49
Pada Gambar 4.3, terlihat confusion matrix dan table of confusion dari pengujian pohon keputusan dengan metode 10-fold cross validation. Berdasarkan
gambar tersebut, dapat dijelaskan bahwa dari total 1.728 data, sebanyak 1.596 data 92.36 dapat diklasifikasikan dengan benar, sedangkan 132 data 7.64 salah
diklasifikasikan. Dengan menggunakan persamaan 2.6, 2.7, 2.8, 2.9, dan 2.10, dihitung
nilai precision, recall, dan F-measure. Tabel 4.3 menunjukkan hasil pengukuran
akurasi algoritma pohon keputusan pada Car.arff.
Tabel 4.3. Nilai Akurasi Pohon Keputusan terhadap Car.arff
Class Precision
Recall F-measure
Success Rate
unacc 0.972
0.962 0.967
92.36 acc
0.841 0.867
0.854
good 0.689
0.609 0.646
vgood
0.770 0.877
0.820 Weighted Average
0.924 0.924
0.924
Gambar 4.4 berikut ini menunjukkan hasil perhitungan akurasi k-NN terhadap data set Car.
Gambar 4.4. Perhitungan Akurasi k-NN terhadap Car.arff
Universita Sumatera Utara
50
Pada Gambar 4.4, terlihat confusion matrix dan table of confusion dari pengujian k-NN dengan metode 10-fold cross validation. Berdasarkan gambar
tersebut, dapat dijelaskan bahwa dari total 1.728 data, sebanyak 1.616 data 93.52 dapat diklasifikasikan dengan benar, sedangkan 112 data 6.48 salah
diklasifikasikan. Dengan menggunakan persamaan 2.6, 2.7, 2.8, 2.9, dan 2.10, dihitung
nilai precision, recall, dan F-measure. Tabel 4.4 menunjukkan hasil pengukuran
akurasi algoritma k-NN pada Car.arff.
Tabel 4.4. Nilai Akurasi k-NN terhadap Car.arff
Class Precision
Recall F-measure
Success Rate
unacc
0.973 0.998
0.985
93.52 acc
0.818 0.911
0.862
good 1.000
0.188 0.317
vgood 1.000
0.708 0.829
Weighted Average 0.940
0.935 0.925
4.3. Data Set Diabetes
Data Set Diabetes terdiri dari 768 instances, 9 atributtes, dan 2 classes
tested_negative dan tested_positive.
Gambar 4.5 berikut ini menunjukkan hasil perhitungan akurasi algoritma pohon keputusan terhadap data set Diabetes.
Universita Sumatera Utara
51
Gambar 4.5. Perhitungan Akurasi Pohon Keputusan terhadap Diabetes.arff
Pada Gambar 4.5, terlihat confusion matrix dan table of confusion dari pengujian pohon keputusan dengan metode 10-fold cross validation. Berdasarkan
gambar tersebut, dapat dijelaskan bahwa dari total 768 data, sebanyak 567 data 73.83 dapat diklasifikasikan dengan benar, sedangkan 201 data 26.17 salah
diklasifikasikan. Dengan menggunakan persamaan 2.6, 2.7, 2.8, 2.9, dan 2.10, dihitung
nilai precision, recall, dan F-measure. Tabel 4.5 menunjukkan hasil pengukuran
akurasi algoritma pohon keputusan pada Diabetes.arff.
Tabel 4.5. Nilai Akurasi Pohon Keputusan terhadap Diabetes.arff
Class Precision
Recall F-measure
Success Rate
tested_negative
0.790 0.814
0.802
73.83 tested_positive
