Project information
- Category: Machine Learning
- Client: -
- Project date: 31 August, 2023
- Project URL: collab.research.google
Deskripsi Aplikasi
Model ini dibangun untuk mengukur hasil akurasi dari algoritma Random Forest dan K-nearest Neighbor serta membandingkan yang terbaik diantara keduanya. Studi kasus yang dipakai ialah mahasiswa berpotensi dropout. Dataset yang dipakai berjumlah 524 data dengan pembagian 90% untuk data training dan 10% untuk data testing. Dari hasil keduanya, Random Forest memiliki tingkat akurasi sebesar 95.83% dan K-NN memperoleh akurasi sebesar 93.75%. Sehingga diperoleh hasil bahwa Random Forest merupakan algoritma terbaik dari K-NN pada kasus ini.