ABSTRAKSI: Dewasa ini Data Mining banyak dipakai dalam berbagai bidang. Tentu saja keberadaannya sangat membantu pekerjaan manusia. Salah satu fungsionalitas yang sering dipakai pada Data mining adalah klasifikasi. Jaringan Syaraf Tiruan (JST), merupakan salah satu teknik klasifikasi yang cukup handal. Kemampuannya memprediksi adalah kelebihan utama JST yang menjadi alasan mengapa JST selalu dikembangkan. JST mampu mengingat, menghitung, menggeneralisasi, dan mampu beradaptasi. Pada Tugas Akhir ini dikembangkan teknik klasifikasi menggunakan JST yang digabung dengan feature selection.
Sebelum memasuki tahap klasifikasi, proses yang dilakukan adalah feature selection. Feature selection merupakan tahap preprocessing yang bertujuan untuk mencari atribut yang relevan terhadap label kelas. Dengan kata lain feature selection dapat dikatakan sebagai teknik mereduksi dimensi sebagai usaha untuk meningkatkan performansi dari sebuah classifier. Setelah dilakukan preprocessing data, baru kemudian dilalukan tahap klasifikasi menggunakan JST. Untuk membuat suatu sistem klasifikasi, JST sebagai sebuah classifier melakukan pembelajaran (training) agar dapat membuat suatu pemodelan klasifikasi. Hasil pemodelan yang telah dibuat kemudian diuji (testing) untuk diketahui performansinya.
Hasil dari pengujian menunjukan bahwa classififer JST yang digabung dengan feature selection dapat menghasilkan akurasi sebesar 96%.Kata Kunci : Discretization, Feature Selection, Information Gain, Jaringan SyarafABSTRACT: Nowadays, Data Mining is almost used in any fields and Data Mining is useful for human to help their activities. One of the functionalities that almost used on Data Mining is classification. Artificial Neural Network (ANN) is one of powerfull classification techniques. Prediction is one of superiority of ANN. ANN has capability such as memorizable, countable, generalizable, and adaptable. On this final project, classificication technique of ANN is combined with Feature selection.
Feature selection is done before entering classification phase. Feature selection is preprocessing phase for finding informative attribute. In other word, feature selection can be called as technique of dimension reduction to increase performance of classifier. After preprocessing, ANN is used for classification. To create classification system, ANN as a classifier have to learn in order to make a classification model. Then ANN is tested to know its performance.
The result of research is ANN that combine with feature selection can produce 96% accuracy.Keyword: Discretization, Feature selection, Information gain, Artificial Neural