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%.