IMPLEMENTASI CORRELATION MATRIX PADA KLASIFIKASI DATASET WINE
Abstract
Wine merupakah minuman mengandung alkohol yang juga terdiri dari banyak sekali kandungan yang bermacam-macam yang dapat mempengaruhi kualitas wine. Begitu banyaknya jenis wine ini membuat masyarakat kesulitan untuk memilah jenis-jenis dan kualitas wine. Penelitian ini menggunakan metode klasifikasi untuk menentukan kualitas wine agar mengurangi peran pakar wine atau mempermudah pakar dalam melabeli jenis-jenis dan kualitas wine. Algoritma klasifikasi data mining yang digunakan dalam penelitian ini adalah k-NN. Untuk meningkatkan nilai akurasi dari klasifikasi algoritma k-NN digunakan metode normalisasi dan seleksi fitur. Normalisasi yang digunakan adalah normalisasi Z-sccore dan Min-max, sedangkan seleksi fitur yang digunakan untuk lebih meningkatkan akurasi adalah correlation matrix. Hasil dari penelitian ini membutktikan bahwa penggunaan seleksi fitur correlation matrix mampu meningkatkan nilai akurasi pada normalisasi Z-score dari 73,75% menjadi 75,62% dan pada normalisasi Min-max mampu meningkatkan akurasi dari 68,12% menjadi 71,25%. Sehingga bisa disimpulkan bahwa seleksi fitur correlation matrix dapat digunakan untuk meningkatkan nilai akurasi agar lebih tinggi dan penelitian menjadi lebih akurat.
Keywords
Klasifikasi, k-NN, Seleksi fitur, Correlation matrix, Normalisasi
Full Text:
PDF (Bahasa Indonesia)DOI: http://dx.doi.org/10.26798/jiko.v7i1.771
Article Metrics
Abstract view : 947 timesPDF (Bahasa Indonesia) - 1449 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Erfin Nur Rohma Khakim, Arief Hermawan, Donny Avianto