Teks penuh
Program Studi Magister Teknik Informatika Fakultas Ilmu Komputer
Universitas Dian Nuswantoro Semarang 50131, Indonesia
ABSTRAKSI
Dokumen terkait
Hasil yang didapat adalah pengujian dengan menggunakan Naive Bayes didapatkan nilai accuracy adalah 72.00% sedangkan pengujian dengan menggunakan Naive Bayes
Sedangkan untuk hasil klasifikasi algoritma K-Nearest Neighbor setelah dilakukan seleksi fitur menggunakan Backward Elimination menunjukan peningkatan akurasi sebesar
Melakukan prediksi tingkat pembayaran kredit merupakan hal penting karena menjadi landasan kebijakan msalah pembayaran kredit dan algoritma Naive Bayes berbasis
Prediksi hasil pemilu legislatif Kabupaten Lombok Timur dengan algoritma naïve bayes tanpa fitur seleksi memiliki akurasi 85,14% dengan nilai AUC 0.978, sedangkan
Pada penelitian ini Seleksi Fitur dengan metode wrapper menggunakan algoritma Backward Elimination akan diterapkan untuk pemilihan sebset fitur yang sesuai pada
Hasil pengujian menunjukkan bahwa nilai akurasi Naive Bayes sebesar 83,04%, setelah dilakukan pemilihan fitur dengan menggunakan Backward Elimination didapatkan hasil akurasi yang
Hasil dan Pembahasan Penerapan algoritma Naïve bayes dan Backward Elimination pada klasifikasi kondisi janin dengan menggunakan dataset cardiotocography dimaksudkan untuk memperoleh
Perbandingan Tingkat Akurasi Algoritma Naive Bayes Berdasarkan Metode Seleksi Fitur No Penulis Tahun Judul Jumlah Dataset Seleksi Fitur Tingkat Akurasi 1 Putri, Mubarok, &
