• Tidak ada hasil yang ditemukan

47-52 Klasifikasi Wisconsin Diagnostic Breast Cancer Data dengan Menggunakan Sequential Feature Selection dan Possibilistic C-Means

N/A
N/A
Protected

Academic year: 2018

Membagikan "47-52 Klasifikasi Wisconsin Diagnostic Breast Cancer Data dengan Menggunakan Sequential Feature Selection dan Possibilistic C-Means"

Copied!
13
0
0

Teks penuh

(1)

( % ) * % ! + , ! (

- . * ) * $ #+

/ 0 1 " 2 ! ! "

!

1 " . ! 3 0 ! 2 /! 0 !

" # $ % & ' (

. " # % 0 % $ % 0 ! - 4! ) !

- % % $

2 " )! % & 2)' , ! $

/ #

* % % 2 !% & 2 ' 2$ 5

6 !7 )

/ % " / ! + ( 2

$ * ' + , '

(2)

" % ## &

! "

" " '( )*+, " # &- (- ". & )*+,

" )*+,

" % ## & ) & /0,

!- % ( ) & /0,

1 " 2 & ) &&3,

4 ' ! ) & /0,

5 " 6 " . $ # ) & /0, " & 2 # $'( 7 ) & $&$,

#$

#6 8 ( 0

%&" '& %

" $

" 9( $ # 8

-: . 3( 0

" % " %

! 0

0 ) - 8 2,

8 0 )$ ,

# "

; - 0

# %

0 6 # & 0 < ' & /0 < 9= = "

0 2 9

< '

& 6 )> , 4 4 4 4 >4 ; ? )> , 4 >4 >

6 @ - ' # ' A

& ( > 1

! ! !" #

! ! ! $ !

!% &$ '

( % ) *

% ! + , ! (

- . * ) * $

#+

/ 0 1 " 2 ! ! "

!

1 " . ! 3 0

! 2 /! 0 !

" # $ % & ' (

. " # % 0 % $ % 0

! - 4! ) ! - %

% $

2 " )! % & 2)' , ! $

/ #

* % % 2

!% & 2 ' 2$ 5 6 !7

)

/ % " / !

+ ( 2

$ * ' + , '

= '# # 2 #' (

2 6 ' ( # 6

' ( 2 6 (

' ' 6 2 ' # '

#' ( # ( '#

# 2 2 >

(3)

❙✐st❡♠ P❛❦❛r ❑❡❥✐✇❛❛♥ ❞❡♥❣❛♥

❋♦r✇❛r❞ ❈❤❛✐♥✐♥❣ ❇❡r❜❛s✐s ❲❡❜

❏❡sr❡❡❧ ❙✉r❜❛❦t✐ 1✱ ❆q✇❛♠ ❘♦s❛❞✐ ❑❛r❞✐❛♥2

1❙✐st❡♠ ■♥❢♦r♠❛s✐✱ ❯♥✐✈❡rs✐t❛s ●✉♥❛❞❛r♠❛✱ 2 ❙✐st❡♠ ■♥❢♦r♠❛s✐✱ ❙❚▼■❑ ❏❛❦❛rt❛ ❙❚■✫❑

