Search for collections on Itenas Repository

TA: FORMULASI MODEL PREDIKSI KUALITAS PADA KASUS IMBALANCED DATASET DENGAN PENDEKATAN LEVEL DATA

Fauzi, Rizha (2020) TA: FORMULASI MODEL PREDIKSI KUALITAS PADA KASUS IMBALANCED DATASET DENGAN PENDEKATAN LEVEL DATA. Masters thesis, Institut Teknologi Nasional.

[img]
Preview
Text (Cover)
Cover.pdf

Download (132kB) | Preview
[img]
Preview
Text (Abstrak)
Abstrak.pdf

Download (18kB) | Preview
[img]
Preview
Text (Daftar Isi)
Daftar Isi.pdf

Download (78kB) | Preview
[img]
Preview
Text (Bab 1)
Bab 1.pdf

Download (85kB) | Preview
[img]
Preview
Text (Bab 2)
Bab 2.pdf

Download (232kB) | Preview
[img]
Preview
Text (Daftar Pustaka)
Daftar Pustaka.pdf

Download (77kB) | Preview

Abstract

Dalam mengontrol dan meningkatkan kualitas produk banyak teknik yang diimplementasikan ke dalam proses pembuatan. Prediksi kualitas menjadi salah satu cara yang paling efektif untuk mengendalikan dan meningkatkan kualitas manufaktur dan telah dikembangkan menggunakan berbagai teknik data mining. Proses produksi di suatu perusahaan, pada umumnya menghasilkan produk cacat dalam jumlah yang sedikit dibanding produk yang berkualitas baik. Hal ini menyebabkan formulasi model prediksi kualitas biasanya diterapkan pada dataset yg tidak seimbang. Pada imbalanced data itu menunjukkan ketidakakuratan dikarenakan ada kelas mayoritas mendominasi yang menjadikan kelas minoritas tidak terdeteksi. Formulasi model prediksi juga menghadapi masalah-masalah sebagai berikut: 1) Belum diketahuinya teknik preprocessing yang efektif dalam mengatasi ketidakseimbangan data pada dataset dengan atribut numerik dan kelas nominal; dan 2) Hasil performansi yang beragam di setiap parameter yang diujikan pada penerapan teknik yang dilakukan ini menjadikan formulasi model prediksi kualitas ini bersifat kompleks. Metode yang digunakan pada penelitian ini yaitu diadaptasi dari Data Mining Methodology for Engineering sehingga proses data mining menjadi lebih sistematis dan terdokumentasi dengan baik. Hasil penelitian ini menunjukkan bahwa performansi dari kombinasi random oversampling dengan random forest memiliki performansi yang tinggi dibandingkan metode lainnya. Nilai akurasi yang didapat yaitu 0,9798, nilai g-mean yang didapat 0,9798 begitu pula nilai f-measure yakni 0,9798. Hal tersebut menunjukkan bahwa kombinasi metode tersebut dapat menghasilkan sebuah prediksi kualitas yang sangat baik. Kemudian hasil model prediksi yang dilakukan pun memperlihatkan nilai yang serupa antara data awal dengan hasil prediksi yang dilakukan.

Item Type: Thesis (Masters)
Contributors:
ContributionContributorsemail
Thesis advisorArif, FahmiUNSPECIFIED
Divisions: 8 Magister > 26101 Magister Teknik Industri S2
Depositing User: Asep Kamaludin
Date Deposited: 16 Mar 2021 02:15
Last Modified: 16 Mar 2021 02:47
URI: http://eprints.itenas.ac.id/id/eprint/1040

Actions (login required)

View Item View Item