KLASIFIKASI MENGGUNAKAN METODE BOOSTING

RINA PUSPITA SARI, Dr. Herni Utami, M.Si

2014 | Skripsi | STATISTIKA

Di dalam tugas akhir ini dibahas metode Boosting yang digunakan dalam klasifikasi. Dewasa ini, kecermatan dan ketepatan dalam hal klasifikasi data merupakan hal yang sangat penting. Hasil klasifikasi data dengan beberapa metode yang telah dikembangkan akan mempengaruhi sejumlah keputusan, misalnya dalam hal kedokteran (emergency medicine), cuaca, bioinformatika dan bidang-bidang lainnya. Salah satu metode yang diperkenalkan adalah metode Boosting. Metode boosting adalah metode yang mengkombinasikan pengklasifikasi lemah menjadi pengklasifikasi yang kuat. Di dalam metode boosting diperkenalkan adanya iterasi. Dalam tiap iterasi learning-nya, dibangun model hasil prediksi data latih dan kemudian disampel ulang untuk masuk pada itrasi berikutnya. Pada umumnya hal ini akan meningkatkan tingkat keakurasian dalam pengklasifikasi. Metode Boosting juga baik digunakan pada data yang persebarannya tidak seimbang atau sering dikatakan imbalance. Pada kesimpulannya diperoleh bahwa penggunaan metode Boosting pada klasifikasi memberikan hasil yang lebih baik dengan tingkat keakurasian yang tinggi.

In this thesis discussed in Boosting methods are used in classification. Today, precision and accuracy in the classification of data is very important. Data classification results with some of the methods that have been developed will affect a number of decisions, for example in the case of medicine (emergency medicine), the weather, bioinformatics and other fields. One method is introduced Boosting method. The method is a method which combines boosting weak classifiers into a strong classifier. In the boosting method introduced any iteration. In each iteration of his learning, the results of prediction models constructed training data, and then re-sampled to get in on the next itrasi. In general, this will increase the level of accuracy of the classifiers. Boosting methods are also good to use for data spreading is often said to be unbalanced or imbalance. In conclusion, it was found that the use of Boosting methods on classification gives better results with a high degree of accuracy.

Kata Kunci : boosting, adaboost, adabag