Saya akan memposting sebuah laporan hasil dari hasil
pengujian penggunaan program WEKA. Check this out!
yang penasaran downloadnya di mana :
http://www.cs.waikato.ac.nz/ml/weka/downloading.html
datanya kita bisa download di sini :
https://archive.ics.uci.edu/ml/datasets.html?format=mat&task=cla&att=&area=&numAtt=less10&numIns=&type=&sort=nameUp&view=table
Ini hasil laporan uji coba WEKA
yang penasaran downloadnya di mana :
http://www.cs.waikato.ac.nz/ml/weka/downloading.html
datanya kita bisa download di sini :
https://archive.ics.uci.edu/ml/datasets.html?format=mat&task=cla&att=&area=&numAtt=less10&numIns=&type=&sort=nameUp&view=table
Ini hasil laporan uji coba WEKA
BLOGGER
Disusun
oleh :
1. 1503015066 Ikhwan Anjar Prabowo
Deskripsi
Permasalahan
Karena penggunaan internet semakin meningkat, maka perkembangan pengguna
blogger dan kontennya semakin berkembang. Kami mengkategorikan pemakai jasa
blogger dalam pertimbangan – pertimbangan. Pertimbangan tersebut diantaranya
adalah ProBlogger, Local Political and Social Space, Local Media Turnover,
Topic, Political Caprice, dan Degree.
Deskripsi
attribut
1. @attribut, ProBlogger, nominal, (yes, no)
keterangan : sang pengguna blogger ahli
atau tidak?
2. @attribut, local Political and Social Space,
nominal (yes, no)
keterangan : blogger tersebut mempengaruhi
lingkup sosal dan politik atau tidak?
3. @attribut, Local Media Turnover, nominal
(yes, no)
keterangan : blogger tersebut mempengaruhi
omset media local atau tidak?
4. @attribut, Topic, nominal (impression,
political, tourism, news, scientific)
keterangan : topik apa saja yang dapat
tersaji pada suatu blogger?
5. @attribut, Caprice, nominal (left, right,
middle)
keterangan : macam ragam politik
6. @attribut, Degree, nominal (High, medium,
low)
keterangan : tingkat pendidikan yang bisa
mengakses blogger
Hasil
Eksperimen
No. Eksperimen
|
Metode Classifier
|
Metode Evaluasi
|
F-Measure rata-rata
|
1
|
REPtree
|
Cross-validation 25
|
0,752
|
2
|
Randomtree
|
Cross-validation 15
|
0,804
|
3
|
Trees MLT
|
Percentage Split 25%
|
0,728
|
Kesimpulan
Dari Eksperimen yang saya coba, metode classifier yang lebih baik diantara
3(tiga) metode yang kami lakukan adalah metode Randomtree dengan F-measure
rata-rata tertinggi yaitu 0,804.
ScreenShot data hasil dari
pengujian dengan program WEKA
Gambar dibawah ini adalah pengujian menggunakan Metode Classifer REPtree dengan metode evaluasi Cross-Validation 25
Gambar dibawah ini adalah pengujian menggunakan metode classifier Randomtree dengan metode evaluasi Cross-validation 15
Gambar dibawah ini adalah pengujian menggunakan metode classifier Trees MLT dengan metode evaluasi Percentage Split 25%
