Klasifikasi Harga Ponsel dengan Feature Selection Menggunakan Metode Machine Learning

Penulis

  • Djulizah Bonita Lanini Universitas Hasanuddin
  • Syifa Ur Rahmi
  • Muh Fajar Siddiq
  • Kusnaeni

Kata Kunci:

Machine Learning, Klasifikasi, Harga Ponsel, Feature Selection

Abstrak

Abstract  —  People switch to new cell phones over time as cell phone features become more diverse. To help choose the right cell phone, a machine learning approach is used to classify the prices from the most expensive to the cheapest. The most relevant variables to the classification results are determined using feature selection. The Boruta test method is used to select features as attributes that affect the price of cell phones and then classify them using the Logistic Regression method. The accuracy rate obtained from the classification is 96.75% with a sensitivity of 96.58% and specificity of 98.92%. Keyword Machine Learning, Classification, Cell phone price, Feature Selection

 

Abstrak  —  Orang beralih ke ponsel baru seiring waktu karena fitur ponsel semakin beragam. Untuk membantu memilih ponsel yang tepat, pendekatan machine learning digunakan untuk mengklasifikasi harga dari yang termahal hingga termurah. Variabel paling relevan dengan hasil klasifikasi ditentukan menggunakan feature selection. Metode Boruta test digunakan untuk memilih fitur-fitur sebagai atribut yang berpengaruh terhadap harga ponsel kemudian diklasifikasi menggunakan metode Logistic Regression. Tingkat akurasi yang didapatkan dari klasifikasi tersebut adalah 96.75% dengan sensitivity sebesar 96.58% dan specificity sebesar 98.91%. Kata kunci Machine Learning, Klasifikasi, Harga Ponsel, Feature Selection

Unduhan

Diterbitkan

2023-12-30

Cara Mengutip

Bonita Lanini, D., Ur Rahmi, S., Siddiq, M. F., & Kusnaeni. (2023). Klasifikasi Harga Ponsel dengan Feature Selection Menggunakan Metode Machine Learning. Proceeding KONIK (Konferensi Nasional Ilmu Komputer), 6, 049–053. Diambil dari https://prosiding.konik.id/index.php/konik/article/view/180