Deteksi outlier menggunakan Algoritma Local Outlier Probability : studi kasus data akademik mahasiswa Program Studi Teknik Informatika Universitas Sanata Dharma.
Teks penuh
Gambar
Dokumen terkait
Outlier Menggunakan Algoritma Block-based Nested-Loop yang merupakan alat bantu yang digunakan untuk melakukan deteksi outlier pada sekumpulan data numerik telah
Untuk membantu dalam melakukan pengujian, maka dibutuhkan sistem yang mampu mendeteksi outlier menggunakan algoritma Naïve Nested Loop dengan data mahasiswa Program
Algoritma K-means diimplementasikan untuk mengelompokkan nilai-nilai yang sama dengan nilai yang dimiliki oleh seorang mahasiswa pada mata kuliah prasyarat, dari hasil
Adapun proses-proses dalam evolusi alami yang menjadi konsep dari algoritma genetika adalah proses seleksi alam dalam rangka mencari anggota populasi yang mempunyai tingkat
Dalam skripsi ini, data digital tersebut bisa dimanfaatkan untuk diolah menggunakan teknik data mining dengan algoritma naïve Bayesian untuk mengklasifikasikan mahasiswa
Pada penelitian ini akan menggunakan algoritma LOF, ide utama dari LOF adalah membandingkan kepadatan lokal lingkungan sebuah obyek dengan kepadatan lokal tetangganya,
merupakan alat bantu yang digunakan untuk melakukan deteksi outlier pada sekumpulan data numerik telah berhasil dibangun; algoritma Block-based Nested-Loop terbukti
