearest neighbor / Tirsa Pambayun

Abstrak
Penelitian empris ini bertujuan untuk membandingkan kinerja algoritma SVM dan k-NN dalam melakukan klasifikasi. Pemilihan algoritma merupakan hal yang penting dalam membangun model machine learning. Algoritma yang dipilih pada penelitian ini adalah SVM dan k-NN. Kedua algoritma tersebut merupakan sepuluh algoritma data mining terbaik. Saat ini sudah banyak penelitian yang melakukan perbandingan algoritma SVM dan k-NN. Namun penelitian ini menggunakan pendekatan baru yaitu dengan melakukan uji emprik terhadap 117 dataset. Uji empirik ini mengukur kinerja algoritma berdasarkan hasil akurasinya. Akan dilakukan uji t berpasangan antara k-NN dengan setiap kernel SVM. Berdasarkan hasil uji t berpasangan yang telah dilakukan maka dapat disimpulkan bahwa terdapat perbedaan yang signifikan antara kinerja klasifikasi semua kernel SVM dan k-NN. Hal ini dibuktikan dengan hasil uji t k-NN dengan kernel rbf (2 25 x 10-8) k-NN dengan kernel linear (3 18 x 10-10) k-NN dengan kernel poly (3 94 x 10-11) dan k-NN dengan kernel sigmoid (2 86 x 10-16).

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

xiii, 42 hlm. : ilus.

Bahasa

Indonesia

No Reg

1649/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. ALGORITMA KOMPUTER - MACHINE LEARNING
2. TEKNIK INFORMATIKA
3. COMPUTER ALGORITHM - MACHINE LEARNING

Pembimbing

1. Utomo Pujianto, S.Kom, M.Kom

Lampiran Berkas