Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN

Abstrak— Rentang nilai yang tidak seimbang pada setiap atribut dapat mempengaruhi kualitas hasil data mining. Untuk itu diperlukan adanya praproses data. Praproses ini diharapkan dapat meningkatkatkan keakuratan hasil dari pengklasifikasian dataset wine. Metode praproses yang digunakan adalah transf...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Darnisa Azzahra Nasution, Hidayah Husnul Khotimah, Nurul Chamidah
Formato:	article
Lenguaje:	ID
Publicado:	Universitas Negeri Medan 2019
Materias:	Electronic computers. Computer science QA75.5-76.95
Acceso en línea:	https://doaj.org/article/09e6166c22fa4dd69f1ba7fcea68be38
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:09e6166c22fa4dd69f1ba7fcea68be38
record_format	dspace
spelling	oai:doaj.org-article:09e6166c22fa4dd69f1ba7fcea68be382021-11-27T05:26:26ZPerbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN2502-71312502-714X10.24114/cess.v4i1.11458https://doaj.org/article/09e6166c22fa4dd69f1ba7fcea68be382019-01-01T00:00:00Zhttps://jurnal.unimed.ac.id/2012/index.php/cess/article/view/11458https://doaj.org/toc/2502-7131https://doaj.org/toc/2502-714XAbstrak— Rentang nilai yang tidak seimbang pada setiap atribut dapat mempengaruhi kualitas hasil data mining. Untuk itu diperlukan adanya praproses data. Praproses ini diharapkan dapat meningkatkatkan keakuratan hasil dari pengklasifikasian dataset wine. Metode praproses yang digunakan adalah transformasi data dengan normalisasi. Ada tiga cara yang dilakukan dalam transformasi data dengan normalisasi, yaitu min-max normalization, z-score normalization, dan decimal scaling. Data yang telah diproses dari setiap metode normalisasi akan dibandingan untuk melihat hasil akurasi terbaik klasifikasi dengan menggunakan algoritama K-NN. K yang digunakan dalam perbandingan adalah 1, 3, 5, 7, 9, 11. Sebelum dilakukan pengklasifikasian dataset wine yang telah dinormalisasi dibagi menjadi data uji dan data latih dengan k-fold cross validation. Pembagian data menggunakan k sama dengan 10. Hasil pengujian klasifikasi dengan algoritma K-NN menunjukkan, bahwa akurasi terbaik terletak pada dataset wine yang telah dinormalisasi menggunakan metode min-max normalization dengan K = 1 sebesar 65,92%. Rata-rata yang diperoleh, yaitu 59,68%. Keywords— Normalisasi, K-fold cross validation, K-NNDarnisa Azzahra NasutionHidayah Husnul KhotimahNurul ChamidahUniversitas Negeri MedanarticleElectronic computers. Computer scienceQA75.5-76.95IDCESS (Journal of Computer Engineering, System and Science), Vol 4, Iss 1, Pp 78-82 (2019)
institution	DOAJ
collection	DOAJ
language	ID
topic	Electronic computers. Computer science QA75.5-76.95
spellingShingle	Electronic computers. Computer science QA75.5-76.95 Darnisa Azzahra Nasution Hidayah Husnul Khotimah Nurul Chamidah Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN
description	Abstrak— Rentang nilai yang tidak seimbang pada setiap atribut dapat mempengaruhi kualitas hasil data mining. Untuk itu diperlukan adanya praproses data. Praproses ini diharapkan dapat meningkatkatkan keakuratan hasil dari pengklasifikasian dataset wine. Metode praproses yang digunakan adalah transformasi data dengan normalisasi. Ada tiga cara yang dilakukan dalam transformasi data dengan normalisasi, yaitu min-max normalization, z-score normalization, dan decimal scaling. Data yang telah diproses dari setiap metode normalisasi akan dibandingan untuk melihat hasil akurasi terbaik klasifikasi dengan menggunakan algoritama K-NN. K yang digunakan dalam perbandingan adalah 1, 3, 5, 7, 9, 11. Sebelum dilakukan pengklasifikasian dataset wine yang telah dinormalisasi dibagi menjadi data uji dan data latih dengan k-fold cross validation. Pembagian data menggunakan k sama dengan 10. Hasil pengujian klasifikasi dengan algoritma K-NN menunjukkan, bahwa akurasi terbaik terletak pada dataset wine yang telah dinormalisasi menggunakan metode min-max normalization dengan K = 1 sebesar 65,92%. Rata-rata yang diperoleh, yaitu 59,68%. Keywords— Normalisasi, K-fold cross validation, K-NN
format	article
author	Darnisa Azzahra Nasution Hidayah Husnul Khotimah Nurul Chamidah
author_facet	Darnisa Azzahra Nasution Hidayah Husnul Khotimah Nurul Chamidah
author_sort	Darnisa Azzahra Nasution
title	Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN
title_short	Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN
title_full	Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN
title_fullStr	Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN
title_full_unstemmed	Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN
title_sort	perbandingan normalisasi data untuk klasifikasi wine menggunakan algoritma k-nn
publisher	Universitas Negeri Medan
publishDate	2019
url	https://doaj.org/article/09e6166c22fa4dd69f1ba7fcea68be38
work_keys_str_mv	AT darnisaazzahranasution perbandingannormalisasidatauntukklasifikasiwinemenggunakanalgoritmaknn AT hidayahhusnulkhotimah perbandingannormalisasidatauntukklasifikasiwinemenggunakanalgoritmaknn AT nurulchamidah perbandingannormalisasidatauntukklasifikasiwinemenggunakanalgoritmaknn
_version_	1718409209517703168

Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN

Ejemplares similares