LEMBAR REVISI SIDANG TESIS JUDUL TESIS : MUTUAL-C4.5: C4.5 BERBASIS MUTUAL NEAREST NEIGHBOR DENGAN PENENTUAN NILAI K TERBAIK UNTUK MENGATASI NOISE PADA KLASIFIKASI NAMA : FITRI AYUNING TYAS NIM : P31.2018.02164 TANGGAL SIDANG : 12 AGUSTUS 2020 No Komentar Penguji Respon Penulis Perubahan pada Manuskrip 1 Dr. Abdul Syukur • Pada sepuluh dataset yang digunakan dalam • Telah dilakukan analisis karakteristik dataset yang • BAB 3 eksperimen, ada dua dataset yakni Iris dan Sonar meliputi jumlah record, jumlah attribut, jumlah - Tabel 3.1 yang memiliki kinerja lebih unggul pada metode class, jumlah dan tipe attribut yang disajikan dalam - Hal. 42 lain (MkNN) dibandingkan dengan metode usulan Tabel 3.1. (Mutual-C4.5). Bagaimana karakteristik dataset yang memungkinkan peningkatan atau penurunan • Hasil dari analisis karakteristik dataset adalah kinerja pada metode usulan? jumlah record pada dataset memungkinkan peningkatan atau penurunan kinerja pada metode usulan. Metode usulan yakni Mutual-C4.5 memiliki kinerja lebih unggul ketika bekerja pada dataset 1 • BAB 5 - Paragraf ke 5 - Hal. 86 dengan jumlah record di atas kisaran 250, sedangkan saat bekerja pada dataset dengan jumlah record di bawah kisaran 250 seperti dataset Iris, Sonar dan Zoo kinerja MkNN lebih unggul dari Mutual-C4.5. 2 Dr. Ahmad Zainul Fanani, S.Si, M.Kom • Dari hasil kinerja metode eksperimen yang • Sesuai Tujuan Penelitian yang telah dijabarkan pada • ditampilkan pada Tabel 4.13 didapatkan variasi BAB 1 yakni peningkatan kinerja dari Algoritma jumlah noise yang terdeteksi. Apakah tolak ukur C4.5 bukan pada banyak atau sedikit noise yang dari penelitian yang dilalukan hanya pada hasil terdeteksi. Tidak ada akhir berupa peningkatan akurasi tanpa melihat banyak atau sedikit noise yang terdeteksi? • Dalam Kerangka Pikiran yang digambarkan pada • Tidak ada Gambar 3.2 obyek dari penelitian ini adalah berupa peningkatan kinerja dari Algoritma C4.5 tanpa melihat banyak atau sedikit noise yang terdeteksi. 3 Dr. Aris Marjuni, S.Si, M.Kom • Masih kurang detail pembahasan tentang noise, baik • Telah ditambahkan pembahasan mengenai • BAB 1 mengenai pengertian noise maupun batasan noise itu pengertian dan batasan noise yang digunakan dalam - Paragraf ke 4 sendiri. Misalnya dataset dengan missing value, penelitian ini. - Hal. 2 apakah missing value dianggap sebagai noise? • Missing value dapat dianggap sebagai noise selama hasil perhitungan dari Mutual Nearest Neighbor 2 • BAB 3 - Sub bab 3.4 menunjukan bahwa instance tersebut terlalu jauh - Hal. 42 dan 43 dari instance lainnya atau tidak memiliki tetangga terdekat (Mutual Neighbor). • Eksplorasi lebih lanjut mengenai karakteristik dari • Telah dilakukan analisis karakteristik dataset yang • BAB 3 dataset dan tampilkan berupa tabulasi noise asli dan meliputi jumlah record, jumlah attribut, jumlah - Tabel 3.1 noise terdeteksi atau resume statistik, pencarian class, jumlah dan tipe attribut yang disajikan dalam - Hal. 42 noise asli dapat menggunakan metode standar Tabel 3.1. deviasi atau metode lainnya! • Telah dilakukan uji coba pencarian noise asli • menggunakan metode standar deviasi namun hasilnya tidak dapat dijadikan sebagai dasar deteksi noise asli karena penggunaan metode standar deviasi atau metode lainnya sama halnya dengan membandingkan metode usulan yang digunakan sehingga hasilnya menjadi bias. 3 telah Tidak ada
