Bibliografi

Pengarang

Dewi Sartika;

Barcode

Judul English

The Comparison of Naive Bayes, Nearest Neighbour, and Decision Tree Algorithm on The Decision of Choosing Clothing Pattern Case

Tim penguji 3

No. Induk

Tim Penguji 6

Keterangan

Tim penguji 4

Timpenguji 2

Tim Penguji 7

Kata Kunci

data mining, klasifikasi, supervised learning, naive bayes, nearest neighbour, decision tree, J48

Tim Penguji 5

Pembimbing 3

Pembimbing 2

Tahun buku

2015

Barcode RFID baru

11654464

Tahun Angkatan

2013

Progam Studi

MIK (Magister Ilmu Komputer)

Tim penguji 1

Lokasi

FASILKOM-UI;

Tanggal Datang

05/08/2015

Lulus semester MTI

Abstrak Indonesia

ABSTRAK Nama : Dewi Sartika Program Studi : Magister Ilmu Komputer Judul Tesis : Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree Pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian Data mining adalah suatu proses analisis terhadap sekumpulan data yang ada di dalam basis data sehingga diperoleh informasi yang akan digunakan untuk tahap selanjutnya. Salah satu teknik data mining yang umum digunakan yaitu teknik klasifikasi. Klasifikasi adalah suatu teknik pembentukan model dari data yang belum terklasifikasi, untuk digunakan mengklasifikasi data baru. Klasifikasi termasuk ke dalam tipe supervised learning, artinya dibutuhkan data pelatihan untuk membangun suatu model klasifikasinya. terdapat 5 kategori klasifikasi yaitu berbasis statistik, berbasis jarak, berbasis pohon keputusan, berbasis jaringan syaraf, dan berbasis aturan. Tiap kategori klasifikasi memiliki banyak pilihan algoritma, beberapa algoritma yang sering digunakan adalah algoritma naive bayes, nearest neighbour, dan decision tree. Pada penelitian ini akan dilakukan perbandingan dari ketiga algoritma tersebut pada studi kasus pengambilan keputusan pemilihan pola pakaian. Hasil perbandingan menunjukkan bahwa metode decision tree memiliki tingkat akurasi tertinggi dibandingkan algoritma naive bayes dan nearest neighbour yaitu mencapai 75.6%. Algoritma decision tree yang digunakan ialah algoritma J48 dengan pruned yang menghasilkan model decision tree dengan daun sebanyak 166 dan pohon keputusan yang besarnya 255. Kata kunci : data mining, klasifikasi, supervised learning, naive bayes, nearest neighbour, decision tree, J48

Judul

Perbandingan algoritma klasifikasi naive bayes nearest neighbour dan decision tree pada studi kasus pengambilan keputusan pemilihan pola pakaian

Tgl Pemasukan

NPM

1306430353

Abstrak English

ABSTRACT Name : Dewi Sartika Studi Program : Master's program in Computer Science Title : The Comparison of Naive Bayes, Nearest Neighbour, and Decision Tree Algorithm on The Decision of Choosing Clothing Pattern Case Data mining is a process of analysis of a set of data that existed in database so that the information that is used to the next phase could be obtained. One of data mining technique commonly used was classification technique. Classification was a modeling of data technique that had not been classified, to be used to classify new data. Classification was included to the type of supervised learning, meaning that the training data to build a model of classification were needed. There were five classification categories, they were statistically- based, distance- based, decision tree- based, neural network- based, and rule- based. Each category had a lot of algorithm choices, some commonly used algorithms were Naive bayes, nearest neighbor, and decision tree. This research carried out a comparison of the three algorithms on case study of choosing clothing pattern decision. The comparison showed that the decision tree method had the highest degree of accuracy among the other two, reaching 75.6%. Decision tree algorithm used was J48 with pruned that generated a decision tree model with 166 leaves and 255 decision trees. Key Words: data mining, classification, supervised learning, naive bayes, nearest neighbour, decision tree, J48

Subjek

Penguji 2

Harry Budi Santoso

Penguji 3

Dina Chahyati

Penguji 4

Pembimbing 1

Dana Indra Sensuse

Fisik

xiii, 95 hlm. : ill. ; 30 cm.

Bahasa

ind

Lulus Semester

Genap 2014

Penerbitan

Depok: Fasilkom UI, 2015

No. Panggil

T-1130 (Softcopy T-839)

Penguji 1

Iik Wilarsi