PERBANDINGAN EFEKTIFITAS ALGORITMA DECISSION TREE, NAÏVE BAYES, K-NEAREST NEIGHBOR DAN SUPPORT VECTOR MACHINE DALAM MELAKUKAN KLASIFIKASI

Ervin Susanto Gulo (Universitas Prima Indonesia)
Christnatalis - (Universitas Prima Indonesia)
Yosafat Ricardo Gulo (Universitas Prima Indonesia)
Sarinova Florina Marbun (Universitas Prima Indonesia)

JURNAL TEKNOLOGI DAN ILMU KOMPUTER PRIMA (JUTIKOMP)
Vol. 5 No. 2 (2022): Jutikomp Volume 5 Nomor 2 Oktober 2022

Klasfikasi merupakan kasus yang sering diangkat menjadi judul penelitian dikarenakan banyaknya metodeyang bisa melakukan klasifikasi. Adapun beberapa metode yang bisa melakukan klasifikasi adalah metodeDecission Tree, K-Nearest Neighbor, Naïve Bayes dan Support Vector Machine. Metode-metode tersebutmemiliki kelebihan dan kekurangannya tersendiri, oleh karena itu setiap metode menghasilkan nilai akurasiyang berbeda-beda. Dari 40 data jurnal penelitian yang sudah dilakukan sebelumnya didapatkan hasil berupametode Support Vector Machine mendapatkan nilai rata-rata akurasi 86,61% dan menjadi metode dengannilai akurasi tertinggi dibandingkan ketiga metode lainnya. Metode Naïve Bayes mendapatkan nilai hasilrata-rata akurasi sebesar 73% dan menjadi metode dengan nilai akurasi terendah dibandingkan ketigametode lainnya