ALGORITMA C4.5 UNTUK PENILAIAN KINERJA KARYAWAN.
Teks penuh
Gambar
![Gambar 1 Susunan pohon keputusan](https://thumb-ap.123doks.com/thumbv2/123dok/646375.168842/2.595.73.283.451.598/gambar-susunan-pohon-keputusan.webp)
![Table 1 Data kontinyu](https://thumb-ap.123doks.com/thumbv2/123dok/646375.168842/3.595.310.531.170.390/table-data-kontinyu.webp)
![Gambar 3 Flowchart pembentukan pohon](https://thumb-ap.123doks.com/thumbv2/123dok/646375.168842/4.595.93.265.461.744/gambar-flowchart-pembentukan-pohon.webp)
![Tabel 3 Pengujian data](https://thumb-ap.123doks.com/thumbv2/123dok/646375.168842/5.595.113.268.245.495/tabel-pengujian-data.webp)
Dokumen terkait
1. Prosedur pembentukan model FRBFNN dengan optimasi algoritma genetika adalah: 1) menentukan input model berdasarkan plot ACF 2) membagi data menjadi data training
Analisis Diskriminan Kernel dengan metode Cross Validation dilakukan dengan membagi data menjadi dua bagian yaitu sebagian data digunakan untuk training yang bertujuan
algoritma pohon keputusan C4.5 dengan Algoritma Genetika (AG) berbasis bagging sebagai penyeleksi atribut. Tahap modelling dilakukan dengan dua cara yaitu cara
Pendekatan yang digunakan adalah metode pohon keputusan dengan algoritma ID3 (Iterative Dichotomiser 3). Penelitian ini bertujuan untuk menghasilkan sebuah sistem informasi
Adapun tujuan penelitian ini adalah untuk membentuk rules yang optimum pada pohon keputusan algoritma C4.5 menggunakan algoritma genetika dengan menerapkan
Pengujian yang telah dilakukan dapat disimpulkan bahwa data mining classification dengan menggunakan metode pohon keputusan algoritma C4.5 untuk membentuk pohon
Kemudian data transaksi dibagi menjadi dua bagian, data training, yaitu dataset yang digunakan unuk pembangkitan rule dan data testing, yaitu dataset yang
Cara utama yang dilakukan oleh algoritma ini untuk membentuk sebuah convex hull dari himpunan titik adalah dengan membagi dua semua himpunan menjadi 2