STUDI KOMPARATIF NAIVE BAYES DAN DECISION TREE PADA DATASET BUNGA IRIS: EVALUASI AKURASI DAN EFISIENSI

Abstract

This study presents a comparative analysis between the Naive bayes algorithm and Decision tree algorithms in various domains, including iris species Classification, meat composition analysis, subject Classification, and slope analysis in tourism areas. This study aims to evaluate the performance, advantages, and limitations of both algorithms in various data contexts. The methodology used involves applying both algorithms to various datasets and comparing their accuracy, precision, recall, and F1-score metrics. The results show that both algorithms exhibit competitive performance, with varying strengths depending on the characteristics of the data. Decision trees demonstrate better interpretability and can handle non-linear relationships, while Naive bayes demonstrates strong performance with independent features and large training datasets. These findings contribute to understanding the appropriate application context for each algorithm in data mining tasks.

Penelitian ini menyajikan analisis komparatif antara algoritma Naive bayes dan Decision tree di berbagai domain, termasuk klasifikasi spesies iris, analisis komposisi daging, klasifikasi subjek, dan analisis kemiringan di area pariwisata. Penelitian ini bertujuan untuk mengevaluasi kinerja, keunggulan, dan keterbatasan kedua algoritma dalam berbagai konteks data. Metodologi yang digunakan melibatkan penerapan kedua algoritma pada berbagai dataset dan membandingkan akurasi, presisi, recall, serta metrik F1-score. Hasil menunjukkan bahwa kedua algoritma memiliki kinerja yang kompetitif dengan kekuatan yang bervariasi tergantung pada karakteristik data. Decision tree menunjukkan interpretabilitas yang lebih baik dan mampu menangani hubungan non-linear, sedangkan Naive bayes menunjukkan kinerja yang kuat dengan fitur-fitur independen dan dataset pelatihan yang besar. Temuan ini berkontribusi dalam memahami konteks aplikasi yang tepat untuk setiap algoritma dalam tugas data mining.