KOMPARASI KERNEL PADA ALGORITMA SUPPORT VECTORMACHINE STUDI KASUS KLASIFIKASI PENJURUSAN DI SMA SAVERIUS SRAGEN

Theopilus Bayu S, Adhistya Erna Permanasari, Indriana Hidayah

Abstract


Support Vector Machine digunakan untuk mengklasifikasikan penjurusan pada jenjang SMA. Dataset terdiri dari 40 siswa-siswi. Setiap siswa-siswi memiliki 15 atribut. Dengan menggunakan metode pendekatan datamining, yaitu metode klasifikasi Support Vector Machine dan perangkat lunak Rapidminer, akan dianalisa  efek  dari  perubahan  fungsi  kernel  variasi faktor pinali (C) terhadap akurasi model klasifikasi. Akurasi terbaik adalah pada kernel linear dengan parameter pinalti (C) 0.1 sebesar 88.89%.


Full Text:

PDF

References


F. Jui-Hsi, C. Jui-Hung, H . Yueh-Min, and C. Han-Chieh , A Support Vector Regression based Prediction of Student’s School Performance, Computer, Consumer and Control (IS3C), International Symposium , pp.84-87, 2012.

P. Nimit, M. Masayuki, M. Michihiko, Learning to Estimate Slide Comprehension in Classroom with Support Vector Machines. IEEE Computer Society, vol. 5, pp.52-61, March. 2012.

Y. Zhang, and W. Wang, Pattern Classification of Electroencephalography from the Typical Specialized Students, Education Technology and Computer Science (ETCS),

International Workshop., vol. 1, pp. 836-839, March. 2010.

C.Cortes, and V.Vapnik, Support• VectorNetwork , Machine Learning, Vol 20, No 3, pp 273 – 297, 1995.

C. Burges , A Tutorial on Support Vector Machines for Pattern Recognition, Data mining and Knowledge Discovery,Vol 2.1998.

J. Agustinus, Sistem Deteksi Intrusi Jaringan dengan metode Support Vector Machine, Tesis, Jurusan Ilmu-Ilmu Komputer FMIPA UGM,Yogyakarta, 2012.

R. Ning, Klasifikasi Siswa sebagai Prediksi Prestasi Akademik dengan menggunakan Neuro Fuzzy, Skripsi, Jurusan Teknik Elektro dan Teknologi Informasi, UGM, Yogyakarta, 2013.


Refbacks

  • There are currently no refbacks.