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