Literature Review: Algoritma Klasifikasi pada Data Mining
Abstract
Data mining berperan penting dalam pengolahan dan analisis data berskala besar untuk menghasilkan informasi yang bermanfaat. Salah satu teknik utama dalam data mining adalah klasifikasi, yang bertujuan mengelompokkan data ke dalam kelas tertentu berdasarkan karakteristik yang dimilikinya. Literature review ini bertujuan untuk menelaah dan menganalisis berbagai algoritma klasifikasi yang umum digunakan dalam data mining, serta mengidentifikasi keunggulan dan keterbatasan masing-masing algoritma. Metode penelitian dilakukan melalui studi literatur terhadap publikasi ilmiah berupa jurnal dan prosiding konferensi yang relevan dalam lima hingga sepuluh tahun terakhir. Hasil kajian menunjukkan bahwa setiap algoritma klasifikasi memiliki tingkat akurasi, kompleksitas, dan kebutuhan komputasi yang berbeda, sehingga tidak terdapat satu algoritma yang paling optimal untuk seluruh jenis data. Oleh karena itu, pemahaman terhadap karakteristik data dan algoritma menjadi faktor penting dalam menentukan metode klasifikasi yang tepat. Kajian ini diharapkan dapat memberikan kontribusi sebagai referensi awal dalam pemilihan algoritma klasifikasi pada penerapan data mining.
References
Rofi Fathurrohman, Miftahul Fajri, Salman M. Cahyono, Dzulqa F. Abdillah & Vinan Ramadhan. Data Mining pada Klasifikasi Jamur Menggunakan Algoritma C4.5 berdasarkan Karakteristik Morfologi. Simpatik: Jurnal Sistem Informasi dan Informatika, 4(1), 2024. DOI:10.31294/simpatik.v4i1.3529. Artikel ini menerapkan algoritma C4.5 dalam klasifikasi jamur dengan akurasi tinggi.
Hiliah Firda, Rima Athiyah, Salsabila Candra & Muhammad Ihsan Jambak. Perbandingan Algoritma Klasifikasi Data Mining Model C4.5 dan Naïve Bayes untuk Prediksi Keganasan Kanker Payudara. Just IT: Jurnal Sistem Informasi, Teknologi Informasi, dan Komputer, 14(3), 2024. DOI:10.24853/justit.14.3.194-200. Studi ini membandingkan C4.5 dan Naïve Bayes dalam konteks medis.
Jaka Tirta Samudra, B. Herawan Hayadi & Puji Sari Ramadhan. Komparasi 3 Metode Algoritma Klasifikasi Data Mining pada Prediksi Kenaikan Jabatan. Jurnal Teknologi Sistem Informasi dan Sistem Komputer (JSK), 5(2), 2025. Studi ini menguji Naïve Bayes, K-Nearest Neighbor, dan Neural Network untuk klasifikasi data karyawan.
Satrio Junaidi, Rani Valicia Anggela & Delsi Kariman. Klasifikasi Metode Data Mining untuk Prediksi Kelulusan Tepat Waktu Mahasiswa dengan Algoritma Naïve Bayes, Random Forest, SVM dan ANN. Journal of Applied Computer Science and Technology, 5(1), 2025. DOI:10.52158/jacost.v5i1.489. Penelitian ini membandingkan empat algoritma populer pada dataset pendidikan.
Tiara Oktavia, Munirul Ula & Ar Razi. Analisis Data Mining Perbandingan Algoritma Support Vector Machine dan Random Forest pada Klasifikasi Subtipe Anemia. Rabit: Jurnal Teknologi dan Sistem Informasi Univrab, 10(2), 2025. Artikel analisis ini membandingkan SVM dan Random Forest untuk klasifikasi kesehatan.
Veza, O., Kom, S., Kom, M., Agustini, S., Kom, S., & Kom, M. (2025). PENGENALAN DASAR PENGOLAHAN CITRA. Cendikia Mulia Mandiri.
Arifin, N. Y., Kom, S., Kom, M., Tyas, S. S., Kom, S., Sulistiani, H., ... & Kom, M. (2022). Analisa Perancangan Sistem Informasi. Cendikia Mulia Mandiri.
Setyabudhi, C. A. L., Marwan, S., Yuli Setiawannie, S. T., Surya Indrawan, S. T., Nita Marikena, S. T., Roudlotul, B. A., ... & ST, M. L. (2025). SUSTAINABLE SUPPLY CHAIN. Cendikia Mulia Mandiri.
Published
Issue
Section
License
Copyright (c) 2025 Worldscientificindex

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.