1❏❧✳ ▼❛r❣♦♥❞❛ ❘❛②❛ ✶✵✵✱ ❉❡♣♦❦

2 ❏❧✳ ❇❘■ ◆♦✳ ✶✼ ❘❛❞✐♦ ❉❛❧❛♠✱ ❑❡❜❛②♦r❛♥ ❇❛r✉✱ ❏❛❦❛rt❛ ❙❡❧❛t❛♥

❊✲♠❛✐❧ ✿❥❡sr❡❡❧✷✷❅❣♠❛✐❧✳❝♦♠✱ ❛q✇❛♠❅❥❛❦✲st✐❦✳❛❝✳✐❞

❆❜str❛❦

●❛♥❣❣✉❛♥ ❦❡s❡❤❛t❛♥ ❥✐✇❛ ❞✐❛♥t❛r❛♥②❛ ❞❡♣r❡s✐✱ ❝❡♠❛s✱ ♣✐s✐❦♦t✐❦✱ ♣❤♦❜✐❛✱ tr❛✉♠❛✱ ✐♥s♦♠✲ ♥✐❛✱ ❞❛♥ ❧❛✐♥ s❡❜❛❣❛✐♥②❛✳ Pr♦❢❡s✐♦♥❛❧ ❦❡❥✐✇❛❛♥ t✐❞❛❦ s❡❜❛♥②❛❦♥②❛ ♣r♦❢❡s✐♦♥❛❧ ❞✐ ❜✐❞❛♥❣ ❦❡s❡❤❛t❛♥ ❧❛✐♥♥②❛ ❤❛❧ ✐♥✐ ❞❛♣❛t ❞✐❧✐❤❛t ❞❛r✐ ♠❛s✐❤ ♠✐♥✐♠♥②❛ r✉♠❛❤ s❛❦✐t ❦❡❥✐✇❛❛♥✳ ❯♥t✉❦ ♠❡♠❜❡r✐❦❛♥ ♣❡♠❛❤❛♠❛♥ ❦❡♣❛❞❛ ♠❛s②❛r❛❦❛t✱ ❞❛♥ ♠❡♠✐♥✐♠❛❧✐s✐r ♣❡♥❛♥❣❛♥❛♥ ②❛♥❣ t❡r❧❛♠✲ ❜❛t ♠❛❦❛ ♣❡r❧✉ ❞✐❜✉❛t s❡❜✉❛❤ ❛❧❛t ❜❛♥t✉ ❜❡r✉♣❛ s✐st❡♠ ♣❛❦❛r✳ ❙❡s✉❛✐ ❞❡♥❣❛♥ ❦❡♠❛♠✲ ♣✉❛♥ ❞❛r✐ s✐st❡♠ ♣❛❦❛r ②❛♥❣ ♠❡r✉♣❛❦❛♥ s❛❧❛❤ s❛t✉ ❝❛❜❛♥❣ ✐❧♠✉ ❦❡❝❡r❞❛s❛♥ ❜✉❛t❛♥ ②❛♥❣ ♠❛♠♣✉ ✉♥t✉❦ ❜❡rt✐♥❞❛❦ s❡❜❛❣❛✐♠❛♥❛ s❡♦r❛♥❣ ♣❛❦❛r ♣❛❞❛ ❜✐❞❛♥❣ ✐❧♠✉ t❡rt❡♥t✉✳ P❡♥❡❧✐✲ t✐❛♥ ✐♥✐ ❜❡rt✉❥✉❛♥ ✉♥t✉❦ ♠❡♠❜❛♥t✉ ♠❛s②❛r❛❦❛t ❜❛✐❦ ❞✐ ♣❡r❦♦t❛❛♥ ♠❛✉♣✉♥ ❞✐ ♣❡❞❡s❛❛♥ ②❛♥❣ ❥❛✉❤ ❞❛r✐ ❢❛s✐❧✐t❛s ♣❡♥❛♥❣❛♥❛♥ ❦❡❥✐✇❛❛♥ ❛❣❛r ♠❡♠✐❧✐❦✐ ♣❡♠❛❤❛♠❛♥ ❞❛♥ ♠❡♠✐♥✐♠❛❧✲ ✐s✐r st✐❣♠❛ ❛t❛✉ ❞✐s❦r✐♠✐♥❛s✐ ❦❡♣❛❞❛ ♠❡r❡❦❛ ②❛♥❣ t❡r❦❡♥❛ ❣❛♥❣❣✉❛♥ ❥✐✇❛ ❦❛r❡♥❛ ❧✐♥❣❦✉♥❣❛♥ s❛♥❣❛t ❜❡r♣❡♥❣❛r✉❤ t❡r❤❛❞❛♣ ❦❡s❡♠❜✉❤❛♥ ❥✐✇❛ s❡s❡♦r❛♥❣✳ P❡♥❡r❛♣❛♥ s✐st❡♠ ♣❛❦❛r ❞❡♥✲ ❣❛♥ ♠❡t♦❞❡ ✐♥✈❡r❡♥s✐ ❢♦r✇❛r❞ ❝❤❛✐♥✐♥❣ ❛❦❛♥ ❞✐ ❛♣❧✐❦❛s✐❦❛♥ ❜❡r❜❛s✐s ✇❡❜ ②❛♥❣ ♠❡♥❣❣✉♥❛❦❛♥ ❆❞♦❜❡ ❉r❡❛♠✇❡❛✈❡r ❈❙✺✳✺ ❚r✐❛❧ ❱❡rs✐♦♥ s❡❜❛❣❛✐ ✇❡❜ ❡❞✐t♦r✱ ▼②❙◗▲ s❡❜❛❣❛✐ ❞❛t❛❜❛s❡✱ P❍P s❡❜❛❣❛✐ ❜❛❤❛s❛ ♣❡♠♦❣r❛♠❛♥✱ ❞❛♥ ♣❡♠❛♥❢❛❛t❛♥ ♣❡t❛ ❡❧❡❦tr♦♥✐❦ ●♦♦❣❧❡ ▼❛♣s ✉♥t✉❦ ♠❡♥✉✲ ❥✉❦❦❛♥ t❡♠♣❛t✲t❡♠♣❛t ②❛♥❣ ♠❡♠❜❡r✐❦❛♥ ❢❛s✐❧✐t❛s ❦❡❥✐✇❛❛♥ ❞❡♥❣❛♥ ❝❛r❛ ♠❡♠❜✉❛t ♣❡♥❛♥❞❛ ❧♦❦❛s✐✳

