Reduksi Data Latih pada K-Support Vector Nearest Neighbor Menggunakan Entropy

Prasetyo, Eko and Adityo, R Dimas and Suciati, Nanik and Fatichah, Chastine (2018) Reduksi Data Latih pada K-Support Vector Nearest Neighbor Menggunakan Entropy. Seminar Nasional Aplikasi Teknologi Informasi (SNATi) 2018. B-1-B-6. ISSN ISSN: 1907 – 5022

	Text Bagian depan SNATI 2018.pdf Download (2MB)
	Text snati (cek plagiasi).pdf Download (1MB)
	Text 2018-SNATI-Reduksi Data Latih.pdf Download (492kB)

Abstract

Pemilihan sebagian data latih atau reduksi data latih yang mempunyai pengaruh pada garis keputusan klasifikasi penting dilakukan. Tujuannya untuk mengurangi beban sistem pada tahap pelatihan. Sebagai metode reduksi data, K-Support Vector Nearest Neighbour (K-SVNN) mendapatkan hasil berdasarkan ketinggian nilai Significant Degree (SD) masing�masing data. Nilai SD dihitung menggunakan variabel LVRV (Left Value dan Right Value). Sayangnya, LVRV hanya dapat digunakan pada kasus klasifikasi biner. Penelitian ini melakukan uji coba penggunaan Entropy untuk menghitung SD. Secara konseptual, Entropy memberikan nilai kemurnian distribusi kelas data sehingga dimungkinkan penggunaan Entropy untuk menghitung SD pada kasus multi kelas. Pada makalah ini, disajikan analisis perbandingan perilaku nilai SD antara menggunakan LVRV dan Entropy. Hasil reduksi data menggunakan threshold (T) > 0, didapatkan akurasi yang sama pada kedua metode, sedangkan klasifikasi dengan reduksi data latih memberikan nilai akurasi lebih tinggi daripada tanpa reduksi. Hal ini membuktikan bahwa entropy dapat digunakan untuk menggantikan LVRV untuk menghitung SD.

Item Type:	Article
Uncontrolled Keywords:	Reduksi data, entropy, left value right value, Nearest Neighbor, jenis pohon mangga
Subjects:	Technology
Divisions:	Faculty of Engineering
Depositing User:	Perpus Ubhara Surabaya
Date Deposited:	27 Jun 2024 04:05
Last Modified:	27 Jun 2024 04:05
URI:	http://eprints.ubhara.ac.id/id/eprint/2565

Actions (login required)

View Item