Skripsi

Uji empirik optimasi hyperparameter berbasis grid versus optimasi hyperparameter berbasis evolutionary pada klasifikasi menggunakan neural network / Jhovan Yuda Prasetya

Abstrak
Dalam perkembangan dunia teknologi saat ini sangat diperlukan Analisa terhadap data yang cepat dan akurat. Dalam penggunaannya teknologi data mining menjadi salah satu yang sering digunakan oleh ahli untuk menemukan pola yang mutakhir maupun informasi yang berharga. Dalam pengujian kali ini akan menggunakan optimasi hyperparameter dengan menggunakan klasifikasi algoritma neural network. Dalam pengujian ini akan menentukan bagaimana perbedaan serta hasil dari uji dari optimasi hyperparameter pada klasifikasi neural network. Metode pertama dengan pengumpulan data yang terdapat pada Kaggle maupun UCI Machine learning Repository dan terkumpul sebanyak 173 dataset. Kemudian melakukan pengolahan data dengan memilah serta membuat proses untuk pemodelan dengan menggunakan aplikasi rapidminer. Melakukan pemodelan data untuk optimasi hyperparameter berbasis grid maupun optimasi hyperparameter berbasis evolutionary. Kemudian melakukan uji normalitas serta melakukan uji statistik dengan menggunakan wilcoxon signed rank test dan menghasilkan perbedaan yang signifikan antara optimasi hyperparameter berbasis grid dengan optimasi hyperparameter berbasis evolutionary. Dalam penelitian ini juga melakukan penghitungan rata-rata pada optimasi hyperparameter yang memiliki tingkat akurasi yang lebih baik yang mana akurasi tersebut dimiliki oleh optimasi hyperparameter berbasis grid.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

xiv, 44 Lembar. : ilus.

Bahasa

Indonesia

No Reg

4021/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

Dataset, Uji Empirik, Optimasi Hyperparameter, Neural Network, Uji Normalitas, Uji Statistik

Pembimbing

1. Aji Prasetya Wibawa, S.t., M.mt., Ph.d

Lampiran Berkas