Peningkatan Algoritma KNN dan Naive Bayes dengan Teknik Feature Selection dalam Memprediksi Rating Film Indonesia

Frentzen, Frentzen (2022) Peningkatan Algoritma KNN dan Naive Bayes dengan Teknik Feature Selection dalam Memprediksi Rating Film Indonesia. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (673kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (183kB) | Preview
Preview	PDF BAB_I.pdf Download (191kB) | Preview
Preview	PDF BAB_II.pdf Download (275kB) | Preview
Preview	PDF BAB_III.pdf Download (276kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (601kB)
Preview	PDF BAB_V.pdf Download (183kB) | Preview
Preview	PDF LAMPIRAN.pdf Download (471kB) | Preview

Abstract

Berdasarkan survey yang dilakukan oleh IDNTimes dengan 411 responden, menunjukkan penonton di Indonesia memilih film yang akan ditonton berdasarkan beberapa faktor. Orang-orang memilih film untuk ditonton di bioskop berdasarkan genre ada sebesar 16,4 persen, pemain atau aktor sebesar 14,5 persen, dan sutradara sebesar 12,7 persen. Saat ini minat peneliti-peneliti tentang rating film Indonesia sangatlah sedikit. Sebagian besar dari mereka lebih banyak membahas tentang film di luar negeri dibandingkan dengan film-film Indonesia. Sehingga dibutuhkan penelitian yang membahas tentang rating film Indonesia. Penelitian ini akan menggunakan tools data mining yaitu RapidMiner dengan metode kerangka kerja CRISP-DM. Penelitian dilakukan dengan melakukan perbandingan antara 2 algoritma yaitu Naïve Bayes dan KNN untuk melakukan prediksi pada rating film Indonesia dengan menggunakan teknik feature selection. Penelitian ini menghasilkan hasil yaitu algoritma KNN memiliki performa yang lebih baik daripada Naïve Bayes dengan teknik feature selection maupun tanpa feature selection. Dari 3 model yang dibuat untuk KNN yaitu dengan Forward Selection, Backward Elimination, dan tanpa feature selection semuanya menghasilkan nilai akurasi yang sama yaitu 86,65% sedangkan Naïve Bayes mendapat nilai akurasi sebesar 85.13% dengan forward selection, 84.91% dengan backward elimination, dan 71.32% tanpa teknik feature selection.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	CRISP-DM, feature selection, KNN, Naïve Bayes, rating vii Peningkatan Algoritma KNN..., Frentzen, Universitas Multimedia Nusantara
Subjects:	T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T70 Information System
Divisions:	Fakultas Teknik Informatika > Program Studi Sistem Informasi
SWORD Depositor:	mr admin umn
Depositing User:	mr admin umn
Last Modified:	22 Mar 2022 14:35
URI:	http://kc.umn.ac.id/id/eprint/20089

Actions (login required)

View Item