Analisis Algoritma Gradient Boosting, Adaboost dan Catboost dalam Klasifikasi Kualitas Air

Abstract

Penelitian ini bertujuan untuk mencari akurasi tertinggi dari ketiga algoritma klasifikasi tersebut. Algoritma dengan akurasi tertinggi akan digunakan sebagai acuan dalam klasifikasi kualitas air ini. Serta menguji kinerja ketiga model ini. Metode yang digunakan dalam analisis ini untuk mengatasi data yang hilang adalah metode Median. Kemudian untuk menangani data yang tidak seimbang digunakan metode SMOTE. Dalam penelitian ini, peneliti membandingkan akurasi dari kinerja Gradient Boosting, Adaboost, dan Catboost. Hasilnya ditemukan bahwa algoritma Catboost memiliki akurasi dan kinerja tertinggi sebesar 68%, diikuti oleh Gradient Boosting sebesar 60% dan Adaboost sebesar 58%. Kemudian performansi nilai AUC Catboost sebesar 0,678, Gradient Boosting sebesar 0,595, dan Adaboost sebesar 0,584. Namun hasil akurasi dan performanya masih kurang.