❑❛t❛ ❑✉♥❝✐ ✿ ❲❡❜ ❙✐st❡♠ P❛❦❛r✱ Ps✐❦✐❛tr✐✱ ❑❡❥✐✇❛❛♥✱ ●❛♥❣❣✉❛♥ ❏✐✇❛✳

P❡♥❞❛❤✉❧✉❛♥

▲❛t❛r ❇❡❧❛❦❛♥❣

❑❡s❡❤❛t❛♥ ♠❡r✉♣❛❦❛♥ ❤❛❧ ②❛♥❣ ❜❡r❤❛r❣❛ ❜❛❣✐

♠❛♥✉s✐❛✳ ❑❡s❡❤❛t❛♥ t❡r❜❛❣✐ ♠❡♥❥❛❞✐ ❞✉❛

②❛✐t✉ ❦❡s❡❤❛t✐ r♦❤❛♥✐ ❛t❛✉ ❥✐✇❛ ❞❛♥ ❥❛s♠❛♥✐ ❛t❛✉ ✜s✐❦✳ ●❛♥❣❣✉❛♥ ❦❡s❡❤❛t❛♥ ❥❛s♠❛♥✐ ❜✐✲ ❛s❛♥②❛ ❞❛♣❛t s❡❣❡r❛ ❞✐ ❦❡t❛❤✉✐ ❦❛r❡♥❛ s✐s✲ t❡♠ ❢✉♥❣s✐ ❦❡❦❡❜❛❧❛♥ t✉❜✉❤ ❛❦❛♥ s❡❣❡r❛ ♠❡♠✲ ❜❡r✐❦❛♥ ❧❛♠♣✉ ❦✉♥✐♥❣ ②❛♥❣ ❜✐❛s❛♥②❛ ❜❡r✉♣❛ ♠❡♥✐♥❣❦❛t♥②❛ s✉❤✉ ❜❛❞❛♥✳ ●❛♥❣❣✉❛♥ ❦❡s❡✲ ❤❛t❛♥ ❥✐✇❛ t✐❞❛❦ ❞❛♣❛t ❞✐❦❡t❛❤✉✐ s❡❝❛r❛ ♠✉✲ ❞❛❤ ❦❛r❡♥❛ ♦r❛♥❣ ❝❡♥❞r✉♥❣ t✐❞❛❦ s❛❞❛r ❜❛❤✇❛ s❡❜❡❜❡♥❛r♥②❛ ♠❡♥❣❛❧❛♠✐ ❣❛♥❣❣✉❛♥ ❦❡s❡❤❛t❛♥ ❥✐✇❛✳

