PERBANDINGAN KINERJA MODEL LINEAR DISCRIMINANT ANALYSIS DAN DECISSION TREE PADA STUDI KASUS DATASET AUDIT DATA

Abstrak

Penelitian ini akan membandingkan dua metode penambangan data yang umum digunakan, yaitu Linear Discriminant Analysis (LDA) dan Decission Tree dengan nilai accuracy 99,6% memiliki kinerja lebih baik dan relatif optimal pada dataset audit data. Dengan tujuan mengoptimalkan analisis statistik audit data, pengujian ini mengidentifikasi model mana yang lebih baik dan relatif optimal pada dataset audit data. Penelitian dilakukan untuk membandingkan performa machine learning dengan memilih subkumpulan fitur yan relevan dari data. Perbandingan dengan menggunnakan nilai accuracy menunjukkan jika model Decission Tree dan hasil accuracy sebesar 99,6%.