Perbandingan Data Set IRIS Dengan Aplikasi Rapid Miner dan Orange menggunakan Algoritma Klasifikasi

Yulia Verawati, M Said Hasibuan

Abstract


Data mining merupakan visualisasi data yang memberikan informasi data hasil dari data yang diolah. Metode data mining ditentukan oleh data set yang akan digunakan. Data set iris memiliki attribute numeric dan class nominal sehingga algoritma yang   tepat yaitu klasifikasi dengan algoritma yang umum bisa digunakan yaitu decision tree. Dalam penelitian ini ingin dibandingkan performa dari algoritma decision tree dengan menggunakan tools rapid miner dan orange. Dimana hasil yang didapatkan adalah Menghasilkan nilai accuracy: 86.67%, classification_error: 13.33%, kappa: 0.800, weighted_mean_recall: 86.67%, weights: 1, 1, 1 dan weighted_mean_precision: 90.48%, weights: 1, 1, 1 untuk aplikasi rapidminer sedangkan untuk pada aplikasi orange petal length iris sentosa 33,3%, petal length iris versi color 90,7%, petal width iris versicolor 90,7% dan petal width iris virginica 66,7%.


Full Text:

PDF

References


Ashari, A., Paryudi, I., & Min, A. (2013). Performance Comparison between Naïve Bayes, Decision Tree and k-Nearest Neighbor in Searching Alternative Design in an Energy Simulation Tool. International Journal of Advanced Computer Science and Applications, 4(11). https://doi.org/10.14569/ijacsa.2013.041105

A. Christobel and D. . Sivaprakasam. (2011). An Empirical Comparison of Data Mining Classification

Methods. (vol. 3, no. 2, pp. 24–28).

D. Widiastuti. (2007). Analisa Perbandingan Algoritma SVM, Naïve Bayes, dan Decission Tree dalam Mengklasifikasikan Serangan (Attack) pada Sistem Pendeteksi Intrusi. Jur. Sist. Inf. Univ. Gunadarma, pp. 1–8, 2007.

I. H., Frank, E., & Mark A. Hall. (2011). Data Mining: Practical Machine learning 3rd ed. Morgan

Kaufmann Publishers (p. 630).

K. Hastuti. (2012). Analisis komparasi algoritma klasifikasi data mining untuk prediksi mahasiswa non aktif. (vol. 2012, no. Semantik, pp. 241–249).

Ragab, A. H. M., Noaman, A. Y., AL-Ghamdi, A. S., & Madbouly, A. I. (2014). A comparative analysis of classification algorithms for students college enrollment approval using data mining. In ACM International Conference Proceeding Series (Vol. 09-June-2014, pp. 106–113). Association for Computing Machinery. https://doi.org/10.1145/2643604.2643631

E. Prasetyo. (2012). Data Mining Konsep Dan Aplikasi Menggunakan Matlab. Yogyakarta: Andi Offset p.

B. Santosa. (2007). Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis, Edisi Pert. Yogyakarta: Graha Ilmu.

Kusrini and L. E. Taufiq. (2009). Algoritma Data Mining. Yogyakarta: Andi Offset.

S. Susanto and D. Suryadi. (2010). Pengantar Data Mining: Menggali Pengetahuan dari Bongkahan Data.

Yogyakarta: Andi Offset. p. 116.


Refbacks

  • There are currently no refbacks.


Prosiding Seminar Nasional Darmajaya is abstracting and indexing in the following databases:

PROSIDING SEMINAR NASIONAL DARMAJAYA

Diatur Oleh: Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM)

Diterbitkan Oleh: IIB Darmajaya
Alamat: Jl. Z.A. Pagar Alam No. 93 Gedong Meneng, Bandar Lampung Lampung
Website: jurnal.darmajaya.ac.id

E-mail: ProsidingSemnasDJ@darmajaya.ac.id