Perbandingan Algoritme C5.0 dan Random Forest menggunakan Data Bank Marketing

Abstract

Klasifikasi merupakan teknik yang digunakan untuk menentukan item dari dataset ke dalam suatu kategori atau kelas. Tujuan dari klasifikasi yaitu sebagai sarana mencari pola dengan menganalisis sekumpulan dataset yang mendeskripsikan dan membedakan class data. Klasifikasi dapat digunakan untuk memprediksi untuk mengetahui hasil dari penawaran produk, dan perusahaan dapat mengambil keputusan lebih cepat. Metode yang dapat digunakan dalam klasifikasi yaitu C5.0 dan Random Forest. Pada penelitian hasil akurasi pada data Bank Marketing menggunakan  algoritme C5.0 dan random forest untuk data latih dan data uji menggunakan K – fold cross validation, menghasilkan tingkat akurasi diatas 90%. Algoritme C5.0 lebih unggul untuk tingkat akurasi data latih sebesar 90.4 % , nilai akurasi terbaik untuk algoritme C5.0 terjadi pada fold  ke 10 .Sedangkan random forest lebih unggul untuk data uji sebesar 97%, nilai ini konvergen dari 1-fold sampai 10-fold.