PREDIKSI KELANGSUNGAN HIDUP PENUMPANG TITANIC MENGGUNAKAN ALGORITMA PEMBELAJARAN MESIN

Subawa, I Gede Agus (2024) PREDIKSI KELANGSUNGAN HIDUP PENUMPANG TITANIC MENGGUNAKAN ALGORITMA PEMBELAJARAN MESIN. Bachelor thesis, UNIVERSITAS NASIONAL.

	Text Cover.pdf Download (957kB)
	Text BAB I.pdf Download (358kB)
	Text BAB II.pdf Download (519kB)
	Text BAB III.pdf Download (489kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (351kB)
	Text Lampiran.pdf Download (643kB)

Abstract

Tenggelamnya kapal Titanic menjadi perhatian dunia serta menjadi subjek
pemberitaan yang luas. Terdapat banyak buku, film, dan dokumenter yang
menceritakan tragedi tersebut, salah satunya film berjudul "Titanic" yang dirilis
tahun 1998. Penggunaan machine learning dalam memprediksi kelangsungan hidup
penumpang Titanic memiliki potensi untuk memberikan wawasan tentang faktorfaktor

yang berpengaruh. Dalam penelitian ini menggunakan model Logistic
Regression, Decision Tree, Random Forest, dan Naive Bayes untuk dibandingkan
dan memilih model terbaik dalam prediksi kelangsungan hidup penumpang Titanic.
Evaluasi model dilakukan dengan metrik akurasi, presisi, F1-Score, serta cross
validation untuk memastikan keakuratan dan generalisasi model. Dataset Titanic
yang digunakan dieksplorasi menggunakan berbagai teknik statistika deskriptif dan
perhitungan peluang selamat untuk setiap variabel. Hasil penelitian menunjukkan
bahwa model Decision Tree memiliki kinerja yang baik dengan nilai tertinggi pada
metrik akurasi, presisi, dan cross validation sehingga menjadikannya sebagai model
terpilih untuk prediksi kelangsungan hidup penumpang Titanic.
Kata kunci: Titanic, prediksi kelangsungan hidup, machine learning, Decision
Tree, Logistic Regression, Random Forest, Naive Bayes, akurasi, presisi, F1-Score,
cross validation.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) T Technology > TS Manufactures
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Users 30 not found.
Date Deposited:	02 Jan 2025 04:08
Last Modified:	02 Jan 2025 04:08
URI:	https://repository.unas.ac.id/id/eprint/12507

Actions (login required)

View Item