Article Sidebar
Main Article Content
Abstract
Feature selection menjadi perhatian di banyak
bidang penelitian yang menggunakan machine learning,
karena menyediakan pengklasifikasi untuk mempercepat
proses, menghemat biaya dan meningkatkan akurasi. Pada
penelitian ini kami menggunakan beberapa algoritma dengan
menerapkan Algoritma Machine learning. Algoritma yang
kami gunakan yaitu Support Vector Machine dan Naïve Bayes
dengan sebelas features. Dan untuk mempermudah
penerapannya di dunia nyata kami juga melakukan feature
selection dengan harapan mengurangi features yang
digunakan. Hasil yang kami dapatkan adalah pengaruh feature
selection terbaik ada pada algoritma Naive Bayes yang
mendapat nilai presisi dan recall 0.5 dan 0.52 yang sebelumnya
adalah 0.455 dan 0.434. Sebaliknya pada Support Vector
Machine, hasil terbaiknya adalah ketika semua feature
digunakan tanpa ada yang dikurangi.