●❛♥❣❣✉❛♥ ❦❡s❡❤❛t❛♥ ❥✐✇❛ ❞✐❛♥t❛r❛♥②❛ ❞❡✲ ♣r❡s✐✱ ❝❡♠❛s✱ ♣✐s✐❦♦t✐❦✱ ♣❤♦❜✐❛✱ tr❛✉♠❛✱ ✐♥✲

s♦♠♥✐❛✱ ❞❛♥ ❧❛✐♥ s❡❜❛❣❛✐♥②❛✳ P❡♥❣❛♥❛♥

❦♦♥❞✐s✐ ❦❡❥✐✇❛❛♥ ❞❛♣❛t ❞✐ ❧❛❦✉❦❛♥ ♦❧❡❤ ❞✐r✐ s❡♥❞✐r✐ ❞❛♥ ❦❡❧✉❛r❣❛ ❛s❛❧❦❛♥ ❞✐❞✉❦✉♥❣ ❛♥❥✉r❛♥ ♣❡♥❛♥❣❛♥❛♥ ②❛♥❣ s❡❤❛r✉s♥②❛✱ ❥✐❦❛ s✉❞❛❤ t✐❞❛❦

♠❡♠✉♥❣❦✐♥❦❛♥ ♠❛❦❛ ❤❛r✉s ❞✐ ❦♦♥s✉❧❛t❛s✐❦❛♥ ❦❡♣❛❞❛ ♣r♦❢❡s✐♦♥❛❧ s❡♣❡rt✐ ♣s✐❦✐❛t❡r✳ Pr♦❢❡✲ s✐♦♥❛❧ ❦❡❥✐✇❛❛♥ t✐❞❛❦ s❡❜❛♥②❛❦♥②❛ ♣r♦❢❡s✐♦♥❛❧ ❞✐ ❜✐❞❛♥❣ ❦❡s❡❤❛t❛♥ ❧❛✐♥♥②❛ ❤❛❧ ✐♥✐ ❞❛♣❛t ❞✐❧✲ ✐❤❛t ❞❛r✐ ♠❛s✐❤ ♠✐♥✐♠♥②❛ r✉♠❛❤ s❛❦✐t ❦❡❥✐✲ ✇❛❛♥✳ ▼❛s②❛r❛t ❥✉❣❛ ❝❡♥❞r✉♥❣ t✐❞❛❦ ❜❡r❦♦♥✲ s✉❧t❛s✐ ❦❡ ♣r♦❢❡s✐♦♥❛❧ ❦❛r❡♥❛ ❛❞❛♥②❛ ❞✐s❦r✐♠✐✲ ♥❛s✐ ❞❛r✐ ❧✐♥❣❦✉♥❣❛♥♥②❛ s❡❤✐♥❣❣❛ ❦❡t✐❦❛ s✉❞❛❤ ❜❡r❦♦♥s✉❧t❛s✐ ❞❡♥❣❛♥ ♣r♦❢❡s✐♦♥❛❧ ❦♦♥❞✐s✐ ❦❡❥✐✲ ✇❛❛♥♥②❛ s✉❞❛❤ ❥❛✉❤ ❧❡❜✐❤ ❜✉r✉❦ ❞❛♥ ♣❡♥❛♥✲ ❣❛♥❛♥ ❛❦❛♥ t❡r❧❛♠❜❛t✳ P❡♥❛♥❣❛♥❛♥ ②❛♥❣ t❡r✲ ❧❛♠❜❛t ❞❛♣❛t ❜❡r❛❦❤✐r ❞❡♥❣❛♥ ❤❛❧ ②❛♥❣ ❜✉r✉❦ s❡♣❡rt✐ ♣❛s✉♥❣✳

(4)
(5)
(6)
(7)

❜❡r♦r✐❡♥t❛s✐ ♦❜❥❡❦✳ ❑❛r❡♥❛ ❯▼▲ ✐♥✐ ♠❡r✉✲

P❍P ✭❍②♣❡rt❡① Pr❡♣♦❝❡ss♦r✮

(8)
(9)

