Reynaldi, 4611418003 (2023) Kombinasi K-Nearest Neighbor dengan Differential Evolution dalam Klasifikasi Pengembalian Radar dari Ionosfer. Under Graduates thesis, UNNES.

	PDF - Published Version Download (260kB)
	PDF - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	PDF - Published Version Download (295kB)
	PDF - Published Version Download (229kB)
	PDF - Published Version Download (27kB)
	PDF - Published Version Restricted to Repository staff only Download (510kB) | Request a copy

Abstract

ABSTRAK Reynaldi. 2023. Kombinasi K-Nearest Neighbor dengan Differential Evolution dalam Klasifikasi Pengembalian Radar dari Ionosfer. Skripsi, Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang. Pembimbing Anggyi Trisnawan Putra S. Si., M. Si. Kata kunci : Klasifikasi, K-Nearst Neighbor, Differential Evolution, Ionosfer, Pengembalian Radar. Ionosfer adalah bagian atmosfer yang terionisasi oleh radiasi matahari. Ionosfer tidaklah dianggap sebagai lapisan baru atau lapisan atmosfer yang terpisah. Hal ini karena keberadaan lapisan ionosfer ini seperti berada di tengah-tengah lapisan tersebut. Pada bidang telekomunikasi lapisan ionosfer sangat berperan dalam proses komunikasi radio jarak jauh dikarenakan lapisan ionosfer dapat memantulkan gelombang pada frekuensi tertentu dengan jangkauan yang luas. Radar Detection & Ranging (Radar) adalah suatu sistem pendeteksi objek yang menggunakan gelombang elektromagnetik untuk identifikasi jarak (range), arah (direction), atau kecepatan (speed) baik objek bergerak maupun diam. Pada penelitian ionosfer perlu dilakukan klasifikasi radar atau klasifikasi pengembalian radar dari ionosfer. Dengan demikian, diperlukan sebuah proses klasifikasi untuk memecah permasalahan pada ionosfer. Pada penelitian ini, metode yang digunakan untuk implementasi klasifikasi pengembalian radar dari ionosfer yaitu algoritma Differential Evolution (DE) sebagai seleksi fitur dan algoritma K-Nearest Neighbor (KNN) sebagai algoritma klasifikasi. Dataset yang digunakan pada penelitian ini diambil dari web Kaggle.com yaitu Ionosphere Data Problem yang berisi 351 data dengan 35 atribut. Tujuan dari penelitian dari klasifikasi pengembalian radar dari ionosfer yaitu mengetahui nilai akurasi dari klasifikasi pengembalian radar dari ionosfer menggunakan metode algoritma DE dan KNN. Hasil dari penelitian dalam klasifikasi pengembalian radar dari ionosfer dilakukan dengan 3 pengujian. Pengujian pertama yaitu pengujian jumlah populasi dengan percobaan sebanyak 10 kali menghasilkan akurasi terbaik sebesar 94,33%, pengujian kedua yaitu pengujian konvergen dengan percobaan sebanyak 10 kali menghasilkan akurasi terbaik sebesar 94,33 % dan pengujian ketiga yaitu pengujian perbandingan nilai akurasi KNN dengan percobaan sebanyak 10 kali menghasilkan akurasi terbaik sebesar 94,33%. Hal tersebut menunjukkan bahwa algoritma DE dinilai dapat meningkatkan kinerja algoritma klasifikasi KNN.

Actions (login required)

View Item