Skripsi

Uji empirik perbandingan performa algoritma deep learning pada rapidminer dan tensorflow untuk masalah klasifikasi / ALVIAN RAHMADANI SAPUTRA

Abstrak
Penggunaan deep learning dalam machine learning semakin menarik perhatian dalam berbagai aplikasi ilmiah dan industri. Hal ini memicu munculnya banyak framework yang digunakan untuk menerapkan algoritma deep neural network untuk menyelesaikan masalah klasifikasi. Penelitian ini bertujuan untuk melakukan uji empirik dan perbandingan performa antara algoritma deep neural network yang diimplementasikan dalam platform RapidMiner dan TensorFlow dalam konteks machine learning. Metode eksperimental empiris dilakukan dengan menggunakan dataset yang relevan dengan masalah klasifikasi untuk menganalisis kinerja algoritma. Evaluasi dilakukan dengan memperhatikan parameter-parameter kinerja seperti akurasi weighted mean recall weighted mean precision dan waktu eksekusi. Dari pengujian menggunakan 50 dataset hasil uji empirik menunjukkan perbandingan performa yang signifikan antara model deep neural network di RapidMiner dan TensorFlow dengan model TensorFlow yang memiliki keunggulan pada rata-rata akurasi dan precision sebesar 90.87% dan rata-rata recall sebesar 90.62%. Sementara itu RapidMiner lebih unggul dalam waktu eksekusi pelatihan dan validasi model dengan waktu rata-rata 1.01 detik dibanding 110.98 detik untuk TensorFlow. Kesimpulan dari penelitian ini memberikan wawasan yang berharga dalam memilih platform deep learning yang sesuai dengan kebutuhan spesifik dalam machine learning.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

xvi, 49 hlm. : ilus.

Bahasa

Indonesia

No Reg

3236/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. ALGORITMA - UJI EMPIRIK - METODE PEMBELAJARAN
2. ALGORITMA - UJI STATISTIK - RAPIDMINER , TENSORFLOW
3. ALGORITHM - EMPIRICAL TESTING - LEARNING METHODS

Pembimbing

1. Utomo Pujianto, S.kom, M.kom

Lampiran Berkas