<![CDATA[Penelitian ini bertujuan untuk mengukur nilai akurasi dari pemrosesan data menggunakan algoritma-algoritma klasifikasi yang ada pada software data mining Rapidminer dan Weka. Nilai akurasi yang diperoleh dari algoritma-algoritma tersebut juga bisa digunakan untuk membandingkan software data mining yang lebih akurat antara software Rapidminer dan Weka. Nilai akurasi bisa dilakukan dengan menggunakan Confusion matrix, Penelitian ini merupakan penelitian kajian pustaka. Metode yang digunakan adalah membaca dan memahami keakuratan algoritma klasifikasi pada Rapidminer dan Weka, serta melihat hasil penelitian sebelumnya mengenai akurasi algoritma klasifikasi pada Rapidminer dan Weka dengan menggunakan data spam . Hasil dari penelitian ini adalah (1) Algoritma klasifikasi yang ada di software Rapidminer dan Weka adalah Decision Tree, Random Forest, K-NN, Naives Bayes, dan MLP. (2) Akurasi yang didapatkan dari satu algoritma dengan algoritma lain atau dari satu aplikasi dengan aplikasi lainnya pasti akan berbeda; Perbedaan ini dikarenakan jumlah data yang dipakai, tipe data yang dipakai dan keterkaitan antar data. (3) Dalam tiga penelitian terdahulu yang sudah dikaji dengan data text spam didapatkan bahwa dua penelitian mengatakan Weka lebih akurat sedangkan satu penelitian mengatakan Rapidminer lebih akurat. Algoritma yang mempunyai nilai akurasi terbaik adalah SVM, K-NN dan MLP.]]>
Copyrights © 2021
