DinaInshirna (2009) mplementasi algoritma genetika pada data mining task klasifikasi. Sarjana thesis, Universitas Brawijaya.
Abstract
Klasifikasi data merupakan teknik Data Mining yang paling umum dan paling sering dilakukan. Klasifikasi merupakan suatu proses untuk menemukan sekumpulan model yang menggambarkan dan membedakan kelas-kelas atau konsep data yang bertujuan untuk memudahkan penggunaan model dalam memprediksi kelas-kelas objek, dimana labellabel kelas tidak diketahui sebelumnya. Dalam tugas akhir ini akan dibahas Algoritma Genetika sebagai teknik pencarian aturan klasifikasi yang dapat menemukan aturan klasifikasi IF-THEN. Dan dari aturan tersebut maka kelas-kelas objek dapat diprediksi. Proses-proses yang dilakukan di dalam sistem sebelum menghasilkan aturan adalah proses preprocessing diskritisasi menggunakan Entrophy-based, kemudian proses Algoritma Genetika yang berperan sebagai teknik pencarian aturan menggunakan operator genetik seleksi individu, crossover, fungsi fitness dan mutasi. Metode mutasi yang digunakan tiga jenis yang spesifik yaitu mutasi flag, mutasi operator, dan mutasi value. Hasil akhir dari klasifikasi Data Mining adalah ditemukannya aturan klasifikasi IF-THEN dari dataset Iris, dataset Heart, dataset Tictactoe, dan dataset Voting. Berdasarkan uji coba yang telah dilakukan, diperoleh bahwa parameter-parameter optimal untuk mencapai aturan klasifikasi dengan menggunakan Algoritma Genetika adalah sebagai berikut : Jumlah datatraining adalah 67 % dari dataset. Tipe data-training yang digunakan adalah random. Tipe data-testing yang digunakan random. Jumlah generasi sama dengan 700. Dan jumlah populasi adalah 50.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2009/278/050902745 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 06 Oct 2009 09:20 |
| Last Modified: | 22 Oct 2021 07:07 |
| URI: | http://repository.ub.ac.id/id/eprint/152236 |
Preview |
Text
050902745.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |