ANALISIS PENGGUNAAN C&amp;RT SEBAGAI<br /> BINARY RECURSIVE PARTITIONING PADA DECISION TREE<br /> UTILIZATION ANALYSIS OF C&amp;RT<br /> AS BINARY RECURSIVE PARTITIONING ON DECISION TREE
BHAKTI DHARMASTUTI

Informasi Umum

Kode

113058005

Klasifikasi

000 - Generalistics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Other

Dilihat

328 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Perkembangan dunia industri dan informasi secara tidak langsung<br /> menyebabkan semakin banyaknya data yang telah dikumpulkan. Data tersebut<br /> sebenarnya masih bisa dimanfaatkan. Salah satu cara untuk mengekstrak pola<br /> yang penting atau menarik dari sejumlah data yang sangat besar untuk<br /> menghasilkan informasi yang lebih berguna adalah dengan menggunakan data<br /> mining.<br /> Salah satu metoda pada data mining adalah classification yaitu proses<br /> untuk menemukan model atau fungsi yang menjelaskan atau membedakan konsep<br /> atau kelas data, dengan tujuan untuk memperkirakan kelas dari suatu objek yang<br /> labelnya tidak diketahui<br /> Pada Tugas Akhir ini membahas salah satu algoritma pada decision tree<br /> yaitu Classification &amp; Regresion Tree (C&amp;RT atau CART) dan kemudian<br /> menganalisa performansinya. Algoritma C&amp;RT memiliki karakteristik khusus<br /> yaitu selalu melakukan splitting terhadap parent node menjadi dua buah child<br /> node. Pengimplementasiannya dibantu dengan tools Clementine dan akan<br /> dibangun juga interface yang terintegrasi dengan tools Clementine, sehingga user<br /> mudah untuk melakukan dan melihat hasil klasifikasi.<br /> Dari pengujian penggunaan algoritma C&amp;RT yang telah dilakukan,<br /> didapatkan bahwa tingkat keakurasian sangat ditentukan oleh pemilihan data yang<br /> digunakan pada saat training dimana nantinya akan sangat menentukan rule untuk<br /> testing.Kata Kunci : Data mining, Classification, Clementine, decision tree, C&RT, CART.ABSTRACT: Industry and information development undirectly causing big amount of data<br /> has been collect. Actually, those data still useful for us. One way to extract<br /> important or interesting pattern from big amount of data to find more useful<br /> information is by using data mining.<br /> One of technique in data mining is classification which is a process to find a<br /> model or function which explain a concept or class data in order to predict class<br /> from unlabel object .<br /> In this final project we discuss about Classification &amp; Regresion Tree (C&amp;RT<br /> or CART), one algorithm of decision tree method and analyze it&rsquo;s performance of<br /> accuracy. C&amp;RT algorithm has special characteristic like always splitting one<br /> parent node into two child node. The implementation using Clementine tools and<br /> later we develop some interface that integrate with Clementine tools, hopefully<br /> can help user to make and discover the classification result.<br /> Testing result showed that applying decision tree method with C&amp;RT<br /> algorithm has an accuration of the tree truth value are which depend on training<br /> data that used to build the tree and it decide the rule on testing process.Keyword: Data mining, Classification, Clementine, decision tree, C&RT, CART

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook