- Dalam penelitian ini C4.5 masih kurang layak untuk digunakan, karena angka
yang dicapai hanya 50.
Ringkasan hasil penelitian dalam Bidang Pengembangan Ilmu Pengetahuan dapat dilihat pada tabel 4.1, hanya penelitian yang dilakukan oleh Grbovic yang menghasil
angka akurasi sebesar 50.
Tabel 4.1: Hasil Penelitian dalam Bidang Pengembangan Ilmu Pengetahuan No
Judul Penelitian Penulis
Sampel Parameter
Akurasi 1
Support Vector Regression
Basak, D., Pal, S.,
Patranabis -
- -
2 Building Privacy-
Preserving C4.5 Decision Tree
Classifier on Multi Parties
Gangrade, A., Patel,
R -
- -
3 Decision Trees and
MPI Collective Algorithm Selection
Problem Grbovic,
J.P., Fagg, G. E.,
Angskun, T.,
Bosilca, G.,
Dongarra, J. J
Broadcast - Nama
komunikator - Ukuran
kolektif - Ukuran
pesan 50
4.1 Penelitian dalam bidang kesehatan
Gupta et al., 2011 melakukan penelitian dalam diagnosa dan prognosa penyakit kanker payudara. Tujuan dari penelitian ini adalah untuk memprediksi penyakit kanker
payudara yang ganas atau jinak. Dan untuk mengetahui apakah penyakit tersebut akan kambuh
lagi atau tidak.
Kelebihan pada penelitian: -
Akurasi Pohon keputusan 93,6 dan Neural Network dengan 91,2 ditemukan lebih unggul dari regresi logistik dengan akurasi 89,2.
Universitas Sumatera Utara
Kekurangan pada penelitian: -
Tidak ada angka yang menunjukkan akurasi algoritma genetika sedangkan teknik ini dibandingkan dalam penelitian ini.
Tabel 4.2: Hasil Penelitian dalam Bidang Kesehatan No
Judul Penelitian Penulis
Sampel Parameter
Akurasi 1
Data Mining Classification
Techniques Applied For Breast Cancer
Diagnosis And Prognosis
Gupta, S., Kumar,
D., Sharma,
A Database
penderita penyakit
kanker payudara
- STR Sarvival
- Time Recode
VSR Vital Status Recode
- COD Cause
Of Death 93,6
Berdasarkan hasil yang terlihat pada tabel 4.2 nilai akurasi pohon keputusan sebesar 93,6 artinya teknik decision tree C4.5 dalam bidang kesehatan menunjukkan
hasil yang sangat akurat.
4.3 Penelitian dalam bidang Internet
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. Kelebihan pada penelitian:
- S
VR menghasilkan prediksi kesalahan 30 ms 25 ms hanya menggunakan 6 20 dari sampel untuk pelatihan.
Kekurangan pada penelitian: -
SVR belum dibuktikan menjadi alat yang berguna juga untuk menghubungkan perkiraan kecepatan.
Universitas Sumatera Utara
Rastegari et al., 2010 melakukan penelitian dalam mengatasi serangan Denial of Service DOS terhadap Domain Name System DNS dengan teknik Machine Learning.
Kelebihan pada penelitian: -
SVM dalam hal tingkat deteksi, akurasi, dan tingkat alarm palsu. Hasil perbandingan menunjukkan bahwa jaringan saraf propagasi kembali performanya
melebihi pengklasifikasi lain dengan tingkat deteksi 99,55 untuk serangan DoS langsung, 97,82 tingkat deteksi untuk serangan amplifikasi, akurasi 99, dan
0,28 tingkat alarm Kekurangan pada penelitian:
palsu.
- Tidak ada sistem deteksi yang spesifik untuk ancaman Denial of Service DoS
terhadap DNS.
Tabel 4.3: Hasil Penelitian dalam Bidang Internet No
Judul Penelitian Penulis
Sampel Parameter
Akurasi 1
Support Vector Regression for Link
Load Prediction Bermolen,
P., Rossi Dataset
secara acak -
IP -
Latency 20
2 Defending Denial
of Service Attacks against Domain
Name System with Machine Learning
Techniques Rastegari,
S., Saripan,
M.I., Rasid, M.
F. Statistik
lalu lintas data
- Simulator jaringan 99
Pada Tabel 4.3 di atas, terlihat bahwa penelitian yang ditulis oleh Rastegari et al., menunjukkan hasil akurasi yang tinggi yaitu 99 menggunakan teknik SVM.
4.4 Penelitian dalam bidang Musik