PENINGKATAN KINERJA ALGORITMA CORONA VIRUS DISEASE OPTIMISATION MENGGUNAKAN COMPETITION STRATEGY UNTUK SELEKSI FITUR BERBAGAI DIMENSI DATA = Performance Improvement of Corona Virus Disease Optimisation Algorithm Using Competition Strategy for Feature Selection of Various Data Dimensions


Murisnan, Murisnan (2024) PENINGKATAN KINERJA ALGORITMA CORONA VIRUS DISEASE OPTIMISATION MENGGUNAKAN COMPETITION STRATEGY UNTUK SELEKSI FITUR BERBAGAI DIMENSI DATA = Performance Improvement of Corona Virus Disease Optimisation Algorithm Using Competition Strategy for Feature Selection of Various Data Dimensions. Thesis thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
H052221002_tesis_23-08-2024 cover1.jpg

Download (358kB) | Preview
[thumbnail of Bab 1-2] Text (Bab 1-2)
H052221002_tesis_23-08-2024 bab 1-2.pdf

Download (871kB)
[thumbnail of Dapus] Text (Dapus)
H052221002_tesis_23-08-2024 dp.pdf

Download (609kB)
[thumbnail of Full Text] Text (Full Text)
H052221002_tesis_23-08-2024.pdf
Restricted to Repository staff only until 1 August 2026.

Download (3MB)

Abstract (Abstrak)

Berbagai dimensi data yang bervariasi menjadi tantangan terbesar saat ini disebabkan oleh perkembangan dan bertambahnya data yang begitu cepat setiap harinya. Selain itu keinginan untuk mendapatkan informasi dari tumpukan data ini juga menjadi suatu hal yang sangat penting. Untuk mendapatkan informasi yang diinginkan dari tumpukan data berbagai dimensi ini sehingga perlu dilakukan penggalian data atau data mining. Salah satu bagian dari teknik data mining adalah pra-pemrosesan data yaitu seleksi fitur. Seleksi fitur merupakan proses untuk memilih fitur-fitur yang penting dalam suatu dataset yaitu dengan mengurangi fitur-fitur yang tidak sesuai, tidak relevan atau tidak perlu yang dianggap akan memperburuk kinerja dalam proses klasifikasi data dan waktu pemrosesannya. Dengan memodifikasi Algoritma COVID Optimization untuk memilih subset fitur yang relevan dari berbagai jenis dimensi data menggunakan konsep Competition Strategy yang disematkan pada Algoritma optimasi yaitu Coronavirus Disease Optimization Algorithm untuk menangani masalah seleksi fitur yang relevan. Melalui konsep Competition Strategy ini yang bertujuan untuk meningkatkan pencarian global dan mampu memberikan kinerja untuk menghasilkan subset fitur yang menjanjikan dan mencapai akurasi klasifikasi yang lebih baik. Kinerja Algoritma yang diusulkan diuji pada enam dataset dari UCI Machine Learning Data Repository dipilih berdasarkan tingkat akurasi yang rendah pada penelitian sebelumnya. Hasil eksperimen menunjukkan bahwa kinerja Algoritma yang diusulkan lebih unggul dari Algoritma versi Biner COVID Optimization dalam menangani seleksi fitur yang relevan sehingga mencapai tingkat akurasi yang sangat baik.

Keywords : Feature Selection, Wrapper Aproach, Metaheuristic Algorithm, Optimization Algorithm, Evolutionary Algorithm.

Item Type: Thesis (Thesis)
Uncontrolled Keywords: Feature Selection, Wrapper Aproach, Metaheuristic Algorithm,Optimisation Algorithm, Evolutionary Algorithm
Subjects: T Technology > T Technology (General)
Divisions (Program Studi): Fakultas Teknik > Teknik Informatika
Depositing User: Unnamed user with username pkl
Date Deposited: 26 Aug 2024 06:56
Last Modified: 26 Aug 2024 06:56
URI: http://repository.unhas.ac.id:443/id/eprint/36385

Actions (login required)

View Item
View Item