Analisis Perbandingan Kinerja Algoritma Klasifikasi Di Data Deals Dengan Menggunakan Metode K-Fold Cross Validation

Abstract

Pada penelitian ini memiliki tujuan untuk membandingkan kinerja dari dua algoritma klasifikasi yaitu algoritma Naïve Bayes dan algoritma K-Nearest Neigbor dengan menggunakan metode K-Fold Cross Validation. Adapun data yang digunakan pada penelitian ini yaitu data publik deals yang mempunyai 1000 data dan mempunyai satu kelas target yaitu Future Customer. Data training yang digunakan sebesar 90% atau 900 data dari 1000 data dan data testing yang digunakan sebesar 10% atau 100 data dari 1000 data dan jumlah K pada K-fold Cross Validation sebesar 10 atau 10 kali tahap percobaan. Hasil penelitian yaitu diperoleh kinerja algoritma Naïve Bayes sebesar 92,60%, recall sebesar 98,65% dan presisi sebesar 92,56%. Sedangkan pada algortma K-Nearest Neighbor mendapatkan akurasi sebesar 93,80%, recall sebesar 94,06% dan presisi sebesar 94,05%.