IMPROVISASI ALGORITMA NAIVE BAYES DENGAN ADABOOST UNTUK DATASET ECOLI

Triyadi, Agung (2021) IMPROVISASI ALGORITMA NAIVE BAYES DENGAN ADABOOST UNTUK DATASET ECOLI. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf

Download (1MB)
[img] Text (BAB I)
BAB I.pdf

Download (260kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only

Download (959kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only

Download (456kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only

Download (493kB)
[img] Text (BAB V)
BAB V.pdf

Download (110kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only

Download (108kB)
[img] Other (SOURCE CODE)
SourceCode - 17.11.1065 - Agung Triyadi - Agung Triyadi.rar
Restricted to Repository staff only

Download (462kB)
[img] Text (PUBLIKASI)
Publikasi - 17.11.1065 - Agung Triyadi - Agung Triyadi.pdf
Restricted to Repository staff only

Download (1MB)

Abstract

Permasalahan klasifikasi yang sering dijumpai adalah rendahnya tingkat akurasi sebuah learning algorithms yang termasuk dalam weak classifiers adalah sebuah permasalahan serius dalam machine learning karena tingkat akurasi dari sebuah weak classifiers yang rendah, hal tersebut berdampak pada hasil yang kurang akurat sehingga diperlukan sebuah tambahan learning algorithms pada weak classifiers menjadi sebuah strong classifiers. Dalam penelitian ini akan dilakukan sebuah implementasi penggunaan learning algorithms yaitu Naïve Bayes classifier yang mana learning algorithms tersebut masih masuk kedalam weak classifiers, selanjutkan akan sandingkan dengan learning boosting algorithms yaitu Adaptive Boosting atau biasa disebut dengan AdaBoost. AdaBoost digunakan untuk meningkatkan nilai learning algorithms serta mampu beradaptasi dengan weak classifiers secara baik dan meningkatkan akurasi dari Naïve Bayes Classifier. Dari skenario tersebut diperoleh peningkatan nilai yang membuat AdaBoost cukup handal dalam meningkatkan sebuah nilai dari weak classifier, nilai yang diperoleh Naïve Bayes saja tidak di boosting pada dataset ecoli adalah Akurasi (train: 76,39%, test: 75,51%), Geometric Mean (train: 84,65%, test: 82,85%). Sedangkan untuk Naïve Bayes dengan AdaBoost pada dataset ecoli adalah Akurasi (train: 87,08%, test: 84,75%), Geometric Mean (train: 71,80%, test: 60,94%).

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Utama, Hastari
Uncontrolled Keywords: Boosting, Naïve Bayes Classifier, Adaptive Boosting, Weak Classifier, Strong Classifier, Learning Algorithms
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 22 Jun 2022 03:32
Last Modified: 22 Aug 2023 01:20
URI: http://eprints.amikom.ac.id/id/eprint/2130

Actions (login required)

View Item View Item