ANALISIS PERBANDINGAN KINERJA ALGORITMA SUPPORT VECTOR MACHINE , DECISION TREE, DAN NAIVE BAYES UNTUK PENGELOMPOKAN SPESIES IRIS DALAM KONTEKS KLASIFIKASI

Tua, Riski Ronaldo Rejeki (2025) ANALISIS PERBANDINGAN KINERJA ALGORITMA SUPPORT VECTOR MACHINE , DECISION TREE, DAN NAIVE BAYES UNTUK PENGELOMPOKAN SPESIES IRIS DALAM KONTEKS KLASIFIKASI. Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER -BAB III.pdf - Published Version Download (2MB)
	Text BAB IV.pdf - Published Version Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB V.pdf - Published Version Download (395kB)

Abstract

Kemampuan untuk mengelola dan menganalisis data menjadi aspek penting dalam era digital saat ini. Klasifikasi merupakan salah satu metode yang memungkinkan pengelompokan objek berdasarkan pola tertentu. Penelitian ini bertujuan membandingkan kinerja tiga algoritma klasifikasi, yaitu Support Vector Machine (SVM), Decision Tree, dan Naive Bayes, dalam mengklasifikasikan spesies bunga iris. Dataset iris dipilih karena karakteristiknya yang sering digunakan dalam penelitian klasifikasi, mencakup tiga spesies utama: iris setosa, iris versicolor, dan iris virginica. Penelitian ini menggunakan metodologi berbasis pendekatan terstruktur yang mencakup pemahaman masalah, eksplorasi data, pemrosesan, pemodelan, evaluasi, dan penerapan. Implementasi algoritma dilakukan menggunakan Python dengan pustaka scikit-learn, sedangkan aplikasi berbasis web dikembangkan menggunakan framework PHP dan Laravel untuk mendukung pengujian hasil model. Hasil penelitian menunjukkan bahwa di antara ketiga algoritma yang dibandingkan, SVM memiliki kinerja paling unggul, terutama dalam hal akurasi, presisi, recall, dan F1-score. Keunggulan ini disebabkan oleh kemampuan SVM dalam menangani data yang tidak terpisah secara linear dengan menggunakan kernel trick, sehingga mampu membentuk hyperplane optimal yang memisahkan kelas dengan margin maksimal. Sebaliknya, Decision Tree cenderung mengalami overfitting pada data yang kompleks, sementara Naive Bayes mengasumsikan independensi fitur yang tidak selalu sesuai dengan karakteristik dataset iris. Aplikasi berbasis web yang dibangun mampu memproses gambar bunga yang diunggah untuk menghasilkan prediksi spesies dengan tingkat keakuratan yang tinggi. Temuan ini menunjukkan potensi integrasi algoritma pembelajaran mesin dengan aplikasi berbasis web sebagai solusi praktis dalam pengelompokan dan klasifikasi data secara efisien.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Klasifikasi, Machine Learning, Spesies iris, Support Vector Machine.
Subjects:	000 Karya Umum > 005 Pemograman > 005.74 Database
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	13 Mar 2026 08:32
Last Modified:	13 Mar 2026 08:32
URI:	https://repositori.buddhidharma.ac.id//id/eprint/3079

Actions (login required)

View Item