❚❛❜❡❧ ✸✿ ❚❛❜❡❧ ❑❡♣✉t✉s❛♥ ●❛♥❣❣✉❛♥ ❑❡❥✐✇❛❛♥

❆ ❇ ❈ ❉ ❊ ❋ ● ❍ ■ ❏ ❑ ▲

✶ ✷✺

✷ ✷✺

✸ ✷✺

✹ ✷✺

✺ ✸✵

✻ ✸✺

✼ ✸✺

✽ ✷✺ ✶✺

✾ ✷✺ ✸✵

✶✵ ✶✺

✶✶ ✶✵ ✶✺

✶✷ ✷✺

✶✸ ✸✵

✶✹ ✸✵

✶✺ ✷✵

✶✻ ✶✵

✶✼ ✶✵

✶✽ ✶✵ ✶✵

✶✾ ✺

✷✵ ✶✺

✷✶ ✻✵ ✹✵

✷✷ ✹✵

✷✸ ✻✵

✷✹ ✶✺ ✶✺

✷✺ ✶✵ ✶✵

✷✻ ✶✵ ✶✵

✷✼ ✶✵ ✶✵

✷✽

✷✾ ✺ ✺

✸✵ ✶✵ ✶✵

✸✶ ✺ ✺

✸✷ ✷✺

✸✸ ✷✺

✸✹ ✷✵

✸✺ ✶✺

✸✻ ✶✺ ✷✵

✸✼ ✸✵

✸✽ ✸✵

✸✾ ✷✵

✹✵ ✹✵

✹✶ ✹✵

✹✷ ✸✵

✹✸ ✷✵ ✷✵

❯s❡ ❈❛s❡ ❉✐❛❣r❛♠

●❛♠❜❛r ✷✿ ❯s❡ ❈❛s❡ ❉✐❛❣r❛♠ ❆❞♠✐♥

●❛♠❜❛r ✸✿ ❯s❡ ❈❛s❡ ❉✐❛❣r❛♠ ❯s❡r

❆❝t✐✈✐t② ❉✐❛❣r❛♠

(10)

●❛♠❜❛r ✺✿ ❆❝t✐✈✐t② ❉✐❛❣r❛♠ ❯s❡r

❙❡q✉❡♥❝❡ ❉✐❛❣r❛♠

●❛♠❜❛r ✻✿ ❉✐❛❣r❛♠ ❙❡q✉❡♥❝❡ ❚❛♠♣✐❧❛♥ ▼❡♥✉ ❆✇❛❧

●❛♠❜❛r ✼✿ ❉✐❛❣r❛♠ ❙q✉❡♥❝❡ Pr♦s❡s ❉✐❛❣♥♦s❛

❈❧❛ss ❉✐❛❣r❛♠

(11)

■♠♣❧❡♠❡♥t❛s✐ ❞❛♥ ❍❛s✐❧

P❛❞❛ t❛❤❛♣❛♥ ✐♥✐ ②❛♥❣ t❡❧❛❤ ❞✐ r❛♥❝❛♥❣❛♥ ♣❛❞❛ t❛❤❛♣❛♥ s❡❜❡❧✉♠♥②❛ ❛❦❛♥ ❞✐✐♠♣❧❡♠❡♥t❛s✐❦❛♥ ❦❡ ❞❛❧❛♠ ❜❛❤❛s❛ ♣❡♠♦❣r❛♠❛♥ P❍P s❡rt❛ ▼②❙◗▲ ✉♥t✉❦ ♠❡♥②✐❛♣❦❛♥ ❜❛s✐s ❞❛t❛✳ ❙❡t❡✲ ❧❛❤ r❛♥❝❛♥❣❛♥ ❞✐✐♠♣❧❡♠❡♥t❛s✐❦❛♥ ♠❛❦❛ t❛❤❛♣ s❡❧❛♥❥✉t♥②❛ ❛❞❛❧❛❤ ✉❥✐❝♦❜❛ ✉♥t✉❦ ♠❡♥❣✉❥✐ ❦❡✲ s❡s✉❛✐❛♥ ♣r♦❣r❛♠✳

