KOMPARASI PENERAPAN ALGORITMA KLASIFIKASI C4.5, NEURAL NETWORK DAN SUPPORT VECTOR MACHINE DALAM PEMILIHAN MOBIL: STUDI KASUS PT TUNAS MOBILINDO PERKASA

research
  • 10 Oct
  • 2022

KOMPARASI PENERAPAN ALGORITMA KLASIFIKASI C4.5, NEURAL NETWORK DAN SUPPORT VECTOR MACHINE DALAM PEMILIHAN MOBIL: STUDI KASUS PT TUNAS MOBILINDO PERKASA

Penelitian ini menggunakan komparasi metode Algoritma C4.5, Neural Network dan Support Vector Machine untuk klasifikasi pemilihan mobil. Komparasi metode tersebut dipilih karena terdapat kelebihan dan keistimewaan dari masing-masing metode tersebut, pada penelitian terdahulu juga telah melakukan uji klasifikasi kendaraan dengan menggunakan metode Algoritma C4.5 dan Neural Network namun belum ada penelitian tentang klasifikasi kendaraan dengan menggunakan metode Support Vector Machine. Data yang digunakan bersumber dari PT. Tunas Mobilindo Perkasa Cab. Cakung.  Data yang diteliti ini merupakan data mobil serta penjualan mobil di PT. Tunas Mobilindo Perkasa Cab. Cakung dengan periode tahun 2013. Untuk menerapkan metode Algoritma C4.5, Neural Network dan Support Vector Machine ini digunakan perangkat lunak RapidMiner. Hasil penerapan ini kemudian dikomparasi menggunakan Confusion Matrix dan Kurva ROC. Berdasarkan penelitian ini terbukti bahwa metode Algoritma C4.5  memiliki tingkat akurasi yang lebih tinggi dibandingkan Neural Network dan Support Vector Machine. 

 

 

Unduhan

 

REFERENSI

Alpaydin, Ethem. Introduction to Machine Learning 2nd. London: The MIT

Press, 2010.


Aydin, I., Karakose, M., & Akin, E. A multi-objective artificial immune algorithm

for parameter optimization in support vector machine. Computer

Engineering Department, 2011.


Berndtssom, M., Hansson, J., Olsson, B., & Lundell, B. A Guide For Students In

Computer Science And Information Systems. London: Springer, 2008. 

Bramer, Max. Principles of Data Mining. London: Springer, 2007.


Chapman, Peter. CRISP-DM 1.0 Step by step Data Mining Guide. SPSS Inc,

2000. 


Chauhan, Sucheta dan K. V. Prema. Car Classification Using Artificial Neural

Network. 2012. 


Dawson, C. W. Projects In Computing And Information System A Student's Guide.

England: Addison-Wesley, 2009. 

Gorunescu, F. Data Mining Concepts, Models and Techniques. Berlin Heidelberg:

Springer Verlag, 2011.   


Hall, T., S. Beecham, D. Bowes, Gray D., and S. Counsell. "A Systematic

Literature Review on Fault Prediction Performance in Software

Engineering." 2011.


Han, J., & Kember, M. Data Mining Concepts and Techniques. San

Fransisco:Morgan Kauffman, 2006.


Kothari, C. R.. Research Methology Methods and Techniques. India: New Age

International Limited, 2004.


Kusrini, & Luthfi, E. T. Algoritma Data Mining. Yogyakarta: Andi

Publishing,2009.


Larose, Daniel T. Discovering Knowledge In Data : An Introduction to Data

Mining. Canada: John Wiley & Sons, Inc., Hoboken, New Jersey, 2005.


Maimon, Oded&Rokach, Lior. Data Mining and Knowledge Discovey Handbook.

New York:Springer, 2010.


Mishra, dkk. A Probabilistic Neural Network Approach For Classification Of

Vehicle. 2013. 



Myatt, Glenn J. Making Sense of Data: A Practical Guide to Exploratory Data

Analysis and Data Mining. New Jersey: John Wiley & Sons, Inc. 2007.


N.A, Lazuardi dkk. Evaluasi  Kelayakan Mobil Menggunakan K-Nearest

Neighbour. 2013.


Nugroho, A. S. Support Vector Machine: Paradigma Baru Dalam Softcomputing.

Konferensi Nasional Sistem Dan Informatika, 2008.


Vercellis, C. Business Intelligent: Data Mining and Optimizzation for Decision

Making. Southern Gate, Chichester, West Sussex, United Kingdom : John

Wiley & Sons Ltd, 2009.


Wah, dkk. Predicting Car Purchase Intent Using Data Mining Approach. 2011.


Witten, I. H., Frank, E., & Hall, M. A. Data Mining : Practical Machine Learning

and Tools. Burlington: Morgan Kaufmann Publisher, 2011. 

 

Wu, Xindong, and Vipin Kumar. The Top Ten Algorithms in Data Mining. Taylor

& Francis Group, LLC, 2009.—. The Top Ten Algorithms in Data Mining. A

Chapman & Hall Book, 2009.