BAB 4 HASIL DAN PEMBAHASAN
Pada bagian ini, penulis menyajikan hasil dan pembahasan penelitian mengenai analisis akurasi algoritma klasifikasi pohon keputusan dan k-NN terhadap 5 data sets,
yaitu BreastCancer, Car, Diabetes, Ionosphere, dan Iris berdasarkan confusion matrix. Penulis juga melakukan perbandingan terhadap kedua macam teknik
klasifikasi tersebut melalui pengukuran performance dari sudut pandang akurasi Precision, Recall, F-measure, dan Success Rate.
4.1. Data Set BreastCancer
Data Set BreastCancer terdiri dari 286 instances, 10 atributtes, dan 2 classes
no-recurrence-events dan recurrence-events.
Gambar 4.1 berikut ini menunjukkan hasil perhitungan akurasi algoritma pohon keputusan terhadap data set BreastCancer.
Gambar 4.1. Perhitungan Akurasi Pohon Keputusan terhadap BreastCancer.arff
Universita Sumatera Utara
47
Pada Gambar 4.1, 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 286 data, sebanyak 216 data 75.52 dapat diklasifikasikan dengan benar, sedangkan 70 data 24.48 salah
diklasifikasikan. Dengan menggunakan persamaan 2.6, 2.7, 2.8, 2.9, dan 2.10, dihitung
nilai precision, recall, dan F-measure. Tabel 4.1 menunjukkan hasil pengukuran
akurasi algoritma pohon keputusan pada BreastCancer.arff.
Tabel 4.1. Nilai Akurasi Pohon Keputusan terhadap BreastCancer.arff
Class Precision
Recall F-measure
Success Rate
no-recurrence-events 0.757
0.960 0.846
75.52 recurrence-events
0.742 0.271
0.397 Weighted Average
0.752 0.755
0.713
Gambar 4.2 berikut ini menunjukkan hasil perhitungan akurasi algoritma k-NN terhadap data set BreastCancer.
Gambar 4.2. Perhitungan Akurasi k-NN terhadap BreastCancer.arff
Universita Sumatera Utara
48
Pada Gambar 4.2, 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 286 data, sebanyak 207 data 72.38 dapat diklasifikasikan dengan benar, sedangkan 79 data 27.62 salah
diklasifikasikan. Dengan menggunakan persamaan 2.6, 2.7, 2.8, 2.9, dan 2.10, dihitung
nilai precision, recall, dan F-measure. Tabel 4.2 menunjukkan hasil pengukuran
akurasi algoritma pohon keputusan pada BreastCancer.arff. Tabel 4.2. Nilai Akurasi k-NN terhadap BreastCancer.arff
Class Precision
Recall F-measure
Success Rate
no-recurrence-events 0.756