Perbandingan Klasifikasi Tingkat Penjualan Buah di Supermarket dengan Pendekatan Algoritma Decision Tree, Naive Bayes dan K-Nearest Neighbor

Abstract

Abstrak  - Tujuan dari penelitian ini adalah memperbandingkan tiga teknik klasifikasi, yakni Decision Tree, Naive Bayes, dan K-Nearest Neighbor. Sumber data yang digunakan adalah penjualan buah dari Foodmart Supermarket. Untuk menguji performa ketiga algoritma tersebut, diukur akurasinya, presisi, recall, serta nilai ROC AUC-nya. Hal ini dilakukan untuk menentukan teknik klasifikasi terbaik yang dapat memproses dataset yang diberikan. Decision Tree memiliki akurasi tertinggi sebesar 92,31% dengan nilai AUC sebesar 93,8%, K-Nearest Neighbor memiliki akurasi 88,46% dengan nilai AUC sebesar 99,4%, sementara Naive Bayes memiliki akurasi 73,08% dengan nilai AUC sebesar 79,4%. Diharapkan hasil dari penelitian ini dapat dijadikan sebagai referensi untuk penelitian teknik klasifikasi lainnya, baik dengan menggunakan data yang sama maupun teknik klasifikasi yang berbeda.