Perbandingan Metode Klasifikasi Data Mining Untuk Rekomendasi Tanaman Pangan

Wibowo, Merlinda; Ramadhani, Rafian

doi:10.30865/mib.v5i3.3086

Cited by 4 publications

(4 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dataset yang digunakan dalam penelitian ini dapat dilihat pada Tabel 1. P(E) : Evidence: Probabilitas awal bukti E terjadi tanpa memandang hipotesis/bukti yang lain (Wibowo & Djafar, 2023).…”

Section: Data Selection (Memilih Data Yang Relevan Dengan Tugas Anali...unclassified

Prediksi Nilai Akhir Mahasiswa Dengan Metode Naïve Bayes

Brama Rizky Setia Dwinanda,

Azriel Noer Ilhami,

Hana Choerunisya

et al. 2024

JUSTINDO

View full text Add to dashboard Cite

Memprediksi prestasi belajar atau nilai akhir mahasiswa menjadi suatu hal yang sangat berguna karena dapat mencegah mahasiswa yang beresiko gagal dalam perkuliahan. Prediksi merupakan upaya untuk memperkirakan kemungkinan suatu kejadian, dan hasil dari prediksi tidak dapat dijamin akan terjadi secara pasti. Meskipun begitu kita bisa mengusahakan untuk mencari jawaban sedekat mungkin dengan apa yang akan terjadi. Penelitian ini bertujuan untuk memprediksi nilai akhir mahasiswa berdasarkan IPK yang didapat pada semester 2, karena nilai tersebut bisa digunakan sebagai penilaian awal untuk memperkirakan adanya peningkatan atau penurunan nilai yang akan didapat pada semester berikutnya. Output dari penelitian ini adalah rentang nilai yang disesuaikan dengan predikat kelulusan. Data yang digunakan dalam penelitian ini berjumlah 379 yang kemudian dibagi menjadi dua bagian, yaitu data training dengan jumlah 303 data dan data testing dengan jumlah 76 data. Penelitian ini menggunakan metode naïve bayes untuk menghitung probabilitas berdasarkan peristiwa yang telah terjadi sebelumnya. Keterbatasan dataset yang dimiliki, menyebabkan penyebaran data dalam penelitian ini tidaklah merata, sehingga memengaruhi hasil dari penelitian. Hasil penelitian menunjukkan tingkat akurasi dari model algoritma naïve bayes yang digunakan sebesar 78.95%.

show abstract

Section: Data Selection (Memilih Data Yang Relevan Dengan Tugas Anali...unclassified

Prediksi Nilai Akhir Mahasiswa Dengan Metode Naïve Bayes

Brama Rizky Setia Dwinanda,

Azriel Noer Ilhami,

Hana Choerunisya

et al. 2024

JUSTINDO

View full text Add to dashboard Cite

show abstract

“…Pada penelitian ini, ukuran kinerja kalasifikasi dilihat berdasarkan confussion matrix. Confussion matrix adalah alat yang berguna untuk menganalisis seberapa baik atau seberapa akurat metode klasifikasi dapat mengenali objek pengamatan dari kelas yang berbeda [17]…”

Section: Evaluasi Klasifikasiunclassified

Predictive Analysis Pendidikan Menggunakan Machine Learning di Sumatera Barat

Ul Hasanah,

Reftreka Nugraha

2023

JOSTECH

View full text Add to dashboard Cite

This study uses big data, namely the socio-economic 2019 data. The focus of this research is Education. Education is an important factor in life, but in West Sumatra using the socio-economic 2019 data it is still in the low category and far from the national average. In this study will predict the factors that influence education in West Sumatra with the data classification method. Methods for classifying large amounts of data have been developed, including Machine Learning. Machine Learning is a field of technology that is currently being widely used to create algorithms with large data (big data). The machine learning method used is Naive Bayes and Bagging. Furthermore, the two models were tested and showed that the Naive Bayes model gave the best performance compared to the Bagging model based on the values of accuracy, sensitivity and specificity. So the Naive Bayes model is the best machine learning model for predicting the factors that affect education, namely household members, gender and regional classification.

show abstract

“…Neuron adalah unit pemrosesan kecil yang saling berhubungan dan memiliki input dan output. Metode ini memungkinkan Anda untuk memodelkan hubungan yang kompleks antara input dan output, mengambil pola dari data, dan memecahkan masalah berdasarkan hasil informasi dari luar dan dalam jaringan neuron [9].…”

Section: ) Klasifikasi Model a Neural Networkunclassified

Klasifikasi Penyakit Kanker Payudara Menggunakan Perbandingan Algoritma Machine Learning

Muntiari

Hanif²

2022

IKOMTI

View full text Add to dashboard Cite

Salah satu penyakit yang sangat ditakuti adalah kanker payudara, kanker payudara termasuk penyakit yang mematikan pada Wanita. Kanker payudara dikelompokkan menjadi dua jenis, yaitu ganas dan jinak. Dalam pengelompokkan jenis ini dibutuhkan metode yang cepat agar dapat membantu dalam pengambilan keputusan. Machine learning adalah bagian dari bidang kecerdasan buatan yang berfokus pada penerapan algoritma dan metode khusus untuk prediksi, pengenalan pola, dan klasifikasi. Sehingga Machine learning dapat membantu dalam mengelompokkan jenis kanker payudara. Penelitian ini menggunakan 7 algoritma yaitu neural network, decision tree, naïve bayes, k-nearest neighbor, logistic regresion, random forest, dan support vector machines dalam mengelompokkan jenis kanker payudara. Dengan pengolahan data menggunakan aplikasi RapidMiner didapat bahwa nilai akurasi dari algoritma logistic regresion, decision tree, naïve bayes dan k-nearest neighbor memiliki nilai akurasi yang sama tinggi yaitu sebesar 95,00%. Sehingga algoritma logistic regresion, decision tree, naïve bayes dan k-nearest neighbor mempercepat pengambilan keputusan dalam memprediksi dalam klasifikasi penentuan jenis kanker payudara.

show abstract

Perbandingan Metode Klasifikasi Data Mining Untuk Rekomendasi Tanaman Pangan

Cited by 4 publications

References 14 publications

Prediksi Nilai Akhir Mahasiswa Dengan Metode Naïve Bayes

Prediksi Nilai Akhir Mahasiswa Dengan Metode Naïve Bayes

Predictive Analysis Pendidikan Menggunakan Machine Learning di Sumatera Barat

Klasifikasi Penyakit Kanker Payudara Menggunakan Perbandingan Algoritma Machine Learning

Contact Info

Product

Resources

About