Perbandingan Klasifikasi Tingkat Penjualan Buah di Supermarket dengan Pendekatan Algoritma Decision Tree, Naive Bayes dan K-Nearest Neighbor
DOI:
https://doi.org/10.31294/jinsan.v3i1.2097Keywords:
Decision Tree, Naive Bayes, K-Nearest NeighborAbstract
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.
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Herlambang Priatmojo Herlambang, Feri Saputra, Muhammad Hadi Prasetiyo, Diah Puspitasari, Dini Nurlaela
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.