Perbandingan Tingkat Akurasi Algoritma C4.5, Naive Bayes, Dan K-Nearest Neighbor Pada Dataset Channel Youtube Indonesia

Saat ini zaman dimana media sosial sangat berpengaruh terhadap kehidupan masyarakat diseluruh dunia termasuk Indonesia. Media sosial ada dengan berbagai macam mulai dari instagram, twitter, Youtube dan yang lainnya. Youtube merupakan media sosial yang menyediakan content yang sangat menarik, didalam Youtube juga terdapat fitur yang dapat mempengaruhi penilaian terhadap Channel Youtube yaitu penilaian dari Video Upload, Subscriber, Video View. Data mining dapat digunakan dalam memprediksi Grade Channel Youtube Indonesia. Mengevaluasi perbandingan kinerja terbaik metode data mining algoritma C4.5, Naïve Bayes dan K-Nearest Neighbor (K-NN) menggunakan uji k-fold Cross Validation dengan nilai k yaitu 10 untuk perbandingan nilai akurasi. Dataset Channel Youtube di Indonesia yang digunakan berjumlah 100 record dengan empat indikator yang terdiri dari Grade, Video Upload, Subscriber, dan Video View. Data diolah menggunakan software Jupyter Notebook. Hasil penelitian didapatkan tingkat akurasi algoritma C4.5 lebih tinggi sebesar 46%, dibandingkan dengan algoritma Naïve Bayes sebesar 37% dan (K-NN) sebesar 33%.