Perbandingan Algoritma C5.0 dan Algoritma Classification and Regression Tree (CART) pada Decision Tree untuk Klasifikasi Data (Studi Kasus : Tingkat Pengangguran Terbuka Indonesia Menurut Kabupaten/Kota Tahun 2020)

Rifda Nida'ul Labibah

Portal Conference FMIPA, Seminar Nasional Matematika, Statistika dan Aplikasinya (SNMSA) Tahun 2023

Rifda Nida'ul Labibah

Last modified: 2023-06-15

Abstract

Klasifikasi data adalah salah satu bagian penting dalam analisis data yang bertujuan untuk menemukan kesamaan karakteristik data yang akan dikelompokkan dalam suatu kelas. Salah satu metode untuk melakukan klasifikasi data adalah metode decision tree atau pohon keputusan. Untuk membentuk decision tree ada berbagai algoritma yang bisa digunakan diantaranya adalah C5.0 dan Classification and Regression Tree (CART). Algoritma C5.0 menggunakan perhitungan nilai gain dan gain ratio. Sedangkan Algoritma CART menggunakan perhitungan indeks gini. Algoritma C5.0 dan CART diterapkan pada studi kasus tingkat pengangguran terbuka Indonesia menurut kabupaten/kota tahun 2020. Diperoleh hasil tingkat akurasi dengan algoritma C5.0 sebesar 64.009% sedangkan tingkat akurasi dengan algoritma CART sebesar 60.019%. Sehingga dapat dikatakan algoritma C5.0 adalah metode terbaik untuk mengklasifikasikan tingkat pengangguran terbuka di Indonesia dibandingkan dengan algoritma CART.

Keywords

Klasifikasi, Decision Tree, Algoritma C5.0, Algoritma Classification and Regression Tree (CART), Tingkat Pengangguran Terbuka