kekurangan-kekurangan kemudian akan didapat metode mana yang lebih baik dari kedua metode tersebut.
Dari uraian di atas, penulis tertarik untuk membuat penelitian dengan judul ”ANALISIS PERBANDINGAN TEKNIK SUPPORT VECTOR REGRESSION DAN
DECISION TREE C4.5 DALAM DATA MINING”
1.2 Penelitian Terdahulu
Basak et al. 2007 dalam tulisannya meninjau teori metode support vector regression SVR, ide SVR didasarkan pada perhitungan fungsi regresi linier dalam fitur ruang
dimensi tinggi dimana data input dipetakan melalui fungsi nonlinier Gangrade 2009 melakukan penelitian dalam melestarikan penggunaan
klasifikasi pohon keputusan algoritma C4.5 dengan tujuan untuk membangun klasifikasi yang akurat tanpa mengungkapkan informasi pribadi dalam menambang data.
.
Grbovic 2006 melakukan penelitian dalam mengeksplorasi penerapan pohon keputusan C4.5 dalam menyelesaikan masalah. Hasil dari penelitian ini diharapkan,
metode pohon keputusan C4.5 dapat menghasilkan kinerja yang baik. Gupta et al. 2011 melakukan penelitian dalam diagnosa dan prognosa penyakit
kanker payudara, merupakan dua aplikasi medis yang menimbulkan tantangan besar bagi para peneliti. Penggunaan mesin pembelajaran dan penambangan data telah merevolusi
seluruh proses diagnosis dan prognosis penyakit kanker payudara. Diagnosis penyakit kanker payudara untuk membedakan kanker yang ganas atau jinak dan prognosis
penyakit kanker payudara untuk memprediksi apakah penyakit tersebut akan kambuh
Bermolen et al.,, 2008 melakukan penelitian penggunaan SVR support vector regression untuk prediksi link beban dengan menggunakan model Moving Average
MA dan Auto Regresif AR. lagi atau tidak.
Rastegari et al., 2010 melakukan penelitian dalam mengatasi serangan Denial of Service DOS terhadap Domain Name System dengan teknik Machine Learning.
Han et al., 2009 melakukan penelitian pengenalan emosi musik menggunakan support vector regression. Emosi musik memainkan peran penting dalam menentukan
jenis musik, deteksi mood dan aplikasi yang berhubungan dengan musik lainnya. Berbagai masalah untuk pengenalan musik emosi telah ditangani oleh berbagai disiplin
Universitas Sumatera Utara
ilmu seperti fisiologi, ilmu psikologi, kognitif dan musikologi. Penyajikan sebuah support vector regression SVR musik berdasarkan sistem pengenalan emosi
Cao 2002 melakukan penelitian yang mengusulkan penggunaan SVM untuk peramalan time series.
.
Amershi dan Conati 2009 melakukan penelitian yang menyajikan suatu kerangka pemodelan pengguna berbasis data, untuk membangun model eksplorasi
lingkungan belajar. Kim 2006 melakukan penelitian untuk memprediksi apakah seorang pelanggan
yang diberikan mail atau katalog suatu produk akan menanggapi atau tidak, berdasarkan database informasi demografi pelanggan dan sejarah pembelian, menggunakan support
vector regression.
1.3 Perumusan Masalah