Melola Discovery

← Melola Discovery

Open access Jurnal

PERBANDINGAN KINERJA MODEL LINEAR DISCRIMINANT ANALYSIS DAN DECISSION TREE PADA STUDI KASUS DATASET AUDIT DATA

CENDERAWASIH: Journal Of Statistics and Data Science · Vol. 2 No. 1 (2024)

ISSN
3026-0981
Published
2024-06-30
Publisher
Program Studi Statistika, Universitas Cenderawasih
Language
ind
License
creativecommons.org/licenses/by/4.0

Abstract

Penelitian ini akan membandingkan dua metode penambangan data yang umum digunakan, yaitu Linear Discriminant Analysis (LDA) dan Decission Tree dengan nilai accuracy 99,6% memiliki kinerja lebih baik dan relatif optimal pada dataset audit data. Dengan tujuan mengoptimalkan analisis statistik audit data, pengujian ini mengidentifikasi model mana yang lebih baik dan relatif optimal pada dataset audit data. Penelitian dilakukan untuk membandingkan performa machine learning dengan memilih subkumpulan fitur yan relevan dari data. Perbandingan dengan menggunnakan nilai accuracy menunjukkan jika model Decission Tree dan hasil accuracy sebesar 99,6%.

Collaboration network of the authors

No co-authors found in Melola yet.

Metadata source: OAI-PMH (metadata jurnal) https://ejournal.uncen.ac.id/index.php/CJSDT/oai, first harvested 1 Nov 2026, last seen 1 Nov 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id-ID">PERBANDINGAN KINERJA MODEL LINEAR DISCRIMINANT ANALYSIS DAN DECISSION TREE PADA STUDI KASUS DATASET AUDIT DATA</dc:title>
	<dc:creator>APRILLIA S, WAHYU</dc:creator>
	<dc:description xml:lang="id-ID">Penelitian ini akan membandingkan dua metode penambangan data yang umum digunakan, yaitu Linear Discriminant Analysis (LDA) dan Decission Tree dengan nilai accuracy 99,6% memiliki kinerja lebih baik dan relatif optimal pada dataset audit data. Dengan tujuan mengoptimalkan analisis statistik audit data, pengujian ini mengidentifikasi model mana yang lebih baik dan relatif optimal pada dataset audit data. Penelitian dilakukan untuk membandingkan performa machine learning dengan memilih subkumpulan fitur yan relevan dari data. Perbandingan dengan menggunnakan nilai accuracy menunjukkan jika model Decission Tree dan hasil accuracy sebesar 99,6%.</dc:description>
	<dc:publisher xml:lang="id-ID">Program Studi Statistika, Universitas Cenderawasih</dc:publisher>
	<dc:date>2024-06-30</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="id-ID">Artikel Penelitian</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ejournal.uncen.ac.id/index.php/CJSDT/article/view/5453</dc:identifier>
	<dc:source xml:lang="en-US">CENDERAWASIH: Journal Of Statistics and Data Science; Vol. 2 No. 1 (2024): Juni 2024</dc:source>
	<dc:source xml:lang="id-ID">CENDERAWASIH: Journal of Statistics and Data Science; Vol 2 No 1 (2024): Juni 2024</dc:source>
	<dc:source>3026-0981</dc:source>
	<dc:language>ind</dc:language>
	<dc:relation>https://ejournal.uncen.ac.id/index.php/CJSDT/article/view/5453/3534</dc:relation>
	<dc:rights xml:lang="id-ID">Hak Cipta (c) 2024 WAHYU APRILLIA S</dc:rights>
	<dc:rights xml:lang="id-ID">https://creativecommons.org/licenses/by/4.0</dc:rights>
</oai_dc:dc>