Domas, Zico Karya Saputra and Rakhmadi, Roby (2022) Peningkatan Performa Decision Tree dengan AdaBoostuntukKlasifikasi Kekurangtransparanan Informasi Anti-Korupsi. AppliedInformationSystemandManagement(AISM), 5 (2). pp. 75-82. ISSN 2621-2544

[img]
Preview
Text
24887-85337-1-PB.pdf

Download (450kB) | Preview
Official URL: https://journal.uinjkt.ac.id/index.php/aism/articl...

Abstract

Di era big data saat ini, peran teknik data mining sangatlah dibutuhkan terkait kebutuhan pengambilan keputusan yangakurat.Algoritmadecisiontreetelahlazimditerapkanuntuk menemukan pola klasifikasi karena mudah diinterpretasikan namun harus senantiasa dievaluasi tingkat performanya. Adaboost merupakan salah satu metode untuk meningkatkan performa algoritma decision tree. Eksperimen dilakukan pada 141 sampel perusahaan yang melantai di Bursa Efek Indonesia sektor konstruksi-infrastruktur, pertambangan-perminyakan, dan sektor perbankan pada periode 2019, dengan menerapkan teknik adaboost pada decision tree dengan parameter maximum depth dan confidence yang diuji dalam enam skenario berbeda berdasarkan informasi anti-korupsi pada pengungkapan laporan tahunanperusahaan.Hasilekperimendecisiontreeuntukakurasi sebesar69,5%,AUC-optimistis0,826,danAUC0,756,sedangkan reratahasildarienamskenariodecisiontreeversiadaBoostuntuk akurasi sebesar 71,16%, AUC-optimistis 0,8905, dan AUC 0,744, sehingga dapat disimpulkan bahwa pengklasifikasian atas prediksi klasifikasi dengan metode adaBoost layak diterapkan sebagai upaya alternatif untuk meningkatkan tingkat performa yanglebihbaik.

Item Type: Article
Subjects: H Social Sciences > H Social Sciences (General)
Divisions: Fakultas Ilmu Sosial dan Ilmu Politik (FISIP) > Prodi Hubungan Internasional
Depositing User: M.Si. Roby Rakhmadi
Date Deposited: 21 Sep 2022 01:51
Last Modified: 21 Sep 2022 01:51
URI: http://repository.lppm.unila.ac.id/id/eprint/45039

Actions (login required)

View Item View Item