MAYANG ALVI PERDANA NST, NPM 2109100044 (2025) METODE KKN DAN ID3 UNTUK KLASIFIKASI DATA. YAYASAN MUNANDAR MEMBANGUN INDONESIA, ASAHAN. ISBN 978-634-04-2085-2
![[img]](http://repository.ulb.ac.id/style/images/fileicons/text.png) |
Text
COVER FULL.pdf Download (849kB) |
|
Text
BUKU MONOGRAF.pdf Download (1MB) |
Abstract
Klasifikasi data merupakan salah satu teknik penting dalam data mining dan kecerdasan buatan yang digunakan untuk mengelompokkan data ke dalam kelas-kelas tertentu berdasarkan pola atau karakteristik yang dimiliki. Buku atau karya ini membahas secara mendalam dua metode popular dalam klasifikasi, yaitu K-Nearest Neighbor (KNN) dan ID3 (Iterative Dichotomiser 3). Metode KNN bekerja dengan prinsip kedekatanjarak antara data uji dan data latih, dimana suatu data akan diklasifikasikan ke dalam kelas mayoritas dari tetangga terdekatnya. Knn dikenal karena kesederhanaan dan efektivitasnya dalam banyak kasus klasifikasi. Sementara itu, ID3 merupakan algoritma pembentukan pohon keputusan yang menggunakan konsep entropy dan information gain untuk menentukan atribut terbaik dalam membagi data. Karya ini menyajikan penjelasan teoritis, algoritma dasar, kelebihan dan kekurangan masing-masing metode, seperti diagnosis penyakit, klasifikasi nilai akademik, dan analisis data pelanggan. Selain iu perbandingan performa kedua metode juga dibahas melalui eksperimen menggunakan dataset nyata. Kata Kunci : K-Nearest Neighbor (KNN) dan ID3 (Iterative Dichotomiser 3)
| Item Type: | Book |
|---|---|
| Uncontrolled Keywords: | K-Nearest Neighbor (KNN) dan ID3 (Iterative Dichotomiser 3) |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases |
| Divisions: | Fakultas Sains Dan Teknologi > Sistem Informasi |
| Depositing User: | Unnamed user with email repository@ulb.ac.id |
| Date Deposited: | 06 Nov 2025 02:44 |
| Last Modified: | 06 Nov 2025 02:44 |
| URI: | http://repository.ulb.ac.id/id/eprint/1931 |
Actions (login required)
 |
View Item |
