Analisis Kinerja Metode Hybrid Voting pada Klasifikasi Jumlah Kasus Demam Berdarah Dengue
MUHAMMAD ARIEF RAHMAN

Informasi Umum

Kode

23.04.1084

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining, Hybrid Materials,

Dilihat

464 kali

Informasi Lainnya

Abstraksi

<p>Studi ini mengusulkan penggunaan metode klasifikasi <em>hybrid</em> dalam algoritma pembelajaran mesin. algoritma <em>machine learning</em> adalah algoritma yang digunakan dalam proses <em>machine learning</em> berbasis data. untuk metode <em>hybrid</em> menggunakan metode <em>ensemble learning</em> yaitu metode <em>voting</em>. metode<em> voting</em> adalah algoritma kombinasi untuk memprediksi kelas. Penelitian ini bertujuan untuk meningkatkan hasil akurasi klasifikasi algoritma <em>machine learning</em> dalam proses klasifikasi untuk persebaran jumlah kasus DBD di Kota Bandung. Algoritma <em>machine learning </em>yang digunakan dalam penelitian ini adalah <em>Support Vector Machine</em> (SVM), <em>K-Nearest Neighbor</em> (KNN), dan <em>Decision Tree</em> (DT). Hasil yang diperoleh dari ketiga algoritma tersebut lebih unggul dengan KNN dengan akurasi 87%, SVM sebesar 84%, dan DT sebesar 79%. dengan menggunakan pendekatan metode <em>hard voting</em>, akurasi meningkat menjadi 91%. Model yang diusulkan dapat memperoleh hasil akurasi yang lebih baik dari ketiga algoritma pembelajaran mesin. Kontribusi dari penelitian ini adalah untuk memberikan informasi bahwa klasifikasi hybrid jumlah kasus DBD menggunakan pendekatan <em>voting</em> dapat meningkatkan akurasi model yang diusulkan.</p>

• CDG4K3 - DATA MINING

Koleksi & Sirkulasi

Seluruh (1) koleksi tidak tersedia

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook