<![CDATA[Classification Decision Tree merupakan salah satu metode populer dalam analisis data dan pembelajaran mesin. Algoritma C4.5 adalah salah satu algoritma decision tree yang banyak digunakan karena kemampuannya dalam menghasilkan aturan keputusan yang dapat dipahami dengan mudah. Perizinan bongkar muatan kapal adalah proses krusial dalam operasi pelabuhan yang memastikan kapal dapat secara efisien dan aman melakukan bongkar muatan dalam upaya untuk meningkatkan efisiensi dan mengoptimalkan pengambilan keputusan perizinan. Penelitian ini bertujuan untuk melakukan analisis perbandingan metode machine leraning antara algoritma decision tree C4.5 dengan algoritma K-Nearest Neighbors (KNN). Penulis sudah membandingkan kinerja algoritma-algoritma ini berdasarkan kriteria yang termasuk akurasi prediksi, dengan Classification Decision Tree menghasilkan peramalan unggul sebesar 98,33% dan 97,60% untuk algoritma KNN dalam investigasi ini. Hasil analisis bahwa pemilihan algoritma decision tree harus didasarkan pada tujuan spesifik analisis dan karakteristik data yang digunakan. Jika interpretabilitas aturan keputusan menjadi faktor utama, algoritma C4.5 tetap menjadi pilihan yang baik. Namun, jika akurasi prediksi dan penanganan data yang tidak seimbang menjadi prioritas, algoritma KNN dapat menjadi pilihan yang lebih baik.]]>
Copyrights © 2023
