KOMPARASI SUPPORT VECTOR MACHINE DAN NEURAL NETWORK UNTUK PREDIKSI KELULUSAN SERTIFIKASI BENIH KENTANG

Abstract

Sertifikasi benih merupakan masalah penting bagi petani karena merupakan salah satu upaya menjaga kualitas benih. Penelitian untuk memprediksi kelulusan sertifikasi benih dengan menggunakan teknik data mining masih jarang dilakukan, dari beberapa penelitian dengan konteks yang sama, yaitu penerapan metode data mining untuk klasifikasi kelulusan dengan jenis data dan kelas yang sama, yaitu dua kelas Lulus dan Tidak Lulus. Metode Neural Network memliliki performa yang baik dibandingkan dengan metode Support Vector Machine yang mampu memberikan solusi secara global optimum. Penelitian ini membandingkan akurasi metode Neural Network dan Support Vector Machine untuk menyelesaikan masalah prediksi kelulusan sertifikasi benih. Proses validasi menggunakan Split Validation, sedangkan pengujian model menggunakan metode Confusion Matrix dan ROC Curve. Hasil pengujian menunjukkan model dengan metode Neural Network memiliki akurasi sebesar 96.61% dan nilai AUC sebesar 0.997 sedangkan untuk metode Support Vector Machine memiliki nilai akurasi sebesar 98.91% dan nilai AUC sebesar 1.000. Sehingga dapat disimpulkan penerapan metode Support Vector Machine lebih baik dari Neural Network pada data sertifikasi benih kentang.