Article Per Year (5 Year)
p-Index From 2019 - 2024
2.147
P-Index
This Author published in this journals
All Journal IAES International Journal of Artificial Intelligence (IJ-AI) Semantik JSI: Jurnal Sistem Informasi (E-Journal) Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Inspiration Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal Obsesi: Jurnal Pendidikan Anak Usia Dini JURNAL MEDIA INFORMATIKA BUDIDARMA Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control IJISTECH (International Journal Of Information System & Technology) Indonesian Journal of Electrical Engineering and Computer Science Randwick International of Social Science Journal IJISTECH
Elviawaty Muisa Zamzami
Universitas Sumatera Utara
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Library & Information Science Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Edukasi dan Penelitian Informatika (JEPIN)

 1 
Reduksi Atribut Menggunakan Chi Square untuk Optimasi Kinerja Metode Decision Tree C4.5 Anirma Kandida Br Ginting; Maya Silvi Lydia; Elviawaty Muisa Zamzami
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 1 (2023): Volume 9 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i1.56542

Abstract

Pada metode decision tree C4.5, proses split atribut masih belum dapat secara maksimal mengoptimalkan kinerja akurasi pada decision tree yang disebabkan oleh noisy pada atribut yang kurang relevan. Hal tersebut berimplikasi terhadap ukuran dari pohon keputusan menjadi over-fitting sehingga perolehan akurasi pengujian menjadi kurang maksimal. Reduksi atribut merupakan salah satu cara yang dapat dilakukan dalam melakukan seleksi terhadap atribut data yang memiliki persentase pengaruh cenderung kecil sehingga diharapkan mampu dalam meningkatkan akurasi pada metode klasifikasi data. Adapun metode yang diusulkan pada penelitian ini yang digunakan untuk mereduksi atribut yang kurang relevan dari dataset yaitu dengan metode Chi Square sehingga menghasilkan atribut yang mempunyai pengaruh besar terhadap data dan kemudian diklasifikasikan menggunakan decision tree C4.5. Untuk melakukan pengujian terhadap model yang diusulkan, maka penelitian ini menggunakan dataset dari kaggle.com yaitu South Germany Credit yang terdiri dari 1000 records data dengan 20 atribut. Evaluasi kinerja klasikasi yang diusulkan yaitu berdasarkan Confusion Matrix. Dari hasil uji metode yang diusulkan, didapatkan kesimpulan bahwa metode yang diusulkan mampu meningkatkan akurasi decision tree c4.5 dengan rata-rata peningkatan akurasi sebesar 2.5%.
Co-Authors Anirma Kandida Br Ginting Anirma Kandida Br Ginting Arif Ridho Lubis Boy Yako Siahaan Eko Kuswardono Budiardjo Eko Kuswardono Budiardjo Erna Budhiarti Nababan Hayanti, Septi Herman Mawengkang Indah Mulyani Mahyuddin K. M. Nasution, Mahyuddin K. M. Maya Silvi Lydia Muhammad Rizal Muhammad Zarlis Niskarto Zendrato Ogiana Kiro Opim Salim Sitompul Suherman Suherman