LITERATURE REVIEW: PERBANDINGAN ALGORITMA ID3 DAN CART DALAM DATA MINING

Abstract

Classification algorithms play a significant role in data mining, particularly in supporting decision-making processes based on data patterns. Two commonly used decision tree algorithms are ID3 and CART, each with distinct advantages and limitations in terms of speed, accuracy, and flexibility toward different data types. This study aims to conduct a systematic review of recent studies that compare the performance of ID3 and CART algorithms in classification tasks within the context of data mining, The review process follows the PRISMA protocol, starting with literature identification through academic databases such as Google Scholar, ResearchGate, and Garuda. Out of 12 articles identified, only 1 article explicitly compares both algorithms and meets the inclusion criteria. The results of this review indicate that CART generally outperforms ID3 in terms of accuracy and model stability, especially when applied to large-scale numerical datasets. In contrast, ID3 remains relevant for smaller datasets with categorical attributes due to its simplicity and ease of interpretation. This review contributes to the body of knowledge by providing insights and guidance for researchers and practitioners in selecting appropriate classification algorithms based on the characteristics of their data and analytical objectives. Additionally, the findings emphasize the need for further empirical studies that statistically compare decision tree algorithms across various data mining applications.

Algoritma klasifikasi merupakan bagian penting dalam data mining, khususnya dalam mendukung proses pengambilan keputusan berbasis pola data. Dua algoritma yang sering digunakan adalah ID3 dan CART, yang keduanya memiliki keunggulan dan kekurangan dalam hal kecepatan, akurasi, dan fleksibilitas terhadap jenis data. Penelitian ini bertujuan untuk melakukan systematic review terhadap studi-studi terkini yang membahas dan membandingkan algoritma ID3 dan CART dalam konteks klasifikasi data mining. Metode yang digunakan mengacu pada protokol PRISMA, dimulai dari identifikasi literatur melalui database daring seperti Google Scholar, ResearchGate, dan Garuda. Dari total 12 artikel yang ditemukan, hanya 1 artikel yang secara eksplisit membahas perbandingan langsung antara ID3 dan CART dan memenuhi kriteria inklusi. Hasil review menunjukkan bahwa CART memiliki keunggulan dalam akurasi dan stabilitas model, terutama pada dataset berskala besar dan numerik, sementara ID3 tetap relevan untuk dataset kecil dengan atribut kategorikal karena mudah diimplementasikan dan diinterpretasikan. Review ini berkontribusi dalam memberikan arah bagi peneliti dan praktisi data mining dalam memilih algoritma klasifikasi yang sesuai dengan karakteristik data dan tujuan analisis. Selain itu, hasil kajian ini diharapkan dapat mendorong penelitian lanjutan yang lebih mendalam dan kuantitatif dalam membandingkan performa algoritma pohon keputusan di berbagai domain.