Analisis Perbandingan Performa Metode Klasifikasi pada Dataset Multiclass Citra Busur Panah

Abstract

Pengujian performa berbagai metode pada sebuah dataset merupakan salah satu cara dalam penetapan metode klasifikasi yang tepat, masalah yang diangkat pada penelitian ini adalah bagaimana membandingkan performa beberapa metode klasifikasi dalam mengelola dataset yang memiliki lebih dari dua label (multiclass). Penelitian ini fokus membandingkan hasil performa tujuh metode klasifikasi yaitu K-Nearest Neighbor (knn), Naive Bayes Classifier (nbc), Support Vector machine (svm), Neural Netowork (nn), Random Forest Classifier (rfc), Ada Boost Classifier (abc) dan Quadratic Discriminant Analysis (qdc). Objek pada penelitian ini berupa dataset multiclass yaitu dataset citra busur panah, serta performa yang diukur yaitu seluruh nilai cross-validation dari akurasi, presisi, recall dan f-measure. Hasil pada penelitian ini menunjukkan bahwa seluruh metode tidak memperoleh performa yang cukup baik, dan menunjukkan bahwa beberapa metode yang memiliki akurasi yang tinggi tidak menjadi penentu menjadi metode yang baik dikarenakan setelah penerapan cross-validation dan visualisasi boxplot ditemukan beberapa nilai akurasi tinggi yang merupakan nilai tidak wajar atau outlier. Kesimpulan menunjukkan metode svm memiliki performa yang lebih baik dibandingkan dengan enam metode lainnya pada kasus dataset multiclass citra busur panah.

Analisis Performa Algoritma Stochastic Gradient Descent (SGD) Dalam Mengklasifikasi Tahu Berformalin

“…Untuk proses evaluasi dengan confusion matrix maka akan diperoleh nilai precision, recall, dan accuracy yang didapat dari rumus: Sedangkan pada tahap ini juga menerapkan cross validation yang merupakan sebuah procedure acak yang membagi nilai atau kumpulan data menjadi K yang terputus-putus dengan ukuran yang kira-kira sama, dan setiap lipatan digunakan secara bergantian untuk menguji model yang diinduksi dari lipatan K-1 lainnya oleh x algoritma klasifikasi. Pada Gambar 2 merupakan gambaran proses terjadinya cross validation [10], [11], [14], [17], [20], [21]. Perolehan hasil diatas dapat dipastikan kembali dengan mencari nilai rata-rata dari masing-masing skor pada performa diatas yang dapat dilihat pada Tabel 4 dibawah ini.…”

Klasifikasi Sampah di Saluran Air Menggunakan Algortima CNN

“…Hal tersebut yang menjadikan CNN ini menjadi suatu algoritma yang patut dijadikan pilihan untuk mengklasifikan suatu gambar. Sistem yang dimiliki oleh CNN ini memiliki tingkat akurasi yang sangat tinggi dibandingkan dengan sistem metode lain seperti metode MPL [15]. Dalam suatu teknologi modern sering dikenal dengan teknologi sistem cerdas atau kecerdasan buatan.…”

Analisis performa metode klasifikasi Naïve Bayes Classifier pada Unbalanced Dataset

“…Klasifikasi merupakan bentuk dasar dari analisis data yang mempunyai teknik untuk menentukan keanggotaan kelompok berdasarkan data-data yang sudah ada [22]- [27]. Konsep dasar dari klasifikasi adalah beberapa data yang memiliki struktur data yang mirip akan memiliki klasifikasi yang mirip pula [28].…”