Perbandingan metode extreme learning machine dan algoritma c4.5 untuk mengklasifikasi kualitas red wine

Wijaya, Calvin Tan and Coksen, Eric (2019) Perbandingan metode extreme learning machine dan algoritma c4.5 untuk mengklasifikasi kualitas red wine. Bachelor thesis, Universitas Pelita Harapan.

[thumbnail of Title] Text (Title)
Title.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (5MB)
[thumbnail of Abstract]
Preview
Text (Abstract)
Abstract.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (311kB) | Preview
[thumbnail of ToC] Text (ToC)
ToC.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[thumbnail of Chapter1]
Preview
Text (Chapter1)
Chapter1.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (469kB) | Preview
[thumbnail of Chapter2] Text (Chapter2)
Chapter2.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[thumbnail of Chapter3] Text (Chapter3)
Chapter3.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB)
[thumbnail of Chapter4] Text (Chapter4)
Chapter4.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB)
[thumbnail of Chapter5] Text (Chapter5)
Chapter5.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (197kB)
[thumbnail of Bibliography]
Preview
Text (Bibliography)
Bibliography.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (285kB) | Preview
[thumbnail of Appendices] Text (Appendices)
Appendices.pdf
Restricted to Repository staff only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (5MB)

Abstract

Wine merupakan minuman beralkohol yang merupakan hasil fermentasi dari buah khususnya buah anggur. Setiap wine memiliki tingkat kualitas yang berbeda-beda yang mana semakin tinggi tingkat kualitas wine maka semakin baik pula rasa yang dihasilkan oleh wine tersebut. Oleh karena itu, diperlukan suatu penelitian yang dapat menjadi pertimbangan dalam penentuan tingkat kualitas dari wine tersebut. Penelitian ini akan mengimplementasikan metode jaringan saraf tiruan tersebut yaitu Extreme Learning Machine (ELM) dan Algoritma C4.5. ELM merupakan jaringan saraf tiruan feed-forward dengan satu atau lebih hidden layer atau single layer feed-forward neural, Algoritma C4.5 merupakan algoritma yang digunakan untuk membangun sebuah decision tree dari data. Berdasarkan hasil penelitian yang telah dilakukan, terlihat bahwa metode Algoritma C4.5 mampu memberikan hasil akurasi yang baik dibandingkan metode ELM. Dengan menggunakan confusion matrix, hasil penelitian juga menunjukkan bahwa tingkat keakuratan metode algortima C4.5 sebesar 1.5 kali lebih baik dibandingkan metode ELM
Item Type: Thesis (Bachelor)
Creators:
Creators
NIM
Email
ORCID
Wijaya, Calvin Tan
1501030389
UNSPECIFIED
UNSPECIFIED
Coksen, Eric
1501030540
UNSPECIFIED
UNSPECIFIED
Contributors:
Contribution
Contributors
NIDN/NIDK
Email
Thesis advisor
Pangaribuan, Jefri Junifer
UNSPECIFIED
UNSPECIFIED
Uncontrolled Keywords: Wine, Red Wine, Jaringan Saraf Tiruan, Extreme Learning Machine, Algoritma , C4.5
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: University Subject > Current > Faculty/School - UPH Medan > School of Information Science and Technology > Information Systems
Current > Faculty/School - UPH Medan > School of Information Science and Technology > Information Systems
Depositing User: Debora Sitepu
Date Deposited: 22 Jun 2021 09:07
Last Modified: 13 Jan 2022 02:52
URI: http://repository.uph.edu/id/eprint/33937

Actions (login required)

View Item
View Item