YOLANDA, - (2024) KLASIFIKASI STATUS MESIN POMPA AIR MENGGUNAKAN METODE RANDOM FOREST. Thesis thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text TUGAS AKHIR LENGKAP KECUALI BAB IV.pdf Download (3MB) | Preview
	Text BAB IV.pdf - Published Version Restricted to Repository staff only Download (3MB)

Abstract

Terjadi kerusakan pada mesin pompa air dapat menyebabkan masalah yang besar salah satunya dapat mengakibatkan kesalahan mekanis pada mesin pompa. Tujuan dari penelitian ini adalah menghitung akurasi dalam proses klasifikasi menggunakan metode Random forest (RF) serta membandingkan akurasi data imbalance dan setelah ditangani imbalance data. Pada penelitian ini menggunakan data sekunder yang bersumber dari web Kaggle yaitu dataset pump sensor data yang terdiri dari 52 kolom sensor dan 3 status mesin yaitu normal, recorvering, dan broken. Data ini memiliki masalah ketidakseimbangan data (imbalancing data) sehingga untuk mengatasi tersebut digunakan metode Synthetic Minority Oversampling Technique (SMOTE). Pengujian pada penelitian ini dilakukan pada data yang telah ditangani outlier dan tanpa penanganan outlier dengan data balance dan imbalance menggunakan rasio perbandingan dan kombinasi dari parameter RF. Hasil penelitian ini mendapatkan akurasi rata-rata sebesar 99,97% pada klasifikasi menggunakan data tanpa penanganan outlier dan 80,29% menggunakan data dengan penanganan outlier. Sehingga dapat disimpulkan metode Random forest efektif digunakan dalam proses klasifikasi multiclass.

Actions (login required)

View Item