Electronic Theses and Dissertation
Universitas Syiah Kuala
SKRIPSI
FEATURE SELECTION DENGAN ALGORITMA RELIEF UNTUK KLASIFIKASI DATA TUMBUHAN BUAH
Pengarang
Martina Navatilova - Personal Name;
Dosen Pembimbing
Nomor Pokok Mahasiswa
0608101010025
Fakultas & Prodi
Fakultas KIP / Pendidikan Matematika (S1) / PDDIKTI : 84202
Subject
Penerbit
Banda Aceh : Fakultas Matematika dan Ilmu Pengetahuan Alam., 2010
Bahasa
Indonesia
No Classification
518.1
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Suatu objek perlu diketahui fitur-fiturnya agar dapat dikenali dan dibedakan dari objek yang lain. Fitur-fitur optimal yang dapat diketahui dari suatu objek akan mempermudah dan mempercepat proses identifikasi objek tersebut. Oleb karena itu perlu dilakukan seleksi fitur (feature selection). Feature selection adalah suatu metode penganalisaan data yang bertujuan untuk memilih fitur yang berpengaruh (fitur optimal) dan mengesampingkan fitur yang tidak berpengaruh. Ada beberapa algoritma feature selection yang dapat digunakan, salah satunya adalah Relief Relief memanfaatkan teknik bobot (weight) untuk mengukur signifikansi fitur dalam konteks klasifikasi dan fitur yang memiliki nilai bobot di atas ambang batas (threshold) yang digunakan akan dipilih. Penelitian ini bertujuan untuk mendapatkan fitur optimal dari data tumbuhan buah di Kabupaten Aceb Tengab dan Bener Meriah. Hasil pengolahan data menunjukkan bahwa untuk setiap data yang diuji hanya menghasilkan satu fitur optimal dengan nilai threshold yang berbeda, Hubungan yang terjadi antara jumlah data dan threshold terhadap fitur optimal adalab berbanding terbalik.
Kata kunci : feature selection, algoritma relief, threshold, weight dan fitur optimal
Tidak Tersedia Deskripsi
ANALISIS SENTIMEN PADA REVIEW HOTEL DENGAN TEKS BAHASA INDONESIA MENGGUNAKAN MACHINE LEARNING (NURHAFNITA, 2023)
PERBANDINGAN AKURASI HASIL KLASIFIKASI GAMBAR BERWARNA MENGGUNAKAN METODERNK-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM) (Laina Farsiah, 2021)
PENERAPAN FEATURE SELECTION UNTUK PEMODELAN RANDOM FOREST PADA DATA RAWAN PANGAN DI PROVINSI ACEH TAHUN 2022 (Selvia Katiara, 2025)
PENGGUNAAN METODE SUPPORT VECTOR MACHINE (SVM) DALAM PENGKLASIFIKASIAN DATA STATUS GIZI (Ervina Yunita, 2022)
ANALISIS DATA SINYAL ELECTROENCEPHALOGRAPHY MANUSIA MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) (TOBIYAS JANITRA, 2021)