Resume Jurnal Data - Mining [PDF]

Citation preview

RESUME JURNALI Judul Jurnal : Construction of decision tree based on C4.5 algorithm for online voltage stability Assessment



Nama Jurnal : International Jurnal Of Electrical Power & energy Systems



Penulis : Xiangfei Menga , Pei Zhanga, Yan Xub , Hua Xiea



Nomor Jurnal : 105793



DOI : doi.org/10.1016/j.ijepes.2019.105793



Jumlah Halaman : 8



Algoritma : c4.5



Permasalahan : Studi kasus pada sistem tenaga praktis menunjukkan bahwa DT dapat mengekstrak pedoman pengoperasian dari hasil analisis stabilitas tegangan offline, dan membantu operator sistem menilai status stabilitas tegangan secara real-time. Hasil Penelitian : mengusulkan menggunakan algoritma C4.5 untuk membangun DT untuk mengekstrak pedoman operasi untuk penilaian stabilitas tegangan online. Inovasi metode yang diusulkan mencakup dua aspek. Analisis faktor partisipasi dan algoritma bantuan telah diterapkan bersama untuk memilih atribut DT, yang tidak hanya mempertimbangkan makna fisik atribut, tetapi juga mempertimbangkan kemampuan klasifikasi atribut. Algoritma C4.5, yang cocok untuk menangani variabel kontinu, telah diterapkan untuk membangun DT karena amplitudo tegangan kurva PV adalah variabel kontinu. Penelitian Terdahulu : Baru-baru ini, teknik data mining telah diterapkan untuk penilaian stabilitas tegangan karena keuntungan dari pemrosesan data yang sangat besar secara efisien. Teknik data mining termasuk jaringan syaraf tiruan (JST), pengklasifikasi tetangga terdekat, mesin vektor pendukung (SVM), teorema Bayes, dll. Ref. menyajikan metode berbasis JST untuk penilaian stabilitas tegangan online. Namun, fungsi nonlinier pada lapisan tersembunyi sulit untuk dipahami dan sulit bagi operator sistem untuk mengekstrak pedoman yang dapat digunakan secara langsung Pendapat : Menurut saya, hasil dari penelitian tersebut sangat baik dan memberikan manfaat untuk menggunakan algoritma c4.5 untuk mengidentifikasi pedoman operasi untuk penilaian stabilitas tegangan online.



RESUME JURNALII Judul Paper : Prediction of Rockburst Risk in Coal Mines Based on a Locally Weighted C4.5 Algorithm



Penulis : Yanbing Wang



Nomor Jurnal : 20323681 DOI : 10.1109/ACCESS.2021.3053001 VOLUME : 9 Jumlah Halaman : 7 Algoritma : C4.5 Permasalahan : Rockburst adalah fenomena dinamis yang dicirikan oleh pelepasan energi deformasi yang tiba-tiba, tiba-tiba, dan keras pada massa batu bara dan batuan di sekitar poros dan lereng tambang yang dapat mengakibatkan kehancuran yang cukup besar. Karena metode prediksi dan evaluasi sangat penting untuk pencegahan dan pengendalian bencana ledakan batu, banyak metode pembelajaran mesin dikembangkan untuk tujuan ini. Untuk memprediksi risiko ledakan batu secara akurat, membahas mengenai masalah dengan mengembangkan algoritma pohon keputusan C4.5 berbobot lokal untuk memprediksi risiko ledakan batu di tambang batu bara



Hasil Penelitian : Penelitian ini membahas masalah yang terkait dengan metode pembelajaran mesin canggih saat ini untuk prediksi risiko ledakan batu di tambang batu bara dengan mengembangkan algoritma C4.5 berbobot lokal. Dalam pemrosesan yang diusulkan, dan



Hasilnya dengan jelas



menunjukkan bahwa penerapan diskritisasi data dan pembobotan lokal secara individual sangat meningkatkan akurasi prediksi algoritma C4.5, sementara menerapkan keduanya menghasilkan peningkatan akurasi yang nyata. Selain itu, akurasi prediksi risiko ledakan batu yang diperoleh oleh algoritma C4.5



Penelitian Terdahulu : Kemajuan pesat dalam teknologi komputer dalam beberapa tahun terakhir telah memungkinkan masalah ini semakin diatasi dengan pengembangan metode pembelajaran mesin untuk memprediksi risiko ledakan batu . Metode pembelajaran mesin yang umum digunakan adalah jaringan saraf tiruan (JST) , analisis diskriminan Bayes , model cloud , mesin pembelajaran ekstrem (ELM) , dan mesin vektor pendukung (SVM) .



Pendapat : Penelitian tersebut sangat menarik karena membuat kita tau bagaimana keakuratan algoritma c4.5 dalam memprediksi resiko ledakan tambang batu bara