PERBANDINGAN TEKNIK ENSEMBLE NEURAL NETWORKS DAN CASCADE ENSEMBLE NEURAL NETWORKS UNTUK PROSES KLASIFIKASI DATA (Studi Kasus : Data Venue Public Places Pada Foursquare)

RAHMADINI, RINA and Puspitaningrum, Diah and Susilo, Boko (2017) PERBANDINGAN TEKNIK ENSEMBLE NEURAL NETWORKS DAN CASCADE ENSEMBLE NEURAL NETWORKS UNTUK PROSES KLASIFIKASI DATA (Studi Kasus : Data Venue Public Places Pada Foursquare). Undergraduated thesis, Universitas Bengkulu.

[img] Archive (thesis)
SKRIPSI_G1A012068_RINA RAHMADINI.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (7MB)

Abstract

Klasifikasi adalah proses mengubah satu kumpulan data menjadi beberapa kelompok data berdasarkan kesamaan data yang pada penelitian ini dilakukan untuk membangun sistem rekomendasi. Sistem rekomendasi adalah sebuah sistem yang memberikan rekomendasi akan suatu hal, bisa berupa benda, tempat ataupun lainnya kepada seorang user dengan tujuan mempersempit luasnya informasi. Salah satu contoh aplikasi dengan sistem rekomendasi tempat umum adalah aplikasi Foursquare. Di dalamnya terdapat ribuan ulasan (review) dari para pengguna Foursquare yang ditampung untuk membantu mendeskripsikan setiap tempat (venue). Pada penelitian ini review dan venue tersebut diperoleh dengan menambang data dari web API Foursquare dan kemudian digunakan sebagai dataset untuk membangun sebuah sistem rekomendasi baru dengan menawarkan tempat umum terbaik hasil dari proses klasifikasi. Proses klasifikasi pada penelitian ini akan menggunakan teknik Ensemble (menggabungkan beberapa algoritma classifier sekaligus) dan sebuah teknik ensemble baru yang disebut teknik Cascade ensemble (ensemble bertingkat). Tujuannya adalah untuk dapat mengetahui perbandingan kinerja ensemble dan cascade ensemble hingga hasil kinerja dari keduanya dalam proses klasifikasi. Dari pengujian diperoleh bahwa teknik cascade ensemble lebih baik kinerjanya dibandingkan dengan teknik ensemble. Hal ini didukung dengan uji akurasi yang diterapkan pada keduanya. Perbandingan rata- rata nilai akurasi yang paling signifikan ditemui pada teknik cascade ensemble backpropagation, yang mampu menaikkan nilai sebesar 20% dari nilai teknik ensemble backpropagation. Kata kunci : Ensemble, Cascade ensemble, algoritma classifier, Sistem rekomendasi, Fourquare, public places

Item Type: Thesis (Undergraduated)
Subjects: T Technology > T Technology (General)
Depositing User: 033 Darti Daryanti
Date Deposited: 06 Nov 2017 04:50
Last Modified: 06 Nov 2017 04:50
URI: http://repository.unib.ac.id/id/eprint/14027

Actions (login required)

View Item View Item