PRINSIP KLASIFIKASI DAN DATA MINING DENGAN ALGORITMA C4.5

Mamok Andri Senubekti, Lies Anggi Puspita Dewi

Abstract


Pertumbuhan yang cepat dan integrasi database memberikan ilmuwan, insinyur, dan pebisnis dengan sumber daya baru yang luas yang dapat dianalisis untuk membuat penemuan ilmiah, mengoptimalkan sistem industri, dan mengungkap pola yang berharga secara finansial. Untuk melakukan proyek analisis data besar ini, peneliti dan praktisi telah mengadopsi algoritme mapan dari statistik, pembelajaran mesin, jaringan saraf, dan basis data dan juga telah mengembangkan metode baru yang ditargetkan pada masalah data mining besar. Principles of Data Mining oleh David Hand, Heikki Mannila, dan Padhraic Smyth memberikan pengenalan kepada praktisi dan siswa tentang berbagai algoritma dan metodologi di area yang menarik ini. Pada penelitian ini digunakan algoritma C4.5. Sifat interdisipliner bidang ini cocok dengan ketiga penulis ini, yang keahliannya mencakup statistik, database, dan ilmu komputer. Hasilnya adalah sebuah buku yang tidak hanya memberikan detail teknis dan prinsip-prinsip matematika yang mendasari metode data mining, tetapi juga memberikan perspektif yang berharga tentang keseluruhan perusahaan.


Full Text:

PDF

References


A. a. n. Mostafa, “Review of data mining concept and its techniques,” Innov. Technol., vol. 9, no. 4, 2018.

A. Sumiah, D. Irawan, F. Ilmu, K. Universitas, and J. N. Informatika, “Perancangan Data Warehouse Dan Penerapan Data Mining Untuk Mendukung Sistem Informasi Akademik,” J. Infrormation Syst., vol. 8, 2014.

G. Singer, M. Golan, N. Rabin, and D. Kleper, “Evaluation of the effect of learning disabilities and accommodations on the prediction of the stability of academic behaviour of undergraduate engineering students using decision trees,” Eur. J. Eng. Educ., vol. 45, no. 4, pp. 614–630, Jul. 2020, doi: 10.1080/03043797.2019.1677560.

P. Aspers and U. Corte, “What is Qualitative in Qualitative Research,” Qual. Sociol., vol. 42, no. 2, pp. 139–160, Jun. 2019, doi: 10.1007/s11133-019-9413-7.

N. Mirantika, “Penerapan Algoritma K-Means Clustering Untuk Pengelompokan Penyebaran Covid-19 di Provinsi Jawa Barat,” NUANSA Inform., vol. 15, no. 2, 2021, doi: 10.25134/nuansa.v15i2.4321.

A. P. Joshi and B. V. Patel, “Data Preprocessing: The Techniques for Preparing Clean and Quality Data for Data Analytics Process,” Orient. J. Comput. Sci. Technol., vol. 13, no. 0203, pp. 78–81, Jan. 2021, doi: 10.13005/ojcst13.0203.03.

J. Yang et al., “Brief introduction of medical database and data mining technology in big data era,” J. Evid. Based. Med., vol. 13, no. 1, pp. 57–69, Feb. 2020, doi: 10.1111/jebm.12373.

J. Goncalves et al., “Li Yan et al. reply,” Nat. Mach. Intell., vol. 3, no. 1, pp. 28–32, Jan. 2021, doi: 10.1038/s42256-020-00251-5.

R. Rahim et al., “C4.5 Classification Data Mining for Inventory Control,” Int. J. Eng. Technol., vol. 7, no. 2.3, p. 68, Mar. 2018, doi: 10.14419/ijet.v7i2.3.12618.

O. Abdolazimi, D. Shishebori, F. Goodarzian, P. Ghasemi, and A. Appolloni, “Designing a new mathematical model based on ABC analysis for inventory control problem: A real case study,” RAIRO - Oper. Res., vol. 55, no. 4, pp. 2309–2335, Jul. 2021, doi: 10.1051/ro/2021104.

P. Wang, T. Weise, and R. Chiong, “Novel evolutionary algorithms for supervised classification problems: an experimental study,” Evol. Intell., vol. 4, no. 1, pp. 3–16, Mar. 2011, doi: 10.1007/s12065-010-0047-7.

G. Bruno, E. Traini, and F. Lombardi, “A Knowledge-Based System for Collecting and Integrating Production Information,” in IFIP Advances in Information and Communication Technology, 2019, vol. 568, doi: 10.1007/978-3-030-28464-0_15.

M. V. Sebt, E. Komijani, and S. S. Ghasemi, “Implementing a data mining solution approach to identify the valuable customers for facilitating electronic banking,” Int. J. Interact. Mob. Technol., vol. 14, no. 15, 2020, doi: 10.3991/IJIM.V14I15.16127.

E. Sugiyarti, K. A. Jasmi, B. Basiron, M. Huda, K. Shankar, and A. Maseleno, “Decision support system of scholarship grantee selection using data mining,” Int. J. Pure Appl. Math., vol. 119, no. 15, 2018, doi: 10.5772/47788.

A. BaniMustafa and N. Hardy, “A Scientific Knowledge Discovery and Data Mining Process Model for Metabolomics,” IEEE Access, 2020, doi: 10.1109/ACCESS.2020.3039064.

B. Budiman, “Perbandingan Algoritma Klasifikasi Data Mining untuk Penelusuran Minat Calon Mahasiswa Baru,” NUANSA Inform., vol. 15, no. 2, 2021, doi: 10.25134/nuansa.v15i2.4162.




DOI: https://doi.org/10.25134/nuansa.v16i2.5834

NUANSA INFORMATIKA : JURNAL TEKNOLOGY DAN INFORMASI
p-ISSN :1858-3911 , e-ISSN : 2614-5405
DOI : https://doi.org/10.25134/nuansa
Accreditation : SINTA 5

Organized by Faculty of Computer Science, Universitas Kuningan, Indonesia.
Website : https://journal.uniku.ac.id/index.php/ilkom
Email : [email protected]
Address : Jalan Cut Nyak Dhien No.36A Kuningan, Jawa Barat, Indonesia.

StatCounter

View My Stats Creative Commons

Lisensi Creative Commons
NUANSA INFORMATIKA is licensed under a Lisensi Creative Commons Atribusi 4.0 Internasional.