Skripsi

Uji empirik perbandingan kinerja algoritma klasifikasi pasca reduksi dimensi berbasis principal component analysis / Farkhana Farda Zahrani

Abstrak
Ketersediaan data berdimensi tinggi yang semakin meningkat menuntut metode yang efisien untuk klasifikasi. Penelitian ini mengeksplorasi dampak reduksi dimensi menggunakan Principal Component Analysis (PCA) terhadap kinerja algoritma klasifikasi. Dua algoritma yaitu Naive Bayes dan Random Forest dianalisis sebelum dan sesudah penerapan PCA. Hasil menunjukkan bahwa PCA secara signifikan memengaruhi kinerja kedua algoritma dengan Naive Bayes menunjukkan stabilitas yang lebih tinggi dibandingkan Random Forest. Penelitian ini memberikan bukti empiris yang mendukung peran PCA dalam meningkatkan efisiensi komputasi sambil menyoroti dampaknya yang beragam terhadap akurasi algoritma.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2025.

Deskripsi Fisik

xi, 55 hlm. : ilus.

Bahasa

Indonesia

No Reg

0156/RS/25

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2025

Subjek

Pembimbing

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

Lampiran Berkas