<![CDATA[Data mining merupakan salah satu metode yang paling efektif dalam menghasilkan klasifikasi yang akurat, efisien, dan relevan. Pengelompokan jenis kendaraan berdasarkan sistem transmisi dilakukan dengan menggunakan algoritma Decision Tree dan dievaluasi melalui confusion matrix. Dataset yang digunakan mencakup empat jenis kendaraan: Bebek, Skuter, Sport, dan Trail, dengan tiga jenis transmisi: Manual, Automatic, dan Kopling. Algoritma Decision Tree dipilih karena kemampuannya dalam membagi dataset secara rekursif untuk menghasilkan aturan klasifikasi yang jelas dan mudah dipahami. Model dilatih dan diuji untuk memprediksi jenis transmisi berdasarkan fitur kendaraan, dengan hasil akurasi mencapai 95%. Evaluasi menggunakan confusion matrix mengungkap distribusi prediksi benar dan salah pada setiap kategori. Hasilnya menunjukkan bahwa transmisi Automatic dan Kopling diklasifikasikan dengan akurasi tinggi, meskipun terdapat beberapa kesalahan pada prediksi transmisi Manual. Nilai Cohen’s Kappa sebesar 0,913 mengindikasikan kesesuaian yang sangat baik antara prediksi dan data aktual. Algoritma Decision Tree terbukti efektif dalam klasifikasi jenis kendaraan, meskipun diperlukan perbaikan untuk meningkatkan akurasi pada kategori tertentu.]]>
Copyrights © 2025
