Klasifikasi Spesies Bunga Iris Menggunakan Logistic Regression Dan Support Vector Machine
DOI:
https://doi.org/10.62712/juktisi.v5i1.1096Keywords:
Klasifikasi, Iris Dataset, Logistic Regression, Support Vector Machine, Machine LearningAbstract
Penelitian ini membahas penerapan dua algoritma klasifikasi dalam machine learning, yaitu Logistic Regression dan Support Vector Machine (SVM), dengan menggunakan Iris Dataset untuk mengelompokkan tiga jenis bunga iris: Iris-setosa, Iris-versicolor, dan Iris-virginica. Dataset yang digunakan terdiri dari 150 sampel dengan empat fitur morfologi, yaitu panjang dan lebar sepal serta petal. Proses penelitian mencakup eksplorasi data, tahap praproses menggunakan StandardScaler dan LabelEncoder, pelatihan model, validasi silang 5-fold, serta pencarian kombinasi hyperparameter terbaik melalui GridSearchCV. Hasil pengujian menunjukkan bahwa SVM dengan kernel RBF mampu mencapai tingkat akurasi sebesar 96,67% pada data uji, lebih tinggi dibandingkan Logistic Regression yang memperoleh 93,33%. Sementara itu, hasil validasi silang menunjukkan bahwa kedua model memiliki kemampuan generalisasi yang relatif sama dengan nilai rata-rata (CV mean) sebesar 0,9533. Fitur petal length dan petal width secara konsisten menjadi faktor paling penting dalam membedakan kelas. Setelah dilakukan tuning, SVM dengan kernel linear justru memberikan nilai CV mean terbaik sebesar 97,50%, yang mengindikasikan bahwa pola pemisahan kelas dalam dataset ini cenderung bersifat linier.
Downloads
References
R. S. Nurhalizah, R. Ardianto, and P. Purwono, “Analisis Supervised dan Unsupervised Learning pada Machine Learning: Systematic Literature Review,” Jurnal Ilmu Komputer dan Informatika, vol. 4, no. 1, pp. 61–72, Aug. 2024, doi: 10.54082/jiki.168.
B. Rahman, F. Fauzi, and S. Amri, “Perbandingan Hasil Klasifikasi Data Iris menggunakan Algoritma K-Nearest Neighbor dan Random Forest,” 2023. [Online]. Available: http://journalnew.unimus.ac.id/index.php/jodi
P. Putra, A. M. H Pardede, and S. Syahputra, “ANALISIS METODE K-NEAREST NEIGHBOUR (KNN) DALAM KLASIFIKASI DATA IRIS BUNGA,” Jurnal Teknik Informatika Kaputama (JTIK), vol. 6, no. 1, 2022.
H. H. Y. A. S. I. M. C. M. U. I. R. Irmeilyana, “Penerapan Metode Support Vector Machine Dalam Klasifikasi Bunga Iris ,” IJAI, vol. 7, 2022.
R. R. D. A. A. M. F. Mhd. F. Alwi Syahputra, “Klasifikasi Jenis Bunga Iris Menggunakan Algoritma Klasifikasi Tradisional,” JurnalIlmiahSistemInformasidanIlmuKomputer, vol. 4, 2025.
D. Galih Pradana, M. L. Alghifari, M. Farhan Juna, and S. Dwisiwi Palaguna, “Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network,” Indonesian Journal of Data and Science (IJODAS), vol. 3, no. 2, pp. 55–60, 2022.
R. Tuntun, K. Kusrini, and K. Kusnawi, “Analisis Perbandingan Kinerja Algoritma Klasifikasi dengan Menggunakan Metode K-Fold Cross Validation,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 4, p. 2111, Oct. 2022, doi: 10.30865/mib.v6i4.4681.
D. | G. C. Dua, “ UCI Machine Learning Repository: Iris Dataset,” University of California, Irvine, School of Information and Computer Sciences.
F. Pedregosa FABIANPEDREGOSA et al., “Scikit-learn: Machine Learning in Python Gaël Varoquaux Bertrand Thirion Vincent Dubourg Alexandre Passos PEDREGOSA, VAROQUAUX, GRAMFORT ET AL. Matthieu Perrot,” 2011. [Online]. Available: http://scikit-learn.sourceforge.net.
K. K. Agung Widyanto, “PENGARUH KESEIMBANGAN DATA TERHADAP AKURASI MODEL SUPPORT VECTOR MACHINE PADA DATA SET DONOR DARAH ,” JurnalTeknologiTerpadu, vol. 9, 2023.
A. Desiani, D. A. Zayanti, I. Ramayanti, F. F. Ramadhan, and Giovillando, “PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN LOGISTIC REGRESSION DALAM KLASIFIKASI KANKER PAYUDARA,” Jurnal Kecerdasan Buatan dan Teknologi Informasi, vol. 4, no. 1, pp. 33–42, Jan. 2025, doi: 10.69916/jkbti.v4i1.191.
N. G. Ramadhan and A. Khoirunnisa, “Klasifikasi Data Malaria Menggunakan Metode Support Vector Machine,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 4, p. 1580, Oct. 2021, doi: 10.30865/mib.v5i4.3347.
R. Tuntun, K. Kusrini, and K. Kusnawi, “Analisis Perbandingan Kinerja Algoritma Klasifikasi dengan Menggunakan Metode K-Fold Cross Validation,” Jurnal Media Informatika Budidarma, vol. 6, no. 4, p. 2111, 2022, doi: 10.30865/mib.v6i4.4681.
N. Nurainun, E. Haerani, F. Syafria, and L. Oktavia, “Penerapan Algoritma Naïve Bayes Classifier Dalam Klasifikasi Status Gizi Balita dengan Pengujian K-Fold Cross Validation,” Journal of Computer System and Informatics (JoSYC), vol. 4, no. 3, pp. 578–586, May 2023, doi: 10.47065/josyc.v4i3.3414.
A. Tangkelayuk and E. Mailoa, “Klasifikasi Kualitas Air Menggunakan Metode KNN, Naïve Bayes Dan Decision Tree,” vol. 9, no. 2, pp. 1109–1119, 2022, [Online]. Available: http://jurnal.mdp.ac.id
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Aqilla Nurul Hasanah Aqilla, Hafiyyan Putra Pratama
This work is licensed under a Creative Commons Attribution 4.0 International License.
