Perbandingan Metode Klasifikasi Decission Tree, Naive Bayes, K-Nearest-Neighbor, dan Logistic Regression pada Dataset Phishing

Abstract

Dalam menentukan algoritma yang digunakan pada machine learning, diperlukan pengujian kinerja terhadap metode klasifikasi yang digunakan. Pada artikel ini akan dibandingkan kinerja dari metode klasifikasi Decission Tree, Naive Bayes, K-Nearest-Neighbor, dan Logistic Regression pada dataset phising sehingga dapat memberikan gambaran tentang metode yang relatif optimal untuk dipilih sebagai tahap awal dalam memilih algoritma yang akan diterapkan. Metode yang digunakan untuk mengukur kinerja empat model pada penelitian ini adalah nilai accuracy, kurva ROC dan nilai AUC. Semakin tinggi nilai accuracy dan nilai AUC maka semakin baik suatu model. Nilai accuracy dan nilai AUC yang dihasilkan pada model logistic regression paling tinggi dibandingkan tiga model lainnya.