Systematic Literature Review: Perbandingan Algoritma Klasifikasi

Prayugo Pangestu, Rice Novita, Mustakim Mustakim

Abstract


Seiring waktu, banyak metode data mining yang dibuat dan disarankan untuk membantu dalam mengambil keputusan. Karna keterbatasan dalam sumberdaya atikel ini hanya memberi kajian literatur secara sistematis dalam membandingkan performa metode Naïve Bayes, Decision Tree, Neural Network, Random Forest, Support Vector Machine untuk mengetahui metode mana yang paling efektif digunakan dalam mengklasifikasi dan memprediksi. Setelah dilakukan studi literatur dengan mengambil artikel dari rentang waktu 2019 sampai 2023 didapatkan sebanyak 500 artikel yang mengunakan metode Naïve Bayes, Decision Tree, Neural Network,  Random Forest, Support Vector Machine. Karna artikel yang didapat dalam pencarian awal begitu banyak, dibuatlah kriteria ingklusi dan eksklusi untuk memilah artikel yang memang sesuai dengan penelitian ini, setelah melakukan proses kriteria ingklusi dan eksklusi, didapatkan sebanyak 243 artikel dan diketahui bahwa topik yang lebih banyak dibahas adalah prediksi, yaitu berjumlah 122 artikel dan sisanya 121 artikel membahas tentang klasifikasi. Pada bidang prediksi metode yang paling sering digunakan adalah Random Forest degan jumlah 45 artikel dan rata rata tingkat akurasinya 91,18%, sedangkan pada bidang klasifikasi metode yang paling sering digunakan adalah Support Vector Machine dengan total 33 artikel dan rata rata akurasinya 88,85% 


References


D. Sayhidin, G. Haris, and C. Juliane, “Implementasi Data Mining Tingkat Kepemimpinan Siswa dengan K- Nearest Neighbor , Decision Tree , dan Naïve Bayes,†vol. 7, pp. 199–206, 2023, doi: 10.30865/mib.v7i1.5351.

S. Saadah and H. Salsabila, “Prediksi Harga Ponsel Menggunakan Metode Random Forest,†J. Komput. Terap., vol. 7, no. 1, pp. 24–32, 2021.

H. D. Wijaya and S. Dwiasnati, “Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat,†J. Inform., vol. 7, no. 1, pp. 1–7, 2020, doi: 10.31311/ji.v7i1.6203.

M. Qasim and S. D. Khan, “Detection and Relative Quantification of Neodymium in Sillai Patti Carbonatite Using Decision Tree Classification of the Hyperspectral Data,†2022.

X. Yan, “Garment Design Models Combining Bayesian Classifier and Decision Tree Algorithm,†vol. 2022, 2022.

A. P. Wibawa, M. G. A. Purnama, M. F. Akbar, and F. A. Dwiyanto, “Metode-metode Klasifikasi,†Pros. Semin. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 1, p. 134, 2018.

M. Muhathir, M. H. Santoso, and D. A. Larasati, “Wayang Image Classification Using SVM Method and GLCM Feature Extraction,†J. Informatics Telecommun. Eng., vol. 4, no. 2, pp. 373–382, 2021, doi: 10.31289/jite.v4i2.4524.

L. Setiyani, “ANALISIS PREDIKSI KELULUSAN MAHASISWA TEPAT WAKTU MENGGUNAKAN METODE DATA MINING NAÃVE BAYES : SYSTEMATIC REVIEW,†vol. 13, no. 1, pp. 35–43, 2020, doi: 10.30998/faktorexacta.v13i1.5548.

M. Guntur, J. Santony, and Y. Yuhandri, “Prediksi Harga Emas dengan Menggunakan Metode Naïve Bayes dalam Investasi untuk Meminimalisasi Resiko,†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 2, no. 1, pp. 354–360, 2018, doi: 10.29207/resti.v2i1.276.

M. I. Aziz and A. Z. Fanani, “Analisis Metode Ensemble Pada Klasifikasi Penyakit Jantung Berbasis Decision Tree,†vol. 7, pp. 1–12, 2023, doi: 10.30865/mib.v7i1.5169.

P. Handayani, E. Nurlelah, M. Raharjo, and P. M. Ramdani, “Prediksi Penyakit Liver Dengan Menggunakan Metode Decision Tree dan Neural Network,†Comput. Eng. Sci. Syst. J., vol. 4, no. 1, p. 55, 2019, doi: 10.24114/cess.v4i1.11528.

