METODE KNN DAN ID3 UNTUK KLASIFIKASI DATA

SINOPSIS : 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 populer dalam klasifikasi, yaitu K-Nearest Neighbor (KNN) dan ID3 (Iterative Dichotomiser 3). Metode KNN bekerja dengan prinsip kedekatan jarak antara data uji dan data latih, di mana 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, serta studi kasus penerapan dalam berbagai bidang seperti diagnosis penyakit, klasifikasi nilai akademik, dan analisis data pelanggan. Selain itu, perbandingan performa kedua metode juga dibahas melalui eksperimen menggunakan dataset nyata. Penulis : Mayang Alvi Perdana Nasution; Ibnu Rasyid Munthe; Deci Irmayani; Angga Putra Juledi Ukuran : Jml hal judul: 1, Jml hal isi naskah: 54, Uk: 15x23 cm ISBN : xxx.xxxx.xxx PENERBIT YAYASAN MUNANDAR MEMBANGUN INDONESIA Jl. Pasar Banjar Dusun XVI Desa Simpang Empat, Asahan, Sumatera Utara 21271 Telp/Wa : 082363080181 https://munandar.yayasanmmi.com/ E-mail: mmipublisher@yayasanmmi.com