OPTIMASI ALGORITMA C4.5 MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) UNTUK KLASIFIKASI PENYEBAB PERCERAIAN
Teks penuh
Dokumen terkait
Particle Swarm Optimization pada k-NN bertujuan untuk melakukan klasifikasi data nasabah kredit dengan akuarasi 87,59% setelah digunakan optimization
Penelitian yang akan diangkat pada tesis ini akan membahas mengena i Pengoptimasian Bobot Atribut pada Algoritma C4.5 dengan menggunakan Particle swarm optimization
Pada Gambar 4.2 dibawah ini ditunjukkan bagaimana alir algoritma Particle Swarm Optimization (PSO) untuk optimasi keuntungan pembangunan perumahan berdasarkan jumlah
Tujuan dari penelitian ini yaitu membuktikan performa atau peningkatan akurasi Particle Swarm Optimization pada metode Naive Bayes untuk klasifikasi review positif dan
Dalam penelitian ini dibuatkan model algoritma neural network dan model algoritma neural network berbasis particle swarm optimization untuk mendapatkan arsitektur dalam
Dalam mengetahui probabilitas dari model naive bayes dengan Particle Swarm Optimization, proses yang dilakukan sama dengan proses pembuatan model sebelumnya yaitu
KESIMPULAN DAN SARAN Hasil penelitain menunjukkan, metode Naïve Bayes dengan pombobotan atribut metode Particle Swarm Optimization PSO mendapatkan nilai akurasi yang lebih baik dari
"ALGORITMA KLASIFIKASI NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK PREDIKSI PENYAKIT TUBERCULOSIS TB", Swabumi, 2020
