PERBANDINGAN ALGORITMA KLASIFIKASI NAIVE BAYES DAN NEAREST NEIGHBOUR UNTUK MENENTUKAN KEPUTUSAN PEMILIHAN DATA PAKAIAN

SATMOKO, KURNIAWAN DWI (2018) PERBANDINGAN ALGORITMA KLASIFIKASI NAIVE BAYES DAN NEAREST NEIGHBOUR UNTUK MENENTUKAN KEPUTUSAN PEMILIHAN DATA PAKAIAN. S1 thesis, Universitas Mercu Buana Jakarta.

[img] Text (JURNAL MAHASISWA)
Jurnal 41515120155 Kurniawan.pdf
Restricted to Registered users only

Download (647kB)

Abstract

Salah satu yang menjadi trending masa kini yang berkembang saat ini adalah Pakaian. Pakaian merupakan salah satu hasil dari berkembangnya teknologi komunikasi dalam kehidupan sehari-sehari kita sering mengunakan pakaian untuk di gunakan dalam aktivitas, sebagai contoh yaitu baju, celana, kemeja. semua contoh tersebut termasuk dalam katogori data pakaian. dalam pengertian data mining dijelaskan 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. Beberapa teknik di dalam data mining adalah klasifikasi, clustering, asosiasi dan prediksi. Teknik klasifikasi digunakan untuk menemukan model untuk kepentingan tertentu. Sedangkan clustering merupakan teknik data mining untuk mengelompokkan data berdasarkan kemiripan. Tingkat akurasi pada masing masing teknik memiliki perbedaan dari setiap model yang dihasilkan. Tingkat akurasi yang baik terjadi jika mendekati angka 100% dengan arti bahwa model yang dihasilkan menunjukkan hasil yang tepat dalam pembangunan modelnya. Integrasi metode klasifikasi dan klustering dalam data mining diharapkan dapat meningkatkan akurasi yang didapat. Integrasi metode klasifikasi dan clustering dalam data mining dengan memanfaatkan data yang bervolume besar evaluasi model yang telah dilakukan. Terdapat perbedaan hasil antara integrasi metode klasifikasi dan clustering dalam data mining terhadap keakurasian, waktu pembentukan model, kehandalan model dan kinerja model yang telah dihasilkan. Kata kunci : K-Nearest Neighbour, Naive Bayesian, Simple K-Means, ,Klasifikasi

Item Type: Thesis (S1)
NIM: 41515120155
Uncontrolled Keywords: K-Nearest Neighbour, Naive Bayesian, Simple K-Means, ,Klasifikasi
Subjects: 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika
500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik
500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: Dede Muksin Lubis
Date Deposited: 08 Nov 2018 01:28
Last Modified: 08 Nov 2018 01:28
URI: http://repository.mercubuana.ac.id/id/eprint/45448

Actions (login required)

View Item View Item