PENERAPAN DATA MINING DENGAN ALGORITMA C4.5 DAN ALGORITMA NAÃVE BAYES UNTUK KLASIFIKASI VIDEO GAMES RATING BY ESRB
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Bilal Alfayyadh, Muhammad
Subject
Analisis Sistem Informasi
Datestamp
2024-01-05 13:26:21
Abstract :
Pada dataset yang berjudul ?Video Games Rating By ESRB? terdapat unsur-unsur yang ada didalam sebuah games, unsur-unsur tersebut dinamakan Content Descriptor yang menghasilkan sebuah kategori games berdasarkan 4 tingkatan usia seperti ?E? (semua usia), ?ET? (10 tahun ke atas), ?T? (remaja), dan ?M? (17 tahun ke atas). Dalam dataset ini terdapat 1.895 data yang belum di-cleaning dan 1.222 data yang sudah di-cleaning, serta terdapat 33 atribut termasuk class-nya. Pada penelitian ini, penulis ingin mengklasifikasi data tersebut untuk memudahkan player yang ingin bermain games agar bisa menyesuaikan dengan tingkat usianya. Penulis melakukan split data sebesar 60% : 40%, 70% : 30% dan 80% : 20% untuk diklasifikasikan dengan Tools RapidMiner, yang dimana menghasilkan pohon keputusan yang berbeda-beda. Penulis juga mendapatkan hasil akurasi yang berbeda, yaitu menggunakan Use Training Set sebesar 86.48% pada Testing 20% dan 10 Fold-Cross Validation sebesar 80.50% pada Testing 40%.
Pada dataset yang berjudul ?Video Games Rating By ESRB? terdapat unsur-unsur yang ada didalam sebuah games, unsur-unsur tersebut dinamakan Content Descriptor yang menghasilkan sebuah kategori games berdasarkan 4 tingkatan usia seperti ?E? (semua usia), ?ET? (10 tahun ke atas), ?T? (remaja), dan ?M? (17 tahun ke atas). Dalam dataset ini terdapat 1.895 data yang belum di-cleaning dan 1.222 data yang sudah di-cleaning, serta terdapat 33 atribut termasuk class-nya. Pada penelitian ini, penulis ingin mengklasifikasi data tersebut untuk memudahkan player yang ingin bermain games agar bisa menyesuaikan dengan tingkat usianya. Penulis melakukan split data sebesar 60% : 40%, 70% : 30% dan 80% : 20% untuk diklasifikasikan dengan Tools RapidMiner, yang dimana menghasilkan pohon keputusan yang berbeda-beda. Penulis juga mendapatkan hasil akurasi yang berbeda, yaitu menggunakan Use Training Set sebesar 86.48% pada Testing 20% dan 10 Fold-Cross Validation sebesar 80.50% pada Testing 40%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
