Admin Website UNIKOM

Tag: random forest particle swarm optimization

  • A Comparative Algorithm Study Using Titanic Dataset for Best Accurate Prediction

    Authors: Wahyudin; Dwi Fitria Al Husaeni; R. Rasim; Hanhan Maulana; Shah Nazir

    DOI: 10.1109/ICIC64337.2024.10956979

    Abstract

    The Titanic is a British cruise ship that is claimed to be the largest ship ever built in world history. The ship struck an iceberg on its maiden voyage across the Atlantic in 1912 from Southampton to New York. Of the more than 2.200 passengers, almost half died in this tragic accident. This famous incident prompted scientists to research more about the event. This research aims to analyze data and understand the factors that influence passenger survival. Using Machine Learning techniques and a data set consisting of 891 records, researchers tried to determine the relationship between factors such as age, gender, passenger class, and ticket price. This research uses various machine learning algorithms such as Random Forest, Optimize Selection, and Optimize Features to predict the accuracy of each algorithm. These factors may influence passenger survival rates. Specifically, this research aims to compare algorithms based on the percentage accuracy of test data. The research results show that the highest accuracy is achieved by the Random Forest algorithm with weight optimization using Particle Swarm Optimization (PSO). © 2024 IEEE.

    Author keywords

    Data Mining; Optimize Weighting; Particle Swarm Optimization; Random Forest

    Indexed keywords

    Engineering controlled terms

    Particle swarm optimization (PSO)

    Engineering uncontrolled terms

    Accurate prediction; Algorithm study; Cruise ships; Large ships; Optimize weighting; Particle swarm; Particle swarm optimization; Random forests; Ship strikes; Swarm optimization

    Engineering main heading

    Random forests

    This article can be accessed at https://www.scopus.com/pages/publications/105004581469

  • Studi Komparasi Algoritma Menggunakan Dataset Titanic 

    untuk Prediksi Akurasi Terbaik

    Penulis: Wahyudin; Dwi Fitria Al Husaeni; R. Rasim; Hanhan Maulana; Shah Nazir
    DOI: 10.1109/ICIC64337.2024.10956979

    Abstrak
    Titanic adalah sebuah kapal pesiar asal Inggris yang diklaim sebagai kapal terbesar yang pernah dibangun dalam sejarah dunia. Kapal tersebut menabrak gunung es pada pelayaran perdananya melintasi Samudra Atlantik pada tahun 1912 dari Southampton menuju New York. Dari lebih dari 2.200 penumpang, hampir setengahnya meninggal dunia dalam tragedi nahas ini. Peristiwa terkenal ini mendorong para ilmuwan untuk melakukan penelitian lebih lanjut mengenai kejadian tersebut. Penelitian ini bertujuan untuk menganalisis data dan memahami faktor-faktor yang memengaruhi tingkat kelangsungan hidup penumpang. Dengan menggunakan teknik Pembelajaran Mesin dan kumpulan data yang terdiri dari 891 catatan, peneliti berupaya menentukan hubungan antara faktor-faktor seperti usia, jenis kelamin, kelas penumpang, dan harga tiket. Penelitian ini menggunakan berbagai algoritme pembelajaran mesin seperti Random Forest, Optimize Selection, dan Optimize Features untuk memprediksi akurasi dari masing-masing algoritme. Faktor-faktor tersebut diduga dapat memengaruhi tingkat kelangsungan hidup penumpang. Secara khusus, penelitian ini bertujuan untuk membandingkan algoritme berdasarkan persentase akurasi data uji. Hasil penelitian menunjukkan bahwa akurasi tertinggi dicapai oleh algoritme Random Forestdengan optimalisasi bobot menggunakan Particle Swarm Optimization (PSO). © 2024 IEEE.

    Kata kunci penulis
    Pertambangan Data; Optimalisasi Pembobotan; Particle Swarm Optimization; Random Forest

    Kata kunci terindeks
    Istilah terkendali teknik
    Particle swarm optimization (PSO)
    Istilah tak terkendali teknik
    Prediksi akurat; Studi algoritma; Kapal pesiar; Kapal besar; Optimalisasi pembobotan; Particle swarm; Optimasi kawanan partikel; Hutan acak; Tabrakan kapal; Optimasi kawanan
    Bidang utama teknik
    Random forests

    Artikel ini dapat diakses di https://www.scopus.com/pages/publications/105004581469