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

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