@article{Nengsih_2019, title={ANALISA AKURASI PERMODELAN SUPERVISED DAN UNSUPERVISED LEARNING MENGGUNAKAN DATA MINING}, volume={23}, url={https://jurnal.wicida.ac.id/index.php/sebatik/article/view/771}, abstractNote={<p>Data Mining merupakan salah satu proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, <em>machine learning</em> untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Data mining memiliki dua jenis pembelajaran diantaranya <em>supervised learning</em> dan <em>unsupervised learning</em>. Tentunya setiap pembelajaran memiliki teknik dan algoritma tersendiri. Penelitian ini bertujuan untuk melakukan permodelan dari setiap <em>learning</em> dengan mengukur akurasi dari kedua jenis <em>learning</em> tersebut menggunakan beberapa metode pengujian. Sementara untuk rancang sistem menggunakan bahasa pemograman matlab. Belum adanya pengukuran akurasi dari kedua <em>learning</em> menjadi hal yang melatarbelakangi penelitian ini. Dari hasil pengujian akurasi menggunakan <em>confusion matrix</em> dan <em>lift ratio</em> diperoleh hasil bahwa perbandingan rata-rata akurasi untuk <em>supervised learning</em> adalah 82,33% dan <em>unsupervised learning</em> sebesar 78% dengan selisih nilai akurasi sebesar 4,33%. Nilai akurasi dipengaruhi oleh jumlah serta keberagaman dimensi data. Jadi dengan kasus dan jumlah serta dimensi yang berbeda akan menghasilkan nilai akurasi yang beragam pula.</p>}, number={2}, journal={Sebatik}, author={Nengsih, Warnia}, year={2019}, month={Dec.}, pages={285–291} }