IMPLEMENTASI DAN ANALISA ALGORITMA SPRINT SEBAGAI SEBUAH CLASSIFIER POHON KEPUTUSAN YANG SCALABLE PADA DATA MINING IMPLEMENTATION AND ANALYSIS OF SPRINT ALGORITHM AS A SCALABLE DECISION TREE CLASSIFIER IN DATA MINING

MOCHAMAD CHAERUDIN

Informasi Umum

Kode

113010097

Klasifikasi

000 - Generalistics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Other

Dilihat

362 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Berbagai penemuan terbaru di dalam teknik pengumpulan dan penyimpanan data telah memungkinkan kita untuk mengumpulkan data dalam jumlah yang sangat besar, data yang dikumpulkan tersebut tentunya dapat kita manfaatkan untuk berbagai tujuan.<br>Salah satu cara untuk cara untuk mengekstrak pola yang penting atau menarik dari sejumlah data yang sangat besar adalah dengan menggunakan metode-metode data mining, salah satu metode tersebut adalah klasifikasi.<br>Pada tugas akhir ini diimplementasikan algoritma klasifikasi SPRINT yang mampu menangani data dengan jumlah yang banyak dan dianalisa performansinya dalam hal akurasi, waktu pengklasifikasian, ukuran pohon keputusan yang dihasilkan, skalabilitas dan membandingkan hasilnya dengan algoritma J4.8. Hasilnya terbukti bahwa SPRINT mampu mengklasifikasikan data dengan jumlah banyak dan menghasilkan pohon keputusan yang sederhana dan mudah dimengerti.Kata Kunci : data mining, klasifikasi, pohon keputusan, scalable.ABSTRACT: Various invention in data collecting and storing technique, have enabled us to collect big amount of data, and of course we can take benefit from the data we have collected for many purpose<br>One way to extract important or interesting pattern from big amount of data is by using data mining methods, one of it is classification.<br>In this final project we implement SPRINT classification algorithm which is capable of handling big amount of data, and we analyze it’s performance in the case of accuracy, classification time, size of decision tree, scalability and compare it with J4.8 algorithm. As the result it is proved that SPRINT is able to classify big amount of data and yield a simple and comprehensible decision tree.Keyword: data mining, classification, decision tree, scalable.