KELOMPOK 9F

10523002 Wahyu Purnomo *

10523010 Anang Andrianto
10523092 Depri Harpindo*
10523118 Rizky Yusuf Yulizar*
10523239 Farah Fauziyah Hanum
10523355 Rahima Wahyu Sabilla
*kerja tidak maksimal

DESKRIPSI DATA SET

Jumlah objek di dalam data set:

180000

Jumlah mahasiswa yang melakukan rekaman data set:

6 orang

Jenis bahasa/suara yang direkam:

Sandi Morse (Peluit)
Jumlah atribut:
27

DESKRIPSI PREPROCESSING

Jenis pre-processing yang digunakan:

Supervised: Attribute Selection
Hasil pre-processing data:

ALGORITMA KLASIFIKASI

Hasil akhir

=== Summary ===

Correctly Classified Instances
Incorrectly Classified Instances
Kappa statistic
Mean absolute error
Root mean squared error
Relative absolute error
Root relative squared error
Total Number of Instances

23028
156972
0.031
0.178
0.302
98.8811 %
100.6551 %
180000

12.7933 %
87.2067 %

=== Detailed Accuracy By Class ===

TP Rate

FP Rate

Precision

Recall

F-Measure

ROC Area

0.028

0.023

0.119

0.028

0.046

0.516

0.011

0.008

0.132

0.011

0.021

0.531

0.017

0.019

0.091

0.017

0.029

0.509

0.009

0.01

0.09

0.009

0.017

0.567

0.666

0.53

0.122

0.666

0.207

0.614

0.409

0.268

0.145

0.409

0.214

0.601

0.082

0.057

0.139

0.082

0.103

0.559

0.041

0.037

0.11

0.041

0.06

0.553

0.005

0.005

0.099

0.005

0.01

0.534

0.011

0.011

0.099

0.011

0.02

0.55

0.128

0.097

0.115

0.128

0.072

0.553

Class
delapan
dua
empat
enam
lima
nol
satu
sembilan
tiga
tujuh
Weighted Avg.

=== Summary ===

Correctly Classified Instances
Incorrectly Classified Instances
Kappa statistic
Mean absolute error
Root mean squared error
Relative absolute error
Root relative squared error
Total Number of Instances

52106
73894
0.3484
0.1389
0.2709
77.1564 %
90.3014 %
126000

41.354
58.646

%
%

=== Detailed Accuracy By Class ===

TP Rate

FP Rate

Precision

Recall

F-Measure

ROC Area

0.483

0.085

0.388

0.483

0.43

0.803

0.421

0.078

0.375

0.421

0.397

0.781

0.423

0.076

0.382

0.423

0.401

0.78

0.421

0.072

0.393

0.421

0.407

0.787

0.399

0.065

0.405

0.399

0.402

0.801

0.451

0.059

0.458

0.451

0.454

0.821

0.404

0.053

0.46

0.404

0.43

0.8

0.376

0.053

0.441

0.376

0.406

0.798

0.394

0.048

0.478

0.394

0.432

0.8

0.363

0.063

0.391

0.363

0.377

0.783

0.414

0.065

0.417

0.414

0.414

0.795

Class
delapan
dua
empat
enam
lima
nol

satu
sembilan
tiga
tujuh
Weighted Avg.

=== Summary ===

Correctly Classified Instances

Incorrectly Classified Instances
Kappa statistic
Mean absolute error
Root mean squared error
Relative absolute error
Root relative squared error
Total Number of Instances

43775
118225
0.1891
0.1486
0.3458
82.5465 %
115.2564 %
162000

27.0216 %
72.9784 %

=== Detailed Accuracy By Class ===

TP Rate

FP Rate

Precision

Recall

F-Measure

ROC Area

0.295

0.095

0.257

0.295

0.275

0.63

0.25

0.085

0.247

0.25

0.248

0.617

0.266

0.093

0.241

0.266

0.253

0.612

0.284

0.087

0.267

0.284

0.275

0.626

0.264

0.084

0.258

0.264

0.261

0.626

0.317

0.071

0.33

0.317

0.323

0.658

0.275

0.084

0.267

0.275

0.271

0.626

0.265

0.077

0.277

0.265

0.271

0.631

0.263

0.07

0.295

0.263

0.278

0.624

0.223

0.066

0.275

0.223

0.246

0.619

0.27

0.081

0.271

0.27

0.27

0.627

Class
delapan
dua

empat
enam
lima
nol
satu
sembilan
tiga
tujuh
Weighted Avg.

=== Confusion Matrix ===

4782 1028 1240 1239 1102 1405 1214 1968

824 1430 |

<-- classified as
a = delapan

1271 4049 1531 1195 1426 1031 1952 1022 1757

979 |

b = dua

1427 1353 4303 1611 1819 1144 1320 1044 1216

932 |

c = empat

1406 1212 1708 4594 1733 1000 1204

988 1001 1305 |

d = enam

1338 1434 2013 1983 4277

837 1215 1102 |

e = lima

1691 1183 1409 1160

831 1160

862

789 |

f = nol

1360 1859 1486 1288 1248 1090 4466 1059 1451

940 |

g = satu

2039 1182 1241 1223

980 5133 1241 1755

989 1790 1339 4284

849 1229 |

1287 1840 1486 1222 1478 1074 1691 1004 4267

861 |

1986 1251 1412 1702 1502 1056 1160 1510 1021 3620 |

h = sembilan
i = tiga
j = tujuh

Perbandingan Akurasi
Correctly Classified Instances
Naive bayes

: 23028

12.7933 %

Random Forest : 52106

41.354 %

J48

27.0216 %

: 43775

Incorrectly Classified Instances

Naive bayes

: 156972

87.2067 %

Random Forest : 73894

58.646 %

J48

72.9784 %

: 118225

Kappa statistic
Naive bayes

: 0.031

Random Forest : 0.3484

J48

: 0.1891

Mean absolute error

Naive bayes

: 0.178

Random Forest : 0.1389

J48

: 0.1486

Root mean squared error

Naive bayes
: 0.302
Random Forest
: 0.2709
J48
: 0.3458
Relative absolute error
Naive bayes
: 98.8811 %
Random Forest
: 77.1564 %
J48
: 82.5465 %
Root relative squared error
Naive bayes
: 100.6551 %
Random Forest
: 90.3014 %
J48
: 115.2564 %
Total Number of Instances
Naive bayes
: 180000
Random Forest
: 126000
J48
: 162000

Pilihan Terbaik
Pilihan terbaik untuk mengolah jenis bahasa/suara
sandi morse (peluit) dengan jumlah atribut 27 dan objek
data set 180000 adalah dengan menggunakan data preprocessing: AttributeSelection (digunakan untuk memfilter
jumlah atribut yang akan diolah sehingga pada saat proses
pengolahan data, tidak memakan waktu yang lama dan
tidak memberatkan atau melemahkan kinerja komputer.
Dalam data yang kami olah terdapat 27 atribut. Setelah
dilakukan peoses filterisasi, atribut berkurang menjadi 6
atribut) .
Algoritma yang cocok untuk mengolah data ini
adalah Random Forest.