Membandingkan Pengaruh Feature Selection Terhadap Algoritma Naïve Bayes dan Support Vector Machine

Aldi Rahmansyah (Universitas Negeri Jakarta)
Ovitasari Dewi (Universitas Negeri Jakarta)
Puti Andini (Universitas Negeri Jakarta)
Trisna Hastuti Puspita Ningrum (Universitas Negeri Jakarta)
Muhammad Eka Suryana (Universitas Negeri Jakarta)

Seminar Nasional Aplikasi Teknologi Informasi (SNATI)
2018

Feature selection menjadi perhatian di banyak bidang penelitian yang menggunakan machine learning, karena menyediakan pengklasifikasi untuk mempercepat proses, menghemat biaya dan meningkatkan akurasi. Pada penelitian ini kami menggunakan beberapa algoritma dengan menerapkan Algoritma Machine learning. Algoritma yang kami gunakan yaitu Support Vector Machine dan Naïve Bayes dengan sebelas features. Dan untuk mempermudah penerapannya di dunia nyata kami juga melakukan feature selection dengan harapan mengurangi features yang digunakan. Hasil yang kami dapatkan adalah pengaruh feature selection terbaik ada pada algoritma Naive Bayes yang mendapat nilai presisi dan recall 0.5 dan 0.52 yang sebelumnya adalah 0.455 dan 0.434. Sebaliknya pada Support Vector Machine, hasil terbaiknya adalah ketika semua feature digunakan tanpa ada yang dikurangi.