Tomi Bagus Nugroho, 4611416031 (2021) PENINGKATAN AKURASI ALGORITMA C4.5 DALAM PREDIKSI KEBAKARAN HUTAN MENGGUNAKAN DISCRETIZATION DAN ADABOOST. Under Graduates thesis, Universitas Negeri Semarang.

PDF (PENINGKATAN AKURASI ALGORITMA C4.5 DALAM PREDIKSI KEBAKARAN HUTAN MENGGUNAKAN DISCRETIZATION DAN ADABOOST) - Published Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Perkembangan teknologi informasi pada masa kini tumbuh dengan sangat pesat sehingga menyebabkan terkumpulnya data dalam jumlah besar. Data mining adalah suatu proses yang digunakan untuk membantu menganalisa data yang diperoleh dari keadaan tertentu dengan pendekatan matematis. Decision tree merupakan algoritma yang sering digunakan dalam data mining. Salah satu algoritma Decision tree yaitu algoritma C4.5. Dalam penerapannya data mining terdiri atas preprocessing, data mining, pattern evaluation dan knowledge presentation. Discretization merupakan salah satu metode Preprocessing. Untuk meningkatkan akurasi, algoritma C4.5 dapat digabungkan dengan AdaBoost. Penelitian bertujuan untuk mengetahui bagaimana penerapan discretization pada algoritma C4.5 dengan AdaBoost pada prediksi kebakaran hutan dan mengetahui peningkatan akurasinya. Data kebakaran hutan yang digunakan diambil dari UCI Machine Learning Repository. Prediksi kebakaran hutan menggunakan algoritma C4.5 menghasilkan akurasi sebesar 84.62%. Hasil akurasi tersebut kemudian ditingkatkan lagi dengan penambahan preprocessing dan AdaBoost. Data secetion, Normalisasi data, Data Transformation, dan discretization digunakan untuk melakukan preprocessing data pada penelitian. Data tersebut kemudian dilakukan klasifikasi dengan menggunakan Algoritma C4.5 yang digabungkan dengan AdaBoost. Confusion matrix digunakan untuk menampilkan hasil klasifikasi dan diperoleh akurasi sebesar 98.04%. Penerapan discretization dan AdaBoost mampu meningkatkan akurasi dari prediksi kebakaran hutan sebesar 13.42%. Penelitian ini dapat dikembangkan dengan penambahan metode preprocessing lain atau dapat juga mengubah jumlah n_bins pada discretization untuk memperoleh akurasi prediksi yang semakin baik.

Actions (login required)

View Item