An optimized approach to generate simplified decision trees

Hussain, Mohammed Ali; Rao, M. Kameswara; Mahmood, Ali Mirza

doi:10.1109/iccic.2013.6724191

Cited by 2 publications

(3 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Salah satu teknik data mining yang cukup populer adalah C4.5 (Hussain et al 2013). Jantan et al (2011) membandingkan algoritma C4.5 dengan beberapa algoritma lainnya dan hasilnya menunjukkan bahwa algoritma C4.5 cukup potensial digunakan di dalam bidang manajemen SDM.…”

Section: Pendahuluanunclassified

“…Beberapa pengembangan berfokus pada pra pemrosesan yang dilakukan terhadap data sebelum diklasifikasi dengan algoritma C4.5. Hussain et al (2013) mengembangkan algoritma C4.5 dengan cara melakukan pengurangan dimensi pada data yang akan diklasifikasi. Pengurangan data dilakukan dengan algoritma PCA.…”

Section: Pendahuluanunclassified

“…Diskritisasi pada atribut kontinu sebelum dilakukan klasifikasi (diskritisasi global) akan dapat meningkatkan efisiensi proses klasifikasi bahkan dapat meningkatkan akurasi (Kareem dan Duaimi 2014). Hussain et al (2013) dalam penelitiannya menggunakan diskritisasi lokal C4.5 sehingga pendekatan yang dilakukannya masih berpotensi untuk ditingkatkan lagi.…”

Section: Pendahuluanunclassified

See 2 more Smart Citations

Penentuan Rekomendasi Pelatihan Pengembangan Diri Bagi Pegawai Negeri Sipil Menggunakan Algoritma C4.5 Dengan Principal Component Analysis Dan Diskritisasi

Rahmawan

2020

JTK

View full text Add to dashboard Cite

Setiap institusi memiliki kebutuhan untuk terus meningkatkan pelayanan dan melakukan inovasi yang perlu mendapatkan dukungan dari SDM yang berkualitas. Pelatihan menjadi salah satu cara untuk mewujudkan SDM yang berkualitas. Namun terkadang penentuan pelatihan yang sesuai untuk seorang pegawai tidak mudah dan berpeluang menimbulkan ketidakkonsistenan. Masalah tersebut dapat diatasi dengan melakukan data mining terhadap data pemetaan pegawai sehingga didapatkan aturan untuk penentuan rekomendasi pelatihan pengembangan diri. Data pemetaan terdiri dari nilai aspek psikologis pegawai dan rekomendasi pelatihan yang diberikan oleh assessor.Pada penelitian ini digunakan tiga metode, yaitu algoritma C4.5, kombinasi PCA, dan C4.5, serta kombinasi PCA, diskritisasi, dan C4.5 untuk melakukan penambangan pada data. Diskritisasi yang digunakan adalah diskritisasi berbasis entropi. Pada tahap pra-pemrosesan digunakan teknik over-sampling SMOTE untuk menangani 4 data pelatihan yang mengalami ketidakseimbangan kelas. Pada penerapan kombinasi algoritma PCA, diskritisasi, dan C4.5 dilakukan reduksi dimensi dengan menggunakan algoritma PCA. Data hasil reduksi didiskritisasi kemudian diklasifikasi dengan algoritma C4.5.Hasil pengujian menunjukkan bahwa kombinasi PCA, diskritisasi, dan C4.5 memberikan performa yang lebih baik daripada kedua metode yang lain. Seluruh pelatihan menunjukan performa terbaik ketika diproses dengan metode ini. Penentuan rekomendasi pelatihan pengembangan diri bagi pegawai dapat dilakukan dengan metode ini dengan rerata akurasi 86,6%.

show abstract

Section: Pendahuluanunclassified