xii

INTISARI

KLASIFIKASI DENGAN METODE RANDOM FOREST DAN ANALISIS

DISKRIMINAN LINEAR

Oleh

CUT ASYRAF ANZILA

10/297490/PA/13003

Pohon Keputusan telah banyak digunakan pada berbagai macam masalahkarena melihat efisiensi waktu dalam menganalisa dan keakuratan klasifikasinya.Salah satu pengembangan dari pohon keputusan adalah metode klasifikasiRandom Forest. Penggunaan metode random forest untuk menghasilkan pohongabungan telah memberikan dugaan yang lebih tinggi akurasinya dibandingkandengan pohon tunggal. Analisis klasifikasi klasik yang biasa digunakan adalahAnalisis Diskriminan Linear. Namun biasanya Analisis Diskriminan akanmenghasilkan prediksi dibawah metode Random Forest. Untuk meningkatkanakurasi dari Analisis Diskriminan Linear ini, akan digunakan seleksi fitur dariRandom Forest. Seleksi fitur merupakan sebuah tahapan penting dalam prosesklasifikasi, karena fitur yang terseleksi sangat mempengaruhi tingkat akurasi dariklasifikasi. Pada dataset yang memiliki banyak fitur membutuhkan proses untukmereduksi fitur yang dianggap kurang penting. Setelah menyeleksi fitur tahapselanjutnya adalah mengklasifikasikan data.

Kata Kunci : Klasifikasi, Random Forest, Analisis Diskriminan Linear, seleksi

fitur.

xiii

ABSTRACT

CLASSIFICATION USING RANDOM FOREST AND LINEAR

DISCRIMINANT ANALYSIS

by

CUT ASYRAF ANZILA

10/297490/PA/13003

Decision Tree has been widely used in various cases due the time efficiency inthe analysis and classification accuracy. One of the development of Decision Treeis Random Forest classification method. The use of this method to produce thejoint tree have provided more accurate allegation compared to the single tree. Thecommon used for classification analysis is Linear Discriminant Analysis. Usually,Linear discriminant Analysis provide lower accuracy compared to the RandomForest Methods. In order to increase the accuracy of Linear DiscriminantAnalysis, features selection will be used with Random Forest. The featuresselection is an important stage in classification proccess, because the selectedfeatures will greatly affect the accuracy of classification. In the dataset with manyfeatures require a proccess to reduce the insignificant feature. After selecting thefeatures, the data will be classified with Linear Discriminant Analysis.

Key Word : Classification, Random Forest, Linear Discriminant Analysis,

Features Selection.