PENGARUH FEATURE SELECTION DAN FEATURE EXTRACTION DALAM PENINGKATAN AKURASI KLASIFIKASI KEBAKARAN HUTAN

Andi Muhammad Rafli Armaya

Abstract


Kebakaran hutan menjadi salah satu bencana yang menyebabkan kerugiaan yang sangat besar khususnya untuk lingkungan. Kebakaran hutan melepaskan sejumlah besar karbon dioksida, nitrogen oksida, belerang dioksida, dan gas rumah kaca lain yang mendorong terjadinya pemanasan global. Maka untuk menlakukan pencegahan dan meminimalisir dampak dari kebakaran hutan kita dapat melakukan data mining dengan cara klasifikasi. Dalam penelitian ini dilakukan beberapa algoritma antara lain decision tree (C4.5), logistic regression, neural network dan naïve bayes untuk meningkatan tingkat akurasi dan setelah mendapatkan algoritma yang baik, maka dilakukan feature selection dan feature extraction untuk meningkatkan akurasi algoritma tersebut.


Full Text:

PDF


DOI: http://dx.doi.org/10.26798/juti.v3i1.1039

Article Metrics

Abstract view : 260 times
PDF - 78 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Andi Muhammad Rafli Armaya

Jurnal Teknologi Informasi

Published by
Fakultas Teknologi Informasi
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN


Creative Commons License

JuTI "Jurnal Teknologi Informasi" 
by Fakultas Teknologi Informasi, Universitas Teknologi Digital Indonesia 
is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.