1. DSpace Universitas Potensi Utama
  2. Penelitian Dosen Universitas Potensi Utama
  3. Rika Rosnelly
  4. A Paper
Please use this identifier to cite or link to this item: http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/5627
Title: Perbandingan Akurasi, Recall, dan Presisi Klasifikasi pada Algoritma C4.5, Random Forest, SVM dan Naive Bayes
Authors: Rosnelly, Rika
Keywords: Klasifikasi; SVM; C4.5; Random Forest; Naive Bayes
Issue Date: 25-Apr-2021
Publisher: JURNAL MEDIA INFORMATIKA BUDIDARMA
Series/Report no.: Volume 5, Nomor 2, April 2021;640-651
Abstract: Pada penelitian ini bertujuan untuk membandingkan performance beberapa algoritma klasifikasi yaitu C4.5, Random Forest, SVM, dan naive bayes. Data penelitian berupa data peserta JISC yang berjumlah sebanyak 200 data. Data training berjumlah 140 (70%) dan data testing berjumlah 60 (30%). Simulasi klasifikasi menggunakan tools data mining berupa rapidminer. Hasil penelitian menunjukan bahwa . Pada algoritma C4.5 didapatkan akurasi sebesar 86,67%. Pada algoritma Random Forest didapatkan akurasi sebesar 83,33%. Pada algoritma SVM didapatkan akurasi sebesar 95%. Pada algoritma Naive Bayes didapatkan akurasi sebesar 86,67%. Akurasi algoritma paling tinggi adalah pada algoritma SVM dan paling kecil adalah pada algoritma random forest.
Description: Perkembangan dari setiap hari semakin tinggi baik dari jumlah data dan jenis dari data. Hal inilah menjadi alasan munculnya keilmuan penambangan data atau disebut dengan data Mining[1]. dalam suatu basis data yang besar. Sebenarnya kedua istilah tersebut memiliki konsep yang berbeda, tetapi berkaitan satu sama lain. Dan salah satu tahapan dalam keseluruhan proses KDD adalah data mining[2]. Data mining merupakan proses menemukan informasi atau pola yang penting dalam basis data berukuran besar dan merupakan kegiatan untuk menemukan informasi atau pengetahuan yang berguna secara otomatis dari data yang jumlahnya besar. Data mining, sering juga disebut knowledge discovery in database (KDD), adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan pola keteraturan, pola hubungan dalam set data berukuran besar[3]. Keluaran dari data mining ini dapat dijadikan untuk memperbaiki pengambilan keputusan di masa depan. Dalam data mining data disimpan secara elektronik dan diolah secara otomatis, atau setidaknya disimpan dalam komputer[4]. Data mining adalah tentang menyelesaikan masalah dengan menganalisa data yang telah ada dalam database[5]. Pada data mining, data yang berukuran besar diolah dengan menggunakan teknik-teknik tertentu untuk mendapatkan informasi baru mengenai data tersebut. Salah satu teknik yang biasa digunakan dalam data mining adalah Klasifikasi[6].
URI: http://repository.potensi-utama.ac.id/jspui/jspui/handle/123456789/5627
ISSN: 2548-8368
Appears in Collections:A Paper

Files in This Item:
File Description SizeFormat 
25. Perbandingan Akurasi-Mulkan _Rika April 2021.pdf913.55 kBAdobe PDFView/Open
Show full item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.