Perbandingan Dan Penerapan Penggunaan Dataset IRIS

Abstract

Penelitian ini mengkaji berbagai metode analisis untuk dataset Iris menggunakan beberapa pendekatan yang berbeda. Perbandingan pertama dilakukan antara algoritma K-Nearest Neighbor (KNN) dan Random Forest (RF) dengan pembagian data 80:20, di mana RF menunjukkan performa superior dengan akurasi 100% dibandingkan KNN yang mencapai 97%. Selanjutnya, implementasi metode Fuzzy C-Means berhasil melakukan pengklusteran dataset berdasarkan karakteristik fisik bunga Iris dengan mempertimbangkan derajat keanggotaan untuk menangani ketidakpastian data. Studi juga membandingkan performa tools data mining, yaitu Rapid Miner dan Orange, dalam mengklasifikasi dataset Iris menggunakan decision tree, dengan Rapid Miner mencapai akurasi 86.67% dan nilai kappa 0.800. Hasil-hasil ini memberikan wawasan komprehensif tentang efektivitas berbagai metode dan tools dalam analisis dataset Iris, yang dapat membantu peneliti dan praktisi dalam memilih pendekatan yang tepat untuk analisis data mereka.