Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian
Abstrak: Data mining adalah
suatu proses analisis terhadap sekumpulan data yang ada di dalam basis data
sehingga diperoleh informasi yang akan digunakan untuk tahap selanjutnya. Salah
satu teknik data mining yang umum digunakan yaitu teknik klasifikasi.
Klasifikasi adalah suatu teknik pembentukan model dari data yang belum
terklasifikasi, untuk digunakan mengklasifikasi data baru. Klasifikasi termasuk
ke dalam tipe supervised learning, artinya dibutuhkan data pelatihan untuk
membangun suatu model klasifikasinya. terdapat 5 kategori klasifikasi yaitu
berbasis statistik, berbasis jarak, berbasis pohon keputusan, berbasis jaringan
syaraf, dan berbasis aturan. Tiap kategori klasifikasi memiliki banyak pilihan
algoritma, beberapa algoritma yang seringdigunakan adalah algoritma naive
bayes, nearest neighbour, dan decision tree. Pada penelitian ini akan dilakukan
perbandingan dari ketiga algoritma tersebut pada studi kasus pengambilankeputusan
pemilihan pola pakaian. Hasil perbandingan menunjukkan bahwa metode decision
treememiliki tingkat akurasi tertinggi dibandingkan algoritma naive bayes dan
nearest neighbour yaitu mencapai 75.6%. Algoritma decision tree yang digunakan
ialah algoritma J48 dengan pruned yang menghasilkan model decision tree dengan
daun sebanyak 166 dan pohon keputusan yangbesarnya 255.
Penulis: Dewi Sartika, Dana
Indra Sensuse
Kode Jurnal: jptinformatikadd170352
