Sistem rekomendasi kelayakan kredit menggunakan metode Random Forest pada BRI Kantor Cabang Pelaihari
Teks penuh
Gambar
Dokumen terkait
Random Forest merupakan pengembangan dari Algoritma C4.5 (decision tree) dengan menggunakan beberapa Decision tree, dimana setiap Decision Tree telah dilakukan training
Untuk mendapatkan rekomendasi yang tepat data yang telah didapatkan diolah sedemikian rupa menggunakan algoritma Random Forest , dari beberapa tinjauan penelitian sebelumnya
Metode Random Forest dapat digunakan dalam pembuatan model machine learning untuk memprediksi diagnosis penyakit jantung dengan menggunakan data rekam medis RSI Ibnu
Sistem dibangun menggunakan algoritma find contour dan dilanjutkan proses klasifikasi menggunakan metode random forest dengan penambahan nilai untuk parameter
1) Metode random forest dapat digunakan untuk melakukan klasifikasi kualitas red wine. Jumlah pohon tidak mempengaruhi akurasi hasil klasifikasi. Semakin tinggi fold
Kesimpulan Dari hasil penelitian yang telah dilakukan, metode klasifikasi dengan algoritma random forest dalam memprediksi tingkat kesejahteraan masyarakat nelayan di Lombok Timur
Alur Klasifikasi 2.5 Model Klasifikasi Metode yang akan digunakan pada penelitian adalah Algoritma C4.5, Random Forest, SVM dan Naive Bayes.. Dalam permodelan ini Algoritma C4.5,
Penelitian yang dilakukan oleh Yuri Yuliani dalam jurnal yang berjudul “Algoritma Random Forest Untuk Prediksi Kelangsungan Hidup Pasien Gagal Jantung Menggunakan Seleksi Fitur