Penerapan PCA (Principal Component Analysis) Pada Deteksi Outlier Untuk Data Text
MARINDA ENDI LESTARI
Informasi Umum
Kode
23.04.106
Klasifikasi
006.312 - Data mining
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Data Mining, Data Analysis,
Dilihat
310 kali
Informasi Lainnya
Abstraksi
<p>Data Mining adalah kegiatan pengumpulan data, pemakaian data historis, untuk menemukan keteraturan pola dalam dataset yang berukuran besar dan mempunyai jumlah yang banyak. Dalam data mining terdapat data yang berbeda dari data pada umumnya yang disebut <i>outlier</i>. <i>Outlier </i>sendiri berkaitan dengan nilai ekstrem, baik ekstrem besar maupun kecil. Adanya data outlier membuat analisis terhadap serangkaian data menjadi bias, atau tidak mencerminkan fenomena yang sebenarnya. <i>Outlier detection </i>digunakan untuk mendeteksi ada atau tidaknya <i>outlier </i>dalam sebuah data. <i>Outlier Detection </i>dapat digunakan untuk mendeteksi data berupa <i>categorical</i>, <i>numeric</i>, maupun data teks.<i>Principal Component Analysis </i>(PCA) merupakan salah satu metode pendeteksian <i>outlier </i>berdasarkan pendekatan <i>statistical</i>. Objek yang dianggap sebagai outlier adalah objek yang memiliki probabilitas yang rendah sehubungan dengan model distribusi probabilitas pada data tersebut. Evaluasi yang digunakan untuk mengetahui performansi sistem yaitu : <i>accuracy, precision, </i>dan <i>recall.</i></p>
- CDG4K3 - DATA MINING
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | MARINDA ENDI LESTARI |
| Jenis | Perorangan |
| Penyunting | Ibnu Asror, Indra Lukmana Sardi |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2023 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
