Image of  IMPUTASI DATA YANG HILANG PADA DATA DERET WAKTU MULTIVARIAT MENGGUNAKAN ARSITEKTUR U-NET

Skripsi

 IMPUTASI DATA YANG HILANG PADA DATA DERET WAKTU MULTIVARIAT MENGGUNAKAN ARSITEKTUR U-NET

Penilaian

0,0

dari 5
Penilaian anda saat ini :  

Kehilangan data merupakan isu umum dalam berbagai kumpulan data dan menjadi salah satu tantangan paling kompleks dalam ilmu komputer. Masalah ini mempersulit proses pengolahan data karena banyaknya nilai yang hilang. Salah satu pendekatan untuk menangani data yang hilang adalah melalui imputasi, yaitu proses penambahan data yang hilang atau tidak lengkap ke dalam sebuah dataset. Meskipun machine learning sering digunakan untuk imputasi data, metode ini umumnya kurang efektif pada dataset dengan tingkat kehilangan data yang tinggi. Oleh karena itu, metode deep learning diandalkan karena kemampuannya dalam mengungkap informasi tersembunyi dalam data, sehingga menawarkan solusi yang lebih baik dalam imputasi data. U-Net adalah salah satu metode deep learning yang diimplementasikan dalam penelitian ini. Studi-studi terbaru menunjukkan bahwa U-Net efektif dalam imputasi data pada deret waktu multivariat. Penelitian ini bertujuan untuk mengevaluasi performa metode U-Net dalam imputasi data deret waktu multivariat, dengan hasil yang menunjukkan bahwa metode ini menghasilkan nilai RMSE terkecil pada data MIMIC-IV yaitu 0.0104. Hasil imputasi data deret waktu multivariat menggunakan metode U-Net menunjukkan hasil yang lebih unggul dari pada metode Autoencoder dan CNN.

Availability
Inventory Code Barcode Call Number Location Status
2407003714T146425T1464252024Central Library (REFERENCES)Available but not for loan - Not for Loan
Detail Information
Series Title
-
Call Number
T1464252024
Publisher
Indralaya : Prodi Sistem Komputer, Fakultas Ilmu Komputer.,
Collation
xix, 143 hlm.; ilus.; tab.; 29 cm.
Language
Indonesia
ISBN/ISSN
-
Classification
519.530 7
Content Type
Text
Media Type
unmediated
Carrier Type
unspecified
Edition
-
Subject(s)
Prodi Sistem Komputer
Multivariat
Specific Detail Info
-
Statement of Responsibility
Other version/related

No other version available

File Attachment
Comments
You must be logged in to post a comment