Perbandingan Klasifikasi Data menggunakan Decision Tree dan Regresi Logistik (Studi Kasus : UCI Heart Disease)
Abstract
Data mining menjadi sebuah inovasi yang dapat membantu pengumpulan
data dalam jumlah besar. Data mining dapat digunakan oleh perusahaan untuk
mengubah data mentah menjadi informasi yang berguna dalam pengambilan
keputusan bisnis yang penting. Data mining mempunyai 7 fungsi yang salah
satunya adalah fungsi klasifikasi data. Klasifikasi merupakan teknik yang
digunakan untuk menemukan model agar dapat menjelaskan konsep atau kelas data
dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang labelnya
tidak diketahui. Penelitian ini membahas perbandingan metode Decision Tree dan
Regresi Logistik dalam klasifikasi data. Data yang digunakan pada penelitian ini
adalah “UCI Heart Disease” yang bersumber dari website kaggle.com. Hasil
penelitian didapatkan persentase akurasi hasil dari metode Decision Tree adalah
75% sedangkan untuk metode Regresi Logistik adalah 87%.
Collections
- UT - Mathematics [1365]