KLASIFIKASI JENIS BENIH KACANG MENGGUNAKAN SMOTE DAN DECISION TREE C4.5

Di era yang serba modern ini semua hal dapat diidentifikasikan berdasarkan kriteria atau atribut yang di miliki, mulai dari benda, hewan, tanaman, dan semua hal yang memiliki materi dan dapat di definisikan. Penelitian ini bertujuan untuk mengklasifikasikan jenis kacang, menggunakan metode decision tree C4.5. Metode ini digunakan untuk membuat model klasifikasi yang dapat mengelompokkan kacang ke dalam kelas yang berbeda berdasarkan atribut-atributnya. Data yang digunakan pada penelitian ini data yang berasal dari peneliti bernama Murat Koklu, dengan data yang terbagi menjadi 7 class yaitu Seker 2027 data, Barbunya 1322 data, Bombay 522 data, Cali 1630 data, Dermason 3546 data, Horoz 1928 data dan Sira 2636 data dengan total data 13611dan memiliki atribut data berjumlah 16 jenis. Data yang diperoleh akan di normalisasi lalu dilakukan penyeimbangan data karena data tidak seimbang tiap Class dengan teknik SMOTE (Synthetic Minority Over-sampling Technique), berikutnya dilakukan pembagian data menggunakan K-Fold Cross Validation. Klasifikasi yang digunakan pada penelitian ini adalah decision tree C4.5. Metode ini dapat membangun pohon keputusan yang berisi aturan-aturan klasifikasi, sehingga dari penelitian ini diharapkan menunjukkan bahwa metode decision tree C4.5 dapat mengklasifikasikan jenis kacang dengan akurasi yang baik.