■♠♣❡❧❡♠❡♥t❛s✐ ❉❛t❛❜❛s❡

❉❛t❛❜❛s❡ ❞✐❜✉❛t ❞❡♥❣❛♥ ▼②❙◗▲ ②❛♥❣ t❡r❜❛❣✐ ♠❡♥❥❛❞✐ ✽ t❛❜❡❧ ✉t❛♠❛ ❞❛♥ ✸ t❛❜❡❧✳ ❚❛❜❡❧ ✉t❛♠❛ t❡❞✐r✐ ❞❛r✐ ❞❛t❛❴♣❛❦❛r✱ ❞❛t❛❴✉s❡r✱ ❣❡❥❛❧❛✱ ♣❡♥②❛❦✐t✱ r❡❧❛s✐❴ ♣❡♥②❛❦✐t❴❣❡❥❛❧❛✱

❤❛s✐❧❴❞✐❛❣♥♦s✐s✱ ❛rt✐❦❡❧✱ ❞❛♥ ♣❡t❛✳ ❚❛❜❡❧

t❡♠♣♦r❛r② t❡r❞✐r✐ ❞❛r✐ t❛❜❧❡ t♠♣❴♣❡♥②❛❦✐t✱

t♠♣❴❣❡❥❛❧❛ ❞❛♥ t♠♣❴❛♥❛❧✐s❛✳ ❚❛❜❡❧ t❡♠✲

♣♦r❛r② ❞✐❣✉♥❛❦❛♥ ♣❛❞❛ s❛❛t ❞✐❛❣♥♦s✐s ✉♥t✉❦ ♠❡♥②✐♠♣❛♥ ♥✐❧❛✐ s❡♠❡♥t❛r❛ s❡❜❡❧✉♠ ❞✐ ❞✐s✲ tr✐❜✉s✐❦❛♥ ❦❡ t❛❜❡❧ ✉t❛♠❛ t✉❥✉❛♥✳

■♠♣❧❡♠❡♥t❛s✐ ❆♥t❛r ▼✉❦❛

P❛❞❛ t❛❤❛♣ ✐♥✐ ❞✐❧❛❦✉❦❛♥ ♣❡♥❡r❛♣❛♥ ❤❛s✐❧ ♣❡r✲ ❛♥❝❛♥❣❛♥ ❛♥t❛r♠✉❦❛ ❦❡ ❞❛❧❛♠ s✐st❡♠✳ ●❛♠❜❛r ✾ ♠❡♠♣❡r❧✐❤❛t❦❛♥ ❍❛❧❛♠❛♥ ▼✉❦❛ ❞❛r✐ s✐st❡♠ ♣❛❦❛r ❦❡❥✐✇❛❛♥✱ ❣❛♠❜❛r ✶✵ ♠❡♠♣❡r❧✐❤❛t❦❛♥ ❤❛✲ ❧❛♠❛♥ ✉t❛♠❛ ♣❛❦❛r ❞❛♥ ❣❛♠❜❛r ✶✶ ♠❡♠♣❡r❧✐✲ ❤❛t❦❛♥ ❤❛❧❛♠❛♥ ✉t❛♠❛ ♣❡♥❣❣✉♥❛✳

❍❛❧❛♠❛♥ ❯t❛♠❛ ❙✐st❡♠

●❛♠❜❛r ✾✿ ❍❛❧❛♠❛♥ ❯t❛♠❛

❍❛❧❛♠❛♥ ❯t❛♠❛ P❛❦❛r

●❛♠❜❛r ✶✵✿ ❍❛❧❛♠❛♥ ❯t❛♠❛ P❛❦❛r

❍❛❧❛♠❛♥ ❯t❛♠❛ ❯s❡r

●❛♠❜❛r ✶✶✿ ❍❛❧❛♠❛♥ ❯t❛♠❛ ❯s❡r

❯s❛❜✐❧✐t② ❚❡st✐♥❣

(12)
(13)

❬✷❪ ■s♠❛✐❧ ❙②❛❤♣✉tr❛✳ ❙✐st❡♠ P❛❦❛r ✉♥t✉❦ ▼❡♥❞✐❛❣♥♦s❛ P❡♥❣❣✉♥❛ ◆❛r❦♦❜❛ ❉❡♥✲ ❣❛♥ ▼❡♥❣❣✉♥❛❦❛♥ ▼❡t♦❞❡ ❇❛②❡s✳ ❯❘▲✿ ❤tt♣✿✴✴♣❡❧✐t❛✲✐♥❢♦r♠❛t✐❦❛ ✳❝♦♠✴❜❡r❦❛s✴ ❥✉✲ r♥❛❧✴✶✻✳✪✷✵✐s♠❛✐❧✳♣❞❢✱ ♣❛❞❛ t❛♥❣❣❛❧ ✺✲✻✲ ✷✵✶✺✳

