Perbandingan Kinerja Algoritma SVM dan KNN untuk Klasifikasi Dataset Iris

Alviansyah, Khrisna
Alviansyah, Muhammad Rafi
Wargana, Daffa Tegar

Seminar Nasional Riset dan Teknologi (SEMNAS RISTEK)
Vol 10, No 1 (2026): SEMNAS RISTEK 2026

Tugas klasifikasi merupakan inti dari disiplin ilmu machine learning (ML) dan pattern recognition. Penelitian ini berfokus pada perbandingan kinerja dua algoritma klasifikasi: Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN).Dataset yang digunakan adalah Dataset Iris dengan 150 sampel, menggunakan pembagian data 80% data latih dan 20% data uji. Model diimplementasikan menggunakan Python dan library Scikit-learn dengan metrik evaluasi Akurasi dan Presisi. Dibandingkan dengan penelitian sebelumnya yang menggunakan metode lain seperti Naïve Bayes, model SVM dan KNN dalam studi ini menunjukkan keunggulan signifikan. Hasil penelitian menunjukkan kinerja sempurna dari kedua model, yaitu Akurasi 100% dan Presisi 100% pada data uji. Analisis mengkonfirmasi bahwa hasil ini disebabkan oleh karakteristik Dataset Iris yang dapat dipisahkan secara linear.