R. Meenal, P. A. Michael, D. Pamela, and E. Rajasekaran, “Weather prediction using random forest machine learning model,†vol. 22, no. 2, pp. 1208–1215, 2021, doi: 10.11591/ijeecs.v22.i2.pp1208-1215.

H. Tuhuteru, “Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine,†vol. 4, no. 1, 2020.

R. S. Wahono, “A Systematic Literature Review of Software Defect Prediction : Research Trends , Datasets , Methods and Frameworks,†vol. 1, no. 1, 2015.

B. Kitchenham, O. P. Brereton, D. Budgen, M. Turner, J. Bailey, and S. Linkman, “Systematic literature reviews in software engineering – A systematic literature review,†Inf. Softw. Technol., vol. 51, no. 1, pp. 7–15, 2009, doi: 10.1016/j.infsof.2008.09.009.

S. E. Bailey, S. S. Godbole, C. D. Knutson, and J. L. Krein, “A Decade of Conway ’ s Law : A literature review from 2003-2012,†pp. 1–14, 2013, doi: 10.1109/RESER.2013.14.

W. Beitrag, “der Lendenwirbelsa,†vol. 48, pp. 43–48, 2007, doi: 10.1016/j.orthtr.2007.01.004.

M. Lestandy, A. Abdurrahim, and L. Syafa, “Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent,†vol. 5, no. 10, pp. 802–808, 2021.

V. Nhu, A. Shirzadi, H. Shahabi, and S. K. Singh, “Shallow Landslide Susceptibility Mapping : A Comparison between Logistic Model Tree , Logistic Regression , Naïve Bayes Tree , Artificial Neural Network , and Support Vector Machine Algorithms,†no. February, 2020.

S. Soim, P. N. Sriwijaya, A. Info, D. T. Algorithm, and P. Datasets, “Implementation of Decision Tree Algorithm Machine Learning in Detecting Covid-19 Virus Patients Using Public Datasets,†vol. 5, no. 1, pp. 37–43, 2022.

J. Han, M. Fang, S. Ye, C. Chen, Q. Wan, and X. Qian, “Using Decision Tree to Predict Response Rates of Consumer Satisfaction , Attitude , and Loyalty Surveys,†2019.

M. Aji, P. Wibowo, M. Bima, A. Fayyadl, Y. Azhar, and Z. Sari, “Classification of Brain Tumors on MRI Images Using Convolutional,†vol. 5, no. 158, pp. 2–6, 2022.

M. A. Amrustian and M. Wibowo, “Implementasi Metode Convolutional Neural Network untuk Klasifikasi Breast Cancer pada Citra Histopatologi,†vol. 7, pp. 41–49, 2023, doi: 10.30865/mib.v7i1.5194.

Z. Zhang, M. Wei, D. Pu, G. He, and G. Wang, “Assessment of Annual Composite Images Obtained by Google Earth Engine for Urban Areas Mapping Using Random Forest,†2021.

F. Wang, Y. Wang, X. Ji, and Z. Wang, “Effective Macrosomia Prediction Using Random Forest Algorithm,†2022.

W. Rizka, U. Fadilah, D. Agfiannisa, and Y. Azhar, “Analisis Prediksi Harga Saham PT . Telekomunikasi Indonesia Menggunakan Metode Support Vector Machine,†vol. 5, no. 2, 2020.

H. Fang, X. Fu, Z. Zeng, and K. Zhong, “An Improved Arithmetic Optimization Algorithm and Its Application to Determine the Parameters of Support Vector Machine,†2022.




DOI: https://doi.org/10.35314/isi.v8i2.3698

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

This Journal has been listed and indexed in :

Crossref logo Find in a library with WorldCat

Copyright of Jurnal Inovtek Polbeng - Seri Informatika (ISSN: 2527-9866)

Creative Commons License
ISI: Inovtek Polbeng Seri Informatikan is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Editorial Office :
Pusat Penelitian dan Pengabdian kepada Masyarakat
 Politeknik Negeri Bengkalis 
Jl. Bathin alam, Sungai Alam Bengkalis-Riau 28711 
E-mail: [email protected]
www.polbeng.ac.id

Web Analytics
View My Stats