Nusantara, Reinaldy Jalu (2016) Implementasi Algoritma Ant-Tree-Miner Untuk Klasifikasi Ikan Tuna. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5110100116-Undergraduate Thesis.pdf Download (2MB) | Preview |
Abstract
Klasifikasi merupakan salah satu bidang dalam data
mining yang memiliki banyak variasi cara penyelesaian. Para
peneliti telah mengembangkan berbagai macam algoritma untuk
menyelesaikan masalah ini. Salah satu algoritma yang dikenal luas
untuk menyelesaikan klasifikasi adalah decision tree, dengan tipe
yang banyak digunakan adalah C4.5 Decision Tree. Fernando
Otero[1] melalui penelitiannya mengembangkan decision tree tipe
ini dengan mengombinasikannya dengan algoritma Ant Colony
Optimization untuk pembangunan struktur tree nya. Algoritma
baru ini dinamakan dengan algoritma Ant-Tree-Miner.
Pada Tugas Akhir ini algoritma tersebut akan
diimplementasikan untuk mengklasifikasikan data ikan tuna
berbentuk numerik yang diperoleh dari ekstraksi fitur data citra
pada Tugas Akhir M. Akbar Kalbuadi[2].
Dari percobaan yang telah dilakukan didapatkan akurasi
tertinggi pembangunan tree adalah 82,21% untuk jumlah semut k
= 200, dan pembangunan dilakukan dengan pruning.
===============================================================================================
Classification is one of data mining topic which have many
variation of solution. Researchers have developed various
algorithm to solve this problem. One of the algorithms popularly
used to do the particular job is Decision Tree with its well-known
type called C4.5 Decision Tree. Fernando Otero[1] in his research
has developed this type of decision tree, combining it with Ant
Colony Optimization algorithm for inducing the tree construction.
This novel algorithm called Ant-Tree-Miner algorithm.
In this final project, the particular algorithm will be
implemented to classify numeric tuna fish data which is obtained
from feature extraction of image data in M. Akbar Kalbuadi’s final
project[2].
Based on the experiment, the best accuracy obtained is
82,21% for colony size k = 200 and the tree is pruned.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSIf 006.312 Nus i |
| Uncontrolled Keywords: | Klasifikasi, Ikan Tuna, Ant-Tree-Miner, Ant Colony Optimization (ACO), Decision Tree |
| Subjects: | Q Science > QA Mathematics > QA76.9 Computer algorithms. Virtual Reality. Computer simulation. |
| Divisions: | Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 14 Sep 2017 08:16 |
| Last Modified: | 27 Dec 2018 03:24 |
| URI: | http://repository.its.ac.id/id/eprint/48851 |
Actions (login required)
 |
View Item |