PERBANDINGAN ALGORITMA MACHINE LEARNING UNTUK KLASIFIKASI DRY BEAN DATASET

Abstract

Indonesia merupakan negara agraris dengan mayoritas penduduknya bekerja pada sektor pertanian yang memiliki peran penting dalam meningkatkan perekonomian negara dan memenuhi kebutuhan pangan masyarakat. Dry Bean memegang peranan penting pada sektor pertanian, pengolahan makanan, dan juga ekspor-impor. Memungkinkan para pemangku kepentingan untuk mengoptimalkan produksi, memastikan kontrol kualitas, meningkatkan daya saing pasar, mendorong inovasi, dan memenuhi permintaan konsumen dengan memanfaatkan dry bean yang tersedia. Dataset Dry Bean merupakan salah satu data publik yang ada pada web UCI Machine Learning Repository. Tujuan penelitian ini adalah untuk mengetahui performa yang paling baik diantara enam algoritma yang diuji dengan menggunakan model rapid miner dan confussion matrix. Enam algoritma klasifikasi yang diuji tersebut yaitu Naive Bayes, Neural Network, Decision Tree, Random Forest, K-Nearest Neighbors (K-NN), Linear Discriminant Analysis. Perbedaan dalam penelitian ini adalah terletak pada objek dan waktu penelitian, literatur dan teori yang digunakan serta hasil penelitian. Berdasarkan hasil penelitian dapat diketahui bahwa algoritma Neural Network memiliki nilai akurasi performa paling tinggi sebesar 92,68% dan nilai akurasi performa terendah adalah algoritma K-Nearest Neighbors (K-NN) dengan nilai 78,32%.