Nama : Maulida Nawadir

NIM : 102417004

1. Classification
Metode yang digunakan untuk memvalidasi data adalah metode holdout. Di dalam metode
holdout, data awal dipartisi ke dalam dua himpunan secara random yang dinamakan data
training dan data testing. Proporsi data yang dicadangkan untuk data training dan data testing
dalam program di atas yaitu, 60% untuk training dan 40% untuk testing. Dalam program di atas,
besar hidden layer size yaitu 6, 10, dan 4 untuk memungkinkan menghasilkan akurasi yang
tinggi, dengan jumlah iterasi maksimal adalah 600.

Hasil dari klasifikasi data adalah sebagai berikut:

Dalam hasil klasifikasi dari data Housing_Data baru diperoleh secara berturut-turut yaitu
klasifikasi M M M M L M M. Dari hasil pemrograman dapat dilihat bahwa hasil dari akurasi
training adalah sebesar 0.80, sedangkan akurasi testing yang diperoleh adalah sebesar 0.78.
Dari hasil plot training test, dapat ditarik kesimpulan bahwa semakin banyak iterasi yang
dilakukan, maka semakin rendah tingkat error yang dihasilkan.

Dari hasil matriks di atas, dapat dibaca dari true label dibandingkan denga predicted label. Di
dalam true label L data yang salah diprediksi menjadi M adalah sebesar 1 data, kemudian
menjadi H adalah sebesar 18 data. Kemudian di dalam true label M data yang salah diprediksi
menjadi L adalah 0 data, dan menjadi H adalah 9 data. Sedangkan di dalam true label H data
yang salah diprediksi menjadi M adalah sebesar 10 data, dan menjadi L adalah sebesar 6 data.
2. Association Rule

Min support yang digunakan dalam program adalah 0.1 dan min threshold yang digunakan 0.7.
Dari pemrograman dapat dilihat bahwa terdaftar sebanyak 7 itemsets, yang dipilih berdasarkan
nilai yang ditentukan di min support, nilai bisa menjadi lebih besar atau sama dengan min
support.
Terdapat empty dataframe dari hasil program tersebut, dan dikarenakan min threshold adalah
0.7 maka bisa dikatakan tidak ada rules yang digunakan dalam transaksi.