Kinerja algoritma machine learning dalam permasalahan engineering dapat bervariasi bergantung pada karakteristik dataset dan jenis permasalahan yang dihadapi. Penelitian ini bertujuan untuk membandingkan kinerja berbagai algoritma machine learning melalui kajian literatur sistematis. Dari 37 artikel yang diidentifikasi dan disaring, sebanyak 27 artikel relevan dianalisis berdasarkan jenis dan jumlah data, jumlah fitur, preprocessing, algoritma, metrik evaluasi, serta kinerja model. Hasil kajian menunjukkan bahwa dataset tabular merupakan jenis yang paling dominan, yaitu sebanyak 21 artikel, diikuti oleh dataset citra sebanyak 4 artikel dan time-series atau sinyal sebanyak 2 artikel. Algoritma random forest menjadi algoritma yang paling banyak digunakan, yaitu dalam 16 artikel. Meskipun demikian, tidak terdapat algoritma yang selalu menjadi yang terbaik karena kinerjanya dipengaruhi oleh struktur dataset, target prediksi, distribusi kelas, preprocessing, dan jenis permasalahan. Teknik preprocessing seperti feature selection, data balancing, encoding, serta transformasi dataset juga berperan dalam memengaruhi kinerja model. Secara keseluruhan, tidak ada satu algoritma yang secara konsisten unggul pada seluruh permasalahan engineering, sehingga pemilihan algoritma perlu disesuaikan dengan karakteristik dataset dan tujuan penelitian.
Copyrights © 2026