IMPLEMENTASI DAN ANALISA WAKTU KOMPUTASI PADA ALGORITMA RANDOM FOREST DENGAN PARALLEL COMPUTING DI R

Azizah, Nur (2017) IMPLEMENTASI DAN ANALISA WAKTU KOMPUTASI PADA ALGORITMA RANDOM FOREST DENGAN PARALLEL COMPUTING DI R. S1 thesis, Universitas Pendidikan Indonesia.

[img]
Preview
Text
S_KOM_1001131_Title.pdf

Download (14kB) | Preview
[img]
Preview
Text
S_KOM_1001131_Abstract.pdf

Download (71kB) | Preview
[img]
Preview
Text
S_KOM_1001131_Table_of_content.pdf

Download (161kB) | Preview
[img]
Preview
Text
S_KOM_1001131_Chapter1.pdf

Download (199kB) | Preview
[img] Text
S_KOM_1001131_Chapter2.pdf
Restricted to Staf Perpustakaan

Download (789kB)
[img]
Preview
Text
S_KOM_1001131_Chapter3.pdf

Download (175kB) | Preview
[img] Text
S_KOM_1001131_Chapter4.pdf
Restricted to Staf Perpustakaan

Download (1MB)
[img]
Preview
Text
S_KOM_1001131_Chapter5.pdf

Download (71kB) | Preview
[img]
Preview
Text
S_KOM_1001131_Bibliography.pdf

Download (136kB) | Preview
[img] Text
S_KOM_1001131_Appendix.pdf
Restricted to Staf Perpustakaan

Download (978kB)
Official URL: http://repository.upi.edu

Abstract

Random forest merupakan metode untuk membangun model dengan menggabungkan decision trees atau pohon keputusan yang dihasilkan dari sampel bootstrap dan fitur acak. Permasalahan umum yang sering terjadi pada saat mengimplementasikan random forest adalah waktu pemrosesan yang lama karena menggunakan data yang banyak dan membangun model tree yang banyak pula untuk membentuk random trees karena menggunakan single processor. Penelitian ini mengusulkan metode random forest dengan parallel computing dan diimplementasikan dalam bahasa pemrograman R. Beberapa kasus yang digunakan dalam penelitian ini yaitu dataset bunga Iris, kualitas wine dan data diagnosa diabetes wanita Pima Indian. Hasil yang diperoleh dari penelitian secara kesuluruhan menunjukkan waktu komputasi yang digunakan saat menjalankan random forest dengan parallel computing lebih singkat dibandingkan dengan saat menjalankan random forest biasa yang hanya menggunakan single processor. Kata kunci : Decision trees, random forest, parallel computing, bahasa pemrograman R  Random forests are a set of methods constructing a model by assembling DTs that are generated from bootstrap samples and a randomized features. A common problem that often occurs when implementing random forest is long processing time because it uses a lot of data and build many tree models to form random trees because it uses single processor. This research proposes random forest method with parallel computing and implemented in R programming language. Some of the cases used in this research are Iris flower dataset, wine quality and diabetes diagnosis data of Pima Indian woman. The results obtained from the entire study show that the computational time used when running random forest with parallel computing is shorter than when running a regular random forest using only a single processor. Keywords : Decision trees, random forest, parallel computing, bahasa pemrograman R

Item Type: Thesis (S1)
Additional Information: No. Panggil: S_KOM_AZI_i-2017; Pembimbing : I. Lala Septem Riza, II. Yaya Wihardi
Uncontrolled Keywords: Decision trees, random forest, parallel computing, bahasa pemrograman R
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User: Mr. Cahya Mulyana
Date Deposited: 14 Aug 2018 07:15
Last Modified: 14 Aug 2018 07:15
URI: http://repository.upi.edu/id/eprint/30569

Actions (login required)

View Item View Item