PENGARUH FEATURE SELECTION DAN FEATURE EXTRACTION DALAM PENINGKATAN AKURASI KLASIFIKASI KEBAKARAN HUTAN
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:
PDFDOI: http://dx.doi.org/10.26798/juti.v3i1.1039
Article Metrics
Abstract view : 277 timesPDF - 107 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Andi Muhammad Rafli Armaya