SELEKSI MOBIL BERDASARKAN FITUR DENGAN KOMPARASI METODE KLASIFIKASI NEURAL NETWORK, SUPPORT VECTOR MACHINE, DAN ALGORITMA C4.5

  • Esty Purwaningsih Manajemen Informatika AMIK BSI Tangerang
Keywords: Algoritma C4.5, Support Vector Machine, Neural Network, Confusion Matri

Abstract

Seleksi mobil berdasarkan fitur menggunakan komparasi metode Neural Network, Support Vector Machine, dan Algoritma C4.5. Komparasi metode tersebut dipilih karena terdapat kelebihan dan keistimewaan dari masing-masing metode, juga karena terdapat penelitian terdahulu yang telah melakukan uji klasifikasi kendaraan dengan menggunakan metode Algoritma C4.5 dan Neural Network, dan memberikan usulan dengan menggunakan metode Support Vector Machine serta belum ada penelitian tentang klasifikasi kendaraan dengan menggunakan metode Support Vector Machine. Data yang digunakan bersumber dari PT. Tunas Mobilindo Perkasa. Data yang diteliti ini merupakan data mobil serta penjualan mobil di PT. Tunas Mobilindo Perkasa dengan periode tahun 2013. Untuk menerapkan metode Neural Network, Support Vector Machine dan Algoritma C4.5 ini digunakan perangkat lunak RapidMiner. Hasil penerapan ini kemudian dikomparasi menggunakan Confusion Matrix dan Kurva ROC. Berdasarkan penelitian ini terbukti bahwa metode Algoritma C4.5  memiliki tingkat akurasi yang lebih tinggi dibandingkan Neural Network dan Support Vector Machine.

Downloads

Download data is not yet available.

Author Biography

Esty Purwaningsih, Manajemen Informatika AMIK BSI Tangerang

Lahir di Jakarta, pada tanggal 28 Oktober 1987. Riwayat pendidikan: Diploma III AMIK BSI Jakarta tahun lulus 2009. Strata I STMIK Nusa Mandiri Jakarta lulus tahun 2011 dan Strata II Pascasarjana STMIK  Nusa Mandiri Jakarta lulus tahun 2014. Bekerja sebagai Dosen Bina Sarana Informatika.

Published
2016-09-15
How to Cite
Purwaningsih, E. (2016). SELEKSI MOBIL BERDASARKAN FITUR DENGAN KOMPARASI METODE KLASIFIKASI NEURAL NETWORK, SUPPORT VECTOR MACHINE, DAN ALGORITMA C4.5. Jurnal Pilar Nusa Mandiri, 12(2), 153-160. https://doi.org/10.33480/pilar.v12i2.269