Article Per Year (5 Year)
p-Index From 2021 - 2026
2.56
P-Index
This Author published in this journals
All Journal TEKNIK INFORMATIKA JSI: Jurnal Sistem Informasi (E-Journal) InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Jurnal Komputer Terapan Seminar Nasional Teknologi Informasi Komunikasi dan Industri JOURNAL OF APPLIED INFORMATICS AND COMPUTING Sebatik ILKOM Jurnal Ilmiah IJITEE (International Journal of Information Technology and Electrical Engineering) Jurnal Pengabdian Masyarakat Indonesia Caring : Jurnal Pengabdian Masyarakat Jurnal Nasional Teknik Elektro dan Teknologi Informasi Technologica Jurnal Sistem Informasi Jurnal Kecerdasan Buatan dan Teknologi Informasi Scientific Journal of Informatics
Warnia Nengsih
Politeknik Caltex Riau
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Health Professions Industrial & Manufacturing Engineering Library & Information Science Mathematics Nursing Public Health Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Sebatik

 1 
ANALISA AKURASI PERMODELAN SUPERVISED DAN UNSUPERVISED LEARNING MENGGUNAKAN DATA MINING Warnia Nengsih
Sebatik Vol 23 No 2 (2019): Desember 2019
Publisher : STMIK Widya Cipta Dharma

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (329.724 KB)

Abstract

Data Mining merupakan salah satu proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Data mining memiliki dua jenis pembelajaran diantaranya supervised learning dan unsupervised learning. Tentunya setiap pembelajaran memiliki teknik dan algoritma tersendiri. Penelitian ini bertujuan untuk melakukan permodelan dari setiap learning dengan mengukur akurasi dari kedua jenis learning tersebut menggunakan beberapa metode pengujian. Sementara untuk rancang sistem menggunakan bahasa pemograman matlab. Belum adanya pengukuran akurasi dari kedua learning menjadi hal yang melatarbelakangi penelitian ini. Dari hasil pengujian akurasi menggunakan confusion matrix dan lift ratio diperoleh hasil bahwa perbandingan rata-rata akurasi untuk supervised learning adalah 82,33% dan unsupervised learning sebesar 78% dengan selisih nilai akurasi sebesar 4,33%. Nilai akurasi dipengaruhi oleh jumlah serta keberagaman dimensi data. Jadi dengan kasus dan jumlah serta dimensi yang berbeda akan menghasilkan nilai akurasi yang beragam pula.
Co-Authors Akbar, Memen Aleanda, Galih Ardiyanto Ardiyanto Aulia Gusri Pratama Ayu Putri Lestari Cici Angresta Cyntia Widiasari Dini Hidayatul Qudsi Dini Nurmala Sari Eka Ariefyanto Putra Eki Haiyal'ulya Elnovrian Purnama Saghita Elviyenti, Mona Felix Gary Hajijah Noor Hasna Fikriyah Dwinas Helmi Chazali Lubis Indra Agus Lukman Irwan Chandra Istianah Muslim Juni Nurma Sari Juni Nurma Sari M. Mahrus Zein Mardhiah Fadhli, Mardhiah Muhammad Saputra mutia sari zulvi Nazifa Hayati Nurmalasari, Dini Nurwijayanti Putri Madhona Rama Yoedha Satria Ria Anjelina Agustin Rizky Fitria Rizky Fitria Shinta Utiya Syah Syefrida Yulina Syefrida Yulina, Syefrida Syefrida, Yulina T.Marlina Cahyani Utama, Nuradila Widyasari, Cyntia Wiwin Styorini Yuli Fitrisia