Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number T-1073 (SOFTCOPY SK-782) SOURCE CODE T-211
Collection Type Tesis
Title Pemodelan dan prediksi pola penggunaan penerangan Rumah Cerdas menggunakan algoritma very fast decision tree
Author Ida Bagus Putu Paeradnya Dinata;
Publisher Depok: Fakultas Ilmu Komputer UI, 2014
Subject
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
T-1073 (SOFTCOPY SK-782) SOURCE CODE T-211 TERSEDIA
Tidak ada review pada koleksi ini: 42003
ABSTRAK Nama : Ida Bagus Putu Peradnya Dinata Program Studi : Magister Ilmu Komputer Judul : Pemodelan dan Prediksi Pola Penggunaan Penerangan Rumah Cerdas Menggunakan Algoritma Very Fast Decision Tree Pengenalan pola dan prediksi penggunaan penerangan rumah cerdas adalah salah satu topik yang menarik untuk dibahas, karena implementasinya sangat populer di dalam industri. Saat ini, metode pengenalan pola dan prediksi penggunaan penerangan rumah cerdas yang populer digunakan adalah pendekatan berbasis aturan ataupun pendekatan pembelajaran mesin seperti naïve bayes, ANN, dan reinforcement learning. Metode berbasis decision tree diyakini memiliki keunggulan terhadap kasus rumah cerdas, tetapi penelitian mengenai metode ini untuk kasus rumah cerdas masih sangat minim. VFDT sebagai salah satu metode berbasis decision tree, terbukti mampu mengungguli akurasi dan MCC dari metode yang diajukan oleh peneliti lain, baik dilingkungan online ataupun offline. Selain itu dari kedua improvisasi yang diajukan pada penelitian ini (improvisasi I menggunakan KDE dan improved laplace correction, dan improvisasi II menggunakan gain ratio), didapat bahwa: improvisasi I mampu meningkatkan akurasi (21:0) dan MCC (19:0) dibandingkan VFDT; improvisasi II tidak lebih cepat dari VFDT baik dari akurasi (2:8) maupun MCC (4:8), tetapi penggunaanya yang salah dapat dicegah dengan menghitung ranking splitting criterion dari setiap fitur dan membandingkan kecocokannya terhadap letak sensor; yang terakhir adalah gabungan dari improvisasi I & II dapat memperbaiki akurasi (9:1) dan MCC (7:1) dibandingkan dengan VFDT dengan hanya improvisasi II. Kata kunci: VFDT, penerangan rumah, pembelajaran mesin, prediksi, pemodelan, rumah cerdas