Handayani, Putri Kurnia (2020) PENERAPAN PRINCIPAL COMPONENT ANALYSIS UNTUK PENINGKATAN KINERJA ALGORITMA DECISION TREE PADA IRIS DATASET. Indonesian Journal of Technology, Informatics and Science, 1 (2). pp. 55-58. ISSN 2721-4303
![]() ![]() Preview |
Image (Cover)
Cover.png - Published Version Download (368kB) | Preview |
![]() ![]() Preview |
Image (Daftar Isi)
Daftar Isi.png - Published Version Download (122kB) | Preview |
Abstrak
Data mining merupakan salah bidang ilmu yang bermanfaat untuk pengenalan pola/knowledge yang tersimpan dalam database. Klasifikasi merupakan salah satu peran dalam bidang data mining. Termasuk ke dalam supervised learning, klasifikasi digunakan untuk memprediksi objek yang belum memiliki kelas/label. Penggunaan algoritma decision tree untuk proses mining dataset bunga iris dikarenakan kemudahan dalam representasi knowledge yang dihasilkan. Selain itu, decision tree juga termasuk ke dalam eager learner sehingga akurasi dari knowledge yang dihasilkan lebih baik. Penggunaan principal component analysis (PCA) dalam optimasi algoritma decision tree, dilakukan saat preprocessing dataset. PCA berfungsi untuk mereduksi dimensi, fitur yang saling berkorelasi akan dipertahankan. Penggunaan dataset publik bunga iris diambil dari UCI Repository. Berdasarkan hasil perhitungan, akurasi algoritma decision tree setelah dilakukan optimasi dengan PCA terhadap dataset bunga iris sebesar 95.33%.
Item Type: | Article |
---|---|
Kata Kunci: | data mining, klasifikasi, decision tree, PCA |
Subjects: | Ilmu Murni > Matematika > Komputer elektronik. Ilmu komputer |
Program Studi: | Fakultas Teknik > S1 Sistem Informasi |
Depositing User: | Mrs Putri Kurnia Handayani |
Date Deposited: | 04 Jan 2023 20:50 |
Last Modified: | 04 Jan 2023 20:50 |
URI: | http://eprints.umk.ac.id/id/eprint/17962 |
Actions (login required)
![]() |
View Item |