PERBANDINGAN METODE EXTREME LEARNING MACHINE DAN ALGORITMA C4.5 UNTUK MENGKLASIFIKASI KUALITAS RED WINE

Authors

  • Okky Putra Barus UPH

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.

Kata Kunci: Wine, Red Wine, Jaringan Saraf Tiruan, Extreme Learning Machine, Algoritma C4.5

References

D. Davis and R. M. Cosenza, Business Research for Decision Making (3rd Ed.), Bellmonte, Calis: Wadsworth, 1993.
J. Sarwono, Metode Penelitian Kuantitatif dan Kualitatif, Yogyakarta: Graha Ilmu, 2006.
J. R. Raco, Metode Penelitian Kualitatif: Jenis, Karakteristik dan Keungguluannya, Jakarta: Grasindo, 2010.
Purwanto, Metodologi Penelitian Kuantitatif untuk Psikologi dan Pendidikan, Yogyakarta: Pustaka Belajar, 2010.
G. Keraf, Komposisi: Sebuah Pengantar Kemahiran Bahasa, Ende-Flores: Penerbit Nusa Indah, 1997.
Z. L. Sun, T. M. Choi, K. F. Au and Y. Yu, "Sales Forecasting Using Extreme Learning Machine With Applications in fashion Retailing," pp. 411-419, 2008.
E. S. Kundari, "Perbandingan Kinerja Metode Naive Bayes dan C4.5 dalam Pengklasifikasikan Penyakit Diabetes Melitus Di Rumah Sakit Kumala Siswi Kudus," 2015.
M. Ridwan, H. Suyono and M. Sarosa, Penerapan Data mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayer Classifier, pp. 59 - 64, 2013.
C. Vercellis, Business Intelligence : Data Mining and Optimization for Decision Making, John Wiley & Sons, Ltd., 2009.
G.-. B. Huang, Q.-. Y. Zhu and C.-. K. Siew, "Extreme Learning Machine : Theory and Applications," Extreme Learning Machine : Theory and Applications, pp. 490-501, 2006.
I. Rahmayuni, Perbandingan Performansi Algoritma C4.5 dan Cart Dalam Klasifikasi Data Nilai Mahasiswa Prodi Teknik Komputer Politeknik Negeri Padang, pp. 40-46, 2014.
D. H. Kamagi and S. Hasun, "Implementasi Data Mining dengan Algoritma C4.5 untuk Memprediksi TIngkat Kelulusan Mahasiswa," Ultimatics, Vols. Vol. VI, No. 1, pp. 15 - 20, 2014.
O. Kristanto, Penerapan Algoritma Klasifikasi Data Mining untuk menentukan penjurusan siswa SMAN 6 Semarang, 2014.
A. E. Tyasti, D. Ispriyanti and A. Hoyyi, Algoritma Iterative Dichotomiser 3 (ID3) untuk mengindentifikasi data rekam medis, pp. 238-246, 2015.
J. J. Pangaribuan, "Mendiagnosis Penyakit Diabetes Melitus Dengan Menggunakan Metode Extreme Learning Machine," Journal Information System Development (ISD), vol. II, pp. 32-40, 2016.
F. Pakaja, A. Naba and P. Purwanto, "Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor," 2012.
D. Widiastusti, ANALISA PERBANDINGAN ALGORITMA SVM, NAIVE BAYES, DAN DECISION TREE DALAM MENGKLASIFIKASIKAN SERANGAN (ATTACKS) PADA SISTEM PENDETEKSI INTRUSI, 2012.
H. Pawingya, T. W. Widayati, D. Putra and P. Akbar, Tinjauan Kinetika Pembuatan Rose Wine, 2010.
A. D. Saputra, "Perbandingan Kadar Alkohol Dan Cita Rasa Wine Salak Pondoh Dengan Metode Red WIne, White Wine, dan Sake Menggunakan Strain Yeast Polandia," 2018.
R. A. Ovihapsany, A. Mustofa and N. Suhartatik, Karakteristik Minuman Beralkohol Dengan variasi Kadar Ekstrak Buah Bit Dan Lama Fermentasi, vol. V, pp. 55-63.

Downloads

Published

2017-07-01