Skripsi

Uji empirik kombinasi base classifier pada teknik ensemble voting / Muhammad Rafif Habibillah

Abstrak
Ensemble Voting menggabungkan prediksi dari beberapa model klasifikasi dasar untuk menghasilkan prediksi akhir yang lebih akurat. Ada dua jenis utama Ensemble Voting berdasarkan cara menghitung suara dari model-model dasar Voting Mayoritas (Majority Voting) dan Voting Berbobot (Weighted Voting). Dalam penelitian kali ini Majority Voting digunakan sebagai dasar dari perhitungan kombinasi model-model dasar tersebut. Dalam penelitian kali ini menggunakan model dasar Decision Tree K-Nearest Neighbors Support Vector Machine dan Random Forest untuk mengetahui apakah terdapat perbedaan yang signifikan antara kombinasi 3 dari 4 algoritma base classifier tersebut. Sejauh ini belum banyak penelitian yang membandingkan kinerja berbagai teknik Ensemble Voting pada beragam dataset secara umum. Penelitian ini melakukan eksperimen empiris untuk membandingkan kinerja klasifikasinya pada 170 dataset. Melalui analisis Wilcoxon Signed Rank Test diperoleh dua hasil yang berbeda dimana p-value yang bernilai lebih kecil dan lebih besar dari nilai signifikansi yang telah ditetapkan yakni 0 05 yang menunjukkan sebagian adanya perbedaan kinerja yang signifikan antara kombinasi ensemble voting dan juga tidak adanya perbedaan kinerja yang signifikan antara kombinasi ensemble voting. Kombinasi Uji C menunjukan rata-rata akurasi lebih tinggi yaitu 0.8097464706 dibandingkan hasil dari Uji A Uji B dan juga Uji D.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

xii, 47 hlm. : ilus.

Bahasa

Indonesia

No Reg

2120/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. ALGORITMA KOMPUTER
2. COMPUTER ALGORITHM

Pembimbing

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

Lampiran Berkas