Perbandingan Klasifikasi: Adaboost, Decision Tree, KNN, Naive Bayes, Random Forest, dan SVM

Perbandingan klasifikasi

KakaKiky - Pada kesempatan kali ini, Kiky akan membahas tentang Laporan UAS Bioinformatika dengan judul Membandingkan Pengklasifikasi: Adaboost, Decision Tree, KNN, Naive Bayes, Random Forest, dan SVM. Berikut ini adalah bagian pembahasan selengkapnya mulai dari metode, alat dan bahan, serta hasil dan kesimpulan.

Metode Yang Digunakan

Adapun metode yang digunakan untuk pengklasifikasian yaitu Adaboost, Decision Tree, KNN, Naive Bayes, Random Forest, dan SVM.

Alat dan Bahan

Pada tugas ini, alat yang digunakan adalah Laptop Asus dengan spesifikasi Intel Corei3 sebagai perangkat keras dan Visual Studio Code sebagai perangkat lunak untuk melakukan klasifikasi. Bahan dari tugas ini adalah sebuah file csv yang diberikan oleh bapak.

Hasil Perbandingan Pengklasifikasian

Berikut adalah hasil klasifikasi dengan menggunakan beragam metode yang disebutkan di atas.

1. Metode Adaboost

Hasil yang didapatkan menggunakan pendekatan Adaboost dengan metrik yang digunakan berturut-turut Accuracy, Precision, Recall dan F1-Score.

2. Metode Decision Tree

Hasil yang didapatkan menggunakan pendekatan Decision Tree dengan metrik yang digunakan berturut-turut Accuracy, Precision, Recall dan F1-Score.

3. Metode KNN

Hasil yang didapatkan menggunakan pendekatan KNN dengan metrik yang digunakan berturut-turut Accuracy, Precision, Recall dan F1-Score.

4. Metode Naive Bayes

Hasil yang didapatkan menggunakan pendekatan Naive Bayes dengan metrik yang digunakan berturut-turut Accuracy, Precision, Recall dan F1-Score.

5. Metode Random Forest

Hasil yang didapatkan menggunakan pendekatan Random Forest dengan metrik yang digunakan berturut-turut Accuracy, Precision, Recall dan F1-Score.

6. Metode SVM

Hasil yang didapatkan menggunakan pendekatan SVM dengan metrik yang digunakan berturut-turut Accuracy, Precision, Recall dan F1-Score.

Kesimpulan

Didapatkan kesimpulan bahwa dari 6 pendekatan yaitu Adaboost, Decision Tree, KNN, Naive Bayes, Random Forest, dan SVM yang paling baik adalah SVM dengan akurasi 0.99004, disusul dengan Naive Bayes dengan akurasi 0.97305, kemudian KNN dengan akurasi 0.97186, dan Random Forest dengan akurasi 0.9624. Sedangkan Adaboost dan Decision Tree mempunyai akurasi 1 dimana hasil ini tidak dapat di jadikan urutan pertama karena dicurigai sebagai overfitting.

Nah sobat, itulah pembahasan laporan UAS tentang Membandingkan Pengklasifikasi: Adaboost, Decision Tree, KNN, Naive Bayes, Random Forest, dan SVM. Semoga postingan ini dapat bermanfaat bagi kalian yang membacanya. Cukup sekian, wassalamu’alaikum and Be Prepared!