PENINGKATAN KETEPATAN KLASIFIKASI DENGAN METODE BOOTSTRAP AGGREGATING

Kategori PenelitianPenelitian Internal
BidangMIPA
Tgl Posting2017-03-07 11:05:45.673
JudulPENINGKATAN KETEPATAN KLASIFIKASI DENGAN METODE BOOTSTRAP AGGREGATING
AbstrakCART (Classification and Regression Tree) dan Regresi Logistik Biner merupakan salah satu metode klasifikasi yang populer digunakan di berbagai bidang. Metode tersebut dinilai mampu menghadapi berbagai kondisi data. Guna memperbaiki prediksi dari pohon klasifikasi CART dan Regresi Logistik Biner, dikembangkan metode ensemble yang mengkombinasikan banyak pohon klasifikasi untuk menentukan prediksi klasifikasi. Salah satu metode ensemble yang terlebih dahulu populer adalah Bagging (bootstrap aggregating). Penelitian ini bertujuan untuk meningkatkan kestabilan dan akurasi prediktif CART dan Regresi Logistik Biner maka diterapkan tehnik Bootstrap Aggregating (Bagging). Sedangkan kasus yang digunakan dalam penelitian ini adalah klasifikasi ketidaktepatan waktu kelulusan mahasiswa STIKOM Bali. Hasil yang diharapkan dalam penelitian ini adalah ketepatan klasifikasi dan kecepatan akurasi klasifikasi pada kedua metode tersebut.
AuthorsI KETUT PUTU SUNIANTARA, S.Si., M.Si (ketua)
Tgl Mulai2017-04-21 15:11:00.000
Tgl Selesai2017-02-28 16:19:00.000
Biaya7500000
SponsorSTMIK STIKOM Bali
Periode1