REDUKSI ATRIBUT PADA DATASET KREDIT DENGAN ALGORITMA GENETIKA DAN KLASIFIKASI DENGAN METODE K-NN

KENT (2020) REDUKSI ATRIBUT PADA DATASET KREDIT DENGAN ALGORITMA GENETIKA DAN KLASIFIKASI DENGAN METODE K-NN. Masters (S-2) thesis, Universitas Mikroskil.

[thumbnail of BAGIAN AWAL.pdf] Text
BAGIAN AWAL.pdf

Download (7MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (2MB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf

Download (12MB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (8MB)
[thumbnail of BAGIAN AKHIR.pdf] Text
BAGIAN AKHIR.pdf

Download (803kB)

Abstract

Reduksi atribut ialah proses pengurangan ataupun penghilangan atribut untuk meningkatkan tingkat efisiensi pengambilan keputusan dan juga menjaga klasifikasi terhadap objek penelitian. Masalah utama dalam penelitian ialah analisis data yang kompleks dan penambangan dalam jumlah besar butuh waktu yang lama dan proses yang panjang, sehingga membuat analisis tersebut tidak praktis atau tidak layak. Jumlah atribut yang terlalu banyak juga dapat mengakibatkan proses penarikan kesimpulan yang terlalu panjang. Proses reduksi atribut digunakan untuk menentukan kombinasi atribut yang tepat dengan cara menajamkan, membuang yang kurang diperlukan, sehingga atribut yang dilibatkan adalah atribut- atribut dengan pengaruh paling tinggi saja, namun hasilnya tetap optimal. Pada penelitian ini metode yang digunakan untuk mereduksi atribut ialah algoritma genetika dan untuk tahap klasifikasinya menggunakan metode K-NN. Pengujian dilakukan terhadap dataset sekunder. Hasil yang diperoleh ialah setelah proses reduksi atribut dilakukan ialah tetap akan memberikan hasil akurasi yang mirip, ataupun jika ada pengurangan tidak akan terlalu berarti. Perbandingan sebelum dan sesudah pengurangan atribut membuktikan bahwa optimasi hasil tetap terjaga.

Item Type: Tugas Akhir / Tesis (Masters (S-2))
Subjects: Teknologi Informasi
Divisions: Fakultas Informatika > Program Studi S-2 Teknologi Informasi
Depositing User: Anwar Fauzi Ritonga
Date Deposited: 30 Jan 2023 08:21
Last Modified: 30 Jan 2023 08:21
URI: https://repository.mikroskil.ac.id/id/eprint/1003

Actions (login required)

View Item
View Item