❬✸❪ ❆r❛❤♠✐✳ ❑♦♥s❡♣ ❉❛s❛r ❙✐st❡♠ P❛❦❛r✳ ❆◆❉■✱ ❨♦❣②❛❦❛rt❛✱ ✷✵✵✺✳

❬✹❪ ❍❡♥❞r✐❦ ❙❡t②♦ ❯t♦♠♦✳ ▲♦❣✐❦❛ ❋✉③③②✳ ❯❘▲✿

❤❡♥❞r✐❦✳st❛✛✳ ❣✉♥❛❞❛r♠❛✳❛❝✳✐❞✴❧♦❣✐❦❛✲

❢✉③③②✳♣❞❢✱ ♣❛❞❛ t❛♥❣❣❛❧ ✾✲✺✲✷✵✶✺✳

❬✺❪ ❆♥♦♥✐♠✳ ❏❛✈❛❙❝r✐♣t✳ ❯❘▲✿ ❤tt♣✿✴✴✐❞✳✇✐❦✐ ♣❡❞✐❛✳♦r❣✴✇✐❦✐✴❏❛✈❛❙❝r✐♣t✱ ♣❛❞❛ t❛♥❣❣❛❧ ✺✲ ✹✲✷✵✶✺✳

❬✻❪ ❆♥♦♥✐♠✳ ❙tr✉❦t✉r ◆❛✈✐❣❛s✐ ❲❡❜✲

s✐t❡✳ ❯❘▲✿ ❤tt♣s✿✴✴✇❛❝❛♥❛❦♦♠♣✉t❡r✳

✇♦r❞♣r❡ss✳❝♦♠✴t❛❣✴str✉❦t✉r✲♥❛✈✐❣❛s✐✲♥♦♥✲ ❧✐♥✐❡r✴✱ ❏❛❦❛rt❛✱ ♣❛❞❛ t❛♥❣❣❛❧ ✺✲✹✲✷✵✶✺ ❬✼❪ ❙✐r♦❥✉❧ ▼✉♥✐r✳ ❲❡❜ ❈♦♠♣❡❧❡t❡ ❍❚▼▲✺✱

Referensi

Dokumen terkait

Tujuan melakukan feature selection ini, selain untuk mereduksi jumlah atribut, nantinya bisa memberikan performansi yang lebih baik pada saat melakukan klasifikasi

Pada penelitian ini dilakukan optimasi pada NB dengan menggunakan algoritme optimasi yaitu GA yang akan digunakan sebagai model untuk feature selection, sehingga diperoleh

Maka dari itu penulis akan melakukan komparasi terhadap beberapa algoritma klasifikasi (NB, SVM dan ANN), komparasi terhadap beberapa algoritma feature selection (IG,

Setelah mengimplementasikan metodeNaïve Bayes dan melakukan pengujian model dengan menggunakan kombinasi 3 hingga 11 fitur, hasil klasifikasi dengan metode tersebut mengalami perubahan

KESIMPULAN Kesimpulan yang dapat digunakan sebagai pengetahuan baru untuk user dan juga pembaca bahwa setelah diselesaikannya penelitian ini dengan tujuan untuk mengetahuan tingkat

Digunakan sebagai teknik pengoptimalan untuk mengatasi masalah yang menantang di berbagai industry[10] Evaluasi Pada tahapannya akan diketahui akurasi nilai dan AUC terbaik dari

Kriteria AUC Nilai AUC Interprestasi 0.90 – 1.00 Excellent Classification 0.80 – 0.90 Good Classification 0.70 – 0.80 Fair Classification 0.60 – 0.70 Poor Classsification 0.50 –

Selanjutnya pada penelitian [3] juga melakukan klasifikasi serangan IoT dari dataset CICDDos 2017 dan CICDDoS 2019 untuk dua kelas yang telah dilakukan sampling dengan teknik Syntetic