digilib@itb.ac.id +62 812 2508 8800

DELEGATING CLASSIFIERS UNTUK KATEGORISASI DATA TERSTRUKTUR DENGAN ALGORITMA C4.5

Penulis : Raden Fitri Indriani (NIM 135 03 020)
Kontributor / Dosen Pembimbing :
  • Pembimbing 1: Masayu Leylia Khodra, S.T., M.T. Pembimbing 2: Nur Ulfa Maulidevi, S.T., M.Sc.
Jenis Koleksi : Tugas Akhir
Tahun Terbit :
Penerbit : Teknik Informatika
Fakultas : Sekolah Teknik Elektro dan Informatika
Subjek :
Kata Kunci : delegating classifiers, single classifier, multi-classifiers, bagging, boosting, algoritma C4.5.
Sumber :
Staf Input/Edit :   Ena Sukmana
File : 7 file
Tanggal Input : 09 Okt 2017

Abstrak: Klasifikasi merupakan task untuk memberikan label kelas terhadap suatu data yang dilakukan oleh classifier. Kombinasi multi-classifiers memiliki kinerja yang lebih baik dari single classifier (base classifier) yang membentuknya. Akan tetapi, penggunaan multi-classifiers memiliki beberapa kekurangan, yaitu terjadinya loss of comprehensibility dan penggunaan resources komputasi yang berlebihan. Delegating classifiers dibuat dengan motto let others do the things that you cannot do well. Eksperimen dalam Tugas Akhir ini membuktikan penelitian yang dilakukan oleh Caesar Ferri pada tahun 2004 yang mengusulkan delegating classifiers untuk mengatasi kekurangan multi-classifiers. Delegating classifiers yang digunakan di dalam eksperimen dibangun dengan skema iterative, metode penentuan batas ambang GAP (Global Absolute Percentage), persentase delegasi 1persen dengan jumlah base classifier 20 buah dan persentase delegasi 2persen jumlah base classifier 10 buah, dan algoritma pembelajaran C4.5. Perhitungan akurasi menggunakan 20x5-folds cross validation. Untuk melakukan eksperimen, aplikasi dibangun dengan menggunakan library dari WEKA ditambah dengan implementasi delegating classifiers. Pembangunan aplikasi menggunakan NetBeans 5.0, JDK 1.5.0, dan WEKA 3.5.3. Eksperimen dilakukan dengan cara membentuk single classifier, multi-classifiers menggunakan bagging dan boosting, serta delegating classifiers untuk 28 buah dataset yang diambil dari UCI dataset repository. Kemudian hasil eksperimen dianalisa dengan cara membandingkan performansi delegating classifiers dengan single classifier dan multi-classifiers dari segi efektifitas yaitu rasio akurasi menggunakan t-test 99persen significance dan dari segi efisiensi yaitu waktu untuk melakukan pembelajaran dan 20x5-folds cross validation. Dari segi efektifitas, delegating classifiers lebih baik daripada single classifier. Akan tetapi, efektifitas delegating classifiers belum sebaik multi-classifiers. Sedangkan dari segi efisiensi, delegating classifiers lebih baik daripada multi-classifiers.

Artikel Terkait