Skripsi

Uji empirik perbandingan akurasi algoritma k-neighbor, random forest, dan decision tree pada permaslahan multikelas / Intan Novela Ernas

Abstrak
Ernas Intan N. 2024. Uji Empirik Perbandingan Akurasi Algoritma K-Nearest Neighbor Random Forests Dan Decision Tree Pada Permasalahan Klasifikasi Multikelas. Skripsi Departemen Teknik Elektro dan Informatika Fakultas Teknik Universitas Negeri Malang. Pembimbing Prof. Aji Prasetya Wibawa S.T. M.M.T. Ph.D. Kata Kunci klasifikasi Multi-kelas K-Nearest Neighbor(KNN) Random Forest Decision Tree akurasi Penggunaan Machine Learning dan Data Mining sebagai alat utama dalam pengolahan dan analisis data dalam menemukan pola dan membuat keputusan berbasis data. penggunaan tersebut juga banyak dibutuhkan pada analisis sentimen diagnosis medis dan klasifikasi data numerik. dalam pengolahan dan analisis data tidak semua data memiliki klasifikasi kelas yang sama. klasifikasi Multi-kelas merupakan salah satu jenis klasifikasi multi-kelas di mana dataset memiliki lebih dari dua label kelas. banyak algoritma yang sering digunakan untuk menangani masalah klasifikasi ini seperti pada penelitian ini dimana Tujuan dari penelitian ini ialah menilai dan membandingkan hasil analisis data berupa akurasi dari algoritma K-Nearest Neighbor (KNN) Random Forest dan Decision Tree dalam permasalahan klasifikasi Multi-kelas. Hasil dari penelitian ini menunjukkan bahwa algoritma Random Forest memiliki akurasi yang lebih baik dibandingkan K-Nearest Neighbor (KNN) dan Decision Tree. dimana Pada data testing Random Forest mencatat rata-rata akurasi sebesar 73 22% sementara K-Nearest Neighbor(KNN) dan Decision Tree masing-masing menunjukkan akurasi sebesar 59 34% dan 70 67%. dan hasil dari uji-berpasangan yaitu Uji statistik Wilcoxon menggunakan SPSS menunjukan perbedaan yang signifikan hal ini menekankan bahwa keunggulan hasil akurasi dari Random Forest dalam klasifikasi Multi-kelas yang kompleks dibandingkan dengan K-Nearest Neighbor (KNN) dan Decision Tree.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

xv, 48 lembar : ilus.

Bahasa

Indonesia

No Reg

5158/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

1. ALGORITMA - UJI EMPIRIK
2. ALGORITMA - KLASIFIKASI MULTI KELAS
3. ALGORITHM - EMPIRICAL TESTING

Pembimbing

1.

Lampiran Berkas