Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal E-Link: Jurnal Teknik Elektro dan Informatika
Lazuardy, Fahreza Adams
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Energy

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PERBANDINGAN METODE KLASIFIKASI PENGUJIAN KENDARAAN BERMOTOR DENGAN ALGORITMA C4.5 DAN NAÏVE BAYES Lazuardy, Fahreza Adams; Homaidi, Ahmad; Lutfi, Ahmad
E-Link: Jurnal Teknik Elektro dan Informatika Vol 19 No 2: Oktober 2024
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/e-link.v19i2.8113

Abstract

Penelitian ini bertujuan untuk membandingkan metode klasifikasi pengujian kendaraan bermotor pada algoritma C4.5 dengan Naïve Bayes di Dinas Perhubungan Kabupaten Situbondo. Dataset yang digunakan berjumlah 3.264 record yang dibagi menjadi 2 subset data, data training dan data testing. Atribut yang dianalisis meliputi tahun pembuatan, kepemilikan kendaraan, emisi opasitas timbal, total gaya pengereman, standarisasi klakson, kelayakan ban kendaraan, kekuatan sinar lampu, penyimpangan pancar lampu, dan hasil pengujian. Hasil perbandingan ini menghasilkan dalam algoritma C4.5 memiliki akurasi senilai 99.69% dengan precision 99.68% dan recall 100% untuk kelas “LULUS”, serta precision 100% dan recall 90.48% untuk kelas “TIDAK LULUS”. Sementara algoritma Naïve Bayes menunjukkan akurasi senilai 99.13% dengan precision 99.59% dan recall 99.51% untuk kelas “LULUS” serta precision 81.82% dan recall 84.38% untuk kelas “TIDAK LULUS”. C4.5 lebih unggul mendeteksi kendaraan yang “TIDAK LULUS”, sedangkan Naïve Bayes lebih efisien dalam komputasi. Temuan ini menyimpulkan bahwa algoritma C4.5 lebih efektif untuk pola interaksi data yang kompleks, sedangkan Naïve Bayes menawarkan kecepatan komputasi yang lebih tinggi. Pemilihan algoritma harus mempertimbangkan karakteristik dataset dan kebutuhan spesifik dari aplikasi pengujian kendaraan bermotor. Kata Kunci: Data mining, C4.5, Naïve Bayes, Klasifikasi, Pengujian Kendaraan Bermotor, Akurasi.
Co-Authors Ahmad Homaidi AHMAD LUTFI