IMPLEMENTASI ALGORITMA ADAPTIVE BOOSTING NA

---

Abstrak
Dataset imbalanced kondisi jumlah suatu kelas lebih banyak (mayoritas)
dari kelas lainnya (minoritas). Kondisi dataset imbalanced pada kelas minoritas
dianggap sebagai dataset pengganggu, dibutuhkan keadaan kuat pada kelas
minoritas untuk diakui. Dari permasalahan di latar belakang kami melakukan
penelitian untuk mengatasi dataset imbalanced. Pada penelitian ini digunakan
dataset Breast Cancer dan penambahan algoritma Adaptive Boosting terhadap
klasifikasi dasar Naïve Bayes, untuk mengetahui kinerja klasifikasi. Dalam
penerapan metode Adaptive Boosting Naïve Bayes ditentukan pembagian data latih
dan data uji menggunakan KFold=10 dan penggunaan 3 model bag untuk
menyesuaikan data yang terklasifikasi salah, dengan setiap bag memiliki
pembelajaran data yang berbeda. Hasil pengujian klasifikasi dengan algoritma
Adaptive Boosting Naïve Bayes mendapatkan nilai rata-rata accuracy terbaik
mencapai 90.7%. Hasil accuracy Naïve Bayes tanpa penambahan algoritma
Adaptive Boosting mencapai 95.2%. Penggunaan penambahan algoritma Adaptive
Boosting tidak diperuntukan untuk data yang terklasifikasi hampir sempurna oleh
klasifikasi dasar.
Kata kunci : Adaptive Boosting, Dataset Imbalanced, Klasifikasi, Naïve Bayes

---

Ketersediaan

S06-20011

S06-20011 SUT 2019

Koleksi Skripsi

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

S06-20011 SUT 2019

Penerbit

Surabaya : ITATS., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Klasifikasi
Naïve Bayes
Dataset Imbalanced
Adaptive Boosting

Info Detail Spesifik

NPM : 06.2015.1.06532 Nilai : A

Pernyataan Tanggungjawab

Pembimbing : Dian Puspita Hapsari, S.Kom, M.Kom

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar