Perbandingan Kinerja Algoritma SVM dan KNN untuk Klasifikasi Dataset Iris

Khrisna Alviansyah, Muhammad Rafi Alviansyah, Daffa Tegar Wargana

Abstract


Tugas klasifikasi merupakan inti dari disiplin ilmu machine learning (ML) dan pattern recognition. Penelitian ini berfokus pada perbandingan kinerja dua algoritma klasifikasi: Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN).Dataset yang digunakan adalah Dataset Iris dengan 150 sampel, menggunakan pembagian data 80% data latih dan 20% data uji. Model diimplementasikan menggunakan Python dan library Scikit-learn dengan metrik evaluasi Akurasi dan Presisi. Dibandingkan dengan penelitian sebelumnya yang menggunakan metode lain seperti Naïve Bayes, model SVM dan KNN dalam studi ini menunjukkan keunggulan signifikan. Hasil penelitian menunjukkan kinerja sempurna dari kedua model, yaitu Akurasi 100% dan Presisi 100% pada data uji. Analisis mengkonfirmasi bahwa hasil ini disebabkan oleh karakteristik Dataset Iris yang dapat dipisahkan secara linear.



Keywords


klasifikasi, machine learning, support vector machine, k-nearest neighbors, dataset iris.

References


Bintoro, P., Ratnasari, W., Wihardjo, E., Putri, I. P., & Asari, A. (2024). Pengantar machine learning. Pustaka Timur.

Desiani, A., Uteh, C. M., & Rayani, I. (2019). Penerapan metode Support Vector Machine (SVM) dalam klasifikasi bunga iris. Jurnal Gamma, 10(1), 50–65.

Dinata, R. K., & Hasdyna, N. (2020). Machine learning: Panduan memahami data science, supervised learning, unsupervised learning dan reinforcement learning. UNIMAL Press.

Elisawati, Wijayanti, R. R., & Abdurrasyid. (2023). Machine learning. PT Global Eksekutif Teknologi.

Fisher, R. A. (1936). The use of multiple measurements in taxonomic problems. Annual Eugenics, 7(2), 179–188.

Géron, A. (2019). Hands-on machine learning with Scikit-Learn, Keras & TensorFlow (2nd ed.). O'Reilly Media.

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. The MIT Press.

Hamonangan, R., Sari, R. K., Anwar, S., & Hartati, T. (2024). Klasifikasi algoritma KNN dalam menentukan penerima bantuan langsung tunai. Jurnal Ilmiah Sistem Informasi, 6(1), 198–204.

Isman, Ahmad, A., & Latief, A. (2021). Perbandingan metode KNN dan LBPH pada klasifikasi daun herbal. Jurnal RESTI (Rekayasa Sist. dan Teknol. Informasi), 5(3), 557–564.

Rahman, Z., Fatah, Z., & Prasetyo, J. D. (2024). Klasifikasi spesies bunga iris menggunakan algoritma klasifikasi KNN di RapidMiner. Jurnal Ilmiah Multidisiplin Ilmu, 1(6), 60–66.

Ridho, W. A., Hakim, A. R., & Wuryandari, T. (2023). Perbandingan metode K-Nearest Neighbor dan Support Vector Machines pada status penerimaan bantuan dari pemerintah. Jurnal Gaussian, 12(3), 372–381.

Susanto, B., & Wijaya, C. (2023). Implementasi algoritma Naïve Bayes classifier dan K-nearest neighbor untuk klasifikasi penyakit ginjal kronik. JATISI, 10(2), 1502–1510.

Syahputra, A., Riansyah, R., Aptanta, D. A., Farhan, M., & Furqan, M. (2025). Klasifikasi jenis bunga iris menggunakan algoritma klasifikasi tradisional. Jurnal ilmiah Sistem Informasi dan Ilmu Komputer, 4(2), 112–120.

Ujianto, N. T., Gunawan, Fadillah, H., Fanti, A. P., Saputra, A. D., & Ramadhan, I. G. (2025). Penerapan algoritma K-Nearest Neighbors (KNN) untuk klasifikasi citra medis. IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi, 4(1), 33–43.

Yana, Y. E., & Nafi'iyah, N. (2021). Klasifikasi jenis pisang berdasarkan fitur warna, tekstur, bentuk citra menggunakan SVM dan KNN. Research Journal of Computer Information System and Technology Management, 4(1), 28–35.




DOI: https://doi.org/10.30998/semnasristek.v10i1.8899

Refbacks

  • There are currently no refbacks.


Prosiding SEMNAS RISTEK indexed by: