Triyadi, Agung (2021) IMPROVISASI ALGORITMA NAIVE BAYES DENGAN ADABOOST UNTUK DATASET ECOLI. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (260kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (959kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (456kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (493kB) |
|
Text (BAB V)
BAB V.pdf Download (110kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (108kB) |
|
Other (SOURCE CODE)
SourceCode - 17.11.1065 - Agung Triyadi - Agung Triyadi.rar Restricted to Repository staff only Download (462kB) |
|
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: |
|
||
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 |