PENERAPAN PRINCIPAL COMPONENT ANALYSIS UNTUK SELEKSI ATRIBUT DALAM KLASIFIKASI JAMUR MENGGUNAKAN K-NEAREST NEIGHBOR | Perpustakaan Universitas Nurul Jadid Paiton-Probolinggo

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Electronic Resource

PENERAPAN PRINCIPAL COMPONENT ANALYSIS UNTUK SELEKSI ATRIBUT DALAM KLASIFIKASI JAMUR MENGGUNAKAN K-NEAREST NEIGHBOR

USWATUN HASANAH - Nama Orang;

Jamur merupakan salah satu tumbuhan yang banyak dikonsumsi oleh masyarakat, dari sekian banyak jamur yang tumbuh tidak semua jamur dapat dikonsumsi. Salah satu cara untuk membedakan antara jamur pangan dan jamur beracun adalah dengan menggunakan teknik klasifikasi. Teknik klasifikasi yang akan digunakan dalam penelitian ini adalah K-Nearest Neighbor (KNN), di mana data yang digunakan pada penelitian ini diperoleh dari UCI Machine Learning Repository sebanyak 8124 data dengan 22 atribut. Melihat atribut dalam dataset yang digunakan sangat banyak, tentunya hal tersebut dapat mempengaruhi kinerja KNN dalam melakukan klasifikasi, mengingat salah satu kelemahan KNN adalah rentan terhadap data dengan dimensionalitas yang tinggi.Dengan demikian penulis mengusulkan untuk melakukan seleksi atribut terlebih dahulu terhadap data yang digunakan sehingga dihasilkan atribut yang lebih sedikit untuk kemudian diklasifikasikan menggunakan algoritma KNN.Metode yang digunakan untuk melakukan seleksi atribut terhadap data jamur yang digunakan adalah algoritma Principal Component Analysis (PCA).Di mana pada penelitian ini dilakukan perbandingan klasifikasi data jamur yang hanya menggunakan KNN Konvensional dengan klasifikasi jamur menggunakan KNN yang atributnya telah diseleksi menggunakan algoritma PCA.Berdasarkan hasil pengujian menggunakan metode yang diusulkan, metode PCA dapat menyederhanakan atribut yang awalnya 21 menjadi 6 atribut saja. Di mana hasil akurasi klasifikasi paling optimal yang diperoleh dari K=3 mencapai 100% pada KNN Konvensional dengan 21 atribut dan KNN+PCA dengan 6 atribut saja.

Ketersediaan

S00161 011.75 HAS p My Library Tersedia

Informasi Detail

Judul Seri: -
No. Panggil: 011.75 HAS p
Penerbit: PAITON PROBOLINGGO : UNUJA., 2021
Deskripsi Fisik: 79 halaman
Bahasa: Indonesia
ISBN/ISSN: 17010080
Klasifikasi: NONE
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: -
Info Detail Spesifik: Principal Component Analysis, Seleksi Fitur, Klasifikasi, Jamur, K-Nearest Neighbor
Pernyataan Tanggungjawab: -

Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas

Harap masuk untuk melihat lampiran

Komentar

Anda harus masuk sebelum